As cargas fatoriais são parte do resultado de uma análise fatorial e nos dizem o quanto uma variável (item) contribui para o fator. De maneira geral, quanto maior a carga fatorial de um item, mais importante ele é para o construto de interesse.
Para sabermos a comunalidade, ou proporção de variabilidade de cada item que é explicada pelos fatores, podemos elevar a carga fatorial ao quadrado.
Quanto é uma carga fatorial aceitável?
Primeiro temos que mencionar que na análise fatorial exploratória, os itens terão cargas fatoriais para todos os fatores do modelo. O esperado é que cada item carregue mais fortemente em um fator, que seria o fator primário, e menos nos outros, que seriam os fatores secundários.
Alguns pontos de corte são fornecidos para considerar que um item é ‘importante’ para o fator.
Possivelmente, os pontos de corte mais populares para considerar cargas fatoriais “boas” em um fator primário é de 0.30 ou 0.40 (Hinkin, 1995; 1998). Alternativamente, o critério do que seriam cargas fatoriais “excessivas” em fatores alternativos é ainda menos decisivo. Costello e Osborne (2005) propuseram que as cargas fatoriais alternativas não devam ultrapassar um determinado valor, como 0.32 ou 0.40 e Hinkin (1998) propus que as diferenças entre as cargas fatoriais primárias e secundárias devem ser consideradas, como uma diferença de carga de 0.20 entre os fatores primários e alternativos.
Howard (2016) sugere uma combinação dessas propostas recomendando que variáveis satisfatórias (a) carreguem em seu fator primário acima de 0.40, (b) carreguem em fatores alternativos abaixo de 0.30, e (c) demonstrem uma diferença de 0.20 entre suas cargas fatoriais primárias e alternativas. O autor classifica isso como a regra 0.40-0.30-0.20.
As cargas fatoriais podem ser maiores que 1?
Considerando que existem casos onde a carga fatorial é um coeficiente de regressão da variável no fator, a carga fatorial pode inclusive apresentar um valor maior do que 1 (Joreskog, 1999). Caso isso aconteça em uma análise, precisamos verificar a variância residual (residual variance) da variável cuja carga fatorial deu maior do que 1. Se a variância residual for negativa, a solução seria inadmissível e a variável não deveria ser usada (Muthén & Muthén, 2017).
Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).
Referências
COSTELO, A. B.; OSBORNE, J. W. (2005). Best practices in exploratory factor analysis: four recommendations for getting the most from your analysis. Practical Assessment, Research & Evaluation, 10,(7), 1-9.
HINKIN, T. R. (1995). A review of scale development in the study of behavior in organizations. Journal of Management, 21, 967-988.
HINKIN, T. R. (1998). A brief tutorial on the development of measures for use in survey questionnaires. Organizational research methods, 1(1), 104-121.
HOWARD, M. C. (2016). A review of exploratory factor analysis decisions and overview of current practices: What we are doing and how can we improve?. International Journal of Human-Computer Interaction, 32(1), 51-62.
JÖRESKOG, K. G. (1999). How large can a standardized coefficient be. http://www.statmodel.com/download/Joreskog.pdf
MUTHÉN, L. K.; MUTHÉN, B. O. (2017). Mplus: Statistical analysis with latent variables. User’s guide. Los Angeles, CA: Authors. Los Angeles.
Como citar este post
Damásio, B. (2021, 16 de maio). O que são cargas fatoriais? Blog Psicometria Online. https://www.blog.psicometriaonline.com.br/cargas-fatoriais/