A análise fatorial é um método de redução estatística que visa explicar as possíveis correlações entre determinadas variáveis. Para fazer isso, leve em consideração o efeito de outros fatores, que não são observáveis.
Portanto, o que essa análise faz é reduzir. Assim, pegamos um grande número de variáveis e, por meio dessa técnica, conseguimos reduzi-las a um tamanho mais gerenciável. Para fazer isso, uma série de combinações lineares daquelas observadas com outras que não são visíveis são usadas.
Os dois modelos: exploratório e confirmatório
Temos duas formas de realizar esta técnica estatística, existem diferenças claras entre as duas que devem ser conhecidas.
- Análise fatorial exploratória: Neste caso, o objetivo é conhecer as construções latentes (que não se vêem) para verificar se podem ser válidas. Portanto, estamos tratando de informações de tipo exploratório que servem para criar um modelo posterior, mas não o sabemos a priori.
- Análise fatorial confirmatória: Neste caso, estamos perante um processo de confirmação estatística. Partimos de um modelo teórico construído com a literatura existente sobre o fenômeno estudado. Posteriormente, o contrastamos para saber seu grau de validade.
Como realizar uma análise fatorial
Vejamos, de forma simples, como pode ser realizada uma análise fatorial exploratória, que é uma das mais utilizadas nas ciências sociais. Deve-se notar que os pontos mencionados abaixo podem ser selecionados em programas estatísticos como o SPSS ao realizar a análise.
- Análise de reabilitação: Normalmente é utilizado o Alpha de Cronbach, o que permite conhecer a consistência interna do modelo. Valores maiores que 0,70 são considerados aceitáveis.
- Estatísticas descritivas: Fornecem-nos informações básicas sobre os dados analisados. A média, a variância ou o máximo e o mínimo.
- Análise de matriz de correlação: Esses cálculos são executados pelo SPSS. Aqui devemos prestar atenção se o determinante está próximo de zero. Por outro lado, as correlações calculadas devem ser diferentes de zero.
- Medida de adequação da amostra KMO: Nos permite contrastar os coeficientes de correlação. Por um lado, os observados e, por outro, os parciais. Ele assume valores entre 0 e 1 e é considerado aceitável se for maior que 0,5.
- Teste de esfericidade de Bartlett: Neste caso, contrasta que a matriz de correlação é uma matriz de identidade, caso em que a análise não pôde ser feita. Calcula-se o Qui quadrado estimado e, se for menor que o teórico, pode-se fazer a análise fatorial.
- Análise de comunalidade: Mais uma vez, é um indicador de relevância. Para ser válido, deve ter valores maiores que 0,5.
- Matriz de componente girada: Serve para extrair os autovalores maiores que um valor, normalmente 1. Desta forma, obtêm-se os fatores reduzidos que representam as variáveis. Os gráficos de sedimentação e a própria matriz são usados para escolher o número.
- Variância total explicada: Finalmente, esta análise nos diz qual é a variância total explicada pelo modelo proposto. Assim, quanto mais alto for esse valor, melhor será o modelo em explicar o conjunto total de dados.
Exemplos de análise fatorial
A análise fatorial tem muitas aplicações em diferentes campos da ciência.
Vejamos alguns exemplos:
- Em marketing é muito utilizado quando queremos saber a vontade de comprar. Por exemplo, analisamos várias variáveis socioeconômicas, emocionais ou pessoais. Assim que os tivermos, reduzimos seu número com a análise fatorial e podemos interpretá-los melhor.
- Em contabilidade, podemos saber quais itens afetam mais claramente a obtenção de lucros comerciais. Assim, saberemos onde devemos ter mais influência.
- Na educação podemos saber a predisposição de um aluno para uma disciplina. Ao realizar alguns levantamentos sobre sua forma de estudá-lo, podemos obter um banco de dados para aplicar a análise fatorial.