Você está na página 1de 28

ANLISE MULTIVARIADA DE DADOS Hair, Anderson, Tatham & Black - 2005 -

Curso
Anlise Fatorial Exploratria e Confirmatria

Claudette Maria Medeiros Vendramini


Universidade So Francisco (USF)
Laboratrio de Mtodos Estatsticos em Psicologia e Educao - LAMEPE -

IV Congresso Brasileiro de Avaliao Psicolgica V Congresso da Associao Brasileira de Rorschach e Mtodos Projetivos XIV Conferncia Internacional de Avaliao Psicolgica: Formas e Contextos Avaliao Psicolgica: Formao, Atuao e Interfaces
29/07/2009 a 01/08/2009 - Campinas-SP

Interesse e utilidade
Avanos na anlise de dados Computadores podem analisar grande quantidade de dados complexos Microcomputadores e programas estatsticos (SPSS, SAS, MINITAB, STATISTICA, entre outros Cresce o interesse por tcnicas multivariadas

Pouca bibliografia para pesquisador que no so especialistas em matemtica ou estatstica


Pesquisadores analistas de dados ou quantitativistas

Anlise Uni e bivariada


Anlise univariada: Anlise de distribuies de uma nica varivel Anlise bivariada: classificao cruzada, correlao, anlise de varincia e regresso simples para analisar duas variveis

Anlise multivariada
Anlise simultnea de mltiplas variveis em um nico relacionamento ou conjunto de relaes
Auxilia na compreenso de comportamentos complexos no ambiente de trabalho Acrescenta informaes potencialmente teis

Permite preservar as correlaes naturais entre as mltiplas influncias de comportamento sem isolar qualquer indivduo ou varivel

Anlise multivariada
Todas as variveis devem ser aleatrias e interrelacionadas Diferentes efeitos das variveis no podem ser interpretados de forma separada

Tem o propsito de medir, explicar e prever o grau de relacionamento entre combinaes ponderadas de variveis Consiste em combinaes mltiplas de variveis
Inclui tcnicas de mltiplas variveis

Tomada de deciso
No meio educacional os indivduos (diretores, professores, estudantes, entre outros) possuem caractersticas scio-demogrficas muito variadas Somente pela anlise multivariada as mltiplas relaes podem ser analisadas Todo pesquisador (profissional ou acadmico) deve sustentar sua anlise de dados em bases tericas e quantitativas

A varivel estatstica
Combinao linear de variveis, especificadas pelo pesquisador, com pesos empiricamente determinados por tcnicas multivariadas Valor da varivel estatstica =

w1X1 w2X2 w3X3 ... wnXn


Xn a varivel observada

wn o peso determinado pela tcnica multivariada


importante compreender a contribuio de

cada varivel representada no modelo

A varivel estatstica (VE)


VE w1X1 w2X2 w3X3 ... wnXn
A VE um nico valor determinado para atingir melhor um determinado objetivo, como em:
Regresso mltipla: melhor se correlacionar com a varivel a ser predita
Anlise discriminante: criar escores para cada observao que diferencie de forma mxima os grupos de observaes Anlise fatorial: VEs que melhor representem a estrutura subjacente ou a dimensionalidade das variveis representadas pelas suas intercorrelaes

Escalas de medida
Tipos bsicos:
No-mtricos (qualitativos)
Atributo

Caracterstica
Propriedade

categrica

Mtricos (quantitativos)
Quantia

ou magnitude, Quantidade relativa Grau

Tcnicas de anlise
Tipos de relao:

dependncia
Uma VD em uma nica relao Diversas VDs em uma nica relao Mltiplas relaes de VDs e VIs Interdependncia entre variveis entre casos/respondentes entre objetos (mapeamento perceptual)

Regresso Mltipla

mtrico mtrica, n o mtrica


Abordagem: mtodo que relaciona uma nica VD mtrica a duas ou mais VIs mtricas ou no mtricas adequadamente transformadas em mtricas Objetivo: - examinar a relao entre uma VD e duas ou mais VIs Passos: - definir se o objetivo de previso ou de explicao - selecionar VD e VIs - obter um tamanho de amostra adequado - Verificar normalidade, linearidade, homoscedasticidade e independncia dos termos de erro - estimao do modelo de regresso - avaliao do ajuste do modelo - interpretao e validao dos resultados

Y1

X 1 X 2 X 3 ... X n

Modelagem de equaes estruturais


Y1 Y2 X 11 X 12 X 13 ... X 1n X 21 X 22 X 23 ... X 2 n

mtrico mtrica, n o mtrica

.......... .......... .......... .......... .......... Ym X m1 X m 2 X m 3 ... X mn

Abordagem: mtodo que permite separar relaes para cada conjunto de VDs. Fornece uma estimao mais apropriada e mais eficiente para uma srie de equaes de regresso mltipla. Objetivo: - estimar simultaneamente um conjunto de relaes entre duas ou mais VDs e duas ou mais VIs Passos: - especificar o modelo terico (relaes causais) - construir um diagrama de caminhos - traduzir o diagrama de caminhos em equaes estruturais - especificar o modelo de mensurao - identificar correlaes de construtos e indicadores - Escolher o tipo de matriz de entrada de dados - avaliar a identificao, estimativas e ajuste do modelo - interpretao e validao dos resultados

Anlise conjunta
no mtrica , mtrica no mtrica
Abordagem: uma tcnica multivariada usada especificamente para entender como os respondentes desenvolvem preferncias por produtos, servios ou idias, combinando quantias separadas de valor fornecidas por cada atributo. Objetivo: - examinar a relao entre uma VD e duas ou mais VIs - determinar a contribuio de VIs - estabelecer um modelo de julgamentos do consumidor Passos: - construir um conjunto de produtos ou servios reais ou hipotticos combinando nveis selecionados de cada atributo - apresentar as combinaes a um conjunto de respondentes para avaliao geral (escolher entre um conjunto de produtos - verificar a adequao da forma do modelo e da representatividade da amostra - selecionar tcnica de estimao e avaliar o ajuste - interpretar e validar os resultados

Y1

X 1 X 2 X 3 ... X n

Anlise Fatorial
Abordagem: analisar a estrutura das intercorrelaes entre um nmero de variveis explicveis em termos de dimenses latentes comuns denominadas fatores. Todas as variveis so consideradas simultaneamente para anlise. Objetivo: - resumir e reduzir dados

- identificar estrutura de relaes entre variveis


Passos: - definir se a anlise exploratria ou confirmatria - calcular a matriz de correlaes para especificar o agrupamento de variveis

- analisar a matriz de correlaes


- analisar a adequao da amostra - determinar os fatores e o ajuste geral pelo mtodo de fatores comuns ou de componentes principais

Anlise de Agrupamentos
Abordagem: classificar uma amostra de indivduos ou objetos em grupos mutuamente excludentes com base na similaridade dos indivduos ou objetos. uma classificao de acordo com relaes naturais. Semelhante anlise fatorial que agrega variveis, em anlise de agrupamentos se agrega indivduos ou objetos.

Objetivo: - encontrar subgrupos significativos de indivduos ou objetos


- estabelecer o perfil das pessoas ou variveis Os grupos no so pr-definidos, so identificados na anlise. Passos: - medir a similaridade ou associao entre sujeitos para determinar o nmero de grupos - agrupar os sujeitos ou objetos - estabelecer o perfil das pessoas ou variveis

Escalonamento multidimensional
Abordagem: determinar a imagem relativa percebida de um conjunto de objetos (itens associados a percepes comumente consideradas como produto, servio, imagem, aroma). Transforma julgamentos de consumidores quanto similaridade ou preferncia em distncias representadas em espao multidimensional (mapa perceptual) Objetivo: - explorar e identificar dimenses no reconhecidas que afetam o comportamento - obter avaliaes comparativas de objetos quando as bases especficas de comparao so desconhecidas ou identificadas Passos: - identificar todos os objetos relevantes - escolher entre dados de similaridade ou de preferncia - selecionar uma anlise agregada ou desagregada

Anlise de Correspondncia
Abordagem: uma tcnica multivariada de interdependncia entre objetos, composicional baseada na associao entre objetos e um conjunto de caractersticas descritivas ou atributos especificados pelo pesquisador. Objetivo: - reduo dimensional da classificao dos sujeitos ou objetos em conjunto de atributos

- mapeamento perceptual desses sujeitos ou objetos relativo a um conjunto de atributos


Acomoda dados no mtricos e relaes no lineares. Passos: - organiza tabelas de contingncia, isto , tabelas cruzadas de duas variveis categricas - transforma dados no mtricos em mtricos - reduz dimenso - faz mapeamento perceptual

Inferncia estatstica

Para interpretar as inferncias estatsticas necessrio especificar os nveis de erros aceitveis. Em testes de hiptese se verifica se a afirmao feita a respeito de um parmetro populacional , chamada de hiptese estatstica, pode ser aceita ou no.

Teste de Hipteses

Objetivo : Fornecer uma metodologia que permita verificar se os dados amostrais trazem evidncias que apiam ou no uma hiptese estatstica. Hiptese estatstica : Conjectura sobre um ou mais parmetros de uma populao

Tipos de hiptese

Hiptese Nula (H0): o que temos como verdade inicialmente Hiptese Alternativa (H1): a hiptese que surge baseada em experincias do pesquisador.

Probabilidades de erro em um teste para a diferena de mdias

Realidade
H0: sem diferena H0: sem Deciso estatstica diferena H1: com diferena 1- Erro tipo I H1: com diferena Erro tipo II 1- Poder do teste

Fatores que determinam o poder de um teste estatstico

Tamanho do efeito

Estimativa do grau em que o fenmeno estudado existe na populao

O valor de Tamanho da amostra

Construindo modelos multivariados


Estgio 1 Definir:

o problema de pesquisa (definir os conceitos e identificar as relaes fundamentais a serem investigadas) os objetivos de anlise em termos conceituais a tcnica multivariada, de dependncia ou de interdependncia

Estgio 2 Desenvolver o plano de anlise


Tamanho mnimo da amostra Tipos das variveis Mtodos de estimao Tipos de medidas de associao

Construindo modelos multivariados


Estgio 3 Avaliar as suposies subjacentes a cada tcnica multivariada Para as tcnicas baseadas em inferncias

Normalidade multivariada Linearidade Independncias de termos de erro Igualdade de varincia em uma relao de dependncia

Construindo modelos multivariados


Estgio 4 Estimar o modelo multivariado Avaliar o ajuste do modelo Estgio 5 Interpretar as variveis estatsticas Identificar evidncia emprica de relaes multivariadas nos dados da amostra que possam ser generalizadas para a populao Estgio 6 Validao do modelo multivariado