Universidade Tecnolgica Federal do Paran - UTFPR

Campus Ponta Grossa - Paran - Brasil

ISSN 1808-0448 / v. 04, n. 04: p. 01-14, 2008
D.O.I.: 10.3895/S1808-04482008000400001

Revista Gesto Industrial

ESTATSTICA MULTIVARIADA: APLICAO DA ANLISE FATORIAL

NA ENGENHARIA DE PRODUO
MULTIVARIATE STATISTICS: FACTORIAL ANALYSIS APPLICATION
IN PRODUCTION ENGINEERING
Hanne Alves Bakke1, Alexandre Santos de Moura Leite2, Luiz Bueno da Silva3
1
Universidade Federal da Paraba UFPB Joo Pessoa Brasil
h_bakke@yahoo.com.br
2
Universidade Federal da Paraba UFPB Joo Pessoa Brasil
asmleite@gmail.com
3
Programa de Ps-Graduao em Engenharia de Produo, UFPB, Joo Pessoa Brasil
bueno@ct.ufpb.br

Resumo
A Estatstica Multivariada permite o estudo de fenmenos complexos, pois realiza o tratamento de
diversas variveis simultaneamente, mesmo quando no se conhece o modelo terico das relaes
entre as variveis. A Anlise Fatorial, uma das tcnicas da estatstica multivariada, pode ser
aplicada quando h uma grande quantidade de dados e busca-se a sua sumarizao com fatores
latentes, que so definidos atravs de comportamento semelhantes entre as variveis. Este artigo
tem como objetivo fazer uma reviso da literatura sobre a Estatstica Multivariada de dados e
mostrar a aplicao dessa tcnica de anlise na Engenharia de Produo. O Inventrio de Estresse
em Enfermeiros, composto por 44 variveis, foi aplicado a 391 indivduos. A aplicao da Anlise
Fatorial extraiu oito fatores determinantes para o estresse, que pode servir como subsdio para seu
gerenciamento.
Palavras-chave: estatstica multivariada; anlise fatorial; engenharia de produo.

1. Introduo
Atualmente, h uma vasta quantidade de dados que cobrem vrios aspectos das atividades
humanas e que dizem respeito s diferentes reas de conhecimento. A complexidade de vrios
fenmenos requer uma anlise de muitas variveis diferentes. Alm disso, o avano da tecnologia
computacional tem proporcionado avanos e facilidades no que diz respeito anlise destes dados
em diversas reas. Assim, percebe-se uma necessidade de procedimentos de anlise e interpretao
adequados para a extrao das informaes, principalmente para tomada correta de decises de
forma a possibilitar um gerenciamento mais eficiente e um crescimento na produtividade.

De acordo com Escofier e Pages (1992), os mtodos de anlise de dados multivariados tm

comprovado amplamente sua eficcia no estudo de grandes massas de informao complexas.
Tratam-se de mtodos chamados de multidimensionais que permitem a confrontao entre duas ou
mais variveis. Pode-se, ento, extrair-se as tendncias mais sobressalentes e hierarquiz-las,
eliminando os efeitos que perturbam a percepo global.
A estatstica multivariada pode ser aplicada com diversas finalidades, mesmo nos casos em
que no se dispe de antemo de um modelo terico rigorosamente estruturado a respeito das
relaes entre as variveis. A finalidade de sua aplicao pode ser de reduzir dados ou de
simplificao estrutural, de classificar e agrupar, de investigar a dependncia entre variveis, de
predio e de elaborar hipteses e test-las (JOHNSON; WICHERN, 1992). Tcnicas analticas
multivariadas tm sido utilizadas amplamente em indstrias, governos e em centros de pesquisas
acadmicas de diversas reas (Psicologia, Educao, Geologia, Cincias Sociais, Engenharias,
Ergonomia, etc.).
A estatstica multivariada pode ser aplicada com diversas finalidades, mesmo quando no se
dispe de antemo de um modelo terico rigorosamente estruturado das relaes entre as variveis.
A finalidade de sua aplicao pode ser de reduzir dados ou de simplificar a sua estrutura, de
classificar e agrupar, de investigar a dependncia entre variveis, de predizer e de elaborar hipteses
e test-las (JOHNSON; WICHERN, 1992). Tcnicas analticas multivariadas tm sido utilizadas
amplamente em indstrias, governos e em centros de pesquisas acadmicas de diversas reas.
Isso em mente, este artigo tem como objetivo fazer uma reviso da literatura sobre a
Estatstica Multivariada de dados e mostrar a aplicao da tcnica de anlise na Engenharia de
Produo.
2. Anlise de Dados Multivariados
A Estatstica Multivariada, segundo Mingoti (2005), consiste em um conjunto de mtodos
aplicados em situaes onde vrias variveis so medidas simultaneamente em cada elemento
amostral. Uma observao multivariada de dimenso p, ou p-variada, um vetor:
X X 1 , X 2 X p

onde t= transposto e cujas coordenadas X1 a Xp so variveis aleatrias oriundas de vrias medidas

de um mesmo elemento amostral.
Assim, uma matriz de observaes p-variadas, ou matriz de dados, uma tabela X: n x p.
Dessa forma, Johnson e Wichern (1992), afirmam que n medidas em p variveis podem ser
dispostas da seguinte forma:

2
Revista Gesto Industrial

 X 11
X
21

X
X i1

X p1

X 12
X 21

X i2

X p2

X1j
X2j

X ij

X pj

X 1n
X 2 n

X in

X pn

onde X a matriz que contm todas as observaes de todas as variveis. Quanto maior o nmero
de variveis, mais complexa a anlise atravs de tcnicas univariadas.
Um vetor aleatrio aquele cujos elementos integrantes so variveis aleatrias. De forma
semelhante, uma matriz aleatria composta por variveis aleatrias. O valor esperado de uma
matriz (ou vetor) aleatria, segundo Johnson e Wichern (1992), a matriz que consiste dos valores
esperados de cada um de seus elementos. Assim, sendo X um vetor aleatrio, o vetor de mdias de
X pode ser representado por:

E X 1 1
E X
2
2

E X

E X p p
onde i=E(Xi) denota a mdia, ou esperana, da varivel aleatria Xi, i=1, 2, ..., p. Esta medida
bastante utilizada para sintetizar a tendncia central da distribuio de valores da varivel Xi
(MINGOTI, 2005).
Cada varivel, segundo Mingoti (2005), pode ser analisada separadamente no vetor aleatrio
atravs do comportamento de sua distribuio de probabilidades. Ressalva-se, no entanto, a
importncia da anlise do vetor como um todo devido possibilidade da existncia de
relacionamentos entre as p-variveis.
A varincia do i-simo componente do vetor X obtida por Var(X1) = i2 = ii , assim
como a varincia entre os valores da i-sima e j-sima variveis do vetor X definida por

Cov (X i , X j ) ij E X i i X j j . A independncia estatstica tem uma implicao

importante na covarincia. Se as variveis esto distribudas de forma independente, a covarincia

e, portanto, a correlao, nula. No entanto, de acordo com Morrison (1976), o inverso geralmente
no verdadeiro, pois possvel construir exemplos de variveis aleatrias altamente dependentes
cuja correlao zero.
Quando a matriz X p-dimensional multivariada, ento as covarincias do vetor aleatrio
so dispostas em uma matriz simtrica de varincia-covarincia = E(X-)(X ). Assim, segundo
Johnson e Wichern (1992), a covarincia das variveis do vetor X definida por:

3
Revista Gesto Industrial

 11 12

21 22
Cov(X) E X X

p1 p 2

1p
2 p

pp

Ademais, de acordo com Hrdle e Simar (2007), a correlao uma medida mais adequada para
avaliar o grau de relacionamento linear entre variveis estatsticas. A vantagem de sua utilizao
inclui a ausncia de escalas, o que significa que a mudana nas escalas de medidas no altera o
valor da correlao, alm de estar relacionada com a independncia de variveis aleatrias. Assim,
para um vetor p-dimensional (X1... Xp), a matriz de correlao denotada por:

21
P 31

p1

12
1
32

p2

13
23
1

p3

1 p
2 p
3 p

Johnson (1998) apud Mingoti (2005) afirma que, para que sejam estimadas as matrizes de
covarincias e correlaes, necessrio ter-se um tamanho de amostra n maior que p. Desta forma,
a estimao das matrizes ocorre com p+1 observaes amostrais. Todavia, deve-se evitar trabalhar
com este nmero mnimo de n.
O constructo da anlise multivariada a varivel estatstica, uma combinao linear de
variveis s quais so atribudos pesos empiricamente determinados. As variveis so determinadas
pelo pesquisador, e os pesos pela tcnica multivariada para atingir o objetivo almejado. Assim, de
acordo com Hair et al. (2005), uma varivel estatstica de n variveis (X1 Xn) pode ser definida da
seguinte forma:
Valor da varivel estatstica w1 X 1 w2 X 2 w3 X 3 ... wn X n
onde Xn a varivel observada e wn o peso que foi determinado atravs da tcnica multivariada.
Com isso, obtm-se um nico valor que representa uma combinao de todo o conjunto das
variveis que melhor representa o objetivo da anlise multivariada especfica. Combinaes lineares
tm um importante papel na anlise de dados multivariados, pois, assim, pode-se sumarizar as
informaes das p-variveis originais (MINGOTI, 2005).
2.1 Tipos de tcnicas Multivariadas
A anlise de dados multivariados conta com diversas tcnicas. Dentre elas, pode-se citar a
(a) anlise fatorial, (b) a regresso mltipla e correlao mltipla, (c) a anlise discriminante

4
Revista Gesto Industrial

mltipla, (d) a anlise multivariada de varincia e covarincia, (e) a anlise conjunta, (f) a
correlao cannica, (g) a anlise de agrupamentos e (h) escalonamento.
a) Anlise fatorial: inclui a anlise de componentes principais e anlise dos fatores
comuns. aplicada quando h um nmero grande de variveis e correlacionadas entre
si, com o objetivo de identificar um nmero menor de novas variveis alternativas, no
correlacionadas e que, de algum modo, sumarizem as informaes principais das
variveis originais encontrando os fatores ou variveis latentes (MINGOTI, 2005);
b) Regresso mltipla: o mtodo de anlise adequado quando h uma nica varivel
dependente mtrica relacionada a duas ou mais variveis independentes. O principal
objetivo de sua aplicao prever as mudanas na varivel dependente de acordo com
as variaes nas variveis independentes (HAIR et al., 2005);
c) Anlise discriminante mltipla: este tipo de anlise utilizado quando os grupos so
conhecidos a priori. A anlise discriminante composta por um conjunto de mtodos e
ferramentas utilizados para distinguir grupos de populaes e classificar as novas
observaes nos grupos determinados (HRDLE; SIMAR, 2007);
d) Anlise multivariada de varincia e covarincia: tambm conhecidas como
MANOVA (anlise multivariada de varincia) e MANCOVA (anlise multivariada de
covarincia), tm o objetivo de verificar a semelhana entre grupos multivariados
explorando simultaneamente as relaes entre diversas variveis independentes e duas
ou mais variveis dependentes mtricas (HAIR et al, 2005);
e) Anlise conjunta: segundo Hair et al. (2005), esta uma tcnica de dependncia que
vem sendo utilizada na avaliao de objetos, tais como produtos novos, servios ou
idias. A aplicao mais direta no desenvolvimento de novos produtos e servios,
permitindo a avaliao de produtos complexos e mantendo um contexto realista de
deciso para o respondente;
f)

Correlao cannica: tem como objetivo principal o estudo das relaes lineares
existentes entre dois conjuntos de variveis. A aplicao desta anlise resume a
informao de cada conjunto de variveis-resposta em combinaes lineares buscandose maximizar a correlao entre os dois conjuntos (MINGOTI, 2005);

g) Anlise de agrupamento: trata-se de uma anlise que identifica grupos em objetos de

dados multivariados. O objetivo formar grupos com propriedades homogneas de
amostras heterogneas grandes. Devem-se buscar grupos mais homogneos possveis e
que as diferenas entre os eles sejam as maiores possveis (HRDLE e SIMAR, 2007);

5
Revista Gesto Industrial

h) Escalonamento multidimensional: esta tcnica utilizada quando se desja transformar

julgamentos de consumidores sobre similaridade ou preferncia em distncias
representadas em um espao multidimensional (HAIR et al., 2005).
3. Tcnica Multivariada Anlise Fatorial
O objetivo principal deste tipo de anlise descrever as relaes de covarincia entre as
variveis em alguns fatores ocultos e inobservveis. Sua utilizao supe que as variveis podem
ser agrupadas de acordo com suas correlaes. Assim, obtem-se como resultado grupos com todas
as variveis altamente correlacionadas entre si, mas com baixas correlaes com variveis de um
grupo diferente. Assim, Johnson e Wichern (1992) afirmam que cada grupo de variveis representa
um nico constructo ou fator, que responsvel pelas correlaes observadas. Ao resumir os dados,
a anlise fatorial capta as dimenses latentes que representam o conjunto de dados em um nmero
menor de conceitos do que as variveis individuais originais (HAIR et al., 2005).
Este tipo de tcnica pode ser utilizado de uma forma exploratria, onde se busca uma
estrutura em um conjunto de variveis ou como um redutor de dados, ou de uma perspectiva
confirmatria, quando se tem uma idia preconcebida sobre a estrutura real dos dados e deseja-se
testar uma hiptese (HAIR et al., 2005). Conforme Crivisqui (1993), ela pode ser utilizada sozinha
ou com outros mtodos de classificao. Os pacotes estatsticos prevem o emprego de mtodos de
classificao automtica ou de partio ligados diretamente com os resultados de uma anlise
fatorial, podendo-se com isso, fazer-se a classificao a partir das coordenadas fatoriais dos
indivduos ou a partir das variveis observadas.
A anlise fatorial uma tcnica de interdependncia que avalia todas as variveis
simultaneamente, cada uma relacionada com a outra, empregando o conceito da varivel estatstica.
No entanto, segundo Hair et al. (2005), este conceito no utilizado para prever uma varivel
dependente, mas sim para maximizar o poder de explicao do conjunto inteiro de variveis. Dessa
forma, o modelo de anlise fatorial obtido atravs da matriz de correlao terica Ppxp que relaciona
linearmente as variveis padronizadas e os fatores comuns inicialmente desconhecidos. Mingoti
(2005) representa os modelos da seguinte forma:

Z1 l11 F1 l12 F2 ... l1m Fm 1

Z 2 l 21 F1 l 22 F2 ... l 2 m Fm 2

Z p l p1 F1 l p 2 F2 ... l pm Fm p
Neste modelo, ainda segundo a autora, Fmx1 um vetor aleatrio que contem m fatores (variveis
latentes), onde lmp, ou seja, no podem ser medidos a priori. Portanto, o modelo de anlise

6
Revista Gesto Industrial

fatorial assume que as variveis esto relacionadas linearmente com novas variveis aleatrias Fj,
j=1, 2,..., m, que devero ser identificados. O vetor px1 representa os erros aleatrios de medida e
variao de Zi, que no explicada pelos fatores comuns Fj do modelo. O coeficiente lij,
denominado de loading, corresponde ao grau de relacionamento linear entre Zi e Fj. Assim, pode-se
dizer que a informao das p-variveis originais padronizadas (Z1, Z2,..., Zp) representada por
(p+m) variveis aleatrias no observveis, isto , (1, 2,..., p) e (F1, F2,..., Fp).
Para a continuao da anlise fatorial necessrio estimar a matriz de correlao terica
Ppxp, atravs de uma matriz de correlao amostral Rpxp. Para estimar m, basta extrair os autovalores
da matriz Rpxp e orden-los em ordem decrescente. Assim, segundo Mingoti (2005) para a seleo
do nmero de fatores pode-se utilizar os critrios:
a) Anlise da proporo da varincia total: permanecem aqueles que representam
maiores porpores da varincia total e, portanto, m ser igual ao nmero de autovalores
retidos. Malhotra (2001) recomenda que o nmero de fatores escolhidos corresponda a,
no mnimo, 60% da varincia;
b) Autovalores: o valor de m ser igual ao nmero de autovalores maiores ou igual a 1.
Esse critrio mantm no sistema dimenses que representam pelo menos a informao
de varincia de uma varivel original;
c) Scree-plot: representao grfica onde prure-se um ponto de salto, que represente um
decrscimo de importncia em relao varincia total. O valor de m seria, ento, igual
ao nmero de autovalores anteriores ao ponto de salto.
A matriz de componentes inicial indica a relao entre os fatores e as variveis individuais,
no entanto, esta raramente resulta em fatores que possam ser interpretados. A Anlise Fatorial
mais ou menos til em funo da sua capacidade de produzir tais fatores, e isto feito atravs da
rotao, que transforma a matriz de fatores em uma matriz rotacionada mais simples e fcil de
interpretar (MALHOTRA, 2001). De acordo com Hair et al. (2005), o efeito final de rotacionar a
matriz fatorial redistribuir a varincia dos primeiros fatores para os ltimos com o objetivo de
atingir um padro fatorial mais simples e mais significativo. H diferentes tipos de rotaes
possveis de aplicao. A rotao ortogonal inclui a QUARTIMAX, EQUIMAX, e a VARIMAX,
que a mais utilizada por se concentrar na mxima simplificao das colunas da matriz fatorial
atravs da maximizao da soma de varincias de cargas exigidas da matriz fatorial. Os mtodos de
rotao oblqua permitem fatores correlacionados em vez de manterem independncia entre os
fatores rotacionados, mas h apenas escolhas limitadas nos pacotes estatsticos.
De acordo com Hair et al. (2005) o pesquisador deve buscar minimizar o nmero de
variveis includas, mas manter um nmero razovel de variveis por fator. A fora da anlise
fatorial consiste na definio de padres entre grupos de variveis, tornando-se de pouco utilidade

7
Revista Gesto Industrial

na identificao de fatores compostos por uma nica varivel. Alm disso, deve-se dar cuidado
especial ao tamanho da amostra. Como regra geral, o mnimo ter pelo menos cinco vezes mais
observaes do que o nmero de variveis a serem analisadas, e a proporo mais aceitvel de dez
para um.
As principais estatsticas-chaves associadas anlise fatorial esto listados no Quadro 1.
Quadro 1: Estatsticas da Anlise Fatorial
Teste de Esfericidade de Bartlett

Matriz de Correlao

Comunalidade
Autovalor (Eigenvalue)
Cargas dos fatores
Grfico de cargas dos fatores
Matriz de Fatores
Escores fatoriais
Medida de Adequao de KaiserMeyer- Olkin (KMO)

Percentagem de varincia
Resduos
Scree plot

Estatstica de teste usada para examinar a hiptese de que as

variveis no sejam correlacionadas na populao, ou seja, a
matriz de correlao da populao uma matriz identidade,
onde cada varivel se correlaciona perfeitamente com ela
prpria (r=1), mas no apresenta correlao com as outras
variveis (r=0). A significncia para o teste no deve
ultrapassar 0,05.
O tringulo inferior da matriz que exibe as correlaes simples
entre todos os pares possveis de variveis includos na anlise.
Os elementos da diagonal, que so todos igual a 1, em geral
so omitidos
Poro da varincia que uma varivel compartilha com todas
as outras variveis consideradas. tambm a proporo de
varincia explicada pelos fatores comuns
Representa a varincia total explicada por cada fator.
Correlaes simples entre as variveis e os fatores
Grfico das variveis originais, utilizando as cargas dos fatores
como coordenadas
Cargas dos fatores de todas as variveis em todos os fatores
extrados
Escores compostos estimados para cada entrevistado nos
fatores derivados
ndice usado para avaliar a adequao da anlise fatorial. Os
valores obtidos atravs deste teste variam entre 0 e 1, onde
0,80 ou acima admirvel; 0,70 ou acima, mediano; 0,60 ou
acima, medocre; 0,50 ou acima, ruim; e abaixo de 0,50,
inaceitvel
Percentagem da varincia total atribuda a cada fator
Diferenas entre as correlaes observadas na matriz de
correlao de entrada e as correlaes reproduzidas, conforme
estimadas na matriz de fatores
Grfico dos autovalores versus o nmero de fatores, por ordem
de extrao

Fonte: Adaptado de Malhotra (2001)

Todavia, um fator crucial que deve anteceder a aplicao da anlise fatorial a anlise de
confiabilidade do constructo utilizado para obteno dos dados. A confiabilidade o grau em que
uma escala produz resultados consistentes entre medidas repetidas ou equivalentes de um mesmo
objeto, relevando-se a ausncia do erro. Trata-se da anlise das escalas de mensurao, que permite
determinar a extenso em que os itens esto relacionados com os demais e a fidedignidade do
constructo. De acordo com Corrar et al. (2007), um modelo bastante utilizado o Alfa de Cronbach,
que trata da consistncia interna baseada na correlao mdia entre os intens. Este modelo pode ser
obtido atravs da seguinte frmula:

8
Revista Gesto Industrial

 cov
k

var

cov
1 (k 1)

var

onde k= nmero de variveis consideradas; cov a mdia das covarincias e var a mdia das
varincias. Alfa pode assumir valores entre 0 e 1, e quanto mais prximo ao 1, maior a
fidedignidade das dimenses do constructo. H divergncias sobre qual o valor mnimo aceitvel
para o Alfa de Crobach, no entanto Hair (1998) apud Corrar et al. (2007) sugere o mnimo ideal de
0,7 para pesquisas aplicadas e 0,6 para pesquisas exploratrias.
3.1 Aplicao da Tcnica Multivariada Anlise Fatorial
O Inventrio de Estresse em Enfermeiros proposto por Stacciarini and Trocoli (2000),
composto por 44 questes de mltipla escolha e sete de identificao, foi aplicado a 391
profissionais mdicos que trabalham em hospitais na cidade de Joo Pessoa (PB). As questes
fechadas apresentavam como alternativas de respostas: nunca, raramente, algumas vezes, muitas
vezes e sempre, s quais foram atribudas os valores, 1, 2, 3, 4, 5 respectivamente.
Analisando-se a estrutura do Inventrio utilizado para obteno dos dados atravs do modelo
de Alfa de Cronbach, percebe-se que o constructo e a escala utilizada apresentam uma boa
confiabilidade interna e, portanto, so adequados para o propsito para o qual foram designados
(Quadro 2).
Quadro 2 Teste Alfa de Cronbach para as 44 variveis
Cronbach's Alpha
0,914

Cronbach's Alpha Based

N Items
on Standardized Items
0,921

44

Fonte: Pesquisa de campo (2008)

Para verificar a aplicao da Anlise Fatorial (AF) utilizou-se o teste KMO de medida de
adequao da amostra. O resultado expresso neste teste (0,881) demonstra um bom grau de ajuste
para aplicao da tcnica multivariada Anlise Fatorial, sendo ratificado pelo teste Bartlett de
Esfericidade ao nvel de significncia 0,000 (Quadro 3).

9
Revista Gesto Industrial

Quadro 3 Teste KMO e Bartlett

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartletts Test of Sphericity

0,881

Approx. Chi-Square

6240,701

df

946

Sig.

0,000

Fonte: Pesquisa de campo (2008)

Atravs da Anlise de Componentes Principais, foi observado que 60,8% do total da

varincia pode ser explicada por 10 fatores. O mesmo resultado foi obtido ao se fazer a anlise dos
autovalores maiores que 1,0. Estes resultados podem ser observados na Tabela 1.
Tabela 1 Autovalores e porcentagem da varincia explicada
Autovalores Iniciais
Total
% da Varincia % Var Acumulada
1
10,276
23,355
23,355
2
4,822
10,960
34,315
3
2,075
4,717
39,032
4
1,820
4,136
43,168
5
1,592
3,619
46,787
6
1,529
3,475
50,262
7
1,374
3,123
53,385
8
1,145
2,602
55,987
9
1,070
2,431
58,419
10
1,049
2,384
60,803
11
0,998
2,268
63,071
12
0,941
2,138
65,209
Fonte: Pesquisa de campo (2008)
Componentes

Os fatores extrados na anlise, extrados atravs da Rotao Varimax, foram submetidos ao

teste de confiabilidade Alfa de Cronbach, onde o valor inferior mnimo de 0,6 por se tratar de uma
pesquisa exploratria. Dois dos fatores apontados pela aplicao da tcnica apresentaram valores
abaixo daquele estipulado como limite. Um dos fatores, com =0,529, composto pelas variveis:
conciliar as questes profissionais com as familiares, atender familiares de pacientes, atender um
grande nmero de pessoas; o outro fator obteve =0,126 e composto pelas variveis: fazer um
trabalho repetitivo, sentir-se impotente diante das tarefas a serem realizadas e receber este salrio.
Sendo assim, as variveis que faziam parte destes dois fatores foram desconsideradas e uma
nova extrao foi realizada. O Quadro 4 mostra as variveis que formam cada fator, com suas
respectivas cargas, bem como o valor do Alfa de Cronbach para cada um dos fatores.

10
Revista Gesto Industrial

Quadro 4 Composio dos fatores com respectivas cargas

FATOR

VARIVEIS

Relacionamento com a equipe mdica (REM)

Relacionamento com os colegas mdicos (RCM)
Trabalhar em equipe (TE)
Relacionamento com a chefia (RC)
1
Prestar assistncia ao paciente (PAP)
Manter-se atualizado (MA)
A especialidade em que trabalha (EQT)
Dedicao exclusiva profisso (DEP)
Trabalhar em instalaes fsicas inadequadas (TII)
Falta de material necessrio ao trabalho (FMT)
Falta de recursos humanos (FRH)
Trabalhar com pessoas despreparadas (TPD)
2
Falta de espao no trabalho para discutir as experincias, tanto as
positivas como as negativas (FED)
Trabalhar em ambiente insalubre (TAI)
Distanciamento entre a teoria e a prtica (DTP)
Restrio da autonomia profissional (RAP)
Indefinio do papel do mdico (IPM)
Interferncia da poltica institucional no trabalho (IPI)
Impossibilidade de prestar assistncia direta ao paciente (IAD)
3
Ter um prazo curto para cumprir ordens (PCO)
Trabalhar em clima de competitividade (TCC)
Responsabilizar-se pela qualidade de servio que a instituio
presta (RQS)
Responder por mais de uma funo neste emprego (RMF)
Levar servio para fazer em casa (LSC)
4
Administrar ou supervisionar o trabalho de outras pessoas (ATP)
Desenvolver atividades alm da minha funo ocupacional (AAF)
Cumprir na prtica uma carga horria maior (CHM)
Desenvolver pesquisa (DP)
Executar procedimentos rpidos (EPR)
5
Ensinar o aluno (EA)
Prestar assistncia a pacientes graves (APG)
Fazer esforo fsico para cumprir o trabalho (EFT)
6
Sentir desgaste emocional com o trabalho (DET)
Trabalhar em horrio noturno (THN)
7
Fazer turnos alternados de trabalho (TAT)
Comear em uma funo nova (CFN)
8
Executar tarefas distintas simultaneamente (TDS)
Resolver imprevistos que acontecem no local de trabalho (RIT)
Fonte: Pesquisa de campo (2008)

CARGA
0,881
0,865
0,819
0,806
0,711
0,518
0,517
0,488
0,816
0,808
0,703
0,659
0,560
0,485
0,425
0,796
0,684
0,674
0,619
0,545
0,479
0,455
0,711
0,692
0,664
0,571
0,465
0,668
0,626
0,595
0,465
0,702
0,689
0,808
0,618
0,680
0,664
0,514

ALFA DE
CRONBACH ()

0,886

0,822

0,816

0,747

0,710
0,645
0,611
0,606

Tendo em vista que os fatores podem ser representados pelo relacionamento linear das
variveis, os fatores determinantes para o surgimento do estresse que resultaram deste estudo
podem ser expressos pelas seguintes equaes:
F1 0,881REM 0,865 RCM 0,819TE 0,806 RC 0,711PAP 0,518MA 0,517 EQT 0,488 DEP

F2 0,816TII 0,808FMT 0,703FRH 0,659TPD 0,560FED 0,485TAI 0,425DTP

F3 0,796 RAP 0,684 IPM 0,674 IPI 0,619 IAD 0,545 PCO 0,479TCC 0,455 RQS

F4 0,711RMF 0,692LSC 0,664 ATP 0,571AAF 0,460CHM

11
Revista Gesto Industrial

F5 0,668 DP 0,626 EPR 0,595 EA 0,465 APG

F6 0,702 EFT 0,689 DET
F7 0,808THN 0,618TAT
F8 0,680CFN 0,664TDS 0,514 RIT
4. Concluso
A Estatstica Multivariada uma ferramenta poderosa na anlise de dados, pois consiste em
um conjunto de mtodos estatsticos que permite confrontar diversas variveis simultaneamente de
cada elemento amostral. As tcnicas de estatstica multivariada tm o propsito de simplificar ou
facilitar a interpretao do fenmeno estudado e o seu desenvolvimento tem possibilitado o estudo
acurado de fenmenos cada vez mais complexos. Estas podem ser empregadas com o intuito de se
construir ndices ou variveis alternativas e grupos de elementos amostrais, analisar as relaes de
dependncia das variveis e comparar as populaes, facilitado atualmente pelo avano tecnolgico.
Isto em vista, a Anlise Fatorial uma tcnica de Estatstica Multivariada que tem como
objetivo descrever a variabilidade de um vetor aleatrio X, atravs de um nmero menor m de
variveis aleatrias, denominadas de fatores, i.e., sumariza um conjunto de variveis, das quais no
se observa tendncias explcitas, atravs da descoberta de fatores latentes que expliquem melhor
este conjunto. A aplicao desta ferramenta comprovada mediante a realizao dos testes KMO e
Bartlett de Esfericidade. O teste Alfa de Cronbach pode ser aplicada para verificar a confiabilidade
interna do constructo (instrumento de coleta de dados) e dos fatores latentes encontrados.
No estudo conduzido com profissionais mdicos da cidade de Joo Pessoa (PB), esta tcnica
demonstrou ser bem sucedida e adequada, pois atingiu o objetivo de reduzir o nmero inicial de 44
variveis, com estrutura complexa e com relaes no observveis diretamente, para oito dimenses
determinantes para o estresse. Alm disso, a anlise dos resultados possibilitou apontar as variveis
que possuem maior impacto dentro dos fatores (REM 88,10%, TII 81.60%, RAP 79,60%,
dentre outros), e estabelecer relaes lineares entre todas as variveis de um mesmo fator. Isto
facilita a interpretao e a compreenso das variveis iniciais, podendo servir como subsdio para
tomadas de deciso no gerenciamento de estresse de forma pontual, promovendo uma melhora na
produtividade e na qualidade de vida.
Pode-se concluir, ento, que a estatstica multivariada tem grande valia para a rea de
Engenharia de Produo por permitir uma maior clareza e melhor interpretabilidade dos fenmenos
complexos com que lida; e nesse estudo de caso apresentado, a tcnica utilizada proporcionou

12
Revista Gesto Industrial

verificar com exatido o quanto uma varivel ter influncia em fatores associados ao estresse em
mdicos.
Abstract
Multivariate Statistics allows the study of complex phenomena due to the possibility of treatment of
many variables simultaneously, even when the theoretic model of intervariable relations isnt
known. Factorial Analysis, one of the techniques of multivariate statistics, can be used when there is
a large number of data and the summarization is sought through latent factors that are defined
according to the behavior within the variables. This article has the objective of making a literature
review about Multivariate Statistics and demonstrating the Factorial Analysis technique application
in Production Engineering. The Inventrio de Estresse em Enfermeiros is composed of 44 variables
and was applied to 391 individuals. The Factorial Analysis extracted eight determining stress
factors that can assist its management.
Keywords: multivariate statistics, factorial analysis, production engineering.

Referncias
CORRAR, L. J.; PAULO, E.; DIAS FILHO, J. M. Anlise multivariada. FIPECAFI: Atlas, 2007.
CRIVISQUI, E. M. Anlisis factorial de correspondencias: um instrumento de investigacin em cincias socialies.
Universidad Catlica de Assuncin: Ed. Laboratrio de Informtica Social, 1993.
ESCOFIER, B.; PAGS, J. Anlisis factorialies simples y multiples: objetctivo, mtodos y interpretacin. Bilbao.
Ed. Universidad del Pais Vasco, 1992.
HAIR JUNIOR, J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Anlise multivariada de dados. 5. ed.
Porto Alegre: Bookman, 2005.
HRDLE, W.; SIMAR, L. Applied multivariate statistical analysis. 2. ed. Berlin: Springer, 2007.
JOHSON, R. A.; WICHERN, D. W. Applied multivariate statistical analysis. 3. ed. Englewood Cliffs: Prentice Hall,
1992.
MALHOTRA, N. K. Pesquisa de marketing: uma orientao aplicada. 3 ed. Porto Alegre: Ed. Bookman, 2001.
MINGOTI, S. A. Anlise de dados atravs de mtodos de estatstica multivariada: uma abordagem aplicada. Belo
Horizonte: Editora UFMG, 2005.
MORRISON, D. F. Multivariate statistical methods. New York: McGraw-Hill, 1976.
STACCIARINI, J. M. R.; TROCOLI, B. T. Instrumento para mensurar o estresse ocupacional: inventrio de estresse
em enfermeiros (IEE). Revista Latino-am. Enfermagem. 2000; 8(6): 40-49.

13
Revista Gesto Industrial

Dados dos autores:

Nome completo: Hanne Alves Bakke
Filiao institucional: UFPB
Departamento: Programa de Ps-Graduao em Engenharia de Produo
Funo ou cargo ocupado: Mestranda
Endereo completo para correspondncia: Rua Jos Gomes de S Filho, 85. Apt. 203 A. Bairro:
Bessa. Joo Pessoa (PB). CEP: 58.037-580.
Telefones para contato: 083 9971-5216
e-mail: h_bakke@yahoo.com.br
Nome completo: Alexandre Santos de Moura Leite
Filiao institucional: UFPB
Departamento: Programa de Ps-Graduao em Engenharia de Produo
Funo ou cargo ocupado: Mestrando
Endereo completo para correspondncia: Avenida Doutor Francisco Pinto, s/n, Bodocong.
CEP: 58.109-783.
Telefones para contato: 083 9372-1690
e-mail: asmleite@gmail.com
Nome completo: Luiz Bueno da Silva
Filiao institucional: UFPB
Departamento: Programa de Ps-Graduao em Engenharia de Produo
Funo ou cargo ocupado: Professor Adjunto IV
Endereo completo para correspondncia: Av. Acre, 130, Apto 201, Ed. Rosa Leal, Bairro dos
Estados, Joo Pessoa, Paraba, CEP: 58030-230
Telefones para contato: 83 32444166
e-mail: bueno@ct.ufpb.br

14
Revista Gesto Industrial