Análise Factorial é um método para modelar variáveis observadas, e a sua estrutura de covariância, em termos de um menor número de “factores” subjacentes não observáveis (latentes). Os factores são tipicamente vistos como conceitos ou ideias amplos que podem descrever um fenómeno observado. Por exemplo, um desejo básico de obter um determinado nível social pode explicar a maioria dos comportamentos de consumo. Estes factores não observados são mais interessantes para o cientista social do que as medições quantitativas observadas.
Análise de factores é geralmente um método exploratório/descritivo que requer muitos julgamentos subjectivos. É uma ferramenta amplamente utilizada e frequentemente controversa porque os modelos, métodos e subjectividade são tão flexíveis que podem ocorrer debates sobre interpretações.
O método é semelhante aos componentes principais embora, como o manual salienta, a análise de factores seja mais elaborada. Em certo sentido, a análise de factores é uma inversão dos componentes principais. Na análise de factores, modelamos as variáveis observadas como funções lineares dos “factores”. Em componentes principais, criamos novas variáveis que são combinações lineares das variáveis observadas. Tanto na PCA como na FA, a dimensão dos dados é reduzida. Recorde-se que em PCA, a interpretação dos componentes principais não é muitas vezes muito limpa. Uma determinada variável pode, por vezes, contribuir significativamente para mais do que um dos componentes. O ideal é que cada variável contribua significativamente para apenas um componente. Uma técnica chamada rotação de factores é utilizada para esse objectivo. Exemplos de campos onde a análise de factores está envolvida incluem fisiologia, saúde, inteligência, sociologia, e por vezes ecologia, entre outros.
0 comentários