--- title: "Análise fatorial confirmatória" url: https://www.blog.psicometriaonline.com.br/analise-fatorial-confirmatoria-2 canonical: https://www.blog.psicometriaonline.com.br/analise-fatorial-confirmatoria-2 language: pt-BR published: 2023-03-25T18:46:28.000Z updated: 2026-03-30T15:32:59.154Z modified: 2026-03-30T15:32:59.154Z author: "Alex França" categories: ["Análise fatorial"] tags: ["análise fatorial confirmatória"] description: "A análise fatorial confirmatória testa se um modelo teórico previamente definido se ajusta aos dados observados." source: Blog Psicometria Online --- # Análise fatorial confirmatória > A análise fatorial confirmatória (AFC) é uma técnica estatística usada a fim de testar se um modelo teórico previamente definido se ajusta aos dados observados. Diferente da análise fatorial exploratória (AFE), que busca descobrir estruturas latentes, a AFC parte de hipóteses já formuladas. Assim, o... A análise fatorial confirmatória (AFC) é uma técnica estatística usada a fim de testar se um modelo teórico previamente definido se ajusta aos dados observados. Diferente da [análise fatorial exploratória (AFE)](https://blog-academy.replit.app/analise-fatorial-exploratoria-o-que-e-para-que-serve-e-como-e-realizada), que busca descobrir estruturas latentes, a AFC parte de hipóteses já formuladas. Assim, o modelo é especificado antes da coleta de dados, permitindo avaliar sua plausibilidade com base nos resultados empíricos. ## Quando utilizar a análise fatorial confirmatória Os primeiros estudos sobre a AFC surgiram na década de 1960, mas ela só começou a ser amplamente aplicada a partir da década de 1970, especialmente na psicologia. Ela é ideal quando já existem estudos prévios que sugerem a estrutura dimensional de um [instrumento](/adaptacao-transcultural-de-medidas-de-autorrelato). Por exemplo, um instrumento validado internacionalmente pode ser testado no contexto brasileiro por meio da AFC. Além disso, essa técnica permite testar modelos com indicadores contínuos ou categóricos, considerar múltiplos grupos, e até estruturas bifatoriais e hierárquicas. Cada um desses modelos possui especificidades, merecendo assim um aprofundamento em textos futuros. ## Como funciona a análise fatorial confirmatória? A fim de aplicar a AFC, é necessário especificar os fatores e as variáveis observadas associadas a eles. Importante: cada fator precisa estar ligado a mais de uma variável. Com o modelo teórico pronto, é possível verificar se ele reproduz as correlações observadas nos dados. *Softwares* como Mplus, o pacote `lavaan` no R e o [JASP](/jasp-um-software-gratuito-para-fazer-analise-de-dados) são amplamente utilizados para essa finalidade. Após a especificação, o próximo passo é a estimação do modelo, que depende do tipo de variável e do tamanho da amostra. Para variáveis categóricas, recomenda-se o método de mínimos quadrados ponderados (*weighted least squares*, WLS) e sua versão robusta, o WLSMV (também conhecido como DWLS no pacote lavaan). Por outro lado, para indicadores contínuos e grandes amostras, os métodos de máxima verossimilhança (ML) ou máxima verossimilhança robusta (MLM) são preferíveis. ## Avaliando o ajuste do modelo com análise fatorial confirmatória Após estimar o modelo, utilizamos índices de ajuste para verificar sua adequação. Os principais são: - **Tucker–Lewis Index (TLI)**: Índice incremental que compara o modelo com um modelo nulo. Valores acima de 0,95 indicam bom ajuste. - **Comparative Fit Index (CFI)**: Também incremental, compara o modelo com um modelo nulo. Valores acima de 0,95 são desejáveis. - **Root Mean Square Error of Approximation (RMSEA)**: Mede a discrepância entre o modelo e os dados. Valores abaixo de 0,05 indicam ótimo ajuste; entre 0,05 e 0,08, razoável; acima de 0,10, pobre. - **Standardized Root Mean Square Residual (SRMR)**: Avalia a diferença entre correlações observadas e estimadas. Valores abaixo de 0,08 sugerem bom ajuste. - **Qui-quadrado (χ²)**: Compara a matriz de covariância dos dados com aquela implicada pelo modelo. Embora amplamente usado, é sensível ao tamanho da amostra. - **Qui-quadrado por graus de liberdade (χ²/gl)**: Devido à sensibilidade do teste de qui-quadrado, é comum calcular a razão de qui-quadrado por graus de liberdade. Essa razão considera a complexidade do modelo e o tamanho da amostra. Em síntese, χ²/gl < 3: bom ajuste; χ²/gl entre 3 e 5: ajuste razoável; e χ²/gl > 5: ajuste fraco. Essa regra, no entanto, não é absoluta e pode variar conforme o contexto da pesquisa. ## Conclusão Embora a AFC e seus índices de ajuste possam parecer complexos, eles oferecem uma poderosa ferramenta para validar modelos teóricos. Manter-se atualizado com a literatura científica é, portanto, essencial para aplicar essas técnicas corretamente e entender suas limitações. Como próximo passo, recomendamos ler o nosso artigo: [**Exploratória ou confirmatória: Qual análise fatorial usar?**](/exploratoria-ou-confirmatoria-qual-analise-fatorial-usar) Se você precisa aprender análise de dados, então faça parte da [**Psicometria Online Academy**](https://academy-po.psicometriaonline.com.br/?utm_source=blog&utm_medium=organico&utm_campaign=&utm_term=&utm_content=post), a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura [**aqui**](https://academy-po.psicometriaonline.com.br/?utm_source=blog&utm_medium=organico&utm_campaign=&utm_term=&utm_content=post) e nunca mais passe trabalho sozinho(a). ## Como citar este post > **Como citar este artigo:** França, A. (2023, 25 de março). Análise fatorial confirmatória. *Blog Psicometria Online*. https://www.blog.psicometriaonline.com.br/analise-fatorial-confirmatoria-2