Resumen
Mediante un ejemplo empírico se muestran las diferencias entre las técnicas estadísticas de análisis factorial exploratorio y confirmatorio. En la investigación en Ciencias Sociales en nuestro país es muy frecuente el uso de variables observables para analizar la relación directa entre estas y la variable respuesta. Más aún, también es frecuente el uso de la técnica de análisis factorial exploratorio debido al desconocimiento sobre la correcta aplicación del análisis factorial confirmatorio, ya que esta última requiere el planteamiento de una hipótesis que debe ser evaluada, mientras que en el análisis exploratorio no es necesario que el investigador tenga una conciencia clara sobre la hipótesis que desea evaluar, sino que espera que los datos por sí mismos muestren las relaciones con la variable respuesta. Con un ejemplo empírico utilizando datos de la prueba internacional PISA 2009 se ilustran las diferencias entre ambas técnicas y las bondades de utilizar el análisis factorial confirmatorio para evaluar hipótesis de investigación.Referencias
Brown, T. (2006). Confirmatory factor analysis for applied research. New York: Guilford Press. doi:10.1198/tas.2008.s98
Byrne, B. (1998). Structural equation modeling with ISREL, PRELIS, and SIMPLIS: Basic concepts, applications, and programming. Mahwah, NJ: Erl-baum.
Fernández, A. (2013). Análisis de la Resiliencia Educativa de los Estudiantes Costarricenses con datos de la Prueba de Lectura de la Evaluación PISA 2009. Revista de Ciencias Económicas, 31(2), 75–99.
Joreskog, K. (1969). A general approach to confirmatory maximum likelihood factor analysis. Psychometrika, 34(2), 183-202. doi: 10.1007/BF02289343
Joreskog, K. (1971). Statistical analysis of sets of congeneric tests. Psychometrika, 36(2), 109-133. doi: 10.1007/BF02291393
Kaplan, D. (2009). Structural equation modeling: foundations and extensions. Segunda edición. Thousand Oaks, CA: Sage. doi:10.4135/9781452226576
Montero, E. (2012). Los modelos de ecuaciones estructurales como herramienta para explorar posibles relaciones causales en investigación educativa: Una ilustración con datos de PISA 2009 en Costa Rica. Aporte Especial. Cuatro Informe del Estado de la Educación. Programa Estado de la Nación en Desarrollo Humano Sostenible.
Mulaik, S. A. (2009). Linear causal modeling with structural equations. New York: CRC Press Taylor & Francis Group. doi: 10.1201/9781439800393
Organización para la Cooperación y el Desarrollo Económico. (2011). Against the Odds: Desadvantaged students who succeed in school. OECD Publishing. doi:10.1787/9789264090873-en
Organización para la Cooperación y el Desarrollo Económico. (2012). PISA 2009 Technical Report. OECD Publishing. doi:10.1787/9789264167872-en
Spearman, C. (1904). General Intelligence, objectively determined and measured. American Journal of Psychology, 15, 201-293. doi:10.2307/1412107
Spearman, C. (1927). The abilities of man. New York: Macmillan.
Thurstone, L. (1947). Multiple-factor analysis. Chicago: University of Chicago. Press.

Esta obra está bajo una licencia internacional Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0.
Derechos de autor 2015 Andrés Fernández Aráuz
