Baixe o app para aproveitar ainda mais
Prévia do material em texto
09/11/2016 1 Estatística Estatística IIII Prof. Prof. DrDr MorunMorun Bernardino Bernardino NetoNeto 1 Análise fatorial (AF) É uma técnica de interdependência cujo propósito é definir a estrutura latente entre as variáveis na análise. Análise FatorialAnálise Fatorial Técnicas multivariadas Dezenas, centenas ou milhares de variáveis Correlação entre as variáveis: desejável ou não? (1) Redução do número de variáveis: medidas compostas (superar erros) (2) Definição de conceitos que não podem ser adequadamente descritos por uma única medida: uso em outras técnicas Análise fatorial verifica as inter- relações entre as variáveis, definindo conjunto de variáveis (fatores) fortemente relacionadas 2 09/11/2016 2 Análise FatorialAnálise Fatorial A AF pode desempenhar um papel Exploratória: para busca a estrutura latente em um conjunto de variáveis ou redução do número de variáveis. Confirmatória: o pesquisador quer testar hipóteses sobre quais variáveis deveriam ser agrupadas em um fator e qual o número exato de fatores, ele avalia o grau em que os dados estão de acordo com a estrutura esperada. 3 4 Técnicas de dependência (previsão) Análise FatorialAnálise Fatorial Y1 = β0 + β1X1 + β2X2 + ... + βnXn A1 A2 A3 A4 A5 A6 B1 B2 B3 C1 C2 C3 C4 D1 D2 Técnicas de interdependência (identificação de estrutura) α1 β1 γ1 δ1 09/11/2016 3 Análise FatorialAnálise Fatorial Exemplo Uma empresa identificou 80 características diferentes de lojas de varejo e seus serviços que, segundo os consumidores, afetaram a sua preferência entre as lojas. Cortesia Sensibilidade Simpatia Prontidão para atendimento Diversidade de produtos Preço Conhecimento do vendedor Empatia Numero de profissionais na loja Atmosfera da loja Estacionamento (...) Cortesia Sensibilidade Simpatia Prontidão para atendimento Conhecimento do vendedor Empatia Vendedor p re vi sã o p re vi sã o 5 Análise FatorialAnálise Fatorial 6 09/11/2016 4 7 Análise FatorialAnálise Fatorial 8 Análise FatorialAnálise Fatorial 09/11/2016 5 9 Análise FatorialAnálise Fatorial Análise FatorialAnálise Fatorial Objetivos da AF – Primeiro passo Busca definir os constructos fundamentais ou dimensões latentes inerentes ás variáveis originais (1) Especificação da unidade de análise A. Análise Fatorial R (Variáveis): Se o objetivo for identificar a estrutura latente de correlações entre as variáveis. Usa matriz de correlações de variáveis. B. Análise Fatorial Q (respondentes): Se o objetivo for identificar a estrutura de relações entre os respondentes e agrupar respondentes individuais de uma população maior. Usa matriz de correlação de respondentes 10 09/11/2016 6 11 Análise FatorialAnálise Fatorial Objetivos da AF – Primeiro passo (1) Especificação da unidade de análise Cortesia Simpatia Ambiente Preço Localização ... Sujeito 1 Sujeito 2 Sujeito 3 Sujeito 4 Sujeito 5 ... 12 Análise FatorialAnálise Fatorial Objetivos da AF – Primeiro passo (1) Especificação da unidade de análise AFQ AG 09/11/2016 7 Análise FatorialAnálise Fatorial Objetivos da AF – Primeiro passo (2) Escolha entre resumo ou redução dos dados A. Resumo dos dados O resumo dos dados faz da identificação dos fatores latentes e as contribuições de cada variável ao fator (cargas fatoriais) um fim em si próprio. B. Redução dos dados Estende esse processo derivando um valor empírico (escore fatorial) para cada dimensão (fator) e então substitui o valor original das variáveis por esse valor. 13 14 Análise FatorialAnálise Fatorial Objetivos da AF – Primeiro passo (2) Escolha entre resumo ou redução dos dados RESUMO DE DADOS [encontrar a estrutura latente] Geralmente procuro os menores preços Compro coisas especiais Só compro produtos em promoção Marcas nacionais valem mais a pena Sempre compro o mais barato A qualidade e preço devem ser analisadas juntas CONSCIENTES SOBRE OS PREÇOS CAÇADORES DE PROMOÇÕES 09/11/2016 8 15 Análise FatorialAnálise Fatorial Objetivos da AF – Primeiro passo (2) Escolha entre resumo ou redução dos dados REDUÇÃO DOS DADOS [reduzir o numero de variáveis para uso posterior] Geralmente procuro os menores preços Compro coisas especiais Só compro produtos em promoção Marcas nacionais valem mais a pena Sempre compro o mais barato A qualidade e preço devem ser analisadas juntas Carga fatorial A Carga fatorial B Carga fatorial X Carga fatorial C Carga fatorial D Carga fatorial Y VARIAVEIS MARCADORAS ou ESCORES FATORIAIS (ESCALAS MULTIPLAS) Análise FatorialAnálise Fatorial Objetivos da AF – Primeiro passo (3) Seleção de variáveis (BASE CONCEITUAL) A. Natureza das variáveis: o pesquisador deve especificar implicitamente as dimensões potenciais que podem ser identificadas. Se nenhuma variável de um determinado fator for incluída a AF não poderá identificá-lo. B. “Lixo-dentro lixo-fora”: A AF sempre produzirá fatores e a qualidade dos fatores obtidos reflete as bases conceituais das variáveis incluídas. 16 09/11/2016 9 Análise FatorialAnálise Fatorial Planejamento da AF – Segundo passo (1) Cálculo dos dados de entrada Para AF tipo R usamos a matriz de correlações das variaveis 17 18 Planejamento da AF – Segundo passo (1) Cálculo dos dados de entrada Para AF tipo R usamos a matriz de correlações das variáveis Análise FatorialAnálise Fatorial 09/11/2016 10 Análise FatorialAnálise Fatorial Planejamento da AF – Segundo passo (2) Tipo e quantidade de variáveis A. Tipo de variáveis: métricas são preferíveis, se uma variável qualitativa deve ser incluída, então ela deve ser definida minimamente como dicotômica (0 ou 1) B. Quantidade de variáveis: minimizar sempre que possível, entretanto manter 5 (ou mais) variáveis que representem cada fator. É preferível que seja incluída pelo menos uma variável de marcação. 19 Análise FatorialAnálise Fatorial Planejamento da AF – Segundo passo (3) Tamanho da amostra Como regra geral devemos ter pelo menos 5 vezes mais observações que o número de variáveis, sendo o tamanho mais aceitável 10 para 1. O pesquisador deve procurar obter o maior número possível de observações por variável, para não encontrar fatores específicos da amostra com pouca generalidade. 20 09/11/2016 11 Análise FatorialAnálise Fatorial Suposições da AF – Terceiro passo (1) Questões conceituais A. Existe alguma estrutura subjacente, o que deve ser garantido pelo pesquisador ao incluir as variáveis na AF. A técnica não dispõe de meios para verificar a adequação além das correlações entre variáveis. B. Amostra deve ser homogênea em relação à estrutura fatorial inerente. Por exemplo, para itens conhecidos pelo fato de serem diferentes quanto ao gênero, não podemos usar uma amostra que possua homens e mulheres. 21 Análise FatorialAnálise Fatorial (2) Questões estatísticas A. Normalidade B. Linearidade Suposições da AF – Terceiro passo 1) Para cada valor de x os valores de y tem distribuição normal 2) Para cada valor de y os valores de x tem distribuição normal 22 09/11/2016 12 Análise FatorialAnálise Fatorial C. Homocedasticidade (Desejável) (2) Questões estatísticas Suposições da AF – Terceiro passo A variância do erro parece constante ao longo do domínio de variáveis preditoras 23 Análise FatorialAnálise Fatorial C. Heterocedasticidade (Indesejável) (2) Questões estatísticas Suposições da AF – Terceiro passo 24 09/11/2016 13 Análise FatorialAnálise Fatorial D. Multicolinearidade(2) Questões estatísticas Suposições da AF – Terceiro passo Satisfação do cliente 1. Serviço interno 2. Atmosfera da loja 3. Pessoal da loja 4. Diversidade de produto 5. Disponibilidade de produto 6. Preço 7. Qualidade do produto 25 Análise FatorialAnálise Fatorial (3) Garantia de correlações suficientes e que não sejam todas iguais Suposições da AF – Terceiro passo 26 09/11/2016 14 Análise FatorialAnálise Fatorial (3) Garantia de correlações suficientes e que não sejam todas iguais Suposições da AF – Terceiro passo Teste de Bartlett Fornece a significância estatística de que a matriz de correlações apresenta correlações significantes entre pelo menos algumas das variáveis 27 Análise FatorialAnálise Fatorial (3) Garantia de correlações suficientes e que não sejam todas iguais Suposições da AF – Terceiro passo Teste de Bartlett 28 09/11/2016 15 Análise FatorialAnálise Fatorial (1) Seleção do método de extração de fatores Determinação de fatores – Quarto passo Variância Comum (comunalidades ou variância explicada): é a variância de uma v.a. que é compartilhada com as demais na análise (R2) Variância Específica: é a variância compartilhada com apenas uma variável específica Variância de erro: é a variância que não pode ser explicada por correlações com outras variáveis e resulta da não confiabilidade no processo de coleta de dados Variância de uma v.a. 29 Análise FatorialAnálise Fatorial (1) Seleção do método de extração de fatores Determinação de fatores – Quarto passo Análise de Componentes Principais Análise de Fatores Comuns Redução dos dados é uma preocupação prioritária, busca-se o número mínimo de fatores necessários para explicar a porção máxima da variância. O objetivo é principalmente encontrar a estrutura latente (fatores) Considera a variância total Considera apenas a variância comum O conhecimento anterior sugere que a variância específica e de erro é pequena Não se conhece a variância específica e de erro 30 09/11/2016 16 Análise FatorialAnálise Fatorial “Algumas autoridades insistem que análise de componentes é a única abordagem adequada, e que os métodos de fatores comuns apenas impõem terminologia confusa, lidando com coisas fundamentalmente não mensuráveis, fatores comuns.(...) Partidários da análise de fatores comuns insistem que a análise de componentes é, na melhor das hipóteses, uma análise de fatores comuns com algum erro acrescentado, e, na pior das hipóteses, uma mistura confusa e inaceitável de coisas a partir das quais nada pode ser determinado” (Livro: Análise Multivariada de Dados - J.F. Hair, W.C. Black, B.J. Babin, R.E. Anderson and R.L. Tatham) (1) Seleção do método de extração de fatores Determinação de fatores – Quarto passo 31 Análise FatorialAnálise Fatorial (2) Critérios para o número de fatores a serem extraídos Determinação de fatores – Quarto passo Quantos fatores devem ser extraídos?Quantos fatores devem ser extraídos? Ambos os métodos de AF estão interessados na melhor combinação linear de variáveis. Melhor no sentido de que a combinação particular das variáveis originais explica a maior parte da variância nos dados como um todo quando comparada a qualquer outra combinação linear das variáveis. 32 MELHOR COMBINAÇÃO DE VARIAVEIS CAPAZ DE EXPLICAR A MAIOR PARTE DA VARIANCIA(COMPORTAMENTO) DOS DADOS COMO UM TODO 09/11/2016 17 Análise FatorialAnálise Fatorial (2) Critérios para o número de fatores a serem extraídos Determinação de fatores – Quarto passo Quantos fatores devem ser extraídos?Quantos fatores devem ser extraídos? O primeiro fator pode ser visto como o melhor resumo das relações lineares, o segundo fator é definido como a segunda melhor combinação linear de variáveis, sujeita à restrição de ser ORTOGONAL ao primeiro fator. Combinação linear de variáveis que explica a maior parte da variância que é inexplicada após o efeito da remoção do primeiro fator de dados. 33 34 Análise FatorialAnálise Fatorial Determinação de fatores – Quarto passo (A) Critério de percentagem de variância Baseado na conquista de um percentual cumulativo especificado de variância total extraída por fatores sucessivos. % de variância 09/11/2016 18 35 Análise FatorialAnálise Fatorial Determinação de fatores – Quarto passo (B) Critério a priori O pesquisador já sabe quantos fatores a se extrair antes de empreender a AF. Número de fatores extraídos 36 Análise FatorialAnálise Fatorial Determinação de fatores – Quarto passo (C) Raiz latente Apenas variáveis com raízes latentes maiores que 1 são mantidas na solução fatorial. Esse critério se torna mais confiável quando o numero de variáveis está entre 20 e 50. corresponde a soma de cargas fatoriais ao quadrado e representa a quantia de variância explicada por um fator Correlação entre as variáveis originais e os fatores. As cargas fatoriais ao quadrado indicam qual o percentual da variância em uma variável original é explicado por um fator Raizes latentes 09/11/2016 19 Análise FatorialAnálise Fatorial Determinação de fatores – Quarto passo (D) Teste scree É usado pra identificar o número ótimo de fatores que podem ser extraídos antes que a variância única e de erro comece a dominar a estrutura de variância comum 37 38 Análise FatorialAnálise Fatorial “cada componente principal é combinação linear das variáveis originais, independentes entre si e estimados com o propósito de reter, em ordem de estimação, o máximo de informações, em termos de variação total, contida nos dados iniciais.” CRUZ E REGAZZI (1997) Determinação de fatores – Quarto passo 09/11/2016 20 39 Análise FatorialAnálise Fatorial Interpretação dos fatores – Quinto passo A interpretação fatorial é circular por natureza Correlação entre as variáveis originais e os fatores. As cargas fatoriais ao quadrado indicam qual o percentual da variância em uma variável original é explicado por um fator 40 Análise FatorialAnálise Fatorial Interpretação dos fatores – Quinto passo (1) Obtenção da matriz fatorial Identificação das variáveis pertencentes a cada fator e da ocorrência de variáveis com cargas cruzadas ou sem carga significante em qualquer fator 09/11/2016 21 41 Análise FatorialAnálise Fatorial Interpretação dos fatores – Quinto passo (2) Rotação dos fatores 42 Análise FatorialAnálise Fatorial Interpretação dos fatores – Quinto passo (2) Rotação dos fatores 09/11/2016 22 43 Análise FatorialAnálise Fatorial Interpretação dos fatores – Quinto passo (2) Rotação dos fatores 44 Análise FatorialAnálise Fatorial Interpretação dos fatores – Quinto passo (2) Rotação dos fatores 09/11/2016 23 45 Análise FatorialAnálise Fatorial Interpretação dos fatores – Quinto passo (2) Rotação dos fatores 46 Análise FatorialAnálise Fatorial Interpretação dos fatores – Quinto passo (3) Interpretação e reespecificação de fatores 09/11/2016 24 47 Análise FatorialAnálise Fatorial Interpretação dos fatores – Quinto passo (4) Rotulação dos fatores Diversidade de produtos Preço Qualidade do produto Atmosfera da loja Estacionamento Cortesia Sensibilidade Simpatia 48 Análise FatorialAnálise Fatorial Validação – Sexto passo Partimos de uma perspectiva confirmatória e avaliação a reprodutibilidade dos resultados, seja com uma amostra particionada ou amostra separada 09/11/2016 25 49 Análise FatorialAnálise Fatorial Usos adicionais dos resultados da AF (1)Resumo dos dados (descobrir a estrutura latente dos dados) (2)Escolhade variáveis marcadoras (representa o fator inteiro) – rotação deve ser ortogonal (3)Criação de escalas múltiplas • Reduz erro de medida • Tem a habilidade de representar múltiplos aspectos de um conceito em única medida 50 Análise FatorialAnálise Fatorial Aplicação de tecnologia Para cada conjunto de dados determine: (1) A matriz de correlações e o numero de correlações médias ou fortes (2) Valor-p do teste de Bartlet (3) Com base no teste de Bartlet e no número de correlações acima de 0,3 ou 0,7 mostrada na matriz de correlações, julgue a procedência de usar AF para esse conjunto de dados? (4) Cálculo do tamanho amostral mínimo e ideal para AF e julgue o tamanho amostral como adequado ou inadequado. (5) Você julga que existe alguma estrutura adjacente para essas variáveis? (6) Quais variáveis você incluiria na AF? (7) Quantos fatores devem ser extraídos pelo critério (a) conquista de 70% de explicação da variância total (b) critério da raiz latente (c) teste de scree (8) O numero de fatores a serem extraídos é igual em todos os métodos?
Compartilhar