Neste post, falaremos sobre análise fatorial e análise de componentes principais, duas técnicas usadas a fim de reduzir um conjunto maior de itens em um conjunto menor de variáveis. Embora parecidas, elas cumprem a propósitos distintos na pesquisa científica.
Muitas vezes, quando estamos trabalhando com questionários em pesquisas do tipo survey, precisamos agrupar as respostas em um escore único. Isso nos leva a uma pergunta comum, a saber: considerando as duas técnicas supracitadas, qual delas é a melhor para realizarmos essa redução de dados?
Em seguida, nosso objetivo será diferenciar essas técnicas e descrever quando cada uma delas é recomendada.
Por que diferenciar análise fatorial e análise de componentes principais?
Embora tanto a análise fatorial exploratória (AFE) e análise de componentes principais (ACP) tenham como objetivo reduzir um conjunto de variáveis a um número menor de dimensões, suas premissas conceituais são distintas. Ainda assim, é comum ver pesquisadores utilizando essas técnicas como se fossem intercambiáveis, o que pode comprometer a validade dos resultados.
Historicamente, a ACP ganhou popularidade nas ciências humanas, sociais e da saúde, especialmente porque seus cálculos são mais simples e computacionalmente mais acessíveis do que os da AFE.
Essa popularização levou à crença equivocada de que a ACP seria um tipo particular de AFE. Na verdade, são técnicas diferentes, tanto em objetivos quanto em fundamentos estatísticos.
Diferenças conceituais entre análise fatorial e análise de componentes principais
A principal distinção entre a AFE e ACP reside no tipo de modelo que cada uma assume: modelos reflexivos e modelos formativos, respectivamente.
A ACP é mais apropriada para dados oriundos de modelos formativos. Nesses modelos, os indicadores formam o construto (Figura 1).
Por exemplo, para estimar o nível socioeconômico de um indivíduo, podemos combinar informações sobre renda, escolaridade, ocupação, bens materiais, entre outros. Nesse caso, os indicadores “formam” o escore. A direção da relação vai dos indicadores para o construto.
A AFE é adequada para dados baseados em modelos reflexivos. Um exemplo clássico é a mensuração da depressão. Quando uma pessoa responde a um questionário com itens como “baixa autoestima”, “falta de motivação” ou “humor deprimido”, presume-se que há um fator latente (depressão) causando esses sintomas (Figura 2).
Assim, os itens são reflexo do fator latente. Portanto, a direção da relação vai do construto para os indicadores.
Análise fatorial e análise de componentes principais: qual escolher em casos ambíguos?
Em algumas situações, a escolha entre AFE e ACP depende da forma como mensuramos e concebemos o fenômeno. Por exemplo, podemos avaliar a qualidade de vida de duas formas:
- Reflexiva: quando se pergunta à pessoa como ela percebe sua qualidade de vida. Nesse caso, recomenda-se o uso da AFE.
- Formativa: quando se utilizam indicadores objetivos como moradia, renda, saúde e segurança. Aqui, recomenda-se o uso da ACP.
Assim, é essencial compreender o modelo teórico subjacente ao seu instrumento para fazer a escolha correta.
Conclusão
Em resumo, escolher entre essas duas análises exige compreender a natureza do construto que você está investigando. Construtos reflexivos demandam AFE. Por outro lado, construtos formativos exigem ACP. Como princípio geral, evite o uso indiscriminado dessas técnicas e fortaleça a validade dos seus resultados com escolhas metodológicas fundamentadas.
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).
Como citar este post
Damásio, B. (2023, 4 de março). Análise fatorial e análise de componentes principais: Diferenças e quando usar. Blog Psicometria Online. https://www.blog.psicometriaonline.com.br/analise-fatorial-e-analise-de-componentes-principais-diferencas-e-quando-usar/
