Resumen de El análisis paralelo de Horn: un estudio Monte Carlo de las ecuaciones de regresión para la selección de componentes
- español
El análisis paralelo es uno de los procedimientos más exactos para determinar los valores propios significativos en el análisis de componentes principales. En este estudio de simulación Monte Carlo se investiga su exactitud y se compara con la regla de Kaiser y con los procedimientos basados en ecuaciones de regresión. Las variables manipuladas han sido el tamaño muestral (100, 200 y 300), el número de ítems en el test (20 y 30), el porcentaje de ítems que cargó en el segundo componente (20%, 30% y 40%) y la correlación entre los componentes (0.00 y 0.30). Los resultados apuntan a que el análisis paralelo obtiene porcentajes de éxito más elevados que la regla de Kaiser. Además, los procedimientos de regresión se pueden utilizar en sustitución del procedimiento intensivo sólo cuando el tamaño muestral es elevado y el porcentaje de ítems que carga en el segundo componente es del 30% o mayor.
- English
Parallel analysis is one of the most accurate proposed methods to determine the significant eigenvalues in a principal component analysis. In this Monte-Carlo study, the accuracy of parallel analysis is tested and compared with the Kaiser rule and regression procedures. The variables were the sample size (100, 200 and 300), the number of items (20 and 30), the percentage of items that loaded in the second component (20%, 30% and 40%), and the correlation between the components (0.00, and 0.30). The results showed that parallel analysis had higher rates of accuracy than the Kaiser rule in all experimental conditions. Furthermore, regression procedures can be used instead of the intensive procedure only when the sample size is high and the percentage of items that loaded in the second component was 30% or more.
