--- title: "Comunalidade vs. singularidade: entendendo as diferenças" url: https://www.blog.psicometriaonline.com.br/comunalidade-vs-singularidade-entendendo-as-diferencas canonical: https://www.blog.psicometriaonline.com.br/comunalidade-vs-singularidade-entendendo-as-diferencas language: pt-BR published: 2025-05-29T17:42:30.000Z updated: 2026-03-30T13:49:12.928Z modified: 2026-03-30T13:49:12.928Z author: "Alex França" categories: ["Análise fatorial"] tags: ["análise fatorial exploratória"] description: "Neste post, exploramos os conceitos de comunalidade e singularidade, destacando as diferenças entre eles. Saiba mais!" source: Blog Psicometria Online --- # Comunalidade vs. singularidade: entendendo as diferenças > Neste post, vamos explorar o que é a comunalidade, como ela se relaciona com a singularidade e por que esses conceitos são fundamentais na análise fatorial exploratória. Primeiramente, explicaremos a comunalidade, destacando sua definição, interpretação e pontos de corte. Em seguida, abordaremos... Neste post, vamos explorar o que é a **comunalidade**, como ela se relaciona com a singularidade e por que esses conceitos são fundamentais na análise fatorial exploratória. Primeiramente, explicaremos a comunalidade, destacando sua definição, interpretação e pontos de corte. Em seguida, abordaremos a singularidade e mostraremos como ela complementa a análise. Por fim, discutiremos como esses dois conceitos ajudam na tomada de decisões ao selecionar ou excluir variáveis em um modelo fatorial. ## O que é comunalidade? [**Análise fatorial exploratória (AFE)**](/o-que-e-analise-fatorial-exploratoria) é uma técnica estatística amplamente utilizada na área da psicometria para compreender a estrutura subjacente dos dados observados. No contexto da AFE, os fatores comuns extraídos no modelo explicam uma proporção da variância de cada variável observada — chamamos essa proporção de **comunalidade.** Em outras palavras, a comunalidade de um item indica o quanto esse item compartilha sua variância com outros itens do conjunto analisado. Os valores de comunalidade (*h*2) variam de 0 a 1. Quanto mais próximo de 1, maior a parte da variância da variável explicada pelos fatores. Sendo assim: - **Comunalidade próxima de 0**: sinaliza que a variável tem pouca relação com os fatores comuns. Ela pode estar medindo algo único ou não relacionado ao construto em análise. - **Comunalidade próxima de 1**: indica que os fatores comuns representam bem a variável observada. Ou seja, a variável observada compartilha ampla variância com outras variáveis observadas. **Exemplo:** suponha que realizamos uma AFE com itens cujos conteúdos abordam **autoestima**, **confiança** e **motivação**. Se esses itens forem explicados por um fator comum, como **autoconfiança**, então as comunalidades refletirão quanto da variância de cada item é explicada por esse fator. ![banner do glossário de análise fatorial exploratória.](https://www.blog.psicometriaonline.com.br/wp-content/webp-express/webp-images/uploads/2025/05/glossario-afe-banner-Ads3-1024x256.png.webp) ## Pontos de corte para interpretar a comunalidade Embora os pontos de corte variem conforme o contexto, algumas faixas são geralmente aceitas: - **Acima de 0,70:** indicam forte relação dos itens com os fatores comuns. Em outras palavras, as variáveis são representativas da estrutura em estudo. - **Entre 0,50 e 0,70:** sugerem uma representação moderada, mas geralmente adequada. - **Abaixo de 0,50:** revelam baixa representação pelos fatores comuns. Sendo assim, em tal cenário, deve-se avaliar se a variável realmente contribui para a análise. ## O que é singularidade? A **singularidade** (**ou variância única,** *u*2) é tudo aquilo os fatores comuns **não capturam**. Em outras palavras, é a fração exclusiva da variabilidade da variável. **Exemplo:** Se adicionarmos um item que aborda o tema **ansiedade** ao conjunto anterior de itens e ele não se correlacionar bem com os itens sobre **autoestima**, **confiança** e **motivação**, então a singularidade do item sobre **ansiedade** será alta. Isso indicará, portanto, que o fator comum **autoconfiança** não explica a variância desse item. A singularidade se divide em duas partes: - **Variância específica:** relacionada ao conteúdo particular do item que não é compartilhado com os demais itens. Por exemplo, o item “Sinto-me motivado apenas quando recebo elogios” pode ter uma porção de variância específica ligada à **motivação extrínseca**, que não está diretamente relacionada ao fator mais geral de **autoconfiança**. - **Variância de erro (ou erro de medida):** variações imprevisíveis, causadas por fatores externos, tais como má interpretação da pergunta, cansaço, distrações etc. Por exemplo, um participante marcou respostas inconsistentes porque, durante o teste, ficou nervoso após lembrar de uma crítica recebida no trabalho — algo que afetou momentaneamente sua autopercepção de confiança. A Figura 1 sumariza a relação entre comunalidade e singularidade. Além disso, ela apresenta outros termos que são tipicamente utilizados quando se aborda o particionamento da variância de itens no modelo do fator comum. Para uma representação alternativa, consulte Damásio (2012), Figura 1. ![representação esquemática da comunalidade e da singularidade.](https://www.blog.psicometriaonline.com.br/wp-content/webp-express/webp-images/uploads/2023/07/comunalidade-e-singularidade-1024x615.jpg.webp) *Figura 1. Relação entre os conceitos de variância total, variância comum (comunalidade), variância única (singularidade), variância específica e variância de erro (erro de medida). O subscrito i representa o item i de um instrumento.* ## Pontos de corte para interpretar a singularidade Assim como ocorre com a comunalidade, a interpretação da singularidade depende do contexto. No entanto, algumas diretrizes são amplamente utilizadas: - **Acima de 0,50:** o item apresenta alta singularidade, o que pode indicar que está medindo algo específico, fora da estrutura comum dos demais itens sob análise. - **Entre 0,30 e 0,50**: o item tem uma proporção moderada de variância exclusiva. - **Abaixo de 0,30:** a maior parte da variância do item é explicada pelos fatores comuns. ## Comunalidade e singularidade na prática A avaliação da comunalidade e da singularidade oferece informações valiosas para interpretar e ajustar modelos fatoriais. Veja como esses indicadores ajudam em diferentes decisões analíticas. ### Comunalidade na AFE A análise da comunalidade permite: - **Identificar variáveis representativas**: variáveis com comunalidade elevada são mais alinhadas aos fatores extraídos. - **Selecionar itens relevantes**: itens com comunalidades muito baixas podem ser candidatos à exclusão, contribuindo para um modelo mais claro e coeso. ### Singularidade na AFE Já a análise da singularidade ajuda a: - **Detectar variáveis com características únicas**: variáveis com alta singularidade podem captar aspectos distintos e complementares ao modelo. - **Tomar decisões fundamentadas sobre inclusão**: a exclusão de itens com alta singularidade deve considerar o valor teórico da variável. **Veja também:** [**O que são cargas fatoriais?**](/cargas-fatoriais) ![banner do post sobre cargas fatoriais no post de comunalidade.](https://www.blog.psicometriaonline.com.br/wp-content/webp-express/webp-images/uploads/2021/05/o-que-sao-cargas-fatoriais-1024x538.jpg.webp) ## Encontrando o equilíbrio entre comunalidade e singularidade A chave para uma boa AFE está no equilíbrio. Enquanto valores altos de comunalidade favorecem a integração da variável ao modelo, a singularidade também pode ser informativa. Afinal, variáveis com alta singularidade não são necessariamente “ruins” — elas podem captar nuances únicas do construto. Por exemplo, suponha que, além dos itens sobre **autoestima**, **confiança** e **motivação**, seu instrumento também inclua o item: “Consigo manter a calma mesmo quando recebo críticas”. Durante a AFE, esse item apresentou alta singularidade (por exemplo, *u*2 = 0,58), o que indica que apenas 42% da sua variância foi explicada pelos fatores comuns. Em termos estatísticos, isso pode parecer um motivo para excluí-lo. No entanto, teoricamente, esse item pode captar um aspecto específico e valioso do fator **autoconfiança**: a resiliência emocional diante de críticas — algo que não está fortemente refletido nos demais itens do conjunto. Por isso, a decisão de manter ou excluir uma variável deve se basear tanto em critérios estatísticos quanto na teoria e nos objetivos de sua pesquisa. ## Como citar este post > **Como citar este artigo:** França, A. (2025, 29 de maio). Comunalidade vs. singularidade: Entendendo as diferenças. *Blog Psicometria Online*. https://www.blog.psicometriaonline.com.br/comunalidade-vs-singularidade-entendendo-as-diferencas