Design Factorial

1.9: Design Factorial

Análise Factorial é um design experimental que aplica procedimentos estatísticos de Análise de Variância (ANOVA) para examinar uma alteração numa variável dependente devido a mais do que uma variável independente, também conhecida como factores. As alterações na produtividade do trabalhador podem ser raciocinadas, por exemplo, para serem influenciadas pelo salário e outras condições, tais como o nível de qualificação. Uma forma de testar esta hipótese é categorizando o salário em três níveis (baixo, moderado e alto) e os conjuntos de competências em dois níveis (nível de entrada vs. experiência).

Nomeação

Esta abordagem científica é designada por um rótulo que sublinha o número de factores ou o número de condições testadas para cada variável independente. A experiência do exemplo acima seria descrita como uma ANOVA factorial de dois sentidos, porque envolve duas variáveis independentes. Em relação ao número de níveis considerados para o salário (baixo, moderado e elevado) e conjuntos de competências (nível de entrada e experiência), esta mesma experiência é também designada como um desenho 3 por 2, formalmente escrito como uma ANOVA Factorial 3 x 2. De notar que o cálculo do produto de 3 e 2 significa que existe um total de 6 combinações de condições experimentais observadas.

Vantagens Investigativas

Observar os efeitos de pelo menos duas variáveis independentes é uma abordagem mais prática e económica. Isto evita a necessidade de despender tempo e recursos para experiências separadas. Além disso, a recolha de dados para diferentes combinações de condições permite aos investigadores fazer uma variedade de avaliações, incluindo efeitos principais e de interacção.

Determinadas questões de investigação podem exigir o conhecimento de como cada factor pode ter um impacto independente numa variável dependente. Por exemplo, as alterações observadas nos índices de produtividade dos trabalhadores devido ao salário são separadas daquelas devidas ao nível de competências, para ajudar a determinar os principais efeitos para cada uma delas. Os resultados podem potencialmente revelar que a alta produtividade encontrada no nível de entrada de trabalhadores pode ou não aplicar-se àqueles que têm mais experiência. Da mesma forma, a baixa produtividade que pode ser encontrada em trabalhadores com baixos salários pode ou não ser evidente com o aumento dos salários. A capacidade de reconhecer se os resultados podem ser generalizados a diferentes circunstâncias ou características de grupo serve assim como outra vantagem para este tipo de concepção.

O efeito de interacção ocorre quando a influência de uma variável independente sobre uma dada variável dependente depende do nível de outros factores que estão a ser examinados. Pode verificar-se, por exemplo, que o impacto do salário na produtividade do trabalhador pode ser mais pronunciado para o nível de entrada do que para os trabalhadores experientes. Este tipo de análise permite aos investigadores obter uma visão mais profunda dos padrões que podem surgir no conjunto de dados.

Implicações da Análise Factorial

Devido à sua flexibilidade e praticabilidade, a análise factorial continua a ser um dos desenhos experimentais mais comuns utilizados em todas as disciplinas. Um estudo recente, por exemplo, investigou se o comportamento do consumidor pode depender do facto de o produto ser utilitário ou hedónico. Para além do tipo de produto, os investigadores também incluíram a imagem do produto (close-up vs. wide shot) como um factor potencial que influenciou as decisões de compra. Estes investigadores examinaram ainda se o tipo de técnica persuasiva, como o apelo racional ou emocional, teria impacto (Kim, Lee, & Choi, 2019). Os produtos hedónicos tendiam a ganhar atitudes mais favoráveis quando uma imagem de grande alcance era acompanhada por anúncios que induzem emoções. Foram observados resultados inversos para produtos utilitários nesta ANOVA 2 x 2 x 2 Factorial, também conhecida como ANOVA de três vias.