Escolar Documentos
Profissional Documentos
Cultura Documentos
para compreender a estrutura subjacente dos dados (saber como as variveis se comportam com relao aos
construtos).
para ter uma melhor visualizao dos dados e maior facilidade de interpretao dos resultados.
para preparar os dados para o uso de outras tcnicas estatsticas multivariadas subseqentes.
para suportar empiricamente hipteses ou teorias sobre a quantidade de dimenses de um fenmeno e a
maneira como as variveis se agrupam.
X1
X2
F1
X3
Communalities
s1 - localizao
s2 - Bandeira/Marca BR
s3 - Aparncia / Visual
s4 - Facilidade de Acesso
s5 - Preo do combustvel
s6 - Espao interno para
manobra
Initial
1,000
1,000
1,000
1,000
1,000
Extraction
,503
,670
,548
,598
,687
1,000
,582
,813
Approx. Chi-Square
df
Sig.
1050,502
210
,000
a. Based on correlations
KMO (Kaiser-Meyer-Olkin): outro ndice para avaliar a adequacidade da Anlise Fatorial. Valores altos
(entre 0,50 e 1,00) indicam que a anlise fatorial adequada; valores baixos (abaixo de 0,50) indicam que a
anlise fatorial no apropriada. No quadro acima, o KMO foi de 0,81 um bom nmero!
Autovalor (Eigenvalue): a varincia total explicada por cada fator. Como os dados so padronizados em Z
(mdia zero e desvio-padro 1), normalmente utiliza-se como critrio de corte autovalores maiores que 1, pois
se espera que um fator responda, no mnimo, pela varincia de 1 item.
Veja na tabela abaixo que a coluna total da esquerda (initial eigenvalues), o componente 1 apresenta um
autovalor de 3,56, o componente 2 de 2,9, o componente 3 de 1,73 etc. Perceba que a linha de corte foi o fator
5, pois, aps ele, os autovalores so menores do que 1. Esses 5 componentes explicam 81,5% da variabilidade
dos dados.
Total Variance Explained
Component
1
2
3
4
5
6
7
8
9
10
11
12
13
Total
3,567
2,998
1,738
1,287
1,005
,619
,551
,447
,281
,201
,166
,131
,009
Initial Eigenvalues
% of Variance Cumulative %
27,439
27,439
23,059
50,498
13,370
63,868
9,902
73,769
7,733
81,502
4,759
86,261
4,242
90,502
3,438
93,941
2,160
96,100
1,544
97,644
1,278
98,923
1,008
99,931
,069
100,000
Reliability Statistics
Cronbach's
Alpha
,897
N of Items
3
Rotation
Sums
Totalof
3,315
2,524
2,054
2,597
1,097
Correlao Parcial: a correlao que permanece inexplicada depois que os efeitos das outras variveis so
considerados. Se houver fatores verdadeiros nos dados, a correlao parcial dever ser pequena. Uma alta
correlao parcial significa que a varivel no est correlacionada com um grande nmero de outras variveis
na anlise (e ns gostaramos que estivesse!). O SPSS prov a matriz de correlao de anti-imagem, que
justamente o valor negativo da correlao parcial.
A Rotao Ortogonal, que usa o processo de rotao VariMax, uma tcnica que deve ser utilizada quando se
sabe de antemo ou se especula que os fatores/dimenses NO estejam relacionados entre si. Essa expectativa
pode estar ancorada na Reviso Terica ou em conhecimentos empricos.
J a Rotao Oblqua, que usa o processo de rotao Oblimin, uma tcnica que deve ser utilizada quando se
sabe ou se espera que haja correlao entre os fatores/dimenses.
Autovalores > 1,00. Espera-se que um fator represente, no mnimo, a varincia de uma varivel padronizada
(que 1,00).
Scree Test (grfico). Atravs do Scree Test pode-se tomar uma deciso com base na informao visual
fornecida pelo grfico (quando a inclinao em relao ao eixo X tem seu ngulo reduzido).
Conhecimento a priori. Pode-se determinar o nmero de fatores a ser extrado com base em conhecimento
prvio (respaldado na reviso de literatura ou experincia emprica), embora seja pouco comum fazer isso na
Anlise Fatorial Exploratria.
Percentual acumulado de varincia extrada. Nesse critrio, determina-se um % acumulado desejado de
varincia extrada, e esse passa a ser o ponto de corte. Ex: parar extrao quando se chegar a 90%
Existe uma estrutura subjacente (correlao) entre as variveis escolhidas. A simples existncia de
correlao entre as variveis no garantem que haja relevncia, mesmo que se cumpram as exigncias do
clculo estatstico. uma responsabilidade do pesquisador garantir que os padres observados so
conceitualmente vlidos e apropriados para a anlise fatorial.
Homogeneidade da amostra. Por exemplo: inapropriado aplicar Anlise Fatorial para uma amostra com
homens e mulheres, quando se sabe que o gnero um elemento diferenciador do comportamento/atitudes em
relao ao fenmeno estudado. Nesse caso, deveriam ser realizadas Anlises Fatoriais separadamente para
cada subamostra.
Normalidade, homocedasticidade e linearidade so premissas relativas, pois impactam negativamente a
Anlise Fatorial apenas na medida em que elas prejudicam as correlaes observadas. Essa correlao pode
ser analisada pela perspectiva global do modelo e pela perspectiva das variveis individuais. Deve-se
inspecionar visualmente da Matriz de Correlao para verificar se a maior parte das variveis possui uma
correlao maior que 0,30 (condio para que a Anlise Fatorial seja apropriada).