Escolar Documentos
Profissional Documentos
Cultura Documentos
Isso sugere que muitos construtos estudados nessa amostragem carecem de validação
apropriada.
Damásio (2012)
Fatores e Componentes
• Análise Fatorial Exploratória e Análise dos Componentes principais
• Possuem objetivos similares: reduzir número de itens a um número menor de dimensões
Item 1 Item 1
Item 3 Item 3
Representação Matemática: Componentes
x = m + Lx + d
• Fator é representado por 4 ou mais itens; Itens com elevada carga fatorial (> 0,60)
• Hair et al. (2005): N > 100 sujeitos e um número mínimo de cinco respondentes
por item.
Tamanho da amostra
• Quando o instrumento é de qualidade, número de participantes é menos
importante:
• Fator é representado por 4 ou mais itens; Itens com elevada carga fatorial (> 0,60)
• Hair et al. (2005): N > 100 sujeitos e um número mínimo de cinco respondentes
por item.
Tamanho da amostra
Fatorabilidade da Matriz: KMO
• Kaiser-Meyer-Olkin (KMO): Indica a proporção de variância dos itens que
potencialmente é explicada por uma variável latente (Lorenzo-Seva et al., 2011).
• Tal índice indica o quão adequada é a aplicação da AFE para o conjunto de dados
• Valores variam de 0 a 1:
• < 0,5 são considerados inaceitáveis,
• > 0,5 e ≤ 0,7 são considerados medíocres;
• > 0,7 e ≤ 0,8 são considerados bons;
• > 0,8 e 0,9 são considerados ótimos e excelentes, respectivamente.
Fatorabilidade da Matriz: Teste de Bartlett
• Teste de esfericidade de Bartlett: Avalia em que medida a matriz de (co)variância é
similar a uma matriz-identidade (os elementos da diagonal principal tem valor igual a
um, e os demais elementos da matriz são aproximadamente zero, ou seja, não
apresentam correlações entre si, Field, 2020).
Amostras pequenas,
normalidade multivariada é
• Método dos eixos principais (Principal axis; MINRES, OLS) violada, correlações
fator/itens menores que
0,40.
• São retidos os fatores baseados nos dados originais que tenham maior variância explicada.
Extração de fatores
Extração de fatores
• Método Hull: avalia os índices de adequação (CFI e CAF) de um determinado
conjunto de soluções fatoriais possíveis.
• BIC (Schwarz´s Bayesian Information Criterion): Busca a estrutura fatorial mais
parcimoniosa e que seja próxima da estrutura fatorial verdadeira. A estrutura com
menor valor de BIC é a melhor.
Rotação fatorial
• Para facilitar a interpretação dos fatores, é possível maximizar as cargas fatoriais de
uma variável em um fator, minimizando suas cargas em todos os outros fatores
• Os itens com cargas maiores “podem ter” maior peso na definição do nome dos
fatores!
Selecionar o método de
estimação. Geralmente
selecionaremos o PAF.
Selecionar o tipo de
matriz a ser
analisada.
Organizar o output por
Selecionar o “ponto de tamanho das cargas
corte” para as cargas fatoriais ou por nome das
fatoriais. Valores abaixo do variáveis.
indicado são suprimidos
na tabela. Indicadores adicionais:
Matriz Estrutura
Tabela com as correlações
Teste dos pressupostos de entre os fatores
adequação da amostra e Índices de ajuste do
de correlação entre os modelo aos dados.
itens.
Selecionar Scree plot para
o teste de Cattel para
definição do número de
fatores.
Estratégia para lidar com É possível gerar um
dados missing. diagrama de caminhos,
similar à SEM
Overral MSA (Measure of
Sample Adequacy) – Valor
do KMO
Teste de Bartlett
Variância cumulativa, o
último dado indica a
variância explicada total
para o conjunto de
fatores.
Índices de ajuste adicionais:
Selecionar o coeficiente de
precisão (Alfa de Cronbach
e ômega de McDonald).
Quais itens devem ser retidos? Quais itens você eliminou e por quê?