No Capítulo 1, você vai aprender a realizar uma EFA para examinar as propriedades estatísticas de uma medida construída em torno de um único construto.

Introdução à Análise Fatorial Exploratória (EFA)

Começando com uma EFA unidimensional

Visualizando as cargas fatoriais

Interpretando os escores fatoriais dos indivíduos

Visão geral do processo de desenvolvimento da medida

Estatísticas descritivas do seu conjunto de dados

Dividindo seu conjunto de dados

Comparando as metades do seu conjunto de dados

Características da medida: correlações e confiabilidade

Visualizando e testando correlações

Confiabilidade interna

Quando usar EFA

Avaliando sua medida com análise fatorial

Este capítulo vai mostrar como estender a EFA de um único fator que você aprendeu no Capítulo 1 para dados multidimensionais.

Determinando a dimensionalidade

Dividindo o conjunto de dados BFI

Calculando autovalores

Criando um scree plot

Interpretando o scree plot

Entendendo dados multidimensionais

Realizando uma EFA multidimensional

Interpretando os resultados

Investigando o ajuste do modelo

Interpretar estatísticas de ajuste absoluto do modelo

Selecionando o melhor modelo

EFA multidimensional

Este capítulo abordará a realização de CFAs com o pacote sem. Serão cobertas estruturas de CFA guiadas tanto pela teoria quanto pela EFA.

Configurando uma CFA

Criando sintaxe de CFA a partir dos resultados da EFA

Criando a sintaxe de CFA a partir da teoria

Entendendo a sintaxe de sem()

Componentes da sintaxe de sem()

Execute uma CFA e interprete as cargas

Examine as cargas dos itens

Estatísticas de ajuste absoluto

Estatísticas de ajuste relativo

Análise Fatorial Confirmatória

Este capítulo reforçará a diferença entre EFAs e CFAs e oferecerá sugestões para melhorar seu modelo e/ou sua medida.

Revisitando EFA vs. CFA

Diferenças nas cargas fatoriais estimadas

Plotando diferenças nos escores fatoriais das pessoas

Adicionando cargas fatoriais para melhorar o ajuste

Adicione cargas fatoriais para melhorar o ajuste

Compare o modelo original com o modelo com cargas adicionais

Avalie cargas adicionais com estatísticas de ajuste relativo

Melhorando o ajuste removendo cargas

Remova cargas para melhorar o ajuste

Compare o modelo original com o modelo com cargas removidas

Avaliar cargas removidas com estatísticas de ajuste relativas

Vídeo de encerramento

Aprimorando sua medida e/ou modelo

Generic Conspiracist Beliefs Scale (GCBS) dataset

O mundo está cheio de variáveis não observáveis que não podem ser medidas diretamente. Você pode se interessar por um construto como habilidade em matemática, traços de personalidade ou clima organizacional. Ao investigar construtos assim, é essencial ter um modelo que esteja de acordo com suas teorias e seus dados. Este curso vai ajudar você a entender a dimensionalidade e mostrar como conduzir análises fatoriais exploratórias e confirmatórias. Com essas técnicas estatísticas no seu conjunto de ferramentas, você poderá desenvolver, aprimorar e compartilhar suas medidas. Essas análises são fundamentais para áreas como psicologia, educação, ciência política, economia e linguística.

<h2>Descubra a Análise Fatorial no R</h2>
O mundo está cheio de variáveis que não dá pra ver e que não podem ser medidas diretamente. Você pode se interessar por conceitos como habilidade matemática, traços de personalidade ou clima no local de trabalho. Quando você está investigando conceitos como esses, é super importante ter um modelo que combine com suas teorias e dados. 
<br><br>
Este curso vai te ajudar a entender a dimensionalidade e mostrar como fazer análises fatoriais exploratórias e confirmatórias. 
<br><br>
<h2>Aprenda a usar a análise fatorial exploratória e a análise fatorial confirmatória </h2>
Você vai começar a entender a análise fatorial exploratória (EFA), aprendendo a ver e visualizar cargas fatoriais, interpretar pontuações fatoriais e ver e testar correlações. 
<br><br>
Depois de se familiarizar com a EFA de fator único, você passará para os dados multidimensionais, aprendendo a calcular valores próprios, criar gráficos de tela e muito mais. Depois, você vai conhecer a análise fatorial confirmatória (AFC), aprendendo a criar sintaxe a partir dos resultados da AEF e da teoria. 
<br><br>
O último capítulo fala sobre EFAs e CFAs, dando exemplos de ambos. Você também vai aprender como melhorar seu modelo e medir ao usá-los. 
<br><br>
</h2>Desenvolva, refine e compartilhe suas medidas<h2>
Com essas técnicas estatísticas no seu kit de ferramentas, você vai poder desenvolver, refinar e compartilhar suas medidas. Essas análises são fundamentais para diversas áreas, incluindo psicologia, educação, ciência política, economia e linguística.

Intermediate R

Foundations of Inference in R

Inicie este curso de 4 horas para aprender análise fatorial exploratória e confirmatória em R.

Análise Fatorial em R

Explore variáveis latentes, como personalidade, usando análises fatoriais exploratórias e confirmatórias.

Estatístico em R

Psychometrician

Measure features: correlations and reliability

Correlations

Testing correlations' significance: p-values

Testing correlations' significance: confidence intervals

Coefficient alpha

Split-Half reliability

Let's practice!

Avaliando sua medida com análise fatorial - Características da medida: correlações e confiabilidade

Características da medida: correlações e confiabilidade

Create Your Free Account