Baixe o app para aproveitar ainda mais
Prévia do material em texto
Aula 8 – 15/04/16 PROGRAMA DE AULA Conceito de fatores Matriz de Correlação Cargas fatoriais Nomeação dos fatores ANÁLISE FATORIAL TÉCNICA DE ANÁLISE MULTIVARIADA QUE IDENTIFICA UM NÚMERO RELATIVAMENTE PEQUENO DE FATORES QUE PODEM SER USADOS PARA REPRESENTAR RELAÇÕES ENTRE MUITAS VARIÁVEIS QUE ESTÃO INTERRELACIONADAS. EXEMPLOS DE APLICAÇÕES ECONOMIA: REDUZIR UM GRANDE NÚMERO DE VARIÁVEIS ECONÔMICAS CORRELACIONADAS SOBRE PAÍSES PARA A ANÁLISE DE SEU DESEMPENHO CIÊNCIAS SOCIAIS: REDUZIR UM GRANDE NÚMERO DE VARIÁVEIS SOCIAIS CORRELACIONADAS SOBRE BAIRROS DE UMA CIDADE PARA DEFINIR PRIORIDADES DE AÇÕES PREVENTIVAS EDUCAÇÃO: REDUZIR UM GRANDE NÚMERO DE VARIÁVEIS EDUCACIONAIS CORRELACIONADAS SOBRE FACULDADES PARA SE OBTER UM RANKING DESTAS INSTITUIÇÕES EXEMPLO 1 - Aplicação na indústria automobilística Verificar aspectos determinantes na decisão de compra de automóvel pela Internet Este estudo servirá de base para a identificação dos aspectos que mais sintetizam as opiniões dos entrevistados Os entrevistados deram uma nota (grau) de 0 a 10 para a influência de cada variável na decisão de comprar automóvel pela Internet Variáveis: 1.Variedade de opções de pagamento, 2. Custo da entrega 3. Prazo de entrega 4. Devolução dos pagamentos em caso de insatisfação 5. Facilidade de navegação no site 6. Preço do produto 7. Reputação do site na Internet 8. Velocidade de acesso 9. Programação visual do site 10. Nível de organização do site 11. Confiança nas transações via Internet 12. Serviços adicionais oferecidos pelo site 13. Condições dos produtos entregues 14. Descontos 15. Suporte de atendimento às dúvidas do consumidor 16. Garantia de sigilo de informações confidenciais 17. Informações sobre o produto 18. Prazo de garantia dos produtos 19. Pontualidade na entrega 20. Suficiência das informações contidas nos menus de ajuda 21. Conveniência dos horários de funcionamento 22. Nível de atenção individual a cada cliente Aplicação na indústria automobilística Fatores: 1. Aspecto econômico, 2. Rapidez do serviço, 3. Apoio/ infra-estrutura, 4. Confiança, 5. Atendimento personalizado Aplicação na indústria automobilística Para os entrevistados, os 22 itens se resumem a 5. A técnica vai produzir 5 novos itens na base de dados referentes aos fatores. Serão calculados os graus de influência de compra de automóvel pela Internet que os entrevistados teriam dado para os 5 fatores através dos graus dados aos 22 itens. Medida de eficiência da técnica: variância explicada pelos fatores: F1: 35%, F2: 20%, F3: 15%, F4: 10%, F5: 5%; Total: 85%. Logo, as 22 variáveis foram substituídas por 5 fatores, que preservaram 85% das informações das variáveis originais. Poderiam ser feitas várias análises com estes 5 fatores, que são mais fáceis de “administrar” do que as 22 variáveis originais. EXEMPLO 2 – Aplicação em Ciências Sociais - Indicadores de Bairros Índices per capita V1: índice de escolas V2: índice de parques V3: índice de bibliotecas V4: índice de assaltos V5: índice de acidentes de trânsito V6: índice de seqüestros V7: índice de crimes com mortes V8: índice de restaurantes V9: índice de lanchonetes V10: índice de cinemas V11: índice de teatros V12: índice de hospitais V13: índice de laboratórios de exames médicos V14: índice de pronto-socorros V15: índice de cursos de idiomas V16: índice de supermercados V17: índice de postos de gasolina Objetivo: ranking dos bairros para identificar os mais carentes Bairros V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 . . V17 B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 . . . . . . . B90 Índices per capita V1: índice de escolas V2: índice de parques V3: índice de bibliotecas V4: índice de assaltos V5: índice de acidentes de trânsito V6: índice de seqüestros V7: índice de crimes com mortes V8: índice de restaurantes V9: índice de lanchonetes V10: índice de cinemas V11: índice de teatros V12: índice de hospitais V13: índice de laboratórios de exames médicos V14: índice de pronto-socorros V15: índice de cursos de idiomas V16: índice de supermercados V17: índice de postos de gasolina Indicadores de Bairros F1 F2 F3 F4 F5 V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 Fatores: Cultura Lazer Violência Saúde Conveniência F1 (Cultura): média ponderada das 17 variáveis com pesos mais altos (em módulo) para V1, V3 e V15 Os outros fatores também têm pesos mais altos (em módulo) para as variáveis nas suas cores específicas. 1ª linha e coluna deste novo banco de dados: Escore do Fator 1 para o Bairro 1 F1, bairro1 = cargaF1,V1.v1, bairro1 + cargaF1,V2.v2, bairro1 + cargaF1,V3.v3, bairro1 + ..... + cargaF1,V17.v17, bairro1 idem para os outros fatores e os outros bairros A partir dos escores fatoriais é possível obter um ranking dos bairros para cada fator e priorizar ações corretivas. Bairros F1 F2 F3 F4 F5 B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 . . . . . . . B90 Indicadores de Bairros Bairros V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 . . V17 B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 . . . . . . . B90 Redução do banco de dados EXEMPLO 3 – Adoção tecnológica no trabalho por 20 empresas Efeito desejado no trabalho com a nova tecnologia V1: aumento da produtividade V2: melhor desempenho dos funcionários V3: aumento da motivação dos funcionários V4: melhor relacionamento com a clientela V5: melhor imagem externa da empresa V6: melhor relacionamento com fornecedores Empresas V1 V2 V3 V4 V5 V6 E1 8 6 5 3 5 5 E2 7 8 6 7 6 5 E3 8 8 7 9 9 9 E4 5 5 7 10 10 10 E5 10 10 10 3 3 3 E6 7 8 7 6 10 8 E7 0 0 5 10 7 8 E8 1 1 1 6 8 8 E9 5 8 8 10 8 9 E10 5 6 8 4 8 6 E11 3 6 4 4 7 4 E12 10 10 10 8 8 8 E13 5 10 0 5 5 10 E14 7 6 9 10 7 5 E15 5 5 5 8 8 8 E16 9 6 10 10 8 10 E17 10 10 10 9 10 8 E18 10 8 8 8 7 7 E19 2 3 8 5 6 8 E20 1010 10 10 8 7 Objetivo: ranking das empresas para definir estratégias de vendas de novas tecnologias Adoção tecnológica Efeito desejado no trabalho com a nova tecnologia V1: aumento da produtividade V2: melhor desempenho dos funcionários V3: aumento da motivação dos funcionários V4: melhor relacionamento com a clientela V5: melhor imagem externa da empresa V6: melhor relacionamento com fornecedores Matriz de Correlação V1 V2 V3 V4 V5 V6 V1 1 V2 0,824 1 V3 0,6493 0,4 1 V4 0,126 -0,032 0,352 1 V5 0,0112 -0,056 0,1907 0,588 1 V6 -0,149 -0,108 -0,129 0,5438 0,5598 1 Fortes correlações entre: V1, V2 e V3 V4, V5 e V6 Logo, há um fator em comum entre V1, V2 e V3 E outro fator comum entre V4, V5 e V6 Adoção tecnológica Fatores: Eficiência Relacionamento externo Cargas fatoriais F1 F2 V1 0,955 -0,030 V2 0,847 -0,132 V3 0,789 0,206 V4 0,182 0,856 V5 0,046 0,852 V6 -0,195 0,808 F1 = 0,955.V1 + 0,847.V2 + 0,789.V3 + 0,182.V4 + 0,046.V5 - 0,195.V6 F2 = -0,030.V1 - 0,132.V2 + 0,206.V3 + 0,856.V4 + 0,852.V5 + 0,808.V6 Resultados da análise fatorial: cargas (pesos) de cada variável em cada fator Adoção tecnológica Empresas V1 V2 V3 V4 V5 V6 E1 8 6 5 3 5 5 E2 7 8 6 7 6 5 E3 8 8 7 9 9 9 E4 5 5 7 10 10 10 E5 10 10 10 3 3 3 E6 7 8 7 6 10 8 E7 0 0 5 10 7 8 E8 1 1 1 6 8 8 E9 5 8 8 10 8 9 E10 5 6 8 4 8 6 E11 3 6 4 4 7 4 E12 10 10 10 8 8 8 E13 5 10 0 5 5 10 E14 7 6 9 10 7 5 E15 5 5 5 8 8 8 E16 9 6 10 10 8 10 E17 10 10 10 9 10 8 E18 10 8 8 8 7 7 E19 2 3 8 5 6 8 E20 10 10 10 10 8 7 F1 = 0,955.V1 + 0,847.V2 + 0,789.V3 + 0,182.V4 + 0,046.V5 - 0,195.V6 F2 = -0,030.V1 - 0,132.V2 + 0,206.V3 + 0,856.V4 + 0,852.V5 + 0,808.V6 Empresa 1 F1 = 0,955.8 + 0,847.6 + 0,789.5 + 0,182.3 + 0,046.5 - 0,195.5 = 16,465 F2 = -0,030.8 - 0,132.6 + 0,206.5 + 0,856.3 + 0,852.5 + 0,808.5 = 10,863 F1 F2 16,465 10,863 18,769 15,109 20,234 22,784 14,861 25,786 26,006 7,982 18,974 20,291 4,525 22,012 2,490 18,458 18,295 23,082 16,092 15,790 11,373 12,559 26,171 20,561 12,437 15,145 20,032 19,409 13,217 20,343 21,800 24,446 26,445 23,121 23,048 18,754 10,386 17,042 26,730 21,464 Redução do banco de dados Escores fatoriais
Compartilhar