Enc. 5 — Correlação Parcial e Análise Fatorial

pingouin.partial_corr() · factor_analyzer

📊 Slides

🍊 Metáfora

Duas metáforas, um encontro

Correlação parcial — o filtro de ruído: como usar um equalizador para silenciar o baixo e ouvir a guitarra — remove o efeito de uma variável de confusão.

Análise Fatorial — o organizador de gavetas: agrupa variáveis que se movem juntas em fatores latentes interpretáveis (ex.: “metacognição”).

🎯 Para que serve

Correlação parcial: isola a relação entre X e Y removendo o efeito de uma terceira variável.

EFA: reduz muitas variáveis correlacionadas a poucos fatores latentes. Valida instrumentos.

📋 Quando usar

  • ✅ Parcial: quando há variável de confusão (ex.: conhecimento prévio).
  • ✅ EFA: quando há ≥ 5 variáveis correlacionadas e suspeita-se de construtos latentes.
  • ✅ EFA: n ≥ 100; regra de 10 sujeitos por item.
  • ❌ EFA não é para predição — use regressão.

🐍 Exemplo Python

🐍 Python executável no navegador via Pyodide 
 
  📚 Referências 
 
  
     
   
 didático Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7ª ed.). Cap. 13. 
 
 aplicado Costello, A. B., & Osborne, J. W. (2005). Best practices in exploratory factor analysis. Practical Assessment, Research & Evaluation, 10(7). 
 
 python Biggs, J. (2023). factor_analyzer package documentation. 
 
 conceitual MacCallum, R. C. (2009). Factor analysis. In The SAGE Handbook of Quantitative Methods in Psychology. 
  
 
 Rodrigo Prestes Machado
 CC BY 4.0 DEED