Análise Fatorial

Análise Fatorial

1. Objetivo

   • Introduzir a natureza, a filosofia e as condições da análise fatorial, apresentar a aplicação da técnica e discutir os resultados obtidos

2. Técnica multivariada de interdependência

3. Estima os fatores comuns que são subjacentes às variáveis e não diretamente observáveis

4. Tem como objetivo atribuir um escore a constructos que não são diretamente observáveis

5. As variáveis são agrupadas em função de suas correlações

6. Fator

   • Representa a combinação linear (variável estatística) das variáveis originais.
   • Representa as dimensões latentes (constructos) que resumem ou explicam o conjunto original de variáveis observadas

7. Suposições em análise fatorial

   • Normalidade e linearidade
   • Matriz de correlações com valores significativos

8. Tamanho da amostra deve ser igual ou superior a 100 observações

9. Exploratória

   • O pesquisador tem pouco ou nenhum conhecimento prévio acerca da estrutura dos fatores

10. Confirmatória

    • O pesquisador possui algum conhecimento précio acerca de como as variáveis se comportam e se relacionam

11. Etapas

    • Extração dos fatores iniciais e determinação do número de fatores
      • Determinar um número reduzido de fatores que podem representar a estrutura das variáveis originais
      • Métodos de Extração
        • Análise dos componentes principais (ACP)
          • Considera variância total dos dados
        • Análise dos fatores comuns (AFC)
          • Fatores são estimados com base na variância comum
        • Máxima verossimilhança
          • Quando se trata de uma amostra de indivíduos retirados de uma população normal e se pretende explicar a estrutura latente da matriz de correlações
        • Mínimos quadrados ordinários e generalizados (OLS e GLS)
        • Alpha
          • As variáveis em estudo constituem uma amostra do universo de variáveis existentes e de os indivíduos compõem toda a população
      • Escolha do Número de Fatores
        • Critério da raiz latente (critério de Kaiser)
          • Escolhe o número de fatores a reter, em função do número de valores próprios acima de 1
        • Critério a priori
          • O pesquisador já sabe quantos fatores extrair
        • Critério da porcentagem de variância
          • Escolher, como número de fatores, um número mínimo necessário para que o percentual de variância explicada alcance o nível satisfatório desejado
        • Critério do gráfico Scree
          • Identificar o número ótimo de fatores que podem ser extraídos antes que a quantia de variâncai única
    • Rotação dos fatores
      • Tem como objetivo a transformação dos coeficientes dos componentes principais retidos em uma estrutura simplificada
      • Métodos Ortogonal
        • Produzem fatores que não estão correlacionados entre si
      • Métodos Oblíquos
        • Os fatores estão correlacionados
    • Análise da matriz de correlações e adequações da utilização da análise fatorial
      • Mede a associação linear entre as variáveis, por meio do coeficiente de correlação de Pearson
      • Se a inspeção visual da matriz de correlações não revelar um número substancial de valores superiores a 0,30, há fortes indícios de que a utilização da técnica não é apropriada
      • Aplicação do teste de esfericidade de Barlett
        • Avaliar a hipótese de que a matriz das correlações pode ser a matriz identidade com determinante igual a 1
      • Verificar a estatística KMO
        • Avalia a adequação da amostra quanto ao grau de correlação parcial entre as variáveis, que deve ser pequeno
      • Matriz anti-imagem
        • Uma forma de obter indícios acerca da necessidade de eliminação de determinada variável do modelo
    • Interpretação dos fatores
      • Interpretação e nomeação dos fatores por meio das características fatoriais