O que é a análise de factores?
Análise de factores é a prática de condensar muitas variáveis em apenas algumas, para que os seus dados de investigação sejam mais fáceis de trabalhar.
A teoria é que existem factores mais profundos que impulsionam os conceitos subjacentes aos seus dados, e que pode descobrir e trabalhar com eles em vez de lidar com as variáveis de nível inferior que deles se formam em cascata. A análise de factores é também por vezes denominada “redução de dimensão”. Pode reduzir as “dimensões” dos seus dados em uma ou mais “super-variáveis”, também conhecidas como variáveis não observadas ou variáveis latentes.
Estes conceitos mais profundos não são imediatamente óbvios. Podem representar traços ou tendências difíceis de medir, tais como extraversão ou QI.
Como com qualquer tipo de processo que simplifique a complexidade, há um trade-off entre a exactidão dos dados e a facilidade com que se trabalha com eles. Com a análise de factores, a melhor solução é aquela que produz uma simplificação que representa a verdadeira natureza dos seus dados, com uma perda mínima de precisão.
Análise de factores não é uma técnica única, mas uma família de métodos estatísticos que podem ser utilizados para identificar os factores latentes que determinam as variáveis observáveis. A análise de factores é normalmente utilizada em estudos de mercado, bem como noutras disciplinas como tecnologia, medicina, sociologia, biologia de campo, educação, psicologia e muitas mais.
eLivro: 8 inovações para modernizar os estudos de mercado
Conceitos-chave em análise de factores
Uma das ideias mais importantes em análise de factores é a variância – quanto os seus valores numéricos diferem da média. Ao realizar a análise de factores, procura compreender como os diferentes factores subjacentes influenciam a variância entre as suas variáveis. Cada factor terá uma influência, mas alguns explicarão mais variância do que outros, o que significa que o factor representa mais precisamente as variáveis de que é composto.
A quantidade de variância que um factor explica é expressa num valor próprio. Se uma solução de factor tem um valor próprio de 1 ou superior, explica mais variância do que uma única variável observada – o que significa que pode ser-lhe útil para reduzir o seu número de variáveis. As soluções de factores com valores próprios inferiores a 1 representam menos variabilidade do que uma única variável e não são retidas na análise. Neste sentido, uma solução conteria menos factores do que o número original de variáveis.
Outra métrica importante é a pontuação dos factores. Esta é uma medida numérica que descreve o quão fortemente uma variável dos dados originais da investigação está relacionada com um dado factor. Outro termo para esta associação ou ponderação para um determinado factor é carregamento de factores.
Tipos de análise de factores
Existem duas formas básicas de análise de factores, exploratória e confirmatória. Eis como são utilizadas para acrescentar valor ao seu processo de investigação.
Análise de factor de confirmação
Neste tipo de análise, o investigador começa com uma hipótese sobre os seus dados que procura provar ou refutar. A análise de factores confirmará – ou não – onde estão as variáveis latentes e qual a variância que representam.
Análise de componentes primais é uma forma popular de análise de factores de confirmação. Utilizando este método, o investigador executará a análise para obter múltiplas soluções possíveis que dividem os seus dados entre uma série de factores. Os itens que carregam num único factor estão mais fortemente relacionados entre si e podem ser agrupados pelo investigador utilizando o seu conhecimento conceptual.
Utilizar PCA irá gerar uma gama de soluções com diferentes números de factores, desde soluções simplificadas de 1 factor até níveis de complexidade mais elevados. Contudo, quanto menor for o número de factores utilizados, menor será a variância contabilizada na solução.
Análise exploratória de factores
Como o nome sugere, a análise exploratória de factores é realizada sem uma hipótese em mente. É um processo de investigação que ajuda os investigadores a compreender se existem associações entre as variáveis iniciais, e em caso afirmativo, onde se encontram e como são agrupadas.
Como realizar a análise de factores
Os principais pacotes de software estatístico, tais como SPSS e Stata, incluem uma função de análise de factores que pode utilizar para analisar os seus dados. Para começar, precisará das variáveis que lhe interessam e, se aplicável, detalhes da sua hipótese inicial sobre as suas relações e variáveis subjacentes.
Como a análise de factores pode ajudá-lo
Para além de lhe dar menos variáveis para navegar, a análise de factores pode ajudá-lo a compreender o agrupamento e o agrupamento nas suas variáveis de entrada, uma vez que estas serão agrupadas de acordo com as variáveis latentes.
Diga que faz várias perguntas, todas concebidas para explorar aspectos diferentes, mas intimamente relacionados, da satisfação do cliente:
- Como está satisfeito com o nosso produto?
- Pode recomendar o nosso produto a um amigo ou familiar?
- Como é provável que compre o nosso produto no futuro?
Mas só quer que uma variável represente um índice de satisfação do cliente. Uma opção seria calcular a média das três respostas às perguntas. Outra opção seria a de criar uma variável dependente de factores. Isto pode ser feito executando o PCA e mantendo o primeiro Componente Principal (também conhecido como um factor). A vantagem da PCA sobre uma média é que pesa automaticamente cada uma das variáveis no cálculo.
Dizer que se tem uma lista de perguntas e não se sabe exactamente quais as respostas que se moverão em conjunto e quais se moverão de forma diferente; por exemplo, barreiras de compra de potenciais clientes. As seguintes são possíveis barreiras à compra:
- Preço é proibitivo
- Todos os custos de implementação
- Não conseguimos chegar a um consenso na nossa organização
- O produto não é consistente com a nossa estratégia de negócio
- Preciso de desenvolver um ROI, mas não podemos ou não temos
- Estamos fechados num contrato com outro produto
- Os benefícios do produto não compensam o custo
- Não temos razão para mudar
- O nosso departamento de TI não pode suportar o seu produto
- Não temos recursos técnicos suficientes
- Seu produto não tem uma característica que nós exigimos
- Outros (especificar)
Análise de factores pode revelar as tendências de como estas questões se moverão em conjunto. Seguem-se 3 factores para cada uma das variáveis.
Notificação de como cada um dos componentes principais tem pesos elevados para um subconjunto das variáveis. O primeiro componente pesa fortemente variáveis relacionadas com o custo, o segundo pesa variáveis relacionadas com TI, e o terceiro pesa variáveis relacionadas com factores organizacionais. Podemos dar nomes inteligentes às nossas novas super variáveis.
Se tivéssemos de agrupar os clientes com base nestes três componentes, podemos ver algumas tendências. Os clientes tendem a ser elevados nas barreiras de Custo ou Org, mas não em ambas.
Exemplos de estudos de análise de factores
Análise de factores, incluindo PCA, é frequentemente utilizada em conjunto com estudos de segmentação. Pode ser um passo intermédio para reduzir variáveis antes de usar KMeans para fazer os segmentos.
Análise de factores proporciona simplicidade após a redução de variáveis. Para estudos longos com grandes blocos de perguntas de escala Matrix Likert, o número de variáveis pode tornar-se complicado. A simplificação dos dados utilizando a análise de factores ajuda os analistas a concentrarem-se e a esclarecerem os resultados, ao mesmo tempo que reduz o número de dimensões em que se agrupam.
Perguntas de amostra
Escolher exactamente quais as questões sobre as quais realizar a análise de factores é tanto uma arte como uma ciência. A escolha das variáveis a reduzir requer alguma experimentação, paciência e criatividade. A análise de factores funciona bem em questões de escala Likert e Soma a 100 tipos de questões.
Análise de factores funciona bem em blocos de matriz dos seguintes géneros de perguntas:
Psicografias (Concordo/Discordo):
- Família de valores
- Eu acredito que a marca representa valor
Comportamental (Concordo/Discordo):
- Compro a opção mais barata
- Sou um comprador de pechinchas
Attitudinal (Concordo/Discordo):
- A economia não está a melhorar
- Estou satisfeito com o produto
p>Baseado na actividade (Concordo/Discordo):
- li>Eu adoro desporto
- Eu por vezes faço compras online durante o horário de trabalho
P>As questões comportamentais e psicográficas são especialmente adequadas para a análise de factores.