ANÁLISE EM COMPONENTES

PRINCIPAIS

Análise de Dados em Ciências Sociais: Multivariada

2023/2024

Madalena Ramos, Helena Carvalho, Patrícia Ávila, Magda Nico

 COMO ARRUMAR A COMPLEXIDADE
ANÁLISE

EM

COMPONENTES

PRINCIPAIS

OBJECTIVOS
AS COMPONENTES PRINCIPAIS
UM FIM EM SI MESMO E UM MEIO PARA UM FIM
REQUISITOS
 OBJECTIVOS
A Análise em Componentes Principais (ACP) é um método multivariado de análise
fatorial que permite identificar subconjuntos de variáveis que estão muito
correlacionadas entre si e pouco associadas a variáveis de outros subconjuntos.

Desta forma possibilita a partição das variáveis de input em subgrupos temáticos

distintos e permite:
• A compreensão da estrutura das relações entre as variáveis e a identificação das
dimensões latentes;
• A redução da informação, através da constituição de novas variáveis (desejavelmente
em número bastante inferior aos das variáveis de input), correspondentes às
dimensões temáticas identificadas.
 COMPONENTES PRINCIPAIS

• Cada componente é uma composição (ou combinação) linear de todas as variáveis iniciais.
• Inicialmente são calculadas tantas componentes quantas as variáveis iniciais.
• As componentes principais são calculadas por ordem decrescente de importância
relativamente à sua contribuição para a explicação da variância total dos dados. Isto é, a
primeira componente é a combinação linear que mais explica da variância total dos dados
originais, a segunda componente é a que explica mais do que ficou por explicar com a
primeira e assim sucessivamente. A última componente é a que menos contribui para a
explicação da variância total.
 UM FIM EM SI MESMO & UM MEIO PARA UM FIM

• A ACP é um fim em si mesmo porque o resumo que a ACP providencia é em si

um resultado científico, ao permitir identificar as componentes latentes que, de
outra forma, não seriam detetáveis diretamente na matriz de correlações.
Desmonta e simultaneamente simplifica a complexidade dos fenómenos.

• A ACP é um meio para um fim porque o resumo que a ACP providencia pode e
deve ser usado para a criação de novas, e em menor número, variáveis que,
assim sendo, podem ser usadas muito mais eficazmente noutras fases da
investigação, porventura em Regressões, em Anovas, Cruzamentos, T-tests, etc..
 REQUISITOS PARA A REALIZAÇÃO DA ACP
1. As variáveis devem ser métricas (ou admitir serem tratadas como tal);
2. Todas as variáveis têm o mesmo estatuto (não há VD, nem VIs, são todas variáveis de
input)
3. Todas as variáveis têm que apresentar variabilidade.
4. Dimensão da amostra adequada: Podemos encontrar diversas recomendações na
literatura que remetem para a existência de um número mínimo de observações por
referência ao número de variáveis. Algumas referem que devem existir pelo menos cinco
vezes mais casos válidos do que o número de variáveis (variáveis de input x 5 < número de
casos válidos).
5. Existência de multicolinearidade (correlações) entre as variáveis de input. A avaliação
deste requisito pode ser feita através da análise da matriz de correlações, da estatística de
Kaiser-Meyer-Olkin (KMO) e do teste de Bartlett.
 REQUISITOS PARA A REALIZAÇÃO DA ACP
TESTE DE ESF ERIC IDADE DE BARTLET T

Permite testar a hipótese da matriz de correlações entre as variáveis ser uma matriz identidade
(matriz que tem a diagonal principal igual à unidade e os restantes elementos nulos), ou seja,
não existir correlação entre nenhum par de variáveis. Interessa rejeitar a hipótese nula.

H0: A matriz de correlações é uma matriz identidade

Ha: a matriz de correlações não é uma matriz identidade

Regra de decisão: p < 0,05, rejeita-se H0 e aceita-se Ha.

 REQUISITOS PARA A REALIZAÇÃO DA ACP
ESTATÍSTIC A K MO ( K AISER- MEYER- O LK IN )

A estatística de KMO é uma estatística que nos dá a

adequabilidade da matriz de input. Alguns
autores propõem a seguinte grelha para a leitura KMO ACP
do seu resultado: 0,9 – 1 Muito boa
0,8 – 0,9 Boa
Quanto mais elevado o KMO mais correlação existe 0,7 – 0,8 Média
entre as variáveis de input, pelo que as componentes 0,6 – 0,7 Razoável
são mais consistentes. Logo, tanto mais adequada a
0,5 – 0,6 Má
realização da ACP.
< 0,5 Inaceitável
Elizabeth Reis, Estatística Multivariada Aplicada
CO MPREENDER

UM

EXEMPLO

A S O C I O LO G I A
CO NC RETO

APRESENTAÇÃO DO EXEMPLO
RESULTADOS DESCRITIVOS
REQUISITOS

João Ferreira de Almeida, Pública, 1992, Jornal O Público

 EXEMPLO

A sociologia é uma ciência social teórica e metodologicamente plural.

No âmbito de uma investigação sobre a importância de várias funções da sociologia pediu-se a

uma amostra de estudantes de sociologia que indicassem a importância que atribuem a
diferentes papéis que a sociologia pode desempenhar na sua relação com a sociedade e com a
academia. Utilizou-se, para o efeito, uma escala de 5 pontos em que 1= nada importante e 5 =
muito importante.
 EXEMPLO

1. Determinar o impacto da escolarização

2. Identificar bolsas de desigualdades sociais
3. Identificar mudanças de valores sociais
4. Fazer ruptura com o senso comum
5. Desenvolver sentido crítico
6. Compreender o impacto da estrutura social na agência dos indivíduos
7. Relacionar biografias e sociedades
8. Desmontar processos de mudança social
9. Explicar os mecanismos de mobilidade social intergeracional
10. Desenhar ou avaliar políticas públicas
11. Advogar por causas sociais
12. (In)formar opinião pública
13. Fazer comentário político
14. Trabalhar no terreno com populações em situações vulneráveis
15. Construir indicadores de justiça social
 PARA QUÊ USAR A ACP?

Porque se pretende:

• analisar a interdependência entre este conjunto de indicadores, de forma a

identificar as dimensões que estruturam a importância atribuída às funções da
Sociologia por estudantes do curso (fim em si mesmo)

• e, posteriormente, reduzir a informação através da construção de novas variáveis

compósitas (em menor número que as iniciais) (meio para um fim)
 RESULTADOS DESCRITIVOS
O QUE NOS DIZEM
Tabela 1: Frequências da importância atribuída às funções da sociologia

[frequências]
 RESULTADOS DESCRITIVOS
O QUE NOS DIZEM
Tabela 2: importância atribuída às funções da sociologia (Medidas descritivas)

Qual é o número de
casos válidos?

[Medidas descritivas]
 RESULTADOS DESCRITIVOS
O QUE NOS DIZEM
Gráfico 1: Importância atribuída às funções da sociologia (médias)

Qual a importância média atribuída a

cada uma das funções da sociologia?

[médias/ gráfico de linhas]

 RESULTADOS DESCRITIVOS
O QUE NOS DIZEM
Gráfico 2: Importância atribuída às funções da sociologia (quartis)

Todas as variáveis apresentam variabilidade?

[variabilidade das respostas / boxplot]

 RESULTADOS DESCRITIVOS
E NÃO SÃO CAPAZES DE NOS DIZER

Se quiséssemos agrupar as variáveis apenas E entre cada uma delas e as respostas dos
tematicamente, em quantos grupos e com que Há inquiridos? Não.
composição o faríamos? correspondência
entre estas duas
interpretações? Continuamos sem saber como se
correlacionam as respostas de quem
Se quiséssemos analisar as variáveis apenas Não. respondeu sobre a importância atribuída
com base nas suas médias, que variabilidade às diferentes funções da sociologia.
encontraríamos?
 POSSO, ENTÃO, FAZER A ACP?

Em geral Neste Exemplo

1. As variáveis devem ser métricas (ou admitir
serem tratadas como tal);
2. Todas as variáveis têm o mesmo estatuto;

3. Todas as variáveis têm que apresentar

variabilidade;

4. Dimensão da amostra adequada;

5. Existência de multicolinearidade.
A

MECÂNICA

COMO FUNCIONA A ACP

DA

ACP

MATRIZ DE CORRELAÇÕES
VALOR PRÓPRIO E VARIÂNCIA EXPLICADA
COMUNALIDADES
LOAGINGS
FASES
INICIAL
EXTRAÇÃO
ROTAÇÃO
MATRIZ DE CORRELAÇÕES
ESTATÍSTICAS DESCRITIVAS

Este é único quadro na ACP onde é possível apurar

qual o número de observações em análise (casos
válidos da ACP).
O SPSS tem selecionada à partida a opção listwise para
tratar as categorias identificadas como não respostas.
Ou seja, exclui da análise os casos que não tiverem
resposta em todas as variáveis envolvidas na análise.

variáveis = 15
casos válidos = 746
amostra adequada: 15x5 <746
 ADEQUABILIDADE DA MATRIZ DE INPUT
( EXISTÊNC IA DE MU LTICO LINEARIDADE)

KMO = 0,863 , ou seja, uma

boa adequabilidade.

Teste de esfericidade de Bartlett:

H0= A matriz de correlações é uma matriz identidade

Ha= A matriz de correlações não é uma matriz identidade

Como p < 0,05, rejeita-se H0 e aceita-se que a matriz de correlações não é uma
matriz identidade.
 VARIÂNCIA TOTAL

Quando aplicamos a ACP à matriz de correlações, as componentes principais vão

ser calculadas a partir de variáveis estandardizadas com média zero e variância
unitária.
Assim, a variância total dos dados será igual ao número de variáveis envolvidas
na análise multiplicado por 1.

Variância TotaL = 15 × 1 Variância

unitária
Nº de
variáveis
No nosso exemplo: VT = 15 ×1 = 15
 TABELA DA VARIÂNCIA TOTAL EXPLICADA

Quadro com os valores próprios

(eigenvalues) de cada uma das
componentes, percentagem da variância
total explicada por cada uma delas e
percentagem de variância acumulada
å = 15
EXTRAÇÃO DAS COMPONENTES
 EXTRAÇÃO DAS COMPONENTES

No caso em análise, temos 15 combinações lineares das variáveis originais que explicam na
totalidade a variância dos dados, por ordem decrescente de importância quanto ao seu
contributo.
Sendo um dos objetivos da análise sumariar a informação, pretende-se trabalhar não com as 15
componentes, mas com um número relativamente reduzido.

Assim, na fase da extração são retidas apenas algumas componentes, de acordo com o(s)
critério(s) escolhido(s) pelo investigador e que se consideram em número suficiente e adequado
para representar os dados iniciais.

Mas quantas componentes extrair? Com que critério(s)?

 4 CRITÉRIOS DE EXTRAÇÃO DAS COMPONENTES

Critério a priori: o investigador sabe à partida

quantas componentes extrair. Deve haver
fundamento teórico neste caso.
 4 CRITÉRIOS DE EXTRAÇÃO DAS COMPONENTES

Critério de Kaiser: extração (ou

seleção) das componentes com
valor próprio superior à unidade;
Valor Próprio (Eigenvalue):
cada valor próprio quantifica a
parte da variância total que é
explicada por cada uma das
componentes. É uma medida da
importância de cada uma das
componentes. Neste exemplo, o valor próprio da 4ª componente é inferior a 1
(é 0,899) e por isso, segundo o critério de Kaiser, já não é “extraída”,
ou seja, selecionada, retida, para a análise.
 4 CRITÉRIOS DE EXTRAÇÃO DAS COMPONENTES

Critério da percentagem de
variância explicada: alguns
autores falam em reter (ou extrair)
as componentes necessárias para
explicar mais de 70% da variância
total, no entanto é vulgar Neste exemplo, a variância total explicada
considerar-se satisfatória uma atinge, com 3 componentes, 53%. Não estamos
solução que explique 60% da a aplicar o critério da percentagem explicada.
variância total;

sobre critérios de extracção consultar:

Hair, J., Anderson R., Tatham, R. e Black, W. (2019). Multivariate Data Analysis: A Global
Perspective, Upper Saddle River, Pearson International Edition (8 ª ed), pp. 152.
 4 CRITÉRIOS DE EXTRAÇÃO DAS COMPONENTES

Critério do Scree Test (sugerido

por Cattel): decisão tomada a partir
da representação gráfica dos valores
próprios (Scree plot). Dever-se-ão
considerar as componentes até ao Neste exemplo, a linha começa a
ficar horizontal a partir da 4ª
ponto em que a linha (curva) do gráfico
componente (inclusivamente)
tende a ficar paralela ao eixo
horizontal;
 EXTRAÇÃO DAS COMPONENTES

å = 7,973

A percentagem da variância
total explicada por cada
componente (% of Variance)
obtém-se dividindo o valor
próprio da componente pela
variância total e multiplicando O mesmo se pode fazer com a
por 100. Veja-se para a % de variância explicada
componente 1: acumulada:
4,940 7,973
×100 = 32,93 ×100 = 53,151
15 15
å = 15
EXTRAÇÃO DAS COMPONENTES

Nem o valor próprio, nem a sua tradução em

percentagem, nem por consequência a percentagem
acumulada se altera nas componentes extraídas entre a
fase inicial e a fase de extracção.
 EXTRAÇÃO DAS COMPONENTES

å = 7,973
å = 7,973 å = 7,973

A soma das percentagens de variância das x

componentes extraídas é igual em todas as fases.

Porque o somatório dos valores próprios também.

COMUNALIDADES

Comunalidade inicial: variância de cada

variável original explicada por todas as
componentes principais.
Comunalidade extraída: variância de cada
variável original explicada pelas componentes
principais que integram a solução em análise.
COMUNALIDADES

As comunalidades baixas indicam que as

variáveis estão mal representadas na solução em
análise, isto é, são mal explicadas pelas
componentes extraídas.

Consideram-se comunalidades baixas valores

inferiores a 0,5.

Quando as comunalidades são muito baixas

(próximas de zero) pode-se considerar retirar as
variáveis nessa situação.
MATRIZ DAS COMPONENTES (OU DOS LOADINGS)
Loadings: pesos das variáveis iniciais
(estandardizadas) em cada componente, ou
peso de cada componente para cada variável, ou
correlação entre a variável e a componente.

Alguns autores admitem como valor mínimo I0,3I

ou I0,4I (Maroco, 2010; Field, 2009), todavia, é
muito frequente considerarem-se como mais
representativas as variáveis que em cada
componente apresentarem valores iguais ou
superiores a I0,5I.

É comum serem essas variáveis as que são

escolhidas para definir e interpretar cada
componente.
MATRIZ DAS COMPONENTES (OU DOS LOADINGS)

Sem rotação

Após rotação ortogonal

MATRIZ DAS COMPONENTES (OU DOS LOADINGS)

Sem rotação Após rotação ortogonal

 ROTAÇÃO DAS COMPONENTES
A fase da rotação (opcional) tem como objectivo
facilitar a interpretação das componentes principais. CP2
CP2 após a rotação

Tem por objectivo maximizar a contribuição de uma

variável numa única componente e, por consequência,
minimizar essa contribuição nas restantes. Pode ser de
dois tipos:
Ortogonal: garante que as componentes principais Rotação ortogonal CP1

rodadas permanecem
independentes entre si, ou seja, não Rotação oblíqua

correlacionadas.
CP1 após a rotação

Oblíqua: as componentes passam a estar

correlacionadas entre si.
MATRIZ DAS COMPONENTES COM ROTAÇÃO ORTOGONAL

Com a rotação obtém-se uma estrutura mais

simplificada, uma vez que cada variável tende a ter
um loading elevado numa única componente.

Atendendo ao conteúdo temático das variáveis mais

representativas em cada componente, pode ensaiar-
se uma designação para as componentes.

Por vezes ocorrem situações em que não é possível

interpretar uma dada componente, podendo optar-
se pela designação indefinida.
MATRIZ DAS COMPONENTES COM ROTAÇÃO OBLÍQUA
MATRIZ DAS COMPONENTES COM ROTAÇÃO OBLÍQUA

Pattern Matrix : Os loadings desta matriz

representam a contribuição única de cada
variável para cada componente. É a matriz que
interpretamos para definir as componentes.

Structure Matrix: Os loadings representam a

correlação simples entre as variáveis e as
componentes. Contêm também as correlações
entre as componentes. Por esse motivo a sua
interpretação não é muito simples.
 RESUMO DOS OUTPUTS
Ronteúdo Referente a Fases
Inicial
Da variância total Valor próprio Componentes e Extraída
explicada e Rodada
(na mesma tabela)
Inicial
e Extraída
Das Comunalidades Variáveis (na mesma tabela)
Tabela comunalidades

Apenas Extraída
Loadinds (correlações) Componentes x (numa tabela)
Matrizes dos variáveis
loadings Rodada
(noutra tabela)
 ALGUNS

CÁLCULOS

S O M A D O S Q UA D R A D O S
 CÁLCULO DA COMUNALIDADE A partir de que tabela?
A única que também tem
informação sobre
variáveis: matriz dos
loadings (antes ou depois
da rotação)

De que variável?
Neste caso, construir
indicadores de justiça
social.

Antes ou depois da
rotação?
Neste caso, antes, mas é
indiferente.
(0,561) 2 + (0,286) 2 + (-0,095)2 = 0,405
Que cálculo?
Soma dos quadrados
 CÁLCULO DA COMUNALIDADE A partir de que tabela?
A única que também tem
informação sobre
variáveis: matriz dos
loadings (antes ou depois
da rotação)

De que variável?
Neste caso, construir
indicadores de justiça
social.

Antes ou depois da
rotação?
Neste caso, depois, mas
tanto faz.
(0,228) 2 + (0,548) 2 + (0,230) 2 = 0,405
Que cálculo?
Soma dos quadrados
 CÁLCULO DO VALOR PRÓPRIO

A partir de que tabela?

A única que também tem
informação sobre
variáveis: matriz dos
loadings.

De que componente?
Neste caso, da primeira.

Antes ou depois da
rotação?
Neste caso, antes.

Que cálculo?
(0,742) 2 + (0,717) 2 + (0,673) 2 + (0,671) 2 + (0,643) 2 + (0,626) 2 + (0,561) 2 + (0,536) 2 +
+ (0,498) 2 + (0,495) 2 + (0,470) 2 + (0,419) 2 + (0,473) 2 + (0,390) 2 + (0,548) 2 = 4,940
Soma dos quadrados
 CÁLCULO DO VALOR PRÓPRIO

A partir de que tabela?

A única que também tem
informação sobre
variáveis: matriz dos
loadings.

De que componente?
Neste caso, da primeira

Antes ou depois da
rotação?
Neste caso, antes.

Que cálculo?
(0,845) 2 + (0,819) 2 + (0,780) 2 + (0,625) 2 + (0,596) 2 + (0,008) 2 + (0,129) 2 + (0,171) 2 + Soma dos quadrados
+ (0,079) 2 + (0,385) 2 + (0,228) 2 + (0,134) 2 + (-0,001)2 + (0,378) 2 + (0,365) 2 = 3,287
AS

U M A N O VA V I A G E M
NOVAS

VARIÁVEIS

DUAS VIAS
COMPARAÇÃO
COMO USAR E ANALISAR
VIA CÁLCULO DOS SCORES FACTORIAIS

Após a extração das componentes é possível

calcular para cada indivíduo os seus scores
fatoriais, isto é, os seus valores em cada
componente. Para isso são necessárias as suas
respostas às variáveis originais (estandardizadas)
e os coeficientes que ponderam cada uma dessas
variáveis.
A gravação dos scores factoriais faz-se no menu
da ACP. As novas variáveis por esta via ficam
gravadas na base de dados, sem cálculos
adicionais.
VIA CÁLCULO DOS SCORES FACTORIAIS

Vantagem: rapidez na construção.

Desvantagem: analítica (os valores
estandardizados não são fáceis de apresentar e
analisar e público não entendido em estatística),
uso futuro (em regressões, anovas, etc.)
dificultado.
Apenas usar quando:
- as variáveis de input usarem diferentes escalas
ou métricas.
- as variáveis novas não puderem ser
construídas por via summated scales, dado a
baixa ou inaceitável consistência interna (Alpha
de Cronbach).
 VIA SUMMATED SCALES (ÍNDICES)

Há analistas que optam por, em vez de guardar os scores factoriais, criar novas variáveis (summated scales)
através do cálculo da média das variáveis que mais pesam em cada uma das componentes (aquelas que têm
os loadings mais elevados).

Ao fazer isto, para as novas variáveis contribuem apenas as variáveis que mais se destacam nas
componentes, ao invés do que acontece quando se trabalha com os scores fatoriais, onde as novas variáveis
têm o contributo de todas as iniciais.

É conveniente calcular uma medida de consistência interna (alpha de Cronbach).

VIA SUMMATED SCALES (ÍNDICES)

Alpha de Cronbach
Componente 1:

Componente 2:

Componente 3:
 COMPARAÇÃO DAS DUAS VIAS
Componente 1:
 COMPARAÇÃO DAS DUAS VIAS
Componente 2:
 COMPARAÇÃO DAS DUAS VIAS
Componente 3:
COMPARAÇÃO DAS DUAS VIAS
APRESENTAÇÃO

DE

RESULTADOS
 APRESENTAÇÃO DEVE INCLUIR
A apresentação dos resultados da ACP deve incluir:
§ Apresentação e análise descritiva das variáveis originais (o que foi medido, como foi medido, como foram
as respostas obtidas);
§ Referência à adequabilidade da ACP (KMO ou teste de Bartlett) (Pode ser feito em nota de rodapé);
§ Quadro síntese onde constam as componentes retidas (com a respetiva designação), a percentagem de
variância explicada por cada uma delas e as contribuições de cada variável para cada componente
(loadings) (ver slide seguinte);
§ A interpretação de cada componente retida;
§ Sugere-se ainda a comparação das componentes, tentando perceber a sua importância relativa para os
indivíduos (por exemplo através das médias, quando tal for possível) bem como a realização de
cruzamentos com outras variáveis que pareçam pertinentes (opção, satisfação, ano lectivo) no sentido de
apurar a existência de eventuais diferenças de posicionamento.
DAR NOME, DAR SENTIDO, DAR SIGNIFICADO ÀS COMPONENTES

Com criatividade e sensibilidade sociológicas mas:

- Não atribuir designações dúbias, ambíguas ou abstratas;
- Não atribuir designações exatamente iguais à designação de variáveis com as quais a
componente está correlacionada;
- Atribuir designações às componentes, o mais mutuamente exclusivas possível;
- Não atribuir a duas componentes designações que são (praticamente) sinónimos;
- Atribuir designações equivalentes:
- todas adjetivos, todas atributos, todas conceitos, etc..
- todas tendencialmente do mesmo nível analítico ou temático
APRESENTAÇÃO DEVE INCLUIR

A interpretação de cada componente retida:

Como se designam as componentes? Porquê? Para que tema/

Fenómeno/ Conceito remetem?
Dar nome é dar sentido, é dar significado.
Estas componentes surpreendem? Contrariam a literatura ou o
senso comum? Confirmam outras leituras?
Que novas hipóteses de investigação suscitam elas?
 Componentes da importância atribuída às funções da sociologia
(Via Análise de Componentes Principais, com rotação Varimax)
Componentes
Aspectos Sociologia Sociologia Sociologia
Fundamental Aplicada Pública
Desenvolver sentido crítico 0,845 0,182 0,083
Fazer ruptura com o senso comum 0,819 0,122 ,0143
Relacionar biografias e sociedades 0,780 0,063 ,0181
Compreender o impacto da estrutura social na agência dos 0,625 0,290 ,0084
indivíduos
Desmontar processos de mudança social 0,596 0,252 ,0245
Trabalhar no terreno com populações em situações 0,008 0,677 ,0231
vulneráveis
Identificar bolsas de desigualdades sociais 0,129 0,646 -0,053
Explicar os mecanismos de mobilidade social intergeracional 0,171 0,636 0,070
Determinar o impacto da escolarização 0,079 0,603 0,199
Identificar mudanças de valores sociais 0,385 0,556 -0,093
Construir indicadores de justiça social 0,228 0,548 0,230
Fazer comentário político 0,134 0,185 0,802
(In)formar opinião pública -0,001 0,077 0,795
Advogar por causas sociais 0,378 0,155 0,616
Desenhar ou avaliar políticas públicas 0,365 0,049 0,469
Percentagem de variância explicada 21,9% 16,8% 14,4%
 CONHECER AS NOVAS VARIÁVEIS
Componentes da importância atribuída às funções da sociologia (médias)

Qual a componente relativamente à qual a

importância média é mais elevada?

Que sentido sociológico poderei dar a esse facto?

Que impacto poderá ter esse resultado?

 CONHECER AS NOVAS VARIÁVEIS
Componentes da importância atribuída às funções da sociologia por ano lectivo (médias)

Atribuirão @s estudantes a frequentar

diferentes anos na licenciatura diferentes níveis
de importância aos diferentes tipos de funções
da sociologia?

Que sentido sociológico poderei dar a esse

facto?

Que impacto poderá ter esse resultado?

 CONHECER AS NOVAS VARIÁVEIS
Componentes da importância atribuída às funções da sociologia por ano lectivo (médias)

Atribuirão @s estudantes a frequentar

diferentes anos na licenciatura diferentes níveis
de importância aos diferentes tipos de funções
da sociologia?

Que sentido sociológico poderei dar a esse

facto?

Que impacto poderá ter esse resultado?

 RECOMEÇAR E DEFENDER A ACP
E
SE
TIV ESSEMO S
DI F ERENTES
INTERPRETAÇ Õ ES?
MESMO EXEMPLO: 4 COMPONENTES
MESMO EXEMPLO: 4 COMPONENTES