Introducción. Considerando la influencia de los residuos correlacionados (dependencia local) en la estructura factorial de una escala, se desarrolló recientemente el método MORGANA. Este método permite evaluar la dependencia local en el análisis factorial exploratorio (AFE).  Objetivo. Evaluar si los residuos correlacionados influyen en la estructura factorial del inventario de ansiedad STAI-T. Metodología. La muestra estuvo compuesta por 502 adolescentes (62 % de mujeres) de la Ciudad de Córdoba, con edades entre los 12 y 17 años (M = 13.92, DE = 1.30). Para realizar el AFE se utilizó el método de estimación ULS y la rotación Promin. Para evaluar el ajuste del modelo se estimó el CFI (aceptable > 0,90), el NNFI (aceptable > .90) y el RMSEA (aceptable < 0,08). Para analizar la dependencia local entre los ítems se empleó el índice EREC del método MORGANA. También se analizó la medida de adecuación del muestreo (MSA >.50) y el ajuste de los residuos mediante el RMSR (RMSR < .05). Resultados. El AFE indicó dos dimensiones factoriales, con un ajuste adecuado del modelo factorial unidimensional e inadecuado de los residuos (CFI = .91, NNFI = .90, RMSEA = .12), un MSA inferior a .50 (ítem 14), 13 pares de ítems con dependencia local y un RMSR = .10. Luego de estos resultados, se analizó un modelo de dos dimensiones, se eliminó el ítem 14 y 3 ítems que presentaron dependencia local. Estas modificaciones arrojaron un mejor ajuste del modelo (CFI = .98, NNFI = .98, RMSEA = .05) y un RMSR = .04. Discusión. Aplicar el método MORGANA en el AFE permitió identificar aquellos ítems con residuos correlacionados y mejorar así el ajuste estadístico del modelo. Como puede observarse, este método es útil para evitar una estimación inexacta de la estructura factorial interna del inventario de ansiedad STAI-T.