O seu Blog de Psicometria

Tenha acesso à nossa enciclopédia virtual de conhecimento em Psicometria e Análise de Dados

Junte-se a mais de 22.300 membros e receba conteúdos exclusivos e com prioridade

Compartilhe nas Redes Sociais

Exploratória ou confirmatória: qual análise fatorial usar?

Bruno Damásio

maio 8, 2025

Neste post, falaremos sobre qual análise fatorial usar em pesquisas que envolvem instrumentos psicométricos. Primeiramente, explicaremos a diferença entre análise fatorial exploratória e confirmatória. Em seguida, discutiremos quando cada abordagem é mais indicada. Depois, responderemos a uma pergunta frequente sobre o uso direto da análise confirmatória em medidas novas. Por fim, discorreremos brevemente sobre os termos “exploratória” e “confirmatória”.

O que são análise fatorial exploratória e confirmatória?

Análise fatorial exploratória (AFE) e análise fatorial confirmatória (AFC) são técnicas estatísticas que ajudam a identificar a estrutura subjacente de itens de um instrumento de autorrelato ou de uma bateria de testes. Ambas têm como objetivo principal compreender como os itens se agrupam em fatores latentes — ou seja, dimensões psicológicas não diretamente observáveis.

Na AFE, o programa estatístico analisa os dados e sugere, com base nas correlações entre os itens, o número de fatores e a alocação de cada item em um fator. O pesquisador não impõe qualquer estrutura prévia, e o modelo é completamente determinado pelos dados.

Por outro lado, na AFC, o pesquisador define previamente quantos fatores existem e quais itens pertencem a cada fator, com base em evidências teóricas ou empíricas. O software, então, testa se essa estrutura pré-especificada se ajusta bem aos dados coletados.

Essas duas técnicas se complementam, mas têm propósitos diferentes. Por isso, a grande questão que se impõe é: qual análise fatorial usar em cada situação?

banner da Psicometria Online Academy.

Qual análise fatorial usar em estudos iniciais?

Se você está lidando com um instrumento novo, ou com um questionário cuja estrutura ainda não foi testada em outras amostras, a AFE é geralmente o caminho mais indicado.

Essa abordagem é útil também quando há dúvidas sobre a estabilidade da estrutura em estudos anteriores. Nesses casos, a AFE permite investigar como os itens se agrupam nos seus dados específicos, sem pressupor um modelo teórico rígido. Essa liberdade é especialmente valiosa em fases iniciais de desenvolvimento de instrumentos.

Portanto, quando há nenhuma ou pouca evidência prévia sobre a estrutura da medida, a resposta para “qual análise fatorial usar” tende a ser a exploratória.

Saiba mais: Curso Prático de Validação de Medidas – Aula 02 – Análise Fatorial Exploratória

Qual análise fatorial usar quando há evidências prévias?

Quando você já possui um modelo teórico bem estabelecido ou evidências consistentes de estudos anteriores, a AFC se torna a melhor escolha.

A AFC permite testar se a estrutura previamente proposta se confirma em uma nova amostra. Além disso, ela é ideal para comparar modelos concorrentes — por exemplo, se dois estudos propuseram diferentes estruturas fatoriais (unifatorial vs. multifatorial), é possível verificar qual delas se ajusta melhor aos seus dados.

Assim, se você deseja confirmar uma estrutura já proposta ou comparar modelos alternativos, a AFC responde à pergunta sobre qual análise fatorial usar.

Veja também: Curso Prático de Validação de Medidas – Aula 03 – Análise Fatorial Confirmatória

Posso usar diretamente a análise fatorial confirmatória ao criar uma medida nova?

Essa é uma dúvida comum entre pesquisadores iniciantes: é possível usar apenas a AFC em um instrumento novo?

Apesar de ser tecnicamente viável, essa prática é pouco recomendada. Mesmo que você tenha desenvolvido os itens com base em uma estrutura teórica clara, ainda não existem dados empíricos suficientes para garantir que ela funciona como esperado.

A AFE permite avaliar se os itens realmente se agrupam como previsto ou se surge uma organização mais coerente com os dados. Ao pular essa etapa, corre-se o risco de aceitar um modelo que, embora plausível, não é o mais adequado.

Por isso, ao criar uma nova medida, a AFE costuma ser a escolha mais segura.

Uma nota importante sobre os termos “exploratória” e “confirmatória”

Comumente, diz-se que a AFE e a AFC são, respectivamente, abordagens exploratória e confirmatória. No entanto, vale esclarecer que essa distinção não diz respeito apenas ao objetivo do estudo, mas também à forma como especificamos os modelos e definimos a matriz de cargas fatoriais (Franco et al., 2017).

Na AFE, todos os itens podem se relacionar livremente com todos os fatores — o modelo é pouco restritivo. Já na AFC, o pesquisador define previamente quais itens se associam a quais fatores, restringindo as demais cargas fatoriais a zero. Por isso, a AFC é considerada um modelo mais restrito.

Ainda assim, é possível usar estratégias exploratórias dentro de uma AFC, como impor restrições adicionais nos modelos com base em índices de modificação. Além disso, também podemos aplicar critérios confirmatórios dentro da AFE, ao fixar, por exemplo, o número de fatores a extrair, com base em hipóteses teóricas.

Em resumo: embora os termos “exploratória” e “confirmatória” remetam à intenção analítica, o que define tecnicamente cada abordagem é o grau de restrição imposto à estrutura fatorial.

Conclusão

Saber qual análise fatorial usar depende do seu objetivo e do estágio de desenvolvimento do instrumento. Em medidas novas ou pouco estudadas, opte pela análise exploratória. Quando há evidências sólidas, use a confirmatória para validar sua estrutura.

Gostou desse conteúdo? Se você precisa aprender análise de dados, então faça parte da Psicometria Online Academy, a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

Referências

Franco, V. R., Valentini, F., & Iglesias, F. (2017). Introdução à análise fatorial confirmatória. In B. F. Damásio & J C. Borsa (Orgs.), Manual de desenvolvimento de instrumentos psicológicos (pp. 295–322). Vetor.

Orçan, F. (2018). Exploratory and confirmatory factor analysis: Which one to use first? Journal of Measurement and Evaluation in Education and Psychology, 9(4), 414–421. https://doi.org/10.21031/epod.394323

Como citar este post

Damásio, B. (2025, 8 de maio). Exploratória ou confirmatória: Qual análise fatorial usar? Blog Psicometria Online. https://www.blog.psicometriaonline.com.br/exploratoria-ou-confirmatoria-qual-analise-fatorial-usar

Bruno Figueiredo Damásio

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) e Editor-Associado da Spanish Journal of Psychology, na sub-seção Psicometria e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 5000 citações, nas melhores revistas nacionais e internacionais.

Em 2020, saí da UFRJ para montar a minha formação, a Psicometria Online Academy.

Meu foco é que você se torne um(a) pesquisador(a) de excelência. Clique aqui para conhecer a Academy.

Compartilhe sua opinião sobre este post

Respostas de 2

  1. Para um investigador é de extrema imortância compreender de forma profunda, sobre validação de medidas, análise fatorial exploratória e análise factorial combinatória.

    1. Oi, António. Sim, os temas que você mencionou são fundamentais para quem faz pesquisa com seres humanos e usam questionários, escalas e inventários. A Psicometria Online Academy possui uma formação completa, incluindo módulos de Construção, Adaptação & Validação de Instrumentos e de Análise Fatorial e Modelagem por Equações Estruturais (que inclui tanto AFE quanto AFC). Visite nosso site para conhecer mais sobre a formação: https://psicometriaonline.com.br/academy-blog/

      Equipe Psicometria Online.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Posts sugeridos

Por que a invariância de medição é importante?

Comunalidade vs. singularidade: entendendo as diferenças

Como interpretar a SRMR e o RMSEA em uma análise fatorial confirmatória?

Conteúdo

Mais lidos

O que é correlação de Pearson?

Teste t de Student

O que é o teste de Shapiro-Wilk?

O que é correlação de Spearman?

Postados recentemente

Compreendendo a aquiescência

Curva característica do item, curva de informação do item e curva de informação do teste: como interpretar as três curvas da TRI?

Um guia completo sobre a PEDro: Physiotherapy Evidence Database

O que é teste de hipótese?

Deseja se tornar completamente independente na análise dos seus dados?

Junte-se a mais de 22.300 membros e receba conteúdos exclusivos e com prioridade

Categorias