El análisis de conglomerados y el análisis factorial son dos métodos estadísticos de análisis de datos. Estas dos formas de análisis se utilizan mucho en las ciencias naturales y del comportamiento. Tanto el análisis de conglomerados como el análisis de factores permiten al usuario agrupar partes de los datos en "conglomerados" o en "factores", según el tipo de análisis. Algunos investigadores nuevos en los métodos de análisis de conglomerados y factores pueden sentir que estos dos tipos de análisis son similares en general. Si bien el análisis de conglomerados y el análisis de factores parecen similares en la superficie, difieren de muchas maneras, incluso en sus objetivos y aplicaciones generales.
Objetivo
El análisis de conglomerados y el análisis factorial tienen diferentes objetivos. El objetivo habitual del análisis factorial es explicar la correlación en un conjunto de datos y relacionar variables entre sí, mientras que el objetivo del análisis de conglomerados es abordar la heterogeneidad en cada conjunto de datos. En espíritu, el análisis de conglomerados es una forma de categorización, mientras que el análisis factorial es una forma de simplificación.
Complejidad
La complejidad es una cuestión en la que difieren el análisis factorial y el análisis de conglomerados: el tamaño de los datos afecta a cada análisis de manera diferente. A medida que crece el conjunto de datos, el análisis de conglomerados se vuelve computacionalmente intratable. Esto es cierto porque el número de puntos de datos en el análisis de conglomerados está directamente relacionado con el número de posibles soluciones de conglomerados. Por ejemplo, el número de formas de dividir veinte objetos en 4 grupos de igual tamaño supera los 488 millones. Esto hace que los métodos computacionales directos, incluida la categoría de métodos a los que pertenece el análisis factorial, sean imposibles.
Solución
Aunque las soluciones tanto para el análisis factorial como para los problemas del análisis de conglomerados son subjetivas hasta cierto punto, el análisis factorial permite al investigador producir una "mejor" solución, en el sentido de que el investigador puede optimizar un cierto aspecto de la solución (ortogonalidad, facilidad de interpretación, etc. en). Esto no es así para el análisis de conglomerados, ya que todos los algoritmos que posiblemente podrían producir una mejor solución de análisis de conglomerados son computacionalmente ineficientes. Por lo tanto, los investigadores que emplean el análisis de conglomerados no pueden garantizar una solución óptima.
Aplicaciones
El análisis factorial y el análisis de conglomerados difieren en la forma en que se aplican a los datos reales. Dado que el análisis factorial tiene la capacidad de reducir un conjunto de variables difícil de manejar a un conjunto de factores mucho más pequeño, es adecuado para simplificar modelos complejos. El análisis factorial también tiene un uso confirmatorio, en el que el investigador puede desarrollar un conjunto de hipótesis sobre cómo se relacionan las variables en los datos. Luego, el investigador puede ejecutar un análisis factorial sobre el conjunto de datos para confirmar o negar estas hipótesis. El análisis de conglomerados, por otro lado, es adecuado para clasificar objetos de acuerdo con ciertos criterios. Por ejemplo, un investigador puede medir ciertos aspectos de un grupo de plantas recién descubiertas y colocar estas plantas en categorías de especies empleando el análisis de conglomerados.