PSI 1325

Psicometria
Aula 6. Evidências de estrutura
interna (AFE)

Luis Anunciação, PhD

luisfca@puc-rio.br
2023
Agenda
 Pequena revisão sobre conceitos em psicometria,
especialmente validade
 Evidências de validade sobre estrutura interna de um
instrumento
 Análise fatorial Exploratória
 Principais decisões que são tomadas em uma análise
exploratória
Anunciação, Luis, Caregnato, Maricy e Silva, Flávio Soares Correa daAspectos psicométricos do Inventário Beck de Depressão-II e
do Beck Atenção Primária em usuários do Facebook. Jornal Brasileiro de Psiquiatria [online]. 2019, v. 68, n. 2 [Acessado 25 Outubro
2021] , pp. 83-91. Disponível em: <https://doi.org/10.1590/0047-2085000000231>. Epub 26 Ago 2019. ISSN 1982-0208.
https://doi.org/10.1590/0047-2085000000231.
(N.d.). Public Library of Science (PLoS). https://doi.org/10.1371/journal.pone.0151030.g002
Fabrigar, L.R., Wegener, D.T., MacCallum, R.C. & Strahan, E.J. (1999).
Evaluating the use of exploratory factor analysis in psychological
research. Psychological Methods, 4, 272-299.

Anunciação, L. (2018). An Overview of the History and Methodological

Aspects of Psychometrics. Journal for ReAttach Therapy and
Developmental Diversities, 1, 44. https://doi.org/10.26407/2018jrtdd.1.6
 5 principais decisões
1. Quais variáveis devem ser incluídas?
Teórico

2. Se a EFA é a técnica adequada para as análises a

serem realizadas
3. Escolher um procedimento para ajudar o modelo
probabilístico aos dados [e executar os
diagnósticos do modelo]
4. Verificar quantos e quais fatores devem ser
Empírco

selecionados (Princípio da parcimônia)

5. Determinar uma rotação de forma a deixar a
solução mais interpretável
Delineamento do estudo para EFA
 A priori, costuma-se definir de 3 a 5 variáveis (itens)
por fator
 Da mesma forma, leva-se também em consideração
o número e a natureza dos fatores que deverão
aparecer nas análises
 A escolha do tamanho amostral pede que:
 A amostra seja representativa
 E grande o suficiente (princípio da suficiência)
Critérios para uma EFA ser adequada
 O objetivo da EFA é ter um modelo parcimonioso que
permita determinar a quantidade e a natureza dos
fatores (subjacentes aos dados) que representam a
correlação entre as variáveis observáveis.
 Em outras palavras, uma EFA:
 Visa ajustar um modelo parcimonioso que represente
a correlação entre as variáveis observadas
 (e naturalmente, isso) reduz o conjunto de dados em
fatores menores
 Existem duas estatísticas frequentemente utilizadas para
verificar a adequação psicométrica, que são o KMO e o
Bartlett.
KMO e Bartlett
 KMO
 É im índice 0-1
 Quão maior o valor, mais evidências favoráveis de que o
conjunto de dados é fatorável
 Valores abaixo de 0.5 indicam baixa (ou nenhuma)
possibilidade fatorial
 Bartlett
 É um teste que verifica se a matriz de correlação ser uma
matriz identidade
 Valores de p < 0.05 indicam que os dados são fatoráveis
 Ambas as estatísticas tem pouco valor aplicado atualmente
 Determinar o número de fatores
 Relevância, pertinência e adequação teórica
Teórico

(Atenção, best evidence principle)

 É possível ter tantos valores como itens

 Avaliação do scree-plot (gráfico de escarpa)
 Critério de Kaiser (autovalor maior do que 1)
 Distâncias entre autovalores
Empírco

 Critérios por simulações (Análise paralela de Holm)

 Índices de adequação ou ajuste (Goodness of fit)
Anunciação, L., Chen, C.-Y., Pereira, D. A., & Landeira-Fernandez, J. (2019). Factor Structure of a Social-Emotional Screening
Instrument for Preschool Children. Psico-USF, 24(3), 449–461. https://doi.org/10.1590/1413-82712019240304
Rotação fatorial
 Sempre que há mais 2 ou mais fatores (ou
componentes), a rotação auxilia na interpretação
dos resultados
 Rotação ortogonal: Fatores são descorrelacionados
 Ex: Varimax
 Rotação oblíqua: Fatores são correlacionados
 Ex: Oblimin
Interpretação dos resultados
 λ = Carga fatorial. Associação entre o item e o fator. (Análogo a um
coeficiente de regressão)
 A literatura sugere 0.3 como ponto mínimo necessário para
interpretação do item
 A nomeação dos fatores é relacionada à carga fatorial
 h2 = Comunalidade. Similar ao R2, indicando a variância do item como
uma função dos fatores.
 É dependente do λ
 u2 = Especificidade (o erro). É a proporção única da variável não
compartilhada com as outras variáveis
 Soma dos quadrados das cargas fatoriais: Autovalor ( uma estratégia de
solução matricial que indica a porcentagem da variância total explicada
pelo fator)
 Variância explicada: Razão autovalor/quantidade de itens
Exemplos
 Competência social
Competência emocional

Chen, C.-Y., Xie, H., Filgueiras, A., Squires, J., Anunciação, L., & Landeira-Fernandez, J. (2017). Examining the Psychometric
Properties of the Brazilian Ages &amp; Stages Questionnaires-Social-Emotional: Use in Public Child Daycare Centers in Brazil.
Journal of Child and Family Studies. https://doi.org/10.1007/s10826-017-0770-0
Fim da aula.