Herramienta gratuita que convierte la salida de un análisis factorial exploratorio (AFE) en un reporte APA 7: pega la matriz de patrón desde SPSS («Matriz de patrón»), R (psych::fa) o jamovi —entiende la coma decimal y las celdas vacías de las cargas suprimidas— y genera la tabla APA 7 de cargas factoriales con umbral de supresión configurable (|λ| < .30 u otro), comunalidades h², cargas cruzadas marcadas y autovalores y % de varianza al pie; el gráfico de sedimentación (scree plot) con la línea de Kaiser en el autovalor 1, descargable en PNG de alta resolución sin marca de agua; el párrafo de resultados en español o inglés (KMO con la etiqueta de Kaiser, Bartlett, método de extracción y rotación, criterio de retención, varianza explicada y qué ítems cargan en qué factor); y el checklist de lo que el revisor espera (n por ítem, KMO ≥ .70, cargas mínimas, 3 ítems por factor).
Ejemplo resuelto: AFE de una escala de ansiedad académica de 12 ítems en 412 estudiantes universitarios, factorización de eje principal con rotación oblimin. KMO = .88 (meritorio según Kaiser), Bartlett χ²(66) = 1834.20, p < .001; se retuvieron 3 factores por el criterio de Kaiser (autovalores 4.62, 2.10 y 1.45) que explican el 68.1% de la varianza; el ítem AA12 presenta una carga cruzada (.35 en el Factor 1 además de su .58 en el Factor 3).
¿Puedo calcular la comunalidad sumando las cargas al cuadrado? Solo con rotación ortogonal (varimax, quartimax); con oblimin o promax los factores correlacionan y h² debe salir de tu programa (columna h2 de psych, 1 − Uniqueness de jamovi). ¿Qué KMO es aceptable? Al menos .70; Kaiser (1974) etiqueta ≥ .90 maravilloso, .80 meritorio, .70 mediano, .60 mediocre, .50 miserable y < .50 inaceptable.
Pega tu matriz de patrón de SPSS, R o jamovi y sale el reporte de AFE en APA 7: tabla de cargas con comunalidades, gráfico de sedimentación en PNG y párrafo.
| KMO | Etiqueta de Kaiser (1974) |
|---|---|
| ≥ .90 | Maravilloso |
| .80 – .90 | Meritorio |
| .70 – .80 | Mediano |
| .60 – .70 | Mediocre |
| .50 – .60 | Miserable |
| < .50 | Inaceptable |
El mínimo de trabajo es .70. Por debajo de .50 la matriz no es factorizable y no tiene sentido seguir.
La comunalidad h² solo se puede calcular sumando las cargas al cuadrado con rotación ortogonal (varimax, quartimax). Con oblimin o promax los factores correlacionan y h² tiene que salir de tu programa: la columna h2 de psych en R, o 1 − Uniqueness en jamovi.
Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31–36. Bartlett, M. S. (1954). A note on the multiplying factors for various chi-square approximations. Journal of the Royal Statistical Society, Series B, 16(2), 296–298.
Si la usas en tu tesis o en un artículo, cítala: así quien lea tu Método sabe con qué se hizo el cálculo.
Ciudad-Fernández, V. (2026). Generador de reporte APA del análisis factorial exploratorio [Aplicación web]. Ciudad Science. Recuperado el 14 de octubre de 2026, de https://analisisdedatospsicologia.com/herramientas/reporte-afe-apa
Para tu apartado de Método: La adecuación de los datos se valoró con el KMO (Kaiser, 1974) obtenido en el programa estadístico y las decisiones del análisis factorial exploratorio se informaron según Fabrigar et al. (1999); la redacción de los resultados en formato APA se preparó con el Generador de reporte APA del análisis factorial exploratorio de Ciudad Science (Ciudad-Fernández, 2026).
@misc{ciudadfernandez2026reporteafe,
author = {Ciudad-Fern{\'a}ndez, V{\'i}ctor},
title = {{Generador de reporte APA del análisis factorial exploratorio}},
year = {2026},
publisher = {Ciudad Science},
howpublished = {Aplicación web},
url = {https://analisisdedatospsicologia.com/herramientas/reporte-afe-apa},
urldate = {2026-10-14},
note = {Consultado el 2026-10-14},
}