Para el análisis factorial (no el análisis de componentes principales), hay bastante literatura que cuestiona algunas de las viejas reglas generales sobre el número de observaciones. Las recomendaciones tradicionales, al menos dentro de la psicometría, serían tener al menos observaciones por variable (con x típicamente entre 5 y 20XX5 520 ), por lo que en cualquier caso .n ≫ p
Se puede encontrar una descripción general bastante exhaustiva con muchas referencias en http://www.encorewiki.org/display/~nzhao/The+Minimum+Sample+Size+in+Factor+Analysis
Sin embargo, el mensaje principal de los estudios recientes de simulación probablemente sería que la calidad de los resultados varía mucho (dependiendo de las comunidades, el número de factores o la relación de factores a variables, etc.) que teniendo en cuenta La relación de variables a observaciones no es una buena manera de decidir el número requerido de observaciones. Si las condiciones son auspiciosas, es posible que pueda salirse con muchas menos observaciones de lo que sugerirían las pautas anteriores, pero incluso las pautas más conservadoras son demasiado optimistas en algunos casos. Por ejemplo, Preacher y MacCallum (2002) obtuvieron buenos resultados con tamaños de muestra extremadamente pequeños y p > n pero Mundfrom, Shaw y Ke (2005) encontraron algunos casos en los que un tamaño de muestra de n > 100 pfue necesario. También descubrieron que si el número de factores subyacentes se mantiene igual, más variables (y no menos, como lo implican las pautas basadas en la relación observaciones-variables) podrían conducir a mejores resultados con pequeñas muestras de observaciones.
Referencias relevantes:
- Mundfrom, DJ, Shaw, DG y Ke, TL (2005). Recomendaciones de tamaño mínimo de muestra para realizar análisis factoriales. Revista Internacional de Pruebas, 5 (2), 159-168.
- Predicador, KJ y MacCallum, RC (2002). Análisis factorial exploratorio en investigación genética del comportamiento: recuperación de factores con tamaños de muestra pequeños. Behavior Genetics, 32 (2), 153-161.
- de Winter, JCF, Dodou, D. y Wieringa, PA (2009). Análisis factorial exploratorio con tamaños de muestra pequeños. Investigación conductual multivariante, 44 (2), 147-181.