2.6. MODELOS MULTIVARIABLES BASADOS EN EL ANÁLISIS FACTORIAL

El análisis factorial es otra técnica multivariable también muy importante. Ésta se enfoca a un problema que presentan los modelos multivariables cuando aplicando el MDA se origina la multicolinealidad, que es un fenómeno que dificulta las mediciones de las variables independientes. Con el análisis factorial se ayuda a limitar este problema entre los ratios y consiste en una serie de métodos de tipo estadístico cuyo objetivo es reducir un conjunto de variables.

Las técnicas del análisis factorial tienen el objetivo común de reducir un conjunto dado de variables a un reducido número de factores hipotéticos basados sobre las relaciones de esas variables originales y que contienen aproximadamente igual cantidad de información. Los resultados son un número mínimo de factores que cuentan con más o toda la covariación observada de las variables originales. Es decir, capturan la mayoría de la información contenida en el conjunto de las variables originales pero que no estén relacionadas entre si.

La variable original en principio debe ser la más cercana y relacionada con cada uno de los factores. Sin embargo, en ocasiones se elige a otra variable menos cercana al factor pero con mayor confiabilidad en los datos de cada uno de sus componentes.

Jhonson (1970) ya había detectado el problema de las variables colineales en los estudios con análisis discriminantes y había advertido que se tenía que lograr que los ratios fueran necesariamente independientes entre ellos para aplicar el MDA. Para él, la utilización de múltiples ratios con alta correlación producía redundancia e inestabilidad dentro de los coeficientes de la función en las diferentes muestras y también generaba altos errores estándar para los coeficientes.

En opinión de Horrigan (1965), la colinealidad presentaba problemas pero también oportunidades para el investigador. Consideraba que la colinealidad entre los ratios financieros daba más información que la contenida en un pequeño número de ratios; sin embrago, advertía que la selección de los ratios debería realizarse cuidadosamente para evitar los problemas de multicolianilidad.

Aunque los estudios pioneros de la década de los sesenta y setenta intentaron limitar este fenómeno y capturar al mismo tiempo la mayor cantidad de información útil en los ratios financieros, tales métodos actualmente se han cuestionado. Por ejemplo, Atlman (1968) analizó las intercorrelaciones entre las variables independientes antes de seleccionar las variables finales de su modelo. El método que utilizó consistió sólo en analizar al mismo tiempo las correlaciones entre dos pares de variables. Este análisis bivariable de intercorrelaciones estaba muy lejos del actual concepto del análisis múltiple de correlaciones.

Por otra parte, Edmister (1972), y Rose-Giroux (1984) fueron más lejos y utilizaron la técnica de selección “Stepwise” para determinar la contribución relativa de cada variable independiente y su correlación con otras variables del modelo. Sin embargo, el análisis “Stepwise” aunque limitó la multicolinealidad, el nivel de correlación aceptable se estableció arbitrariamente.

En lo que respecta a los estudios más sobresalientes sobre el análisis factorial, aplicado a los ratios están los desarrollados por: Pinches y Mingo (1973), Libby (1975), Gombola y Ketz (1983),Gombola, Haskings, Ketz y Wiiliams (1987), Largay y Stickney (1980), Gahlon y Vigeland (1988), Dambolena y Shulman (1988), Azis y Lawson (1989). También el análisis factorial ha sido utilizado en una gran variedad de estudios contables que han sido de especial relevancia para los estudios de quiebra, como los desarrollados por Pinches, Mingo y Caruthers (1973, 1975) y de Chen y Shimerda (1981). Por otra parte, los trabajos de Gombola y Ketz (1983a); y de Casey y Bartczak (1985) han sido muy importantes para los estudios sobre la posición de tesorería y el cash flow dentro de los estudios predictivos. A continuación explicaremos en términos generales en qué consistieron estos trabajos.