AF - Passo a passo

Prévia do material em texto

Verificar se existem outliers (pontos fora da curva)
Box Plot
Z (Z>3 ou Z<-3)
Graficos > caixas de dialogo > diagrama em caixa > simples > variáveis separadas
Dados > Selecionar casos... > Se >
Construir matriz de correlação
Analisar > correlacionar > bivariavel
Decidir o número de fatores a serem retidos
c.1) Scree Plot (diagrama de sedimentação, gráfico do cotovelo)
Analisar > redução de dimensão > fator > extração > gráfico de sedimentação
Pega o ponto anterior á quebra, “á curva do cotovelo”
3 fatores
c.2) Critério de Kaiser (autovalor > 1 reter o fator)
Analisar o quadro anterior ao gráfico de sedimentação. Analisar se os valores próprios inicias são maiores que 1
2 fatores
	c.3) Percentual da variação explicada
Analisar o quadro anterior ao gráfico de sedimentação. Olhar a % cumulativa e escolher o número de fatores que responda acima de 80%. 
	2 fatores
“Rodar” novamente
Identificar quais variáveis estão “mais carregadas” em quais fatores (ou seja, maior correlação, ou “maior carga fatorial”)
Rotação Varimax (deixa a viariavel mais carregada em apenas 1 fator)
Análise fatorial > fator > extração 2 fatores > rotação varimax
Cada número é uma carga fatorial correlação da variável X com o fator Y
	Matriz de componente rotativaa
	
	Componente
	
	1
	2
	Salário Atual
	,948
	,165
	Salário Inicial na Organização
	,351
	-,718
	Tempo de Serviço
	,472
	,797
	Anos de Estudo
	,952
	,079
	Idade do Pesquisado
	,441
	,847
	Método de extração: Análise do Componente principal. 
 Método de rotação: Varimax com normalização de Kaiser.
	a. Rotação convergida em 3 iterações.
Fator 1: Anos de estudo e Salário Atual (Recompensa, Meritocracia)
Fator 2: Idade, tempo de serviço e salário inicial (Experiência)
AULA 13/03
2.2) Normalidade
p-p Plot
Analisar > estatística descritiva > gráfico P-P
Teste de normalidade
Shapiro-Wilk
Kolmorov-Smirnov (n>1000)
H0: A variável segue distribuição normal
H1: A variavel NÃO segue distribuicao normal
α: 1%
sig (valor-P): 
conclusão: se Sig > α, não rejeitamos H0. Concluímos assim, que a variável possui distribuição normal. 
Analisar > estatística descritiva > explorar... 
	Tests of Normality
	
	Kolmogorov-Smirnova
	Shapiro-Wilk
	
	Estatística
	df
	Sig.
	Estatística
	df
	Sig.
	Salário Atual
	,160
	30
	,048
	,924
	30
	,034
	Salário Inicial na Organização
	,161
	30
	,045
	,932
	30
	,055
	Tempo de Serviço
	,139
	30
	,145
	,965
	30
	,423
	Anos de Estudo
	,136
	30
	,166
	,932
	30
	,056
	Idade do Pesquisado
	,161
	30
	,046
	,917
	30
	,022
	a. Lilliefors Significance Correction
2.3) Tamanho da amostra
N = no variáveis x 10 (no exemplo, 5x10=50 Ideal seria ter no mínimo 50 empregados)
AULA 18/03
Premissas da AF
KMO (0 ≤ KMO ≤ 1)
Analisar a adequação dos dados para o uso da AF
Se KMO < 0,5 a AF NÃO é indicada
Quanto mais próximo de 1, melhor!
Teste de Barlett
H0: Todos os pares de variáveis tem correlação igual a 0
H1: Pelo menos um par não tem correlação igual a 0
α = 5%
sig = ?
Conclusão: se sig < α, então rejeita-se H0. Pode usar a AF.
MSA (Medida de adequação amostral) 
Para cada variável separadamente 
Se MSA > 0,5 a variável permanece na analise 
Se MSA < 0,5 a variável SAI da AF
Analisar > redução > fator > descritivos > anti imagem e teste de esfericidade
Analise a KMO e o que ela representa
	R: KMO = 0,578. Mostra uma FRACA adequação para a utilização da AF. 
Proceda o teste de Bartlett com nível de significância de 5%
	R: Como sig < 5%, rejeita-se H0, conclui-se que pelo menos um par de variáveis tem correlação diferente de 0. Logo, o uso da AF é adequado.
A partir da matriz anti-imagem, indique se há alguma variável que deveria ser retirada da analise. Justifique.
R: Salário inicial deve ser retirada pois sua msa deu menor que 0,5. 
Pela análise do gráfico, escolhemos 
2
 fatores, pois é o número de fatores anterior a “quebra do cotovelo”. Analisando scree plot, kaiser e porcentagem de variação explicada, escolhe o numero de fatores a serem retidos. Justifique.
	R: Critério de Kaiser Olhando os valores próprios iniciais totais, deve ser maior que 1, retendo assim 2 fatores. 
	Porcentagem de variação explicada Olhando os valores de % cumulativa, devemos escolher 2 fatores pois explicam 98% da variação total das 4 variaveis originais. 
Identifique quais variáveis fazem parte de quais fatores e forneça uma taxinomia para cada fator.
Análise fatorial > fator > extração 2 fatores > rotação varimax
Fator 1: Salário Atual e Anos de estudo ‘Meritocracia’
Fator 2: Tempo de serviço e idade do pesquisado ‘Experiência’
Analisando as comunalidades, conclua sobre a explicação das variáveis pelos fatores. Alguma variável deve ser retirada da AF?
Ordem real a ser feita:
Verificar outlier (não deve haver, se houver, retirar).
Verificar normalidade (deve haver)
Premissas da AF (KMO, Bartlett, MSA)
Escolha do nº de fatores (Scree Plot, Kaiser, % da variação explicada)
Verificar quais variáveis estão mais carregadas em qual fator
Se for possível, atribuir um nome a cada fator
Verificar se cada variável está sendo “bem explicada” pelos fatores retidos (Com base na comunalidade valor máximo(ideal) =1 Se comunalidade ≥ 0,5 OK; Se comunalidade < 0,5 PROBLEMA)