Definição de Análise Fatorial

A análise fatorial é uma técnica de análise frequentemente utilizada na área de desenvolvimento e validação de testes, permite explorar como os fatores ou variáveis ​​latentes são estruturados a partir das respostas aos itens de um teste.

Para obter escalas de medida adequadas, os pesquisadores têm recorrido à técnica conhecida como análise fatorial, que permite identificar a estrutura que fundamenta os itens de uma escala de mensuração. Esta técnica explora como um Fator Latente, que também poderíamos chamar variável não observada Eles explicam o padrão de respostas dadas aos itens ou itens em um teste.

A seguir, será fornecida uma breve introdução à análise fatorial, incluindo, mas não se limitando a: as diferenças entre a análise fatorial e a análise do componente principal, análise fatorial exploratória e confirmatória e, finalmente, os elementos que os compõem.

Análise fatorial e análise de componentes principais

Ao revisar a literatura sobre o desenvolvimento e validação de instrumentos, podemos perceber que entre os acadêmicos existem Existe alguma confusão em torno do uso indiscriminado da Análise Fatorial (AF) e da Análise de Componentes Principais (PCA). Esse uso indiscriminado pode ser devido ao fato de que por muito tempo os recursos tecnológicos dificultaram a aplicação do AF e para compensar isso, incluíram o ACP. Embora ambas as técnicas sejam semelhantes, pois reduzem os itens a dimensões menores (fatores e componentes), eles também apresentam algumas diferenças específicas que levam a diferente.

A AF busca identificar quantos e como os fatores (variáveis ​​latentes) estão estruturados, esses fatores explicariam a variância comum do grupo de itens analisados. Ao contrário, no PCA, pretende-se determinar quantos componentes são necessários para resumir o pontuações de um grupo de variáveis ​​observadas, ou seja, explicando a maior quantidade de variância observado. Outra diferença é que enquanto no AF as variáveis ​​observadas são consideradas como dependentes, no ACP são as independentes.

Análise fatorial exploratória e confirmatória

Uma vez estabelecida a diferença entre AF e ACP, é necessário fazer uma nova diferença entre a Análise Fatorial Exploratória (EFA) e a Análise Fatorial Confirmatória (AFC). Ambas as análises foram consideradas como duas partes de um processo contínuo. A AFE busca determinar quantos fatores compõem nossa escala, enquanto a AFC é caracterizada por confirmar esses fatores, mas também determinar como os fatores e os itens do escala. Outra maneira de defini-los é que o AFE "constrói" a teoria enquanto o AFC a confirma.

Elementos AF

Tamanho da amostra

Este é um dos temas mais discutidos, não só na FA, mas também na análise de dados em geral. Determinar o tamanho amostral adequado para a análise é uma discussão que parece interminável, as recomendações clássicas são que quanto maior o número de itens, maior deve ser o número de participantes em nossa amostra, sendo o mínimo de 200 o mais recomendado. No entanto, as recomendações clássicas tendem a carecer de um fundamento claro, hoje muitos elementos devem ser levados em conta para determinar quantos participantes são necessários, como o número de itens por fator, a matriz utilizada para a análise e até quantas opções de resposta os participantes têm. Unid. Assim, estudos que utilizam simulações nessas condições determinaram que um mínimo de 300 participantes é um número adequado.

Número de itens a incluir na análise e em cada fator

Quanto ao número de itens a serem incluídos na análise, estes devem ser selecionados a partir da teoria, porém, é necessário apontam que eles não devem ser redundantes, pois isso faria com que esses itens compartilhassem a variação e, portanto, tivessem resultados ruins. estimativa. Portanto, deve-se tomar cuidado para selecionar apenas os itens que realmente representam o construto que estamos tentando avaliar. Por outro lado, recomenda-se ter no mínimo três itens para cada fator, porém essa quantidade pode ser modificada dependendo da matriz utilizada e do tamanho da amostra.

Matriz usada

Em projetos clássicos de AF, há uma suposição de que as variáveis ​​estão relacionadas de forma linear, Eles também apresentam índices de normalidade adequados, então a matriz de correlação de Pearson foi tipicamente a única usado. Hoje sugere-se levar em consideração o pressuposto de normalidade e o formato de resposta dos itens. Além do exposto, o desenvolvimento de novas ferramentas para o desenvolvimento de AP levou ao uso de novas técnicas, como a matriz de correlações policóricas e tetracóricas, no entanto, ambas as matrizes requerem um tamanho de amostra maior em comparação com a matriz de pearson.

Estimativa de fator

Os métodos de estimativa mais comumente usados ​​são 2:

• Máxima verossimilhança: Este método é o mais comum de usar devido às suas vantagens sobre outros métodos, como a capacidade de contrastar o ajuste e a quantificação dos erros. No entanto, esse método exige o respeito à normalidade dos dados, possuindo escalas contínuas e utilizando a matriz de correlação de Pearson.

• Mínimos quadrados ordinários. Na verdade, este método refere-se a uma família de métodos de estimação. Esses métodos têm se mostrado robustos quando os pressupostos de normalidade e linearidade não são atendidos. Da mesma forma, sua aplicação em conjunto com a matriz policórica tem se mostrado eficiente.

Rotação de itens

Esta etapa refere-se à rotação contínua da matriz para encontrar uma solução simples e consistente. Os métodos mais usados ​​atualmente são rotação ortogonal, mais especificamente o critério varimax e rotação oblíqua em seu método oblimin direto. Hoje este último é o método mais recomendado por apresentar uma estrutura mais confiável e consistente.

Fatores a reter

O elemento crucial desta análise é a formação de fatores, mas como sabemos quantos fatores devemos ter em nossa escala? A recomendação clássica era seguir a regra de Kaiser, que se refere a manter autovalores maiores que 1, porém esse método tende a causar uma superestimação dos fatores. Atualmente sugere-se seguir as recomendações da análise paralela e outros métodos similares, mas também sugere-se levar em consideração a interpretabilidade dos resultados e a teoria básica.

Por fim, é necessário destacar que o CFA tende a ser estimado por meio de modelos de equações estruturais. (SEM) pelo que o processo para a sua realização deve ser realizado com base nos critérios desenvolvidos para estes Modelos.

Referências

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). A análise fatorial exploratória dos itens: um guia prático, revisado e atualizado Introdução Determinação da adequação da Análise. Annals of Psychology, 30(3), 1151–1169.