Você está na página 1de 13

ANÁLISE FATORIAL (AF)

„ Objetivo: como em CPs, AF busca descrever a


variação em um grupo de múltiplas variáveis em
Análise Fatorial termos de poucas v.as. chamadas fatores.
„ Covariâncias e correlações são explicadas pelos
fatores comuns.
Doutorado em Engenharia de Produção
„ Porções da variância não explicada pelos fatores
Flávio Fogliatto comuns são designadas a termos de erros,
denominados fatores únicos, os quais são
mutuamente não-correlacionados.
1 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 2

AF pressupõe matriz de cov ou cor


Diferenças principais entre AF e CP
dividida em duas partes
„ CPs são combinações lineares das variáveis „ 1a parte da matriz é gerada pelos fatores comuns.
originais. Em AF, as var. originais são expressas „ 2a parte da matriz é gerada pelos fatores únicos,
como combinações lineares dos fatores. consistindo de uma matriz diagonal.

Importante:
„ Na análise de CPs, busca-se explicar a variância total
dos dados. Em AF, busca-se explicar as covariâncias „ CP busca explicar variância das variáveis.
e correlações entre variáveis.
„ AF busca explicar covariância entre variáveis.

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 3 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 4
Definição de Análise Fatorial O Modelo de Análise Fatorial
„ Procedimento estatístico para agrupamento de „ Modelo formado por três conjuntos de variáveis:
variáveis em subconjuntos tal que:
– p v.as. observadas (X1,…, Xp), c/ vetor de médias µ e
– variáveis dentro de cada subconjunto sejam altamente matriz (p × p) de covariâncias Σ.
correlacionadas entre si; e
– r v.as. não-observadas (F1,…, Fr) denominadas fatores
– variáveis em diferentes subconjuntos sejam relativamente comuns, tal que r << p.
não-correlacionadas.
– p fatores únicos e não-observados (U1,…, Up)
denominadas fatores únicos.

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 5 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 6

O Modelo (x − µ ) = Af + u
onde:
( X 1 − µ1 ) = a11 F1 + a12 F2 +K+ a1r Fr + U 1
( X 2 − µ 2 ) = a21 F1 + a22 F2 +K+ a2 r Fr + U 2 – (x - µ) é um vetor (p × 1) de elementos Xi - µi, i=1,…,p.
M
f é um vetor (r × 1) de fatores comuns linearmente
(X p − µ p ) = a p1 F1 + a p 2 F2 +K+ a pr Fr + U p

independentes, Fj, j = 1, 2,…., r.

ou, em notação matricial, – A é uma matriz (p × r) de padrões fatoriais (consistindo


das cargas desconhecidas dos fatores) aij, i=1,…,p, j = 1,
2,…., r.
(x − µ ) = Af + u
– u é um vetor (p × 1) de fatores únicos Ui, i=1,…,p.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 7 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 8
Observações & Suposições Variância de Xi, i = 1,…, p
„ Fatores F1,…, Fr são comuns a todas as p var. X. „ Variância de Xi é dividida em duas partes:
„ Supõe-se: r
– Fatores F1,…, Fr com média 0, variância 1 e mutuamente σ = ∑ aij2 + σ u2i
2
i Variância única ou específica.
não-correlacionados; j =1
– Fatores U1,…, Up com média 0 e variância σ 2
ui , i=1,…,p.
– Fatores F1,…, Fr e fatores U1,…, Up não-correlacionados. Comunalidade = variância explicada pelos fatores
comuns.
„ Se var. X forem padronizadas, elementos em A
r
representam as correlações entre var. X e fatores F. „ Covariância entre Xi e Xk é dada por: ∑a a
j =1
ij kj

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 9 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 10

Fatores são obtidos da matriz de


correlações Matriz de correlações
„ Ou seja, Xi são padronizadas, com média 0 e „ Matriz de correlações das var. X é dada por:
variância 1.
ρ = AA ′ + Ψ matriz diagonal (p × p) c/ elementos σ 2u
i

„ Equações do modelo de análise fatorial passam a ser:

(x − µ ) = Af + u „ Observe que A e Ψ totalizam p(r + 1) elementos, os


padronização quais devem ser estimados a partir dos p(p + 1)/2
x = Af + u
elementos de ρ.
r
∑ aij é a proporção de V(Xi) explicada pelos
2 „ Assim, p(p + 1)/2 deve ser maior que p(r + 1); logo, r
„
j =1 deve ser mantido pequeno.
fatores comuns.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 11 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 12
Estimação do modelo fatorial
usando Componentes Principais Usando CPs na estimação...
„ Para uma matriz (n × p) de observações X, o modelo „ O modelo dos CPs é dado por:
de análise fatorial pode ser expresso como:
X = ZV ′
X = FA ′ + U
lado direito da equação é
inteiramente desconhecido. onde V é a matriz de autovetores de X′X.
onde:
„ A expressão acima por ser reescrita como:
F (n × r) é a matriz não-observada c/ os valores dos r fatores
comuns para as n observações.
A′ (r × p) é a matriz de cargas desconhecidas dos r fatores.
(
X = ZΛ
−1
2
)( Λ 2 V′
1
)
U (n × p) é a matriz não-observada c/ os valores dos p fatores matriz diagonal
únicos para as n observações. de autovalores
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 13 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 14

Particionando as matrizes p/
F e A são estimados a partir dos CPs representar os r CPs utilizados

( )( ) ( )( Λ V ′)
−1
„ O modelo dos CPs é: −1
X = ZΛ Λ V′ X = ZΛ
1 1
2 2 2 2

„ A partição visa isolar os r primeiros CPs:


X = F A′ + U Z = (Z 1 Z 2 ) ⎡Λ 0⎤
Λ=⎢ 1
⎣0 Λ 2 ⎥⎦
(n × p) (n × r) [n × (p- r)] (p × p)
„ Como o no de fatores (r) é normalmente menor que (r × p)
(p × p) (r × r)
p, reteremos somente os primeiros r CPs na
representação do modelo fatorial. ⎡ V ′⎤ [(p- r) × (p - r)]
V′ = ⎢ 1 ⎥
⎣ V2′ ⎦ [(p- r)×p]

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 15 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 16
Reescrevendo o modelo fatorial a Algumas observações antes do
partir das partições exemplo...
„ Solução baseada em CPs é uma aproximação, já que
(
X = Z1V1′ + Z 2 V2′ = Z1Λ − 12
1 )( Λ V ′) + Z V ′
1

1
2
1 2 2
$ $
.U ′U dificilmente resultará diagonal.

„ Elementos fora da diagonal de U$ ′U$ serão


F$ A′
$ + $
U considerados desprezíveis.
ou seja, „ Essa suposição implica em fatores que capturem toda
a covariância entre variáveis originais.
F$ = Z1Λ−1 2 $ ′ = Λ112 V1′ $ = Z 2 V2′
1
A U „ CPs geram estimativas simples dos escores dos
fatores: $ − 12
F = XV1Λ 1
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 17 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 18

Um exemplo simples A matriz de correlações é dada por:


„ Uma garota de 12 anos deu notas a pessoas Gentil Inteligente Feliz Afável Justo
conhecidas, relativamente a 5 quesitos, usando uma Gentil 1 0,296 0,881 0,995 0,545
Inteligente 0,296 1 -0,022 0,326 0,837
escala de 1 a 9:
Feliz 0,881 -0,022 1 0,867 0,13
Pessoas / Quesitos Gentil Inteligente Feliz Afável Justo
Afável 0,995 0,326 0,867 1 0,544
Colega do sexo feminino 1 1 5 5 1 1 Justo 0,545 0,837 0,13 0,544 1
Irmã 8 9 7 9 8
Colega do sexo feminino 2 9 8 9 9 8
Pai 9 9 9 9 9 A partir da matriz R, dois fatores deverão surgir agrupando as
Professor 1 9 1 1 9
Colega do sexo masculino 9 7 7 9 9
seguintes variáveis:
Colega do sexo feminino 3 9 7 9 9 7
{Gentil, Feliz, Afável}
{Inteligente, Justo}

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 19 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 20
Resultados da análise no SPSS Matriz de cargas é dada por:
Total Variance Explained
Component Matrixa
Initial Eigenvalues Extraction Sums of Squared Loadings
Component
% of Cumulative % of Cumulative
1 2 3 4 5
Component Total Variance % Total Variance %
Último λ ≅ 0;
GENTIL ,969 -,231 -7,85E-02 -2,39E-02 -5,58E-09
1 3,263 65,265 65,265 3,263 65,265 65,265
2 INTELIGE ,519 ,807 ,280 -2,16E-02 -7,28E-10
1,538 30,766 96,031 1,538 30,766 96,031
3 ,168 3,357 99,388 ,168 3,357 99,388 R é singular. FELIZ
AFÁVEL
,785
,971
-,587
-,210
,168
-3,94E-02
,108
-,109
1,424E-09
3,797E-09
4 3,059E-02 ,612 100,000 3,059E-02 ,612 100,000
5 -5,00E-17 -1,001E-15 100,000 5,004E-17 1,001E-15 100,000 JUSTO ,704 ,667 -,231 7,850E-02 1,396E-09
Extraction Method: Principal Component Analysis. Extraction Method: Principal Component Analysis.
a. 5 components extracted.

Component Matrixa P/ obter CPs, divida os valores da


Comunalidades obtidas somando quadrado das cargas
Component matriz de componentes ao lado
1 2 3 4 5 dos fatores retidos; variância específica é dada por
GENTIL ,969 -,231 -7,85E-02 -2,39E-02 -5,58E-09 pela raiz quadrada do autovalor (1 - comunalidade).
INTELIGE ,519 ,807 ,280 -2,16E-02 -7,28E-10
FELIZ ,785 -,587 ,168 ,108 1,424E-09
correspondente.
Comunalidadei Variância específica i
AFÁVEL ,971 -,210 -3,94E-02 -,109 3,797E-09
GENTIL 0,993 0,007
JUSTO ,704 ,667 -,231 7,850E-02 1,396E-09
CP1 = [0.537 0.288 0.434 0.537 0.390]
INTELIGE 0,921 0,079
Extraction Method: Principal Component Analysis. FELIZ 0,960 0,040
a. 5 components extracted.
AFÁVEL 0,987 0,013
CP2 = [− .186 0.651 − .473 − .169 0.538] JUSTO 0,940 0,060

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 21 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 22

Matriz de scores é dada por: Instruções para utilização do SPSS


1 5 5 1 1 c Entre os dados na planilha de dados; para editar o nome das colunas,
8 9 7 9 8 0,9694553 -0,23115
9 8 9 9 8 0,5194021 0,806945 clique no botão da direita em cima da coluna e selecione “define variable”.
9 9 9 9 9
× 0,78451739 -0,58724
1
9
9
7
1
7
1
9
9
9
0,97087045 -0,20995
0,70396444 0,666927 d Em “Statistics”, selecione “Data Reduction” e “Factor…”.
9 7 9 9 7
V1Λ1 e Defina as variáveis a serem analisadas.
1
2

X
f Em “Descriptives”, escolha as opções desejadas para estatísticas sumárias.

• Indivíduos 2, 3, 4, 6 e 7 são gentis, Escores F1 Escores F2 g Em “Extraction”, defina o método de extração dos fatores (no caso, CPs);
9,16 1,32 defina também sobre qual matriz a análise deve ser feita (covariância ou
felizes e afáveis. 32,29 4,75 correlação) e se você deseja utilizar o critério do autovalor 1 para limitar o
34,31 2,54 número de fatores.
• Indivíduo 5 é inteligente e justo. 35,53 4,01
13,74 12,24 h A opção “Rotation” vai ser utilizada mais adiante.
• Indivíduo 1 não se destaca por 32,93 3,57
33,09 1,06
nenhuma destas características.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 23 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 24
Estimação do modelo fatorial O método usa as seguintes
usando o método do Fator Principal estimativas de Ψ
„ No método anterior, cargas foram obtidas a partir de ⎡ hˆ12 s12 L s1 p ⎤
R ou S, sendo a matriz Ψ negligenciada. ⎢
s hˆ22 L s2 p ⎥

S − Ψ = ⎢ 21
ˆ estimador
1
hˆi2 = sii − ii
⎢ M M M ⎥ s
„ No método do fator principal (ou eixo principal), usa ⎢ ⎥
⎢⎣ s p1 s p2 L hˆ p2 ⎥⎦
uma estimativa inicial de Ψ, tal que: iésimo elemento na diagonal
de S-1.
S−Ψ = Λˆ Λˆ ′
ˆ ~ comunalidade associada
à pésima variável original.
ou
⎡ hˆ12 r12 L r1 p ⎤
R−Ψ = Λˆ Λˆ ′
ˆ ~ ⎢
ˆ = ⎢ r21 hˆ22 L r2 p ⎥

1
R−Ψ estimador hˆi2 = 1 − ii
⎢M M M ⎥
„ Λ̂ é (p × m) sendo calculada usando os autovalores ⎢ ⎥
r
⎣⎢rp1 rp 2 L hˆ p2 ⎥⎦
e autovetores das matrizes acima.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 25 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 26

Método do fator principal só pode ser


usado se R / S forem não-singulares Comparativo de resultados

„ No exemplo anterior, por exemplo, método não Cargas CPs Cargas Fat. Princ. Comunalidades
Variáveis f1 f2 f1 f2
poderia ser utilizado. Gentil 0,969 -0,231 0,981 -0,21 0,995
Inteligente 0,519 0,807 0,487 0,774 0,837
Feliz 0,785 -0,587 0,771 -0,554 0,881
„ Quando R singular, usa-se o valor absoluto da maior Afável 0,971 -0,21 0,982 -0,188 0,995
correlação na iésima coluna de R como estimativa da Justo 0,704 0,667 0,667 0,648 0,837
Var. Acumulada 0,653 0,96 0,704 1,01
comunalidade.
referem-se às cargas obtidas
via fatores principais.

Verificando resultados no exemplo anterior Os resultados são quase idênticos.


(resultados não poderão ser testados no SPSS)

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 27 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 28
Outros métodos para obtenção de
fatores Comparativo de Métodos
„ Método da Máxima Verossimilhança „ Métodos podem gerar valores distintos.

„ Método do Image factoring „ Todavia, em amostras de populações p/ as quais o


modelo fatorial básico é válido, métodos resultam em
„ Método do Alpha factoring cargas similares.
„ Método dos mínimos quadrados, etc. „ Neste contexto, a escolha da técnica não é
importante.
„ Normalmte, quando o no de variáveis é grande,
Como escolher entre os métodos geram resultados similares, independente do
diferentes métodos?
ajuste.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 29 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 30

Determinação do no de fatores (r) n Autovalor 1


„ Etapa mais importante na estimação do modelo: „ λ = 1 é a média aritmética dos autovalores da matriz
– r muito grande → fatores únicos estarão misturados nos de correlações.
fatores comuns.
– r muito pequeno → omissão de fatores comuns „ Var(Xi) = 1, p/ todos os Xi na matriz de correlações.
importantes.

„ Regras p/ determinação do no de fatores: „ Logo, critério sugere que fatores sejam retidos se
n critério do autovalor 1 explicarem pelo menos tanto quanto a variância de
o limites inferiores dados por Ψ$1 e Ψ
$ 2. uma variável individual.
p Testar significância das correlações remanescentes em U.

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 31 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 32
o Limites inferiores dados por $1 e Ψ
Ψ $2
. o Limites inferiores dados por $1 e Ψ
Ψ $2
.

„ Ψ$ 1 = matriz diagonal c/ elementos d1i = (1-R2i), „ Limites inferiores p/ r são dados pelo no de
i=1,…,p, onde Ri é a maior correlação entre Xi e as autovalores positivos obtidos de Ψ $1 e Ψ$2 .
demais variáveis X1,….,Xp.

„ Ψ$ 2 = matriz diagonal c/ elementos d = (1-R2 ),


2i i
2
i=1,…,p, onde R i é o coeficiente de determinação
do modelo obtido regredindo Xi contra as demais
variáveis X1,….,Xp (i.e., a correlação múltipla de Xi).

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 33 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 34

p Significância das correlações em U Rotação das cargas


„ Testa-se a hipótese H0: R = I, ou seja, correlações „ Considere a rotação ortogonal:
nulas. $* = Λ
$T
Λ T = ortogonal
„ Se a hipótese for verdadeira, a estatística de teste: TT′ = I

− [n − ( 16 )(2 p + 11)]∑ j =1 ln λ j
p
„ Cargas rotadas preservam propriedade essenciais das
cargas originais:
segue uma distr. χ2 com (1/2)p(p -1) g.d.l., onde λi – Satisfazem todas as suposições básicas.
são os autovalores da matriz R de correlações
– Reproduzem a matriz de covariância de X:
amostrais.
S≅Λ $ *′ + Ψ
$ *Λ $ =Λ $ *′ + Ψ
$ TT′Λ $ $′+Ψ
$ = ΛΛ $
„ No exemplo, a hipótese H0 não pode ser rejeitada.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 35 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 36
Geometricamente Rotações
„ $ são
Cargas na iésima linha de Λ
0.9
„ Rotações revelam agrupamentos naturais de variáveis
0.8 f2* coordenadas de um ponto no
0.7
espaço das cargas (clusters de pontos no espaço de cargas).
0.6
0.5 correspondendo a yi.
0.4 „ Qdo variáveis apresentam carga alta em somente um
0.3 „ Rotação de eixos (fatores)
0.2 fator, dados possuem estrutura simples, e
0.1 mantém configuração
f2

0 f1 geométrica dos pontos. interpretação é facilitada.


-0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-0.2
-0.3
„ Objetivo é encontrar novo „ No de fatores p/ os quais var. apresenta cargas
-0.4 marco de referência onde moderadas a altas ⇒ complexidade da variável.
-0.5 fatores são mais interpretáveis;
f1*
Dados c/ estrutura simples ⇒ var. c/ complexidade 1.
-0.6
-0.7
p/ tanto, deseja-se eixos „
rotados próximos do maior no
de pontos.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 37 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 38

Tipos de Rotação Tipos de Rotação


„ Ortogonal → rotação rígida dos eixos „ Oblíqua → rotação não-rígida dos eixos
perpendiculares originais (como no exemplo perpendiculares originais.
gráfico).
Características:
Características: – eixos não permanecem perpendiculares,
– eixos permanecem perpendiculares, – comunalidades alteradas,
– distâncias e ângulos entre pontos permanecem inalterados, – eixos de referência passam mais próximos dos clusters de
– comunalidades permanecem inalteradas, pontos, já que ortogonalidade não é observada.
– somente eixos de referência são alterados.

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 39 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 40
Rotações Ortogonais Rotação VARIMAX
„ Rotação VARIMAX ⇒ vista na sequência. „ Cargas rotadas maximizam variância do quadrado
$ *.
das cargas em cada coluna de Λ
„ Rotação QUARTIMAX [ver Carroll, J.B. (1953). An „ Se cargas em uma coluna forem ± iguais, variância é
analytic solution for approximating simple structure próxima a zero.
in factor analysis. Psychometrika, 18, 23-28].
„ Se cargas quadradas aproximarem-se de 0 e 1 (p/ R),
variância deve aumentar.
„ Rotação EQUAMAX [ver Saunders, D.R. (1962).
„ VARIMAX procura obter cargas grandes ou
Trans-Varimax. American Psychologist, 17, 395].
pequenas, p/ facilitar interpretação.

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 41 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 42

Rotação VARIMAX no Exemplo Output no SPSS


Cargas CPs Cargas Rotadas Siga passos c a g anteriormente apresentados; limite o número de fatores
Variáveis f1 f2 f1 f2 Comunalidades para 2.
Gentil 0.969 -0.231 0.951 0.298 0.993
Inteligente 0.519 0.807 0.033 0.959 0.921 h Na opção “Rotation”, selecione VARIMAX.
Feliz 0.785 -0.587 0.975 -0.103 0.96
Afável 0.971 -0.21 0.941 0.317 0.987
Justo 0.704 0.667 0.263 0.933 0.94 „ Outputs:
Var. Acumulada 0.653 0.96 0.562 0.96
Communalities

Initial Extraction
GENTIL 1.000 .993
INTELIGE 1.000 .921 Primeira tabela apresenta
„ Rotação aproximou eixos (fatores) dos dois clusters FELIZ
AFÁVEL
1.000
1.000
.960
.987 comunalidades.
de dados observados no gráfico. JUSTO 1.000 .940
Extraction Method: Principal Component Analysis.

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 43 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 44
Output no SPSS Output no SPSS
Total Variance Explained
Component Matrixa
Component Transformation Matrix
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Component
% of Cumulative % of Cumulative % of Cumulative Component 1 2
1 2 1 .859 .512
Component Total Variance % Total Variance % Total Variance %
GENTIL .969 -.231
1 3.263 65.265 65.265 3.263 65.265 65.265 2.811 56.220 56.220 2 -.512 .859
INTELIGE .519 .807
2 1.538 30.766 96.031 1.538 30.766 96.031 1.991 39.812 96.031 Extraction Method: Principal Component Analysis.
FELIZ .785 -.587
3 .168 3.357 99.388 Rotation Method: Varimax with Kaiser Normalization.
AFÁVEL .971 -.210
4 3.059E-02 .612 100.000 JUSTO .704 .667
5 -5.00E-17 -1.001E-15 100.000 Extraction Method: Principal Component Analysis.
Extraction Method: Principal Component Analysis. a. 2 components extracted.

Matriz ortogonal utilizada


Rotated Component Matrixa na rotação Varimax.
Component
1 2
GENTIL .951 .298
INTELIGE 3.295E-02 .959
FELIZ .975 -.103
Variância acumulada por Variância acumulada por AFÁVEL .941 .317 Cargas antes e depois
JUSTO .263 .933
fator antes da rotação (fatores fator após rotação. Extraction Method: Principal Component Analysis. da rotação.
Rotation Method: Varimax with Kaiser Normalization.
extraídos via CP). a. Rotation converged in 3 iterations.

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 45 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 46

Rotações Oblíquas Rotações Oblíquas


„ Ao invés da matriz ortogonal de rotação T usaremos „ Oblimin ou Direct Oblimin ⇒ objetiva minimizar a
matriz oblíqua Q, tal que covariância do quadrado das cargas entre colunas
(isto é, concentrar comunalidade em poucos fatores).
f * = Q ′f
Proposta por Harris e Kaiser.
como consequência,
„ Outras rotações:
cov( f ) = Q ′IQ = Q ′Q ≠ I
*
– Oblimax
Revistas em
– Quartimin Hakstian, A.R. (1971). A comparative
ou seja, novos fatores são correlacionados. evaluation of several prominent
– Orthoblique
methods of oblique factor
„ Novas cargas são listadas na matriz de padrões – Procrustes transformation. Psychometrika, 36,
(pattern matrix). – Promax 175-193.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 47 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 48
Rotação OBLIMIN no exemplo Exercício 1
Cargas CPs Rotação Varimax Rotação Oblimin
Variáveis f1 f2 f1 f2 f1 f2
„ Analisar dados no arquivo Tabelav7.
Gentil 0.969 -0.231 0.951 0.298 0.939 0.174
Inteligente 0.519 0.807 0.033 0.959 -0.085 0.977 „ Sua tarefa é:
Feliz 0.785 -0.587 0.975 -0.103 1.012 -0.239
– determinar o número adequado de fatores;
Afável 0.971 -0.21 0.941 0.317 0.926 0.195
Justo 0.704 0.667 0.263 0.933 0.154 0.919 – comparar resultados em diferentes métodos de extração;
Var. Acumulada 0.653 0.96 0.562 0.96
– comparar resultados da rotação ortogonal Varimax e da
rotação oblíqua Oblimin.
„ Variância acumulada não pode ser determinada
– Interpretar os fatores resultantes.
devido à correlação entre fatores.
„ Cargas ultrapassam 1.0 por multicolinearidade entre
fatores.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 49 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 50

Exercício 2
„ Analise os dados no arquivo empresas.xls.
„ Objetivo é obter fatores que agrupem nove variáveis
em clusters, tais que fatores resultantes possam ser
designados por:
– qualidade
– confiabilidade (dependability)
– flexibilidade
– custos

Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 51

Você também pode gostar