Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016.

ISSN 2448-2080

ANÁLISE FATORIAL EM ADMINISTRAÇÃO: UMA APLICAÇÃO PRÁTICA COM

O SOFTWARE SPSS

Dimas Ferreira Vidal

UNESA
dimasvidal@yahoo.com.br

RESUMO

O presente estudo tem como objetivo demonstrar a aplicação da Análise Fatorial, suas
características e suas aplicações em pesquisa em administração, bem como do software SPSS
como ferramenta de sua aplicação. Também levanta questões matemáticas relacionadas à
Análise Fatorial e que devem ser tratadas e como fazê-las no SPSS. Para tanto, foi utilizado
dados de uma pesquisa real para contextualizar os procedimentos que se mostraram
necessários para atender a estes objetivos. A Análise Fatorial representa uma ferramenta
estatística poderosa aplicada em pesquisa em ciências sociais, e em particular em
Administração. Não se trata de um recurso estatístico trivial em função dos diversos aspectos
que podem contribuir sozinhos em conjunto para a não validação dos resultados obtidos,
inviabilizando todo um processo de planejamento, coleta, organização dos dados, aplicação da
Análise Fatorial e tratamento de dados de uma pesquisa. Para tanto, serão apresentados um
conjunto de procedimentos da Análise Fatorial a partir de casos concretos, descrevendo os
fundamentos teóricos envolvidos em sua aplicação conjuntamente com os recursos
disponíveis no SPSS, bem como da fundamentação dos relatórios e resultados apresentados
pela ferramenta.

Palavras-chave: Análise Fatorial. Software SPSS. Pesquisa em Administração.

ABSTRACT

This study aims to demonstrate the application of factor analysis, its characteristics and its
applications in research administration and SPSS software as the application tool. It also
raises questions related to mathematical factorial analysis and should be treated and how to do
them in the SPSS. Therefore, we used data from a real research to contextualize the
procedures which may be needed to meet these goals. The Factorial Analysis is a powerful
statistical tool applied in social science research, particularly in administration. This is not a
trivial statistical resource on the basis of various aspects that can contribute themselves
together to not validate the results, invalidating a whole process of planning, data collection,
data organization, application of factor analysis and data processing of a search. To do so,
they will be presented a set of procedures of factor analysis from concrete cases, describing
the theoretical foundations involved in its application in conjunction with the features
available in SPSS and the grounds of the reports and results presented by the tool.

Keywords: Factor Analysis. SPSS Software. Business Research.

54
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

1 INTRODUÇÃO

Diversos são os métodos e abordagens de pesquisa, cada um com seus propósitos,

aplicações, amplitude, vantagens e desvantagens, pelos quais, permitem algum tipo de
contribuição no desenvolvimento das ciências, da compreensão dos fenômenos e dos
problemas que afligem o ser humano. A pesquisa quantitativa sempre representou um desafio
para boa parte dos pesquisadores, visto que para sua aplicação, além do domínio pleno sobre a
área de pesquisa envolvida, exige do pesquisador um profundo conhecimento das ferramentas
matemáticas, tanto sob o aspecto de sua manipulação, quanto na habilidade de saber qual
ferramenta usar para um determinado propósito.
O estudo aborda a Análise Fatorial, suas características e suas aplicações em
pesquisa em administração, bem como do software SPSS como ferramenta de sua aplicação.
Para tanto, serão apresentados um conjunto de procedimentos da Análise Fatorial a partir de
casos concretos, descrevendo os fundamentos teóricos envolvidos em sua aplicação
conjuntamente com os recursos disponíveis no SPSS, bem como da fundamentação dos
relatórios e resultados apresentados pela ferramenta.
O trabalho será composto por 4 (quatro) partes. Na primeira serão apresentados as
principais características do software SPSS, sua interface e recursos disponíveis para realizar
análise estatística multivariada. Na segunda, serão apresentados os conceitos teóricos da
Análise Fatorial, possíveis aplicações e a descrição de seus fundamentos com a apresentação
de recursos do SPSS. Na terceira parte, será realizada uma análise estatística de
demonstração, com o objetivo de apresentar os procedimentos necessários para a sua
aplicação no SPSS, e por fim, as considerações finais, apresentando vantagens e limitações,
bem como, sugestões de outras ferramentas que podem ser utilizadas para o mesmo fim.

2 SPSS: CARACTERÍSTICAS E FINALIDADES DA FERRAMENTA

O software IBM SPSS Statistics Base é uma ferramenta gráfica com uma aparência
muito similar ao Excel do pacote do Office da Microsoft. Foi desenvolvida para aplicações de
estatística das mais diversas e de diversos níveis de complexidade. É considerada uma das
ferramentas mais completas para este fim, sendo utilizada por pesquisadores no mundo
inteiro. O IBM SPSS fornece diversas janelas. Nesta etapa do trabalho, serão destacadas as

55
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

duas mais importantes ou principais. Na medida em que os exemplos práticos vão sendo
apresentados, as janelas secundárias e de configuração serão descritas.

Editor De Dados.

O Editor de dados exibe o conteúdo do arquivo de dados. Possui uma interface muito
similar com o Excel do pacote Office da Microsoft, podendo inclusive importar deste, seus
arquivos de dados. Por sua vez, podem ser editados e salvos como um arquivo de projeto do
SPSS ou mesmo como um arquivo do Excel. As variáveis em estudo são configuradas para
ocupar as colunas da planilha e os dados serão agrupados nas linhas. A figura 1 apresenta a
interface do editor de dados.

Figura 1: Editor de Dados IBM SPSS

Fonte: IBM SPSS Statistic Base 17

Visualizador

Todos os resultados estatísticos, tabelas e gráficos são exibidos no Visualizador. É

possível editar a saída e salvá-la para uso posterior. Uma janela Visualizador é aberta
automaticamente na primeira vez que um procedimento que gera saída é executado. As
possíveis saídas, relatórios e gráficos deverão ser configurados nas janelas disponibilizadas

56
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

pelo software para este fim. A figura 2 apresenta uma visão da interface do visualizador do
SPSS.

Figura 2: Visualizador IBM SPSS

Fonte: IBM SPSS Statistic Base 17

As funções do software poderão ser acessadas pelo menu principal ou pela barra de
ferramentas (Figura 3), sendo que aquelas que serão utilizadas pelo presente trabalho serão
apresentadas no capítulo 3, juntamente com uma aplicação prática.

Figura 3 – Barra de menu e de ferramentas do IBM SPSS

Fonte: IBM SPSS Statistic Base 17 (2008)

2.2 ANÁLISE FATORIAL

A Análise Fatorial faz parte do conjunto de ferramentas estatísticas de análise

multivariada. No entanto, ao contrário de grande parte dos outros métodos estatísticos, ela não
tem como objetivo estabelecer uma relação clara de causa e efeito, tais como as relações
lineares convencionais. Neste contexto, a Análise Fatorial pode ser definida como um método
de estatística multivariada que busca, a partir da observação de um conjunto de variáveis
57
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

observadas, identificar um conjunto menor de dimensões ou estruturas de variabilidade que

explicariam, em uma proporção significativa, a variações das variáveis observadas. Nestes
termos, poderia se afirmar que um dos objetivos da Análise Fatorial é reduzir a partir de um
número maior de variáveis um número menor de dimensões que melhor explicariam um
fenômeno complexo (HAIR et al., 2011).
A figura 4 representa uma comparação entre dois tipos de relação matemática. Na
primeira (lado esquerdo) existe uma relação linear causal entre todas as variáveis
independentes e a variável dependente. Nesta relação, cada variável isoladamente pode
promover mudanças na variável dependente a partir de sua própria variação.
Na relação matemática tratada pela Análise Fatorial (lado direito), as variáveis
observadas possuem correlações (covariância) entre si, pois em seu conjunto, compõem uma
única dimensão, denominada “FATOR”. Portanto, um Fator poderia ser definido como uma
dimensão subjetiva, não mensurável diretamente, que explicaria este conjunto de relações
causais entre as varáveis observadas. É importante observar que todas as variáveis
correlacionadas não são independentes uma das outras, ou seja, havendo variação em uma,
todas as outras sofreriam alguma variação como resultado (ARANHA; ZAMBALDI, 2008).

Figura 4: Comparação entre possíveis relações matemáticas.

V1 V1

V2 V2
VD F
V3 V3

V4 V4

Relação linear convencional

Relação matemática tratada pela
Análise Fatorial

Fonte: Dados da pesquisa

Corrar et al. (2011) destacam duas modalidades de Análise Fatorial: a Análise

Fatorial Exploratória e a Análise Fatorial Confirmatória. Geralmente no primeiro caso, o
pesquisador não possui conhecimento suficiente para estabelecer com clareza o nível de
relacionamento entre as variáveis e nem quais dimensões estariam presentes. Portanto, o uso

58
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

do método serviria para identificar estas dimensões, conhecidas como variáveis latentes, bem
como suas correlações e grau de explicação.
A Análise Fatorial Confirmatória se aplicaria na condição em que o pesquisador
precisa confirmar hipóteses de relacionamento entre Fatores conhecidos e preestabelecidos e
as variáveis observadas no fenômeno. Os procedimentos metodológicos serão os mesmos para
os dois casos, a diferença entre elas estará relacionada à necessidade de estabelecer hipóteses
na análise confirmatória e o tratamento dos resultados obtidos para confirmar ou não as
hipóteses definidas, o que não é necessário na análise exploratória, pois seu objetivo principal
é identificar dimensões, tal que permita agrupar e classificar um conjunto de variáveis
observadas no fenômeno em estudo.

2.2.1 Aplicações de Análise Fatorial

A Análise Fatorial é uma técnica de análise estatística multivariação que cobre uma
ampla gama de aplicações em pesquisa em administração. A seguir são apresentadas algumas
destas pesquisas publicadas nas principais revistas científicas da área.
Rego et al. (2015) publicaram uma pesquisa fazendo uso da Análise Fatorial
Confirmatória com o propósito de testar a aplicabilidade da escala SERVQUAL em serviços
do Detran-RN. Na escala SERVQUAL, Parasuraman et al. (1988) identificaram cinco
variáveis latentes que compõem o construto da percepção de qualidade em serviços. Seguindo
este modelo, os autores definiram 22 variáveis relacionadas às expectativas quanto aos
serviços prestados pelo Detran-RN e 22 variáveis relacionadas às suas experiências com estes
mesmos serviços.
Aplicados os diversos testes de validação metodológicos, a partir dos resultados
obtidos pela Análise Fatorial foi possível concluir que os serviços prestados pelo DETAN-RN
obteve baixa qualificação na percepção de qualidade, visto que ao comparar as expectativas
dos usuários pesquisados, estas não foram superadas nem igualadas pelos resultados obtidos
em suas experiências destes serviços.
Borges, Benedicto e Carvalho (2014) fizeram uso da Análise Fatorial Exploratória
para identificar os principais indicadores de avaliação de desempenho econômico e financeiro
em cooperativas de crédito rural de Minas Gerais. Neste trabalho foram utilizados 10
indicadores econômicos e financeiros de 44 cooperativas, obtendo 3 fatores (Capital e Rico,
Lucratividade e Rentabilidade, Solvência e Liquidez) ou construtos que definem o

59
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

desempenhos destas instituições. A principal motivação do trabalho era substituir uma

avaliação por indicadores feitos de forma individual e independentes, por um modelo que
permitisse estabelecer uma avaliação através das inter-relações entre os diversos indicadores.
Melo e Silva (2014) realizaram uma pesquisa com o objetivo de medir o nível do
desenvolvimento das atividades agrícolas da região sudoeste do Paraná a partir de índices de
desenvolvimento rural. A Análise Fatorial permitiu identificar 2 (dois) fatores responsáveis
pelo indicadores de desenvolvimento do setor e a relevância da carga fatorial do fator sobre
cada variável mensurável, ou seja, a importância que cada variável recebe no processo. O
estudo permitiu, ainda, a identificação do nível de desenvolvimento observado, o qual se
apresentou muito baixo, disponibilizando um conjunto de informações relevantes para a
formulação de política desenvolvimento econômica e social para o setor.
Souza et al. (2012) utilizaram a Análise Fatorial em uma pesquisa para avaliar os
sistemas de informações de hospitais na grande Belo Horizonte, Minas Gerais, através de uma
survey destinada a pesquisa de opinião. Segundo os autores, a pesquisa tinha 3 (três) objetivos
principais: avaliar os sistemas de informações hospitalares, identificar as limitações e falhas
desses sistemas, identificar atributos relevantes que deveriam ser considerados no
desenvolvimento , implantação e manutenção de um sistema deste tipo.
Dentre as diversas contribuições desta pesquisa, destacam-se a constatação de que
diversas variáveis devem ser consideradas quando combinadas com outras, resultado das
correlações existentes entre elas, dado seu grau de dependência ao fator que ela pertença.
Permitiu-se também avaliar como regular ou satisfatória pelos usuários dos sistemas e
identificar quais atributos foram bem avaliados e quais foram avaliados de forma negativa.
Peres et al. (2001) fizeram uso de Análise Fatorial exploratória, com o objetivo de
identificar os fatores presentes na escolha por parte de empresários de pequenas e médias
empresas na escolha de um Sistema Integrado de Gestão (Enterprise Resource Planning –
ERP). Segundo os autores, foram identificados 11 (onze) fatores críticos de escolha, a partir
de 47 (quarenta e sete) variáveis válidas, com destaque para a funcionalidade do sistema, a
credibilidade do fornecedor e do alinhamento à estratégia da empresa.
Bezerra e Corrar (2006) realizaram uma pesquisa fazendo uso de Análise Fatorial
com o objetivo de identificar os principais indicadores de desempenho financeiro de
empresas, quando combinados entre si de tal forma que permita, não só analisar o
desempenho de uma empresa isoladamente, mas também fazer uma análise comparativa entre
elas. Os autores destacam os principais objetivos: diminuir o grau de subjetividade na escolha

60
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

dos indicadores que deverão compor a avaliação das empresas e permitir uma análise
simultânea do comportamento de vários indicadores.

3 APLICAÇÃO DO SPSS EM ANÁLISE FATORIAL

Para os fins deste trabalho foi utilizada uma pesquisa realizada em uma empresa de
médio porte na região do Grande Rio, no estado do Rio de Janeiro, cujo objetivo era
determinar as dimensões ou fatores que pudessem mensurar os níveis do clima organizacional
desta organização a partir de um conjunto de variáveis que de alguma forma são afetadas por
eles. Foi utilizado um modelo desenvolvido por Lazzari et al (2009) composta inicialmente
por 39 variáveis, sendo finalizada com 30 variáveis, em função de tratamento que não faz
parte deste estudo.
Portanto, para este trabalho, foram usadas 30 variáveis, as quais estariam
relacionadas aos seguintes processos: comunicação entre a gerencia e os funcionários, as
questões de liderança, da participação e colaboração de todos os funcionários no processo de
decisão, nas oportunidades de treinamentos e aperfeiçoamento, oportunidades e valorização,
premiação, benefícios e remuneração, as condições de trabalho e por fim, quanto a imagem da
empresa e seu impacto junto aos funcionários, totalizando, de acordo com o modelo em
questão, 5 dimensões ou fatores latentes.
A partir deste modelo, foi disponibilizado um formulário estruturado com 30
afirmativas relacionadas as 30 variáveis, através de uma escala Likert com 5 opções dispostas
entre “Discordo Totalmente” até “Concordo Totalmente” dispostos de forma aleatória, para
evitar uma possível influencia de uma afirmativa em relação a outra.
No quadro 1 são apresentados as afirmativas do questionário estruturado.

Quadro 1 – Questionário estruturado

1: As pessoas são comunicadas sobre o seu desempenho.
2: Recebo informações sobre assuntos importantes e sobre mudanças na empresa.
3: Aqui as pessoas participam das decisões que dizem respeito às suas atividades e ao seu
ambiente de trabalho.
4: Obtenho respostas claras sobre qualquer pergunta.
5: Meu chefe deixa claro o que ele espera do meu trabalho.
6: As chefias agem de acordo com o que fala e cumpre o que promete.
7: Temos oportunidade e somos incentivado a sugerir melhorias.
8: Sou elogiado quando faço um bom trabalho.
9: É fácil se aproximar das chefias e é também fácil falar com elas.
10: A empresa me oferece treinamento e oportunidades de desenvolvimento para meu crescimento
profissional.
11: Recebo as orientações necessárias para que eu esteja bem preparado ao executar o meu
trabalho.
61
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

12: As chefias sabem coordenar pessoas e distribuir tarefas adequadamente.

13: Nossas opiniões e sugestões são importantes e são tomadas decisões com bases nelas.
14: Podemos contar com a colaboração de todos aqui.
15: Eu sou bem tratado, valorizado e sinto que posso fazer a diferença.
16: Percebo que o meu trabalho é importante.
17: Os treinamentos que recebo contribuem para melhorar o meu trabalho.
18: A empresa contribui positivamente com a comunidade e com o meio ambiente.
19: Tenho orgulho de contar para os outros que trabalho aqui.
20: Eu recomendo as pessoas trabalharem aqui.
21: Os benefícios que a empresa oferece atendem as minhas necessidades.
22: Os funcionários são pagos adequadamente pelos serviços que fazem.
23: Considero justos os critérios de promoção e carreira adotados nesta empresa.
24: Aqui é um lugar agradável para trabalhar.
25: As chefias são competentes para tocar o negócio.
26: As chefias são honestas na condução dos negócios e evitam favorecimento.
27: Sempre que preciso posso contar com meu chefe para assuntos pessoais e profissionais.
28: As pessoas de qualquer sexo, idade, raça, cor e opção sexual são tratados com a mesma justiça
e respeito nessa empresa.
29: 29) Aqui os colegas se importam uns com os outros.
30: O relacionamento com meus colegas é bom.
Fonte: Lazzari et. al (2009).

Foram coletados 92 questionários válidos os quais foram adicionados em uma

planilha de Excel com os respectivos escores, apresentado na figura 5.

Figura 5: Planilha Excel com os escores da pesquisa.

Fonte: Elaboração própria.

Os dados da pesquisa poderiam ter sidos inseridos diretamente na planilha do SPSS

em seu editor de dados. Neste caso, como os dados foram coletados por coletores que não
possuíam o software, foi utilizado o Excel, e este importado pelo SPSS. Quanto aos aspectos
62
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

metodológicos, foram utilizados os mesmo critérios metodológicos utilizados no modelo,

quais sejam: o método estatístico de componentes principais, matriz de rotação de correlações
Varimax, normalização Kaizer-Meyer KMO, teste de esfericidade de Bartlett (LAZZARI et
al., 2009).

Importação de dados e configuração de parâmetros do SPSS

Ao abrir o programa ele apresenta a janela da figura 6 a qual permite abrir dados já
utilizados ou dados novos. Para a segunda opção, selecione a opção “Run an existing query”.
Neste caso será aberta a janela de dados vazia apresentada na figura 7.

Figura 6 – Janela inicial do SPSS.

Fonte: Software SPSS

A partir da janela principal deve-se acessar a opção Open/Data do menu File, como
mostra a figura 7.

63
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Figura 7: Janela de dados do SPSS

Fonte: Software SPSS

Será apresentada a janela para abrir um arquivo de dados, como mostra a figura 8.
Selecione Excel da opção “Files of types”. Abra o arquivo de dados confirmando através da
janela “Opening Excel Data Source”da figura 9.

Figuras 8, 9 e 10: Janelas Open File, Opening Excel Data Source e Dados Importados

64
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Fonte: Software SPSS

Pode-se agora dar início ao processo de análise e testes. Para tanto, basta acessar a
opção “Dimension Reduction/Factor” do menu “Analyse”. Será aberta a janela de
configuração da Análise Fatorial, como mostra a figura 11. Adicione as variáveis que irão
participar do estudo (Figura 12).
Na janela de configuração são apresentados as opções “descriptives”, “Extraction”,
“Rotation”, “Scores” e “Options” que serão utilizados para serem definidos os critérios de
análise e os testes que serão realizados.

65
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Figura 11 e 12: Janela de configuração da Análise Fatorial

Fonte: Software SPSS

Para fins didáticos as configurações serão realizadas de cima para baixo em relação
às opções apresentadas na janela de configuração.
Na janela da opção “Descriptives” serão selecionadas as opções “Initial solution”
em “Statistics” e os testes “KMO and Bartlett testo of sphericities”. Se for de interesse do
pesquisador, pode-se selecionar as opções “Coeficientes” e “Determinant” em “Correlation
Matrix”, no entanto, os mesmos coeficiente poderão ser visualizados na opção
“Cummunalities” que o SPSS disponibiliza. Para fins deste artigo, vamos selecionar a opção
“Determinant” pois ela representa uma opção importante de validação. Para acessar a
próxima opção, basta clicar em Continue (Figura 13).

Figura 13: Janela Fator Analysis Descriptives.

Fonte: Software SPSS

Na opção “Extration” deve-se definir o método de extração de fatores que será

utilizado. Para fins deste trabalho, visto que estamos utilizando o modelo desenvolvido por
66
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Lazzari et. al (2009), será utilizado o método de Componentes Principais, para tanto selecione
a opção “Principal Components” em “Method”. Na opção “Analyle” da mesma janela será
utilizada “Correlation Matrix” para apresentar a matriz de correlação dos dados.
Em “Estraction” pode-se definir o método de extração através do autovalor
(Eignvalues over) ou se já houver conhecimento prévio do número de fatores, para os casos
de análise confirmatória, definir um número específico de fatores. Novamente, como estamos
confirmando um modelo de 5 fatores, vamos utilizar a opção “Fixed number of factors” para
isso. A figura 14 mostra as opções disponíveis.

Figura 14: Janela Fator Analysis Extration

Fonte: Software SPSS

Em “Rotation...” será selecionada a opção de rotação ortogonal “Varimax” e

“Rotated Solution” em “Display” (Figura 15).

67
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Figura 15: Janela Fator Analysis Rotation

Fonte: Software SPSS

A opção “Scores” permite que sejam disponibilizados os escores fatoriais através da

matriz de coeficientes dos escores. Para os fins deste trabalho serão mantidas as configurações
padrão apresentadas na figura 16.

Figura 16: Janela Factor Analysis Scores

Fonte: Software SPSS

Por fim, na janela “Options” permite tratar a retirada dos relatórios os dados não
válidos e também definir valor limite que estes dados devem ser suprimidos, para tanto, foram

68
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

definidos as opções “Exclude Cases listwise” e “Supress small coeficients”. Por padrão, esta
última opção vem definido com 0,10, no entanto, para fins de melhor clareza na apresentação
dos dados, este deverá ser definido em 0,30, pois estaremos descartando valores menores que
30% de grau de explicação (figura 17).

Figura 17: Janela Factor Analysis Options.

Fonte: Software SPSS

Definidos todos os atributos de configuração, pode-se executar a análise, para tanto,

basta clicar na opção OK da janela “Factor Analysis”. Ao fazê-lo, será aberta a janela do
visualizador com as tabelas, matrizes, gráficos e testes solicitados. Para os fins deste artigo, os
recursos retornados pelo SPSS serão apresentados de acordo com o processo de análise e
validação, bem como todas as ações que serão necessárias resultantes destas validações.

Tratamento dos dados pelo SPSS

Apresentado os resultados pelo SPSS, o processo de tratamento será iniciado pelos

testes de validação a partir da tabela KMO and Bartlett´s Test e do valor da determinante.
Corrar et. al. (2011) relembram que para a determinante o valor necessário deverá ser superior
que 0,00001, visto que se o valor da determinante for igual a zero, não será possível uma
solução estatística para estes dados. Quanto aos testes KMO – Kaizer-Meier-Olkin, seu
objetivo é medir a adequação da amostra à Análise Fatorial.

69
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Para este fim, o resultado obtido pelo teste deve ser superior a 0,70 (70%), sendo
inadequados valores inferiores a 0,50 (50%). Por fim, o teste de esfericidade de Bartlett
(Bartlett´s test of sphericity) verifica se a matriz de correlação é uma matriz identidade. Para
que a amostra seja aceita para aplicação da Análise Fatorial, é recomendado que o valor de
significância não ultrapasse a 0,05 (,05%).
Podem-se verificar na figura 18 os resultados disponibilizados pelo SPSS destes
testes. Para determinante foi obtido um valor bem mais alto que 0,00001 indicando que será
possível obter um resultado estatístico válido. Para o teste KMO, o valor obtido foi de 77%
acima dos 70% sugeridos, e por fim, para o teste de esfericidade o valor obtido de
significância foi inferior a 0,05, portanto, pode-se concluir que a Análise Fatorial dos dados
em questão foi validada.

Figura 18: Determinante, KMO e teste de esfericidade

Fonte: Software SPSS

O próximo passo é verificar a comunalidade do conjunto de variáveis e de cada

variável isoladamente. A comunalidade representa o grau de explicação que o conjunto de
fatores extraídos sobre as variações da variância das variáveis. Os valores de comunalidade,
tanto para o geral quanto para cada variável não deverão ser inferiores que 0,50 (50%), pois
não exibem explicação suficiente. Caso se obtenha uma comunalidade geral muito baixa,
antes de descartar a amostra, deve-se fazer a retirada das variáveis que possuem uma
comunalidade inferior a 50%. Na verdade, independente do valor da comunalidade geral,
todas as variáveis nesta condição deverão ser retiradas (HAIR et. al. 2011).
A figura 19 apresenta os valores de comunalidade de cada fator extraídos e o
acumulado pelo conjunto de fatores e também a comunalidade de cada variável isoladamente.

70
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Figura 19: Total das variâncias explicadas e comunalidades.

Fonte: Software SPSS

Fonte: Software SPSS

O valor de 56,255% de explicação obtida pela Análise Fatorial pode ser considerado
muito baixo para fins de validação, no entanto, ao verificar as comunalidades das variáveis,
verifica-se 7 (sete) variáveis possuem comunalidades inferiores a 0,50 (50%). Neste caso,
deve-se retira-las da análise, e é muito provável que com sua retirada o grau de explicação do
modelo deverá aumentar significativamente. A figura 20 apresenta a retirada das variáveis em
questão. Basta agora refazer a Análise fatorial.

Figura 20: Janela Factor Analysis

Fonte: Software SPSS

71
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Refeita a Análise Fatorial, agora com 23 variáveis, os resultados obtidos são

apresentados na figura 21. Pode-se observar que a comunalidade do conjunto de fatores
extraídos aumentou para 62,989%, melhorando significativamente a capacidade de explicação
do modelo em análise. Verifica-se também que os valores da determinante e de KMO
melhoraram e que o nível de significância do teste de esfericidade se manteve em 0 (zero).
Nenhuma das 23 (vinte três) variáveis restantes possui comunalidade inferiores a
50%, no entanto, os valores obtidos podem ser considerados muito baixos. Mesmo neste caso,
não é necessário descartar a amostra, pois ainda restam alguns procedimentos a serem
realizados (CORRAR et al., 2011).

Figura 21: Resultados dos testes e de comunalidades.

Fonte: Software SPSS

O próximo passo é analisar os resultados apresentados na matriz de fatores

rotacionada. Relembrando que estamos utilizando o método ortogonal Varimax. A figura 22
apresenta os valores de autovalores dos fatores extraídos. Pode-se observar que diversas
variáveis possuem autovalores maiores que 30% em mais de um fator. Este fato demonstra
que estas variáveis possuem correlações significativas em mais de um fator.
O fato de haver correlações de uma variável em mais de um fator, indica que estes
fatores devem ser agregados em um único fator. O procedimento neste caso deve ser refazer a
72
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Analise Fatorial retirando fatores um a um até que se obtenha um resultado válido ou até
atingir um limite de dois fatores (HAIR et al. 2011).

Figura 22: Matriz de Fatores Rotacionada.

Fonte: Software SPSS

Ao refazer a Análise Fatorial com quatro fatores, obtêm-se os resultados

apresentados na figura 23. Pode-se observar que as comunalidades se mantêm muito baixas e
que diversas variáveis possuem comunalidades inferiores a 50%.

73
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Figura 23: Resultado de comunalidades com 4 fatores.

Fonte: Software SPSS

Neste caso, retiram-se estas variáveis e realiza-se nova análise, ainda com 4 fatores.
A figura 24 apresenta os resultados obtidos. Pode-se verificar na matriz rotacionada, que
ainda há diversas variáveis com autovalores maiores que 30% em mais de um fator. Portanto,
resta retirar mais um fator e repetir todo o processo novamente.

Figura 24: Resultado comunalidades e Matriz rotacionada Varimax com 4 fatores.

Fonte: Software SPSS

74
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

No caso prático do exemplo utilizado neste artigo, chegou ao limite de 2 (dois

fatores) com um número de variáveis relativamente pequeno, e ainda com várias variáveis
com auto valores acima de 30% em mais de um fator (Figura 25).

Figura 25: Resultado com dois fatores.

Fonte: Software SPSS

Neste caso, como última tentativa de aproveitar esta amostra, devem-se retirar estas
variáveis e realizar novo teste, ainda com dois fatores, visto que não faz sentido a aplicação de
Análise Fatorial com somente um fator.
A figura 26 apresenta os resultados desta última Análise Fatorial. Os resultados
obtidos apresentam valores de validação bastante bons, tanto de determanente, teste de KMO
e de esfericidade, uma comunalidade geral de aproximadamente de 70%, que indica uma boa
capacidade de explicação dos fatores extraídos sobre as variáveis restantes. No entanto, para o
tipo de pesquisa realizada, o número de variáveis restante em cada fator (três variáveis) deve
ser considerado pequeno (CORRAR et al. , 2011)..

75
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

Figura 26: Resultado final da Análise Fatorial.

Fonte: Software SPSS

4 CONSIDERAÇÕES FINAIS

A Análise Fatorial representa uma ferramenta estatística poderosa aplicada em

pesquisa em ciências sociais, e em particular em Administração. Não se trata de um recurso
estatístico trivial em função dos diversos aspectos que podem contribuir sozinhos em conjunto
para a não validação dos resultados obtidos, inviabilizando todo um processo de
planejamento, coleta, organização dos dados, aplicação da Análise Fatorial e tratamento de
dados de uma pesquisa.
A pesquisa utilizada neste artigo pode ser considerada como um exemplo dos
problemas que podem surgir, e que podem fazer com que o pesquisador se veja obrigado a
descarta-la. Resta identificar as possíveis razões que poderiam ter contribuído para esta
condição ou outras diferentes desta que possam comprometer a confiabilidade ou a relevância
dos resultados obtidos.
Inicialmente, deve-se considerar que em uma survey (pesquisa de opinião) que é um
dos campos de maior aplicação da Análise Fatorial, diversos são as questões relacionadas à
identificação das variáveis mensuráveis que podem levar a um viés nos resultados, tais como,
a definição de variáveis latentes como variáveis mensuráveis, pois neste caso, há uma
76
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

tendência destas variáveis substituírem diversas outras variáveis mensuráveis, visto que ela
pode ser considerada, em boa parte das vezes como uma dimensão do estudo. Variáveis como
“satisfação”, “expectativa”, “realização”, “conforto” podem ser consideradas como exemplo
de variáveis latentes, visto que são difíceis de serem mensuráveis diretamente.
Ainda em relação às variáveis, podemos considerar a dificuldade em traduzir uma
variável em uma afirmativa de um questionário, ou que a redação da afirmativa do
questionário possa sugerir para o respondente, mais de uma alternativa de significado.
Outra questão que pode comprometer os resultados está relacionada com as
condições em que um questionário é aplicado. Questionários aplicados em dias e horário
inadequados, tais como, sexta feira às 16:00 horas, ou em um processo de coleta onde o
respondente não se compromete em fazê-lo com mais compromisso, fatalmente irão
comprometer os resultados. Acredito que esta tenha sido a razão para os problemas ocorridos
com os dados da pesquisa do exemplo deste artigo.
Com relação ao número de variáveis resultantes pela estatística em cada fator,
quando baixo, como no caso deste artigo, pode representar uma restrição quanto menor for o
número de fatores extraídos, claro, há de se considerar a natureza do fenômeno analisado. A
grande maioria dos pesquisadores realiza um pré-teste com uma amostra pequena, com o
objetivo de fazer as adequações necessárias no questionário ou no planejamento de coleta
final.
Com relação ao software SPSS, este trás todos os recursos necessários para pesquisa
estatística avançada, de diversos tipos, e desde que haja um domínio satisfatório dos
fundamentos matemáticos envolvidos na pesquisa, apresenta uma taxa relativamente pequena
de dificuldade em sua utilização. Como sugestão de softwares para estatística pode começar
pelo próprio Excel da Microsoft. Este disponibiliza alguns recursos bastante poderosos para
fins de pesquisa, tal como Anova, Regressão Linear, etc.
Outra alternativa interessante é o software Minitab. Este software possui um
conjunto completo de ferramentas básicas estatísticas, incluindo estatísticas descritivas, testes
de hipótese intervalam de confiança e testes de normalidade, alem de alguns recursos
avançados, tais como, Regressão Linear e Anova (https://www.minitab.com/pt-
br/products/minitab/look-inside/).
Por fim, uma ferramenta mais completa capaz de realizar grande parte das análises
multivariada é o software Action Stat. Este software possui diversas versões, inclusive

77
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

versões destinadas a aplicações acadêmicas com preços bastante razoáveis para este tipo de
software (http://www.portalaction.com.br/).

REFERÊNCIAS

ARANHA, F.; ZAMBALDI, F. Análise Fatorial em Administração. São Paulo: Cengage,

2008.

BEZERRA, F. A.; CORRAR, L. J. Utilização da Análise Fatorial na Identificação dos

Principais indicadores para Avaliação de Desempenho Financeiro: Uma aplicação nas
empresas de seguros. Revista Contabilidade & Finanças – USP, São Paulo, v. 17, n. 42, p.
50-62, 2006.

BORGES, R. C., BENEDICTO, G. C DE., CARVALHO, F. M. Utilização da análise fatorial

para identificação dos principais indicadores de avaliação de desempenho econômico
financeiro em Cooperativas de Crédito Rural de Minas Gerais. Organizações Rurais &
Agroindustriais, v.16, n.4, p.466-480, 2014.

CORRAR, L. J.; PAULO, E.; DIAS, J. M. F. Análise Multivariada Para Cursos de

Administração, Ciências Contábeis e Economia. São Paulo: Atlas, 2011.

HAIR JR., J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L.
Análise Multivariada de Dados. Porto Alegre: Bookman, 2011.

LAZZARI, F.; VERRUCK, F.; BAMPI, R. E.; DORION, E. Dimensões do Clima

Organizacional: Uma aplicação em uma empresa prestadora de serviço. In: ENCONTRO
NACIONAL DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO, 33, 2009, São Paulo.
Anais..., São Paulo, 2009.

LOPES, H. E. G. Abrindo a Caixa Preta: Considerações sobre a utilização da Análise Fatorial

confirmatória nas pesquisas em administração. Revista Economia e Gestão, v. 5, n. 11, p.
19-34. 2005.

MELO, C. O.; SILVA, G. H. Desenvolvimento rural dos municípios da região sudoeste

paranaense: uma proposta de medida através da análise fatorial. Organizações Rurais &
Agroindustriais, Lavras, v. 16, n. 1, p. 33-45, 2014.

PARASURAMAN, A., ZEITHAML, V.A. AND BERRY, L.L. “SERVQUAL: a multiple-

item scale for measuring consumer perceptions of service quality”, Journal of Retailing,
Spring, p. 12-40, 1988.

PERES, G.; BERLEZZI, F. L. C.; SILVA, M. M.; SOUZA, M. A. Fatores que Determinam a
Escolha de um Sistema de Planejamento Integrado (ERP) em Pequenas e Médias Empresas:
Um estudo usando Análise Fatorial. Revista da Micro e Pequena Empresa, v. 5, n. 3, p. 3-
20, 2011.

78
Revista Eletrônica Estácio Papirus, São José, v.3, n.1, p. 54-79, jan./jun. 2016. ISSN 2448-2080

REGOT. F.; CORREIA, A. M. M.; KATO, H. T.; MAFFEZOLLI, E. C. F. Análise Fatorial

Confirmatória da Escala Serviqual: Um estudo com usuários dos serviços de habilitação e
veículos do Detran-RN. Caderno Gestão Pública e Cidadania, v. 20, n. 66, p. 1-27, 2015.

SOUZA, A. A.; MOREIRA, D. R.; SILVA, E. A. E; PEREIRA, A. C. C. Avaliação de

Sistemas de Informação de Hospitais com Base de Análise Fatorial: Uma pesquisa survey em
hospitais da região metropolitana de Belo Horizonte. Revista de Gestão em Sistemas de
Saúde, v. 1, n. 2, p. 4-40, 2012.

Artigo recebido em: 31/08/2016

Artigo aprovado em: 30/09/2016

79