--- title: "Como executar análise paralela?" url: https://www.blog.psicometriaonline.com.br/como-executar-analise-paralela canonical: https://www.blog.psicometriaonline.com.br/como-executar-analise-paralela language: pt-BR published: 2024-12-26T14:45:04.000Z updated: 2026-03-30T01:18:42.035Z modified: 2026-03-30T01:18:42.035Z author: "Marcos Lima" categories: ["Análise fatorial"] tags: ["análise fatorial exploratória"] description: "Neste post, descreveremos as etapas da análise paralela e recomendamos um vídeo sobre como executar a análise paralela da maneira correta." source: Blog Psicometria Online --- # Como executar análise paralela? > A análise paralela é um método de simulação Monte Carlo usado para decidir qual o número de fatores extrair de um conjunto de dados. Neste post, descreveremos as etapas da análise paralela. Além disso, também recomendaremos um vídeo sobre como executar a análise paralela da maneira correta. Etapa... A **análise paralela** é um método de simulação Monte Carlo usado para decidir qual o número de fatores extrair de um conjunto de dados. Neste post, descreveremos as etapas da análise paralela. Além disso, também recomendaremos um vídeo sobre como executar a análise paralela da maneira correta. ## Etapas da análise paralela O objetivo da [**análise fatorial exploratória**](/o-que-e-analise-fatorial-exploratoria) é explicar, por meio de um número menor de fatores, a maior parte da variância comum observada nas variáveis originais. Desse modo, pesquisadores precisam decidir o número de fatores a extrair, a fim de obter soluções fatoriais parcimoniosas, com plausibilidade teórica e, ao mesmo tempo, com bom poder explicativo. Uma das técnicas usadas para informar pesquisadores sobre o número de fatores a reter é a análise paralela. Na [análise paralela](/o-que-e-analise-paralela), nós geramos matrizes de correlações aleatórias não correlacionadas, considerando os mesmos números de respondentes (*n*) e de itens (*p*) que os existentes em nosso banco de dados original. Essas matrizes representam um modelo nulo, isto é, em que a matriz de correlações não é fatorável. Em cada repetição, realizamos a decomposição de nossa matriz aleatória, extraindo os *eigenvalues* e armazenando esses valores obtidos. Em síntese, cada *eigenvalue* expressa a **variância comum a um conjunto de variáveis** do instrumento original. O procedimento anterior se repete centenas ou milhares de vezes, a fim de obtermos uma distribuição amostral de *eigenvalues* aleatórios, a partir da qual podemos calcular os *eigenvalues* médios associados a cada fator (de 1 até *p*). Por fim, nós comparamos nossos *eigenvalues* empíricos, isto é, aqueles obtidos em nossos dados reais, com os *eigenvalues* médios aleatórios, isto é, aqueles obtidos em nossa simulação Monte Carlo. Segundo a análise paralela, o número de fatores a extrair será o número do último *eigenvalue* dos dados reais maior que 1 **e** maior que o dos dados simulados. ## Ilustração da análise paralela Em seguida, apresentamos um exemplo fictício, de modo a clarificar as ideias anteriormente apresentadas. Por exemplo, suponha que aplicamos um instrumento contendo oito itens em uma amostra de 1.000 respondentes. A Figura 1 compara os *eigenvalues* empíricos com os *eigenvalues* médios dos dados aleatórios, obtidos por meio da análise paralela. ![resultados apresentados em scree plot após executar análise paralela.](/uploads/2022-01_analise-paralela-ilustracao-2.jpg) *Figura 1. Scree plot com os resultados da análise paralela.* A linha pontilhada cinza da Figura 1 representa o *eigenvalue* = 1, que corresponde ao [critério de Kaiser–Guttman](https://blog-academy.replit.app/principais-metodos-de-retencao-fatorial), a saber, que o número de fatores a extrair será o número de fatores cujos *eigenvalues* são maiores que 1. Em contrapartida, a análise paralela acrescenta um segundo critério para essa decisão, o que a torna mais exigente na determinação do número de fatores “verdadeiros”. Desse modo, segundo a análise paralela, inspecionamos qual é o último fator em que o *eigenvalue* empírico é maior que o *eigenvalue* simulado. Na Figura 1, esse é o segundo fator, pois o *eigenvalue* simulado passa a ser maior que o empírico a partir do terceiro fator. Além do resultado gráfico (i.e., o *scree plot* da Figura 1), alguns *softwares* podem apresentar os resultados de forma tabular, tal como representado na Figura 2. ![como executar análise paralela e interpretar seus resultados em formato tabular.](/uploads/2022-01_analise-paralela-tabela.jpg) *Figura 2. Resultados da análise paralela.* No entanto, a interpretação segue sendo a mesma: o número de fatores que devem ser retidos é de até 2 fatores, pois a partir do terceiro, os *eigenvalues* dos dados simulados passam a ser maiores que os *eigenvalues* dos dados empíricos. ## Como executar a análise paralela na prática? Em conclusão, recomendamos um vídeo que vai te mostrar exatamente como executar a análise paralela no [FACTOR](/voce-precisa-conhecer-o-factor). Desse modo, objetivamos ajudá-lo a determinar o número de fatores para o seu instrumento. Além disso, recomendamos a leitura do tutorial de Damásio (2012), que apresenta diversas dicas sobre as melhores práticas em análise fatorial exploratória, que vão além da análise paralela. ## Referências Bandalos, D. L. (2018). *Measurement theory and applications for the social sciences*. The Guilford Press. Damásio, B. F. (2012). Uso da análise fatorial exploratória em psicologia. *Avaliação Psicológica*, *11*(2), 213–228. ## Como citar este post > **Como citar este artigo:** Lima, M. (2024, 26 de dezembro). Como executar análise paralela? *Blog Psicometria Online*. https://www.blog.psicometriaonline.com.br/como-executar-analise-paralela