Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

O que são Cargas Fatoriais?

As cargas fatoriais são parte do resultado de uma análise fatorial e nos dizem o quanto uma variável (item) contribui para o fator. De maneira geral, quanto maior a carga fatorial de um item, mais importante ele é para o construto de interesse.

Para sabermos a comunalidade, ou proporção de variabilidade de cada item que é explicada pelos fatores, podemos elevar a carga fatorial ao quadrado.

Quanto é uma carga fatorial aceitável?

Primeiro temos que mencionar que na análise fatorial exploratória, os itens terão cargas fatoriais para todos os fatores do modelo. O esperado é que cada item carregue mais fortemente em um fator, que seria o fator primário, e menos nos outros, que seriam os fatores secundários.

Alguns pontos de corte são fornecidos para considerar que um item é ‘importante’ para o fator.

Possivelmente, os pontos de corte mais populares para considerar cargas fatoriais “boas” em um fator primário é de 0.30 ou 0.40 (Hinkin, 1995; 1998). Alternativamente, o critério do que seriam cargas fatoriais “excessivas” em fatores alternativos é ainda menos decisivo. Costello e Osborne (2005) propuseram que as cargas fatoriais alternativas não devam ultrapassar um determinado valor, como 0.32 ou 0.40 e Hinkin (1998) propus que as diferenças entre as cargas fatoriais primárias e secundárias devem ser consideradas, como uma diferença de carga de 0.20 entre os fatores primários e alternativos.

Howard (2016) sugere uma combinação dessas propostas recomendando que variáveis ​​satisfatórias (a) carreguem em seu fator primário acima de 0.40, (b) carreguem em fatores alternativos abaixo de 0.30, e (c) demonstrem uma diferença de 0.20 entre suas cargas fatoriais primárias e alternativas. O autor classifica isso como a regra 0.40-0.30-0.20.

As cargas fatoriais podem ser maiores que 1?

Considerando que existem casos onde a carga fatorial é um coeficiente de regressão da variável no fator, a carga fatorial pode inclusive apresentar um valor maior do que 1 (Joreskog, 1999). Caso isso aconteça em uma análise, precisamos verificar a variância residual (residual variance) da variável cuja carga fatorial deu maior do que 1. Se a variância residual for negativa, a solução seria inadmissível e a variável não deveria ser usada (Muthén & Muthén, 2017).

Gostou desse conteúdo? Precisa aprender Análise de dados? 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:

COSTELO, A. B.; OSBORNE, J. W. (2005). Best practices in exploratory factor analysis: four recommendations for getting the most from your analysis. Practical Assessment, Research & Evaluation, 10,(7), 1-9.

HINKIN, T. R. (1995). A review of scale development in the study of behavior in organizations. Journal of Management, 21, 967-988.

HINKIN, T. R. (1998). A brief tutorial on the development of measures for use in survey questionnairesOrganizational research methods1(1), 104-121.

HOWARD, M. C. (2016). A review of exploratory factor analysis decisions and overview of current practices: What we are doing and how can we improve?. International Journal of Human-Computer Interaction32(1), 51-62.

JÖRESKOG, K. G. (1999). How large can a standardized coefficient be. http://www.statmodel.com/download/Joreskog.pdf

MUTHÉN, L. K.; MUTHÉN, B. O. (2017). Mplus: Statistical analysis with latent variables. User’s guide. Los Angeles, CA: Authors. Los Angeles.

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) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Deixe um comentário

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

Veja mais

Posts relacionados

Glossário de Análise Fatorial Exploratória

Glossário de Análise Fatorial Exploratória

A Psicometria Online tem o prazer de anunciar a publicação de um valioso recurso para profissionais e estudantes da Psicometria: o Glossário de Análise Fatorial Exploratória. Entender os termos e

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Nesse post, iremos te ensinar a lidar, de modo metodologicamente adequado com os pressupostos da análise de variância (ANOVA), quando eles não são acatados. O que é Análise de Variância

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Olá. Neste post vamos explicar de forma fácil o que são e quais as principais diferenças entre a estatística descritiva e a estatística inferencial. O que é estatística descritiva? A

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Glossário de Análise Fatorial Exploratória

Glossário de Análise Fatorial Exploratória

A Psicometria Online tem o prazer de anunciar a publicação de um valioso recurso para profissionais e estudantes da Psicometria: o Glossário de Análise Fatorial Exploratória. Entender os termos e

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Nesse post, iremos te ensinar a lidar, de modo metodologicamente adequado com os pressupostos da análise de variância (ANOVA), quando eles não são acatados. O que é Análise de Variância

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Olá. Neste post vamos explicar de forma fácil o que são e quais as principais diferenças entre a estatística descritiva e a estatística inferencial. O que é estatística descritiva? A

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.