Abstracto

Determinación de la dimensionalidad de variables binarias: un estudio de simulación de Monte Carlo

Ting Dai1*, Adam Davey2

Objetivo: El presente estudio tuvo como objetivo evaluar cuatro criterios: Kaiser, Kaiser empírico, análisis paralelo y perfil de verosimilitud para determinar la dimensionalidad de variables binarias.

Métodos: Se realizó una simulación de Monte Carlo a gran escala para evaluar estos criterios mediante combinaciones de matrices de correlación (r de Pearson o ρ tetracórica) y métodos de análisis (análisis de componentes principales o análisis factorial exploratorio), y combinaciones de tamaños de muestra de características del estudio (100, 250, 1000), divisiones de variables (10%/90%, 25%/75%, 50%/50%), dimensión (1, 3, 5, 10) e ítems por dimensión (3, 5, 10).

Resultados: El análisis paralelo tuvo el mejor desempeño de los cuatro criterios, recuperando la dimensionalidad en el 87,9% de las réplicas cuando se utilizó el análisis de componentes principales con correlaciones de Pearson.

Conclusión: Nuestros hallazgos sugieren que la dimensionalidad de una matriz de datos de variables binarias se determina mejor mediante un análisis paralelo utilizando la combinación del análisis de componentes principales con una matriz de correlación basada en la r de Pearson. Brindamos recomendaciones para seleccionar criterios en diferentes condiciones de estudio.