Introduzir a natureza, a filosofia e as condições da análise fatorial,
apresentar a aplicação da técnica e discutir os resultados obtidos
Técnica multivariada de interdependência
Estima os fatores comuns que são subjacentes
às variáveis e não diretamente observáveis
Tem como objetivo atribuir um escore a
constructos que não são diretamente observáveis
As variáveis são agrupadas em função de suas correlações
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
Suposições em análise fatorial
Normalidade e linearidade
Matriz de correlações com valores significativos
Tamanho da amostra deve ser igual ou
superior a 100 observações
Exploratória
O pesquisador tem pouco ou nenhum conhecimento
prévio acerca da estrutura dos fatores
Confirmatória
O pesquisador possui algum conhecimento précio acerca
de como as variáveis se comportam e se relacionam
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