Diferença entre análise fatorial exploratória e confirmatória na determinação da independência de construto

Os pesquisadores costumam usar duas medidas que possuem itens muito semelhantes e argumentam que medem coisas diferentes (por exemplo, "sempre me preocupo quando estou perto de carros"; "tenho medo de carros"). Vamos chamar as medidas hipotéticas de Medição e Ansiedade do Medo dos Carros na Escala de Automóveis. Estou interessado em testar empiricamente se eles realmente avaliam diferentes construções latentes ou se medem a mesma coisa.

As duas melhores maneiras que posso pensar em fazer isso seriam por meio de análises exploratórias de fábrica (EFA) ou análise fatorial confirmatória (CFA). Eu acho que o EFA seria bom porque permite que todos os itens sejam carregados livremente sem restrições. Se os itens das duas escalas carregam nos mesmos fatores, posso concluir que as medidas provavelmente não avaliam coisas diferentes muito bem. Também posso ver os benefícios no CFA, pois testarei modelos predefinidos. Por exemplo, eu poderia comparar o ajuste de um modelo no qual todos os itens carregam em um único fator (ou seja, eles não avaliam construções diferentes) ou os itens são separados nas medidas esperadas. Um problema com o CFA, suponho, é que ele realmente não consideraria modelos alternativos (por exemplo, um modelo de três fatores).

Para os propósitos da discussão, considere também que talvez haja outras duas medidas muito semelhantes por aí (por exemplo, o questionário de ansiedade do carro e as escalas para a avaliação dos medos do carro) que eu gostaria de lançar na mistura!

Como posso determinar estatisticamente se duas medidas avaliam construções diferentes?

Esses métodos são exemplos de aplicação de análise de dados exploratória e confirmatória. A análise exploratória de dados procura padrões, enquanto a análise confirmatória de dados faz testes estatísticos de hipóteses nos modelos propostos. Realmente não deve ser visto em termos de qual método usar, é mais uma questão de em que estágio da análise de dados você está. Se você não tiver certeza de quais fatores incluir no seu modelo, aplica o EFA. Depois de eliminar alguns fatores e decidir o que incluir em seu modelo, você faz o CFA para testá-lo formalmente e verificar se os fatores escolhidos são significativos.

Se entendi sua pergunta corretamente, é uma pergunta sobre teste . Então, simplesmente testar exige um tipo de análise fatorial confirmatória, a mesma da pergunta: "os meios nos subgrupos realmente diferem?" requer um teste t.

Infelizmente (?) Com a seleção da abordagem geral do método apropriado de análise fatorial, também são frequentemente implícitos diferentes modelos matemáticos (e estatísticos), por exemplo, se você selecionar "CFA" no SPSS, está implícito que você assume erros não correlacionados e que erros não correlacionados são estimados e a estimativa é excluída do modelo - portanto, na minha opinião, devido às implicações adicionais, a seleção inicial da abordagem analítica de fatores correta é frequentemente comprometida por essas implicações matemáticas / estatísticas.

Em resumo: sua pergunta é do tipo "testando o nulo"; portanto, você precisa de CFA ou melhor: os métodos desenvolvidos no âmbito do SEM (modelagem de equações estruturais). Observe que há uma lista de discussão amigável e útil, cheia de especialistas em SEM, chamada "SEMNET" e, como eu não sou um especialista de verdade, você pode refinar seus comentários perguntando lá ...