Baixe o app para aproveitar ainda mais
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)
Compartilhar