Anlise Fatorial e Anlise de Componentes

Principais
A anlise fatorial (AF) ou anlise em componentes principais (ou anlise de
fatores ainda) uma tcnica multivariada para transformar um conjunto de
variveis relacionadas (correlacionadas) num conjunto de variveis
independentes que explicam a diminuio das propores de variao das
observaes originais. Este mtodo constitui uma tentativa para reduzir a
complexidade dos dados atravs da diminuio do nmero de variveis
consideradas.

A anlise fatorial realizada atravs de um software de anlise de dados

apresenta no output os seguintes elementos de anlise (ou Tabelas):

i) Estatsticas Descritivas das variveis consideradas para o N estudado. As

estatsticas descritivas que habitualmente se consideram nesta anlise so: os
valores mnimos e mximos, a mdia e o desvio padro; se pertinente para a
anlise dos dados, o investigador pode incluir ainda a soma, a mediana e os
valores de assimetria e curtose, por exemplo.

ii) A Matriz de Correlaes com os resultados do teste de correlao de

Pearson. Segundo Hair et al. (2009) a matriz de correlaes que revela se a
anlise fatorial apropriada ou no ao caso estudado.

iii) A estatstica KMO que varia entre 0 e 1 quanto mais prximo de 1,

melhor o ajustamento e a confirmao da estrutura fatorial. O resultado do
teste de KMO e do teste de esfericidade de Barttlet testam a viabilidade
da anlise fatorial e permitiram apreciar a qualidade das correlaes entre as
variveis.

Por exemplo, neste exemplo, o resultado do teste de Bartlett confirmou a

hiptese de que a matriz das correlaes uma matriz de identidade
(p<0,001) pelo que se confirmou a adequao do mtodo da anlise fatorial
(Tabela 1).
Tabela 1: KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,930
Approx. Chi-Square 19334,492
Bartletts Test of df 253
Sphericity Sig. ,000

O valores do KMO=0,93 revelou um bom ajustamento do modelo e, portanto,

prossegue-se com a AF.
iv) A Matriz constitui a quarta etapa da anlise fatorial em componentes
principais, com rotao varimax, depois de validada a AF. A
tabela Component Matrix indica ascontribuies prprias (ou factor loadings)
de cada varivel para os diferentes fatores retidos.

v) As Comunalidades que representam a proporo da varincia para cada

varivel includa na anlise explicada pelos componentes extrados.

vi) O Scree Plot ilustra o nmero de fatores a reter pelo modelo (aqueles
cujo eigenvalue superior a 1) em consonncia com o modelo ilustrado na
tabela Total Variance Explained esta tabela apresenta o peso dos fatores e a varincia
do modelo que explicada por cada fator resultante.

vii) O Scatter Plotpermite, por fim, visualizar o agrupamento das variveis

(itens) nos dois fatores que resultaram da AF (Grfico 1).
Grfico 1: Component Plot in Rotated Space

Como podemos ver atravs do grfico, resultaram da AF 2 fatores que

explicam a variabilidade dos 23 itens iniciais includos no estudo. Atendendo
natureza de cada um dos itens possvel o investigador identificar tpicos
gerais para denominar cada um dos dois fatores.

Referncia: Hair, J., Black, W., Babin, B., & Anderson, R.,
(2009). Multivariate data analysis: A global perspective (7 ed.). New Jersey:
Pearson Prentice Hall.