ISSN 0120—5552 eISSN 2011—7531 Vol. 34, N° 2, 2018 Fecha de recepción: 30 de julio de 2017 Fecha de aceptación: 18 de marzo de 2018 DOI: http://dx.doi.org/10.14482/sun.34.2.658.48

carta al editor / letter to the editor

Manuel Pando Moreno, José Luis Calderón Mafud¹

¹ Universidad de Gudalajara (México).

Correspondencia: Manuel Pando Moreno. Isla Gorgona 3078. Residencial La Cruz 44950, Guadalajara, Jalisco (México). manolop777@hotmail.com

Estimado Editor:

En respuesta al generoso cuestionamiento que aparece en su prestigiada revista, hacemos llegar a usted algunas líneas. Para nosotros, la violencia y el acoso psicológico en el trabajo son realidades que provocan condiciones psicoso—ciales negativas y destructivas en trabajadores en todo el mundo hace largo tiempo. Dichas prácticas provocan efectos a diferentes niveles, que lesionan a los trabajadores que las sufren, a sus familias y, por supuesto, a la sociedad en la que conviven. Hemos trabajado largamente en identificar, describir este fenómeno y, en suma, dimensionarlo en la población hispanoamericana.

Este fenómeno social es, por supuesto, una construcción para la psicología, lo cual nos permite explicar y dimensionarla. Como sabemos, el avance de las ciencias del comportamiento está asentado en el concepto de constructo, debido principalmente a que los constructos sirven para resumir, organizar y facilitar la interpretación y el análisis de datos mediante diferentes métodos, entre ellos el análisis factorial y de componentes, que son considerados métodos muy similares que facilitan la transición del tratamiento de un gran número de variables observadas a un número menor de variables latentes, o, en su defecto, la comprensión de los factores subyacentes (1, 2).

El ACP es un método de análisis que busca generar cargas factoriales, al reducirlas mediante ecuaciones lineales que le permiten calcular las posiciones de los valores en un espacio determinado mediante la identificación de componentes principales que sirven para verificar la distancia de los vectores.

El uso del método de componentes principales, y en particular el conocido como Little Jiffy, fue desarrollado no a partir de los resultados de un “software”, sino como producto del análisis del problema matemático de los factores utilizando, entre otros, el principio de simplicidad: Si es posible dos métodos o soluciones, hay que usar siempre el más simple (3).

Después de millones de pruebas del método de rotaciones oblicuas y el análisis de matrices de correlación aparece el método que se usa actualmente basado en los componentes principales. El uso de las rotaciones de tipo ortogonal obedece principalmente a la cantidad de factores que se pueden retener, sin perjudicar el constructo en condiciones especiales (3).

Si bien este método ha recibido recientemente críticas similares y al parecer literales a las que aparecen hoy, los argumentos son similares a los que el propio Kaiser (2) ya había apuntado en el tratado original de este método y que redundan en aspectos relativos al proceso (extracción, rotación, tamaño de la muestra, etc.) y ningún estudio indica que los datos son cuestionables (1—4). Decimos que estudios de simulación recientes, han examinado y empíricamente demostrado que, efectivamente, pudiera haber efectos de la extracción excesiva o insuficiente de componentes y factores, y han llegado a la conclusión de que la subextracción sería un problema serio en todas las situaciones que se estudiaron, pero que la sobre extracción es un problema que aumenta siempre que disminuye el tamaño de la muestra. También distintos autores enfatizan que los investigadores deberían emplear la mayor cantidad de métodos para determinar el correcto número de factores o componentes para minimizar tales problemas. Con esto queremos evidenciar que otros estudios indican que la extracción y la rotación son variables que se deben pero también lo son el tamaño de la muestra, y en ningún momento se hace referencia a un método en particular, sino a considerar lo que se consideraría adecuado para mejorar los resultados (1, 2, 4).

Por otra parte, el análisis de factores o componentes se ha convertido en una parte estándar del desarrollo de medidas y es uno de los procedimientos estadísticos más empleados en las ciencias del comportamiento; como se sabe, el principal problema del análisis factorial es determinar los componentes de varianza de la varianza total de un factor común, como evidencian en su estudio comparativo Izquierdo Alfaro, Olea Díaz y Abad (5).

El método conocido como Little Jiffy es útil no solo por estar extendido en su uso, también al tratarse de poblaciones de un tamaño mayor y constructos en donde el tamaño del azar podría ser elevado, la retención de factores de acuerdo con la extracción que realiza este método no ofreció errores, como sugiere el mismo Kaiser (3): “así que bombardeé a todos mis amigos algebraicos alrededor del mundo con él, y tampoco pudieron demostrarlo”.

Los argumentos basados en sugerir revisiones cuidadosas no ofrecen mayores evidencias de que la herramienta, como mencionan, haya generado fallas, ni mencionan por qué la población estaría en condiciones especiales diferentes de las de cualquier prueba que se haya realizado del método, sino simplemente acuden a la cita de la publicación (6, 7), quienes afirman que efectivamente al usar un método distinto en un “software” determinado es posible encontrar mejores resultados.

El ACP es un método de análisis que busca generar cargas factoriales, al reducirlas mediante ecuaciones lineales que le permiten calcular las posiciones de los valores en un espacio determinado mediante la identificación de componentes principales que sirven para verificar la distancia de los vectores.

Como ya se mencionó, los datos ofrecidos en la validación se sustentan en un instrumento con evidencias de validez obtenidas a través del método más comúnmente usado por las ciencias del comportamiento (5) y que redunda en las soluciones sencillas y urgentes que necesita la evaluación de la violencia en el trabajo, tema central y común a nuestros trabajadores hispanoamericanos.

REFERENCIAS

• 1. Velicer WF. Determining the number of components from the matrix of partial correlations. Psychometrika. 1976; 41(3):321—327.

• 2. Costello AB, Osborne J W. Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical assessment, research & evaluation. 2005; 10(7): 1—9.

• 3. Kaiser HF. A second—generation little jiffy. Psychometrika. 1970; 35(4): 401—415.

• 4. Roth PL. Missing data: A conceptual review for applied psychologists. Personnel psychology. 1994; 47(3): 537—560.

• 5.  Izquierdo—Alfaro I, Olea—Diaz J, Abad FJ. Exploratory factor analysis in validation studies: uses and recommendations. Psi—cothema. 2014.

• 6.  Fava JL & Velicer WF. The effects of underextraction in factor and component analyses. Educational and Psychological Measurement. 1996; 56(6):907—929.

• 7.  Wood JM, Tataryn DJ, Gorsuch RL. Effects of under—and overextraction on principal axis factor analysis with varimax rotation. Psychological methods. 1996; 1(4): 354.