Neste post, apresentaremos uma série de termos importantes da análise fatorial exploratória. Além disso, preparamos uma novidade especial para você no final deste post. Vamos lá!
Introdução
Ao lidar com grandes conjuntos de dados, surge frequentemente o desejo de compreender as estruturas subjacentes que os organizam. Mas como identificar padrões ocultos entre tantas variáveis?
A resposta está na Análise Fatorial Exploratória (AFE). Essa técnica estatística, amplamente utilizada em áreas como psicologia e ciências sociais, permite identificar relações latentes entre variáveis observadas, oferecendo uma visão simplificada do que acontece nos dados.
Entretanto, para iniciantes, a AFE pode parecer desafiadora devido à sua complexidade e terminologia específica. Por isso, este post apresenta um glossário dos termos importantes da AFE, para desmistificar os principais conceitos com os quais você irá se deparar ao consumir a literatura psicométrica. Vamos navegar juntos por esse universo estatístico?
Termos importantes que você precisa conhecer
Em seguida, organizamos os termos em ordem alfabética para facilitar a consulta:
A
Análise Fatorial Exploratória (AFE): técnica estatística usada para identificar estruturas latentes subjacentes a variáveis observadas.
Análise paralela: procedimento de simulação que compara os autovalores da matriz de dados com os de matrizes geradas aleatoriamente. Nessa análise, retemos fatores com autovalores superiores aos aleatórios. Metodólogos consideram essa uma das técnicas mais precisas para determinar o número de fatores.
Autovalor (eigenvalue ou valor próprio): entidade da álgebra linear que quantifica a variância explicada por um fator. A soma dos autovalores equivale ao número total de itens analisados.
C
Carga fatorial (loading): representa a relação linear entre a variável observada e o fator, indicando em que medida o fator explica a variável.
Comunalidade: medida da proporção de variância dos itens que os fatores explicam. Desse modo, uma comunalidade de 1 indica que os fatores explicam toda a variância do item, enquanto 0 indica nenhuma variância compartilhada.
Critério do autovalor > 1 (critério de Kaiser): método para reter fatores com autovalores superiores a 1. Embora popular no passado, há métodos melhores disponíveis atualmente.
F
Fatores: dimensões latentes que capturam a variância compartilhada entre variáveis observadas.
M
Método de extração/fatoração: algoritmo utilizado para estimar cargas fatoriais. A AFE inclui uma série de métodos distintos. Por exemplo, alguns deles são a estimação pela máxima verossimilhança, o método dos mínimos quadrados ponderados, a fatoração pelos eixos principais e o weighted least squares means and variance adjusted (WLSMV).
R
Rotação: técnica matemática que facilita a interpretação dos fatores, ajustando as cargas fatoriais. Por exemplo, a rotação gera uma solução fatorial equivalente, mas mais interpretável, ao maximizar as cargas em um fator, minimizando-as nos demais fatores.
S
Scree plot (gráfico de sedimentação): gráfico de linhas que plota os fatores, no eixo x, versus os autovalores, no eixo y. O scree plot representa os autovalores em ordem decrescente, pois os autovalores decrescem ao longo dos fatores. O “ponto de inclinação” desse gráfico, que se assemelha a um cotovelo, refere-se ao ponto em que a curva começa a se estabilizar e a queda nos autovalores se torna menos acentuada. Pesquisadores usavam essa técnica para determinar o número de fatores a serem retidos, mas, atualmente, é uma técnica que tem caído em desuso, não sendo mais recomendada para determinar o número de fatores a serem retidos.
T
Teste de esfericidade de Bartlett: testa a hipótese nula de que a matriz de correlações que queremos submeter à análise fatorial é igual à matriz identidade, isto é, que possui 1s na diagonal principal e 0s nas demais células. Se rejeitamos essa hipótese nula (p < 0,05), temos evidências preliminares de que as variáveis se correlacionam o suficiente para justificar uma análise fatorial.
Teste de Kaiser-Meyer-Olkin (KMO): mensura a adequação da amostra para AFE. Valores acima de 0,6 são considerados aceitáveis; valores próximos de 1 indicam ótima adequação.
V
Variâncias comum, de erro e específica: podemos particionar a variabilidade presente nos dados em diferentes tipos de variância. A variância comum se refere à variância compartilhada entre variáveis que contribuem para determinado fator. Em contrapartida, a variância de erro é á parte da variância de um item que os fatores não explicam. Por fim, a variância específica se refere à parte da variância de um item que não é compartilhada com outras variáveis.
Variância explicada: refere-se à porção de variância comum que um fator, ou um conjunto de fatores, consegue extrair de um determinado conjunto de dados.
Glossário de Análise Fatorial Exploratória
Ao chegarmos ao final deste glossário introdutório sobre AFE, esperamos que os intricados conceitos e termos que anteriormente pareciam desafiantes agora estejam mais claros e compreensíveis.
O glossário fornecido é sua chave para desvendar e dominar esta técnica. No entanto, como em qualquer jornada de aprendizado, a familiaridade e a competência vêm com a prática e a experiência. Encorajamos você a aplicar o que aprendeu aqui em seus próprios conjuntos de dados.
Além disso, trazemos uma novidade neste post! 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 as nuances da AFE é essencial para pesquisadores, estudantes e profissionais envolvidos na análise de dados em psicometria. Sendo assim, este glossário tem por objetivo fornecer definições claras e concisas dos principais termos relacionados à AFE, como “Alfa de Cronbach”, “Análise Paralela”, “Carga Fatorial”, entre outros.
Conclusão
Esperamos que este post tenha ajudado você a entender melhor esses conceitos e como aplicá-los na prática. Para ficar por dentro de nossas novidades, aproveite também e se inscreva em nosso canal do YouTube!
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
França, A. (2023, 17 de setembro). Termos importantes da análise fatorial exploratória. Blog Psicometria Online. https://www.blog.psicometriaonline.com.br/termos-importantes-da-analise-fatorial-exploratoria/
