Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 9 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 10
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
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.
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.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 21 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 22
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
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.
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.
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.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 33 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 34
− [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
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
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.
Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 45 Flávio Fogliatto Tópicos Quantitativos Doutorado EPT - 46
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