Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatística Multivariada - Introdução PDF
Estatística Multivariada - Introdução PDF
Texto i: INTRODUO
SUMRIO
1. INTRODUO................................................................................................................................................ 1
1.1. O QUE A ANLISE MULTIVARIADA? ................................................................................................................ 1
1.2. FERRAMENTAS COMPUTACIONAIS ...................................................................................................................... 1
1.3. DEFINIO DE ANLISE MULTIVARIADA ............................................................................................................ 1
2. CONCEITOS BSICOS.................................................................................................................................. 2
2.1. COMBINAO LINEAR DE VARIVEIS (VARIATE) .................................................................................................. 2
2.2. ESCALAS DE MEDIDA......................................................................................................................................... 3
2.2.1. Escalas qualitativas.................................................................................................................................. 3
2.2.2. Escalas quantitativas................................................................................................................................ 4
2.3. ERROS DE MEDIDA E MEDIDA MULTIVARIADA .................................................................................................... 5
2.4. SIGNIFICNCIA ESTATSTICA VERSUS PODER ESTATSTICO .................................................................................. 6
6. CONCLUSO.................................................................................................................................................19
7. REFERNCIAS..............................................................................................................................................20
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 1
SRIE: Estatstica Multivariada
Texto i: INTRODUO
1. INTRODUO
A anlise multivariada de uma forma bem geral refere-se a todos os mtodos estatsticos que
analisam simultaneamente mltiplas medidas em cada indivduo ou objeto sob investigao. Qualquer
anlise simultnea de mais de duas variveis pode ser, de certo modo, considerado como anlise
multivariada. Muitas tcnicas multivariadas so simplesmente extenses de anlises univariadas
(anlise da distribuio de uma nica varivel) e anlise bivariada (classificao cruzada, correlao,
anlise de varincia e regresso simples). Por exemplo, a regresso simples (com uma varivel
preditiva) estendida para o caso multivariado para incluir vrias variveis preditivas. Da mesma
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 1
SRIE: Estatstica Multivariada
Texto i: INTRODUO
forma, a nica varivel dependente encontrada na anlise de varincia estendida para incluir
mltiplas variveis dependentes na anlise de varincia multivariada. Em muitos casos, como poder
ser visto, a anlise multivariada um meio de realizar em uma nica anlise aquilo que exigiria
mltiplas anlises no caso univariado. Outras tcnicas multivariadas, no entanto, foram projetadas para
lidar somente com casos multivariados, tal como a anlise de fatores, que visa identificar a estrutura
subjacente de um grupo de variveis ou a anlise discriminante, para diferenciar entre grupos baseados
em um conjunto de variveis.
Uma das razes para a dificuldade de se definir a anlise multivariada que o termo
multivariado no utilizado de forma consistente na literatura. Para alguns pesquisadores,
multivariado significa simplesmente examinar o relacionamento entre duas ou mais variveis. Outros
usam o termo somente para problemas onde todas as variveis assumem por hiptese uma distribuio
multivariada. Para ser considerado verdadeiramente multivariada, no entanto, todas as variveis devem
ser aleatrias e interrelacionadas de tal forma que seus diferentes efeitos no podem ser interpretados
de maneira significativa separadamente. Outros autores declaram que o propsito da anlise
multivariada medir, explicar e predizer o grau de relacionamento entre variates (combinao linear
de variveis). Desta forma, a caracterstica multivariada repousa nas mltiplas combinaes de
variveis (variates) e no somente sobre o nmero de variveis ou observaes.
A anlise multivariada tem suas razes na anlise univariada e bivariada e a extenso para o
domnio multivariado introduz conceitos adicionais e questes que so particularmente relevantes.
Estes conceitos vo desde o entendimento conceitual do bloco estrutural bsico da anlise multivariada
- as variates - at questes especficas que lidam com o tipo de escala de medida utilizada e as
questes estatsticas da significncia dos testes e intervalos. Cada conceito desempenha um papel
importante na aplicao bem sucedida de qualquer tcnica multivariada.
A variate
Como j mencionado, o bloco bsico da construo da anlise multivariada a combinao
linear de variveis com pesos empiricamente determinados, ou simplesmente denominada de variate.
As variveis so especificadas pelo pesquisador ou analista enquanto que os pesos so determinados
pelo objetivo especfico das tcnicas multivariadas. Uma variate de n variveis ponderadas (X1 at Xn)
pode ser escrita da seguinte forma: Valor da variate = w1X1 + w2X2 + ... + wnXn,
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 2
SRIE: Estatstica Multivariada
Texto i: INTRODUO
Medidas no-mtricas podem ser feitas tanto com uma escala nominal quanto com uma
ordinal. Uma medida com escala nominal atribui valores com o objetivo de rotular ou identificar os
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 3
SRIE: Estatstica Multivariada
Texto i: INTRODUO
objetos. Escalas nominais, tambm conhecidas como escalas categricas, fornecem o nmero de
ocorrncias (freqncias) em cada classe ou categoria da varivel sendo estudada. Os smbolos ou
nmeros atribudos a cada categoria no tem um significado quantitativo alm o de indicar a presena
ou ausncia do atributo ou caracterstica sob investigao. Exemplos de escalas nominais so: sexo,
religio, preferncia poltica, estado civil, etc.
A escala ordinal o nvel seguinte das escalas de medidas. Variveis podem ser ordenadas
atravs de escalas ordinais com respeito a quantidade do atributo que possuem. Cada subcategoria
pode ser comparada com outra em termos das relaes "maior que" ou "menos que". Por exemplo
nveis diferentes de satisfao do consumidor com alguns produtos novos podem ser ilustrados por
uma escala ordinal.
Produto A Produto B Produto C
As escalas mtricas incluem a de intervalo e a de razo. Estas escalas permitem uma medida
real do atributo sendo mensurado e praticamente todas as operaes matemticas podem ser aplicadas.
Estas escalas possuem unidades constantes de medida de modo que as diferenas entre duas categorias
so idnticas. A nica diferena real entre uma escala de intervalo e uma escala de razo que as de
intervalo possuem um zero arbitrrio enquanto que as de razo possuem um ponto zero absoluto. As
escalas de intervalo mais conhecidas so as que medem a temperatura como a Celsius e a Fahrenheit.
Ambas possuem um ponto zero arbitrrio, isto , no significando uma quantidade zero de temperatura
ou ausncia completa de temperatura. Da mesma forma no possvel afirmar que um certo valor num
escala de intervalo mltiplo de algum outro na escala. Por exemplo, uma temperatura de 80F numa
escala diferente no o dobro da temperatura de 40F porque 80F na escala Celsius 26,7C. Do mesmo
modo o valor 40F na escala Celsius 4,4C. Embora 80 seja o dobro de 40, no se pode afirmar que o
calor de 80F o dobro do calor de 40F, porque usando uma escala diferente o calor medido no o
dobro, isto , 2. 4,4C 8,8C.
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 4
SRIE: Estatstica Multivariada
Texto i: INTRODUO
A escala de razo o mais alto nvel de medida possvel, porque ela apresenta as vantagens
das demais escalas mais um zero absoluto. Todas as operaes matemticas so permitidas com este
tipo de escala. O peso, por exemplo, medido por uma escala deste tipo. Quando se diz que alguma
coisa pesa 10 kg, isto significa exatamente o dobro de algo que pesa 5kg, no importando se for
expresso em kg ou outra unidade qualquer. Aqui um peso zero significa ausncia total da
caracterstica, isto , peso.
Entender os diferentes tipos de escala de medida importante por duas razes. Primeiro
necessrio identificar a escala de medida usada para cada varivel para que dados mtricos no sejam
usados incorretamente como se fossem no-mtricos e vice-versa. Segundo, a escala de medida um
fator crtico na determinao do tipo de tcnica multivariada que ser mais apropriada para os dados
levando em considerao as variveis dependentes e independentes.
O objetivo de reduzir o erro de medida pode ser alcanado de vrias formas. Ao tratar o grau
de erro de medida presente em qualquer medida o analista pode tanto tratar da validade quanto da
confiabilidade. A validade o grau com que a medida acuradamente representa aquilo que ela se
prope a representar. Assegurar a validade comea com o entendimento correto do que deve ser
medido e ento com a determinao da medida to corretamente e acuradamente quanto possvel. No
entanto acurcia no assegura validade.
Supondo que a medida vlida, isto , representa aquilo que se prope a medir, existem ainda
consideraes sobre a confiabilidade da medida. Confiabilidade o grau com o qual a varivel
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 5
SRIE: Estatstica Multivariada
Texto i: INTRODUO
considerada mede o verdadeiro valor e est livre de erros. Se a mesma medida, por exemplo, feita
vrias vezes, medidas confiveis mostraro uma consistncia mais alta do que medidas menos
confiveis.
Um outro procedimento a ser seguido desenvolver medidas multivariadas, tambm
conhecidas como escalas somadas, onde vrias variveis so agrupadas para representar uma varivel
composta (por exemplo, escalas de personalidade de itens mltiplos ou classe de um produto). O
objetivo evitar o uso de uma nica varivel para representar um conceito e ao invs usa-se vrias
variveis como indicadores, todas representando diferentes facetas do conceito para obter uma
perspectiva mais global. O uso de mltiplos indicadores permite ao pesquisador especificar mais
precisamente as respostas desejadas e no colocar total confiana em uma nica resposta mas ao invs
numa resposta mdia ou tpica de um conjunto relacionado de respostas. A idia que respostas
mltiplas refletem de forma mais acurada a verdadeira resposta do que uma nica.
O impacto de erros de medida e uma confiabilidade pobre no podem ser vistos diretamente
pois eles esto embutidos nas variveis observadas. Resultados ruins nem sempre so devidos a erros
de medida, mas a presena de erros de medida seguramente distorcer o relacionamento observado e
tornar a tcnica multivariada menos poderosa.
deveria ser aceita. A probabilidade de se cometer o erro do tipo II representada por (beta). No
entanto, uma probabilidade mais interessante 1- , que a probabilidade de tomar uma deciso
correta, isto , a probabilidade de se rejeitar a hiptese nula quando ela falsa. Esta probabilidade
denominada de poder do teste.
O poder no apenas uma funo de , ele , na realidade, uma resultante de trs fatores:
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 7
SRIE: Estatstica Multivariada
Texto i: INTRODUO
3 . T I P O S D E T C N I C A S M U LT I VA R I A D A S
A regresso mltipla o mtodo de anlise apropriado quando o problema envolve uma nica
varivel (mtrica) dependente que se presume estar relacionada com uma ou mais (tambm mtricas)
variveis independentes. O objetivo da anlise de regresso prever as mudanas na varivel
dependente em resposta s mudanas que ocorrem nas vrias variveis independentes. Este objetivo
quase sempre alcanado atravs do mtodo dos mnimos quadrados.
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 8
SRIE: Estatstica Multivariada
Texto i: INTRODUO
produto, homens de mulheres e crditos bons de crditos ruins, etc. At a receita federal americana
utiliza a anlise discriminante para comparar o pagamento de impostos de renda de locais selecionados
com um contribuinte hipottico e para identificar os retornos mais promissores e as reas de auditoria.
Anlise cannica de correlao pode ser vista como uma extenso lgica da anlise de
regresso mltipla. Lembre-se que anlise de regresso mltipla envolve uma nica varivel
dependente mtrica e vrias variveis independentes tambm mtricas. Na correlao cannica o
objetivo correlacionar simultaneamente vrias variveis dependentes mtricas com vrias variveis
independentes tambm mtricas. Enquanto a regresso mltipla envolve uma nica varivel
dependente, a correlao cannica envolve mltiplas variveis dependentes. O princpio subjacente
desenvolver uma combinao linear de cada conjunto de variveis (tanto dependentes quanto
independentes) para maximizar a correlao entre os dois conjuntos. Em outras palavras, o
procedimento envolve obter um conjunto de pesos para as variveis dependentes e independentes que
forneam a correlao simples mxima entre o conjunto das variveis dependentes e as independentes.
A tcnica do modelo linear de probabilidade tambm conhecida como anlise de logit uma
combinao de regresso mltipla e anlise discriminante mltipla. Ela semelhante a anlise de
regresso mltipla no sentido de que uma ou mais variveis independentes so utilizadas para prever
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 9
SRIE: Estatstica Multivariada
Texto i: INTRODUO
uma nica varivel dependente. O que distingue o modelo linear de probabilidade da regresso
mltipla que a varivel dependente no-mtrica como na anlise discriminante. A escala no-
mtrica da varivel dependente requer uma abordagem diferenciada na estimao e nas hipteses sobre
a distribuio subjacente, mas em muitas outras caractersticas semelhante regresso mltipla.
Desta forma, uma vez que a varivel dependente seja corretamente especificada e a tcnica de
estimao apropriada seja empregada, os fatores bsicos considerados na regresso mltipla sero
utilizadas aqui da mesma forma. O modelo linear de probabilidade se diferencia da anlise
discriminante primeiramente porque ele acomoda qualquer tipo de varivel independente (tanto
mtricas quanto no-mtricas) e no necessita da hiptese de normalidade multivariada. No entanto,
em muitas situaes, particularmente com mais de dois nveis na varivel dependente a anlise
discriminante uma tcnica mais apropriada.
A anlise conjunta uma tcnica dependente emergente que criou novas formas de avaliao
de objetos, tanto se forem produtos quanto se forem servios ou idias. A aplicao mais direta no
desenvolvimento de novos produtos e servios, permitindo a avaliao de produtos complexos
enquanto mantm um contexto realstico de deciso para o respondente. O analista de marketing
capaz de avaliar a importncia dos atributos bem como dos nveis de cada atributo enquanto que os
consumidores avaliam somente uns poucos perfis de produtos, que so combinaes de nveis de
produtos. Por exemplo, suponha um conceito de produto com trs atributos (preo, qualidade e cor),
cada um com trs possveis nveis (por exemplo, vermelho, amarelo e azul). Ao invs de precisar
avaliar todas as 27 (3.3.3) possveis combinaes, um subconjunto (9 ou mais) pode ser avaliado pela
sua atratividade para o consumidor e o analista sabe, no somente quo importante cada atributo, mas
tambm a importncia de cada nvel (a atrao do vermelho versus amarelo versus azul). Alm disso,
quando a avaliao do consumidor completada, os resultados da anlise conjunta podem tambm ser
usados em simuladores de projetos de produtos, que mostram a aceitao do consumidor para qualquer
nmero de produtos formulados e ajudam no projeto do produto timo.
A modelagem por equaes estruturais muitas vezes denominada LISREL (que o nome de
um dos pacotes de software mais populares), uma tcnica que permite separar relacionamentos para
cada um dos conjuntos de variveis dependentes. Em termos simples, a tcnica fornece um mtodo de
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 10
SRIE: Estatstica Multivariada
Texto i: INTRODUO
estimao apropriado e eficiente para uma srie de equaes de regresses mltiplas separadas serem
estimadas simultaneamente. Ela caracterizada por duas componentes bsicas:
(1) O modelo estrutural e
(2) O modelo de medida.
O modelo de medida permite que o analista uso vrias variveis (indicadores) para uma nica
varivel dependente ou independente. Por exemplo, a varivel dependente poder ser um conceito
representado por uma escala agregada tal como auto-estima. No modelo de medida o analista pode
avaliar a contribuio de cada item da escala bem como incorporar quo bem a escala mede o conceito
(confiabilidade) na estimao do relacionamento entre as variveis dependentes e independentes. Este
procedimento semelhante a executar a anlise de fatores dos itens da escala e usar os escores dos
fatores na regresso.
As tcnicas discutidas acima esto centradas em mtodos multivariados aplicados a dados que
contm tanto variveis dependentes quanto independentes. No entanto, se o pesquisador esta
investigando as interpelaes e desta forma a interdependncia entre todas as variveis, sem se
preocupar se as variveis so dependentes ou independentes ento, vrias outras tcnicas multivariadas
so apropriadas. Estas tcnicas incluem: anlise de fatores, de conglomerados, escalonamento
multidimensional e anlise de correspondncia.
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 11
SRIE: Estatstica Multivariada
Texto i: INTRODUO
Em sua forma bsica a anlise de correspondncia emprega uma tabela de contingncia, que
a tabulao cruzada de duas variveis categricas. Ela ento transforma os dados no-mtricos a um
nvel mtrico e executa a reduo dimensional (semelhante a anlise de fatores) e o mapa perceptvel
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 12
SRIE: Estatstica Multivariada
Texto i: INTRODUO
4 . C L A S S I F I C A O D A S T C N I C A S M U LT I VA R I A D A S
Uma tcnica dependente pode ser definida como aquela em que uma varivel ou um conjunto
de variveis so identificadas como variveis dependentes para serem previstas ou explicadas por
outra ou outro conjunto de variveis conhecidas como independentes. Um exemplo de uma destas
tcnicas a anlise mltipla de regresso. Em contraste, uma tcnica interdependente aquela em
que uma nica varivel ou um grupo de variveis so definidas como sendo dependentes ou
independentes. Alm disso, o procedimento envolve a anlise de todas as variveis no conjunto
simultaneamente. A anlise de fatores uma tcnica de interdependncia.
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 13
SRIE: Estatstica Multivariada
Texto i: INTRODUO
Com respeito ao nmero de variveis dependentes estas tcnicas podem ser classificadas
como tendo uma nica varivel dependente, vrias variveis dependentes ou mesmo vrias relaes de
dependncia ou independncia. As tcnicas dependentes podem, ainda, ser classificadas como
apresentando variveis mtricas (quantitativa/numrica) ou no-mtricas (qualitativas/categricas)
dependentes. Se a anlise envolve uma nica varivel dependente que mtrica, a tcnica apropriada
tanto anlise mltipla de regresso quanto anlise conjunta. A anlise conjunta um caso especial.
um procedimento dependente que pode tratar a varivel dependente tanto como mtrica ou no-
mtrica, dependendo das circunstncias. Por outro lado, se a nica varivel dependente categrica
ento a tcnica apropriada a anlise discriminante ou modelos lineares de probabilidade. Em
contraste, quando o problema envolve vrias variveis dependentes, quatro outras tcnicas de anlise
so apropriadas. Se as vrias variveis dependentes so mtricas deve-se ento olhar para as variveis
independentes. Se as variveis independentes so no-mtricas a tcnica de anlise multivariada de
varincia deve ser selecionada. Se elas forem mtricas ento anlise cannica de correlao a tcnica
a ser empregada. Se as vrias variveis dependentes so no-mtricas, elas podem ser transformadas
atravs de variveis dummy codificadas como 0 ou 1 e ento a anlise cannica pode novamente ser
empregada. Finalmente se um conjunto relacionamentos de variveis dependentes/independentes pode
ser assumido ento a modelagem por equaes estruturais pode ser empregado.
Existe uma relao estreita entre os vrios procedimentos dependentes e elas podem ser vistas
como uma famlia de tcnicas. A tabela 4.1 define as vrias tcnicas dependentes multivariadas em
termos da natureza e do nmero das variveis dependentes e independentes. Como pode ser visto, a
correlao cannica pode ser considerada como um modelo geral sobre o qual muitas outras tcnicas
multivariadas esto baseadas, porque ela coloca as mais baixas restries tanto no tipo quanto no
nmero de variveis em ambas as variates dependente e independente. As restries so colocadas nas
variates, concluses mais precisas podem ser alcanadas baseadas na escala especfica de medida dos
dados. Desta forma, as tcnicas multivariadas abrangem desde o mtodo geral de anlise cannica at
o mais especializado representado pela modelagem de equaes.
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 14
SRIE: Estatstica Multivariada
Texto i: INTRODUO
Dependncia: Interdependncia:
Mtrica No-mtrica
Mtrica No-mtrica
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/ 15
SRIE: Estatstica Multivariada
Texto i: INTRODUO
Correlao cannica
Y1 + Y2 + Y3 + .. + Yn = X1 + X2 + X3 + ... + Xn
(Qualitativas, Quantitativas ) (Qualitativas, Quantitativas )
Anlise multivariada de varincia
Y1 + Y2 + Y3 + ... + Yn = X1 + X2 + X3 + ... + Xn
(Quantitativas ) (Qualitativas)
Anlise de varincia
Y = X1 + X2 + X3 + ... + Xn
(Quantitativas ) (Qualitativas)
Anlise discriminante mltipla
Y = X1 + X2 + X3 + ... + Xn
(Qualitativa) (Quantitativas )
Anlise de regresso mltipla
Y = X1 + X2 + X3 + ... + Xn
(Quantitativa) (Quantitativas, Qualitativas)
Anlise conjunta
Y = X1 + X2 + X3 + ... + Xn
(Quantitativa, Qualitativa) (Qualitativas)
Modelagem por equaes estruturais
Y1 = X11 + X12 + X13 + ... + X1n
Y2 = X21 + X22 + X23 + ... + X2n
................................................
Ym = Xm1 + Xm2 + Xm3 + ... + Xmn
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/
SRIE: Estatstica Multivariada
Texto i: INTRODUO
As tcnicas interdependentes so mostradas no lado direito da figura 4.1. Deve-se lembrar que
neste tipo de tcnica as variveis no so classificadas como dependentes ou independentes. Ao invs,
todas as variveis so analisadas simultaneamente em um esforo para encontrar uma estrutura
subjacente para todo o conjunto de variveis ou elementos. Se a estrutura das variveis para ser
analisada, ento anlise de fatores a tcnica apropriada. Se casos ou respondentes devem ser
agrupados para representar a estrutura, ento a anlise de conglomerados a tcnica selecionada.
Finalmente, se o interesse reside na estrutura dos objetos, ento a tcnica da reduo multidimensional
deve ser aplicada. Assim como nas tcnicas dependentes, as propriedades das medidas das tcnicas
devem ser consideradas. No entanto, dados no-mtricos podem ser transformados atravs de variveis
dummy para uso com anlise de fatores e de conglomerados. A abordagem mtrica e no-mtrica foi
desenvolvida para a reduo multidimensional. Se a interdependncia dos objetos medidos por dados
no-mtricos deve ser analisada, a anlise de correspondncia tambm uma tcnica apropriada.
5 . A N L I S E M U LT I VA R I A D A : I N T E R P R E TA O
O analista deve considerar a significncia estatstica dos resultados, claro, mas tambm seu
significado prtico. A significncia prtica obtida respondendo a questo "E agora?". Para qualquer
aplicao gerencial, os resultados devem ter um efeito demonstrvel que justifique a ao.
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/
SRIE: Estatstica Multivariada
Texto i: INTRODUO
resultados significativos para se assegurar que eles possuem significncia prtica, devido ao
crescimento do poder estatstico em virtude do tamanho da amostra. O tamanho da amostra afeta
tambm os resultados quando a anlise envolve grupos de resposta tal como na anlise discriminante e
MANOVA. Tamanhos desiguais entre grupos influenciam os resultados e requerem interpretaes
adicionais e/ou anlises.
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/
SRIE: Estatstica Multivariada
Texto i: INTRODUO
6. CONCLUSO
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/
SRIE: Estatstica Multivariada
Texto i: INTRODUO
7. REFERNCIAS
AAKER, David A., DAY, George S. Marketing Research (3e). New York: John Wiley & Sons, 1986.
DILLON, William R., MADDEN, Thomas J., FIRTLE, Neil H. Marketing Research in a Marketing
Environment (Third edition). Boston, Massachusetts: IRWIN, 1987, 760 pp.
HAIR, Joseph F., Jr.. ANDERSON, Rolph E., TATHAM, Ronald L., BLACK William C.
Multivariate Data Analyis: with readings (fourth edition). Upper Saddle River, New Jersey:
Prentice Hall, 1995. 745 pp.
MASON, Robert D., DOUGLAS, Lind A. Statistical Techniques in Business And Economics. IRWIN,
Boston, 1990.
NORUIS, Marija J., SPSS Inc. SPSS for Windows Professional Statistics, Release 5. Chicago,
IL: SPSS Inc., 1992.
STEVENS, James. Applied Multivariate Statistics For The Social Sciences. Mahwah, New Jersey:
LEA Lawrence Erbaum Associates, Publishers. 1996.
Pr of. L or Via li , Dr . via li@pu crs.br http://w ww.ma t.pu cr s.br/~via li/