1-analise fatorial

5/6/2018 1-analise fatorial - slidepdf.com

http://slidepdf.com/reader/full/1-analise-fatorial 1/36

1

ANÁLISE FATORIAL

USO DO SPSS

Dirceu ± Jomar - Fernanda



2

Entrada de dados e

tomadas de decisões



3

Entrada de dados conversão por cópia de planilha do Excel ou Winword



4

Definição de aspectos das medidas

Definir ³labels´ Definir nível de Mesuração



5

Escolha do Tipo de Análise



6



7

Selecionar as possibilidades de testes de ³aderência´ e as

estatísticas descritivas.

Mais importante

importante

Após selecionar

Dar continuidade



8

Método fatorial de extração a ser usado para se obter uma combinação linear

não-correlata das combinações das variáveis mesuradas.

A componente primeira (fator 1) tem o máximo valor da variância.

As seguintes mostram, progressivamente, porções menores da variância esão todas não-relacionadas umas às outras (independentes).

A Análise das Componentes Principais é usada para obter-se os soluções dos

fatores.

Ela pode ser usada quando a matriz de correlação é singular.

Seleção do método a ser usado:

Variância = mostra qual é a parcela

de ex plicação dos dados pelos

fatores.



9

Explicando o que é a Correlation Matrix

Matriz de Correlação são as

possíveis correlações de

Pearson entre as variáveis

Os valores da diagonal

principal é igual a um,

devido à perfeita correlaçãoentre as mesmas variáveis



10

Na apresentação as correções

são espelhadas

As correlações nestes casos são

relativamente fracas, próximas de

Zero. Como nestes casos, você

deve reconsiderar o uso do método

de análise fatorial com os seusdados.



11

Estes valores representam a significância

do teste de correlação de Pearson (quanto

ficou de fora).E

stes p-values da testagemindicam quais são as correspondências

são diferente de zero.

Muitos deste valores devem ser

pequenos para o emprego do métodode análise fatorial.



12

Deve-se analisar o valor do determinante da matriz de

correlação. Este indica a possibilidade de inversão damatriz. Se o valor do determinante é zero, a matriz de

correlação não pode ser invertida e certamente os

métodos de extração de análise fatorial serão impossíveis

de serem computados.



13

Este é um dos métodos de extração que

minimiza a soma das diferenças quadráticas

entre a matriz de dados e a matriz de correlação

reproduzida, ignorando as diagonais.

Idem ao anterior, mas neste caso a

correlação é pesada pelo inverso das

suas singularidades, assim como as

variáveis com alta singularidades são

tomadas com peso menor que aquelas

com menor singularidades.



14

Este método cria parâmetros estimados como

sendo mais prováveis para produzir a matriz de

correlação observada, se a amostra pode ser

caracterizada por uma distribuição normal

multivariada.

As correlações são pesadas pelo inverso das

singularidades das variáveis, pelo emprego de

um algoritmo ³iterativo´.Este método de extração dos fatores

parte da matriz de correlação original

com os coeficientes de correlaçõesmúltiplos colocados na diagonal como

estimativas iniciais das comunalidades.

Estes fatores obtidos são usados para

estimar as novas comunalidades, que

são recolocadas no lugar das velhas na

diagonal.

As Iterações continuam até a ocorrerem

mudanças nas comunalidades partindo

da primeira até a seguinte, buscando

satisfazer o critério de convergência de

extração.

Designa-se por comunalidade a proporção da variância de cadavariável ex plicada pelos factorescomuns



15

É um método de extração que considera as variáveis

na análise como uma amostra do universo potencial

de variáveis. Ele maximiza a confiabilidade ou

fidedignidade alfa (de Cronbach) dos fatores.

É um método fatorial de extação desenvolvido por Guttman é está baseado na Teoria de Imagens.

A parte comum da variância, chamada de imagem

parcial, é definida como uma regressão linear sobre

as restantes, preferivelmente que a função dos fatores

hipotéticos.



16

Usar 99 ou 999 ou 9999, pois quanto maior,

mais chances de convergência se terá.



17

R egressão: Um método para estimar os scores

dos coeficientes dos fatores. Os scores gerados

têm média 0 e variância igual ao quadrado da

correlação múltipla entre os scores dos fatoresestimados e os valores verdadeiros dos fatores.

Os scores devem ser igualados com os fatores

ortogonais.

Este método de estimação dos scores dos

coeficientes dos fatores. Os scores produzidos tem

média de zero. A soma dos quadrados de um fator

é feita sobre a extensão das vaariáveis

minimizadas.

A diferença do método de

Bartlett está em garantir a

ortogonalidade dos fatores

estimados.Os scores gerados

têm uma média de 0, desvio

padrão de 1,0 e são não

correlatos.



18

Excluir a partir da análise dos casos com

valores perdidos para um ou outro dos

pares de variáveis na computação de

estatística específica.

Excluir os casos que têm valores perdidos

para qualquer das variáveis usadas em

qualquer das análises.

Substituir os valores perdidos com avariável média.

Diminui a apresentação dos fatores

nas estruturas das matrizes,

deixando apenas as variáveis que

apresentam as maiores cargas

fatoriais no mesmo fator,

determinado pelo ³corte´ adotado.

Opção interessante para limpar a

saída de dados.

Elimina os coeficientes com valores absolutos menores que

aquele especificado. O default é 0,100. Literatura sugere

valores acima de 0,300



19

Varimax (mais usado) É um método

de rotação ortogonal que minimiza o

número de variáveis que cada

agrupamento terá. Ele simplifica a

interpretação dos fatores.

Quartimax (ortogonal) é um método que

minimiza o número de fatores necessários para

ex plicar cada variável. Ele simplifica a

interpretação das variáveis obtidas.

Equamax (ortogonal) é também um método que

busca uma combinação dos outros (varimax e

quartimax). O número de variáveis obtido terá

carga fatorial maior e o número de fatores será

minimizado.

Direct oblimin: Este método diferentemente

dos três anteriores é oblíquo (não ortogonal).

Quando delta é igual a 0 (default ), a solução

é mais oblíqua. Tomando-se delta maisnegativo, os fatores ficaram menos oblíquos.

Ignorando-se o default delta de 0, deve-se

usar um número menor ou igual a 0,8.

Promax também é um método oblíquo de

rotação, o qual possibilita os fatores

correlatos. Ele pode ser calculado mais

rapidamente que a rotação direct oblimin.

Assim ele é usado para grandes grupos dedados. Kappa na maioria das vezes é

tomado com o valor 4.



20

Data Output



2

1

Notes

30-JAN-2003 13:32:48

C:\WINDOWS\Desktop\ratioavali.sav

<none>

<none>

<none>

48

MISSING=EXCLUDE: User-defined

missing values are treated as

missing.

LISTWISE: Statistics are based on

cases with no missing values for

any variable used.

FACTOR

/VARIABLES var00001 var00002

var00003 var00004 var00005

var00006 var00007

var00008 var00009 var00010

var00011 var00012 var00013

var00014 var00015/MISSING LISTWISE /ANALYSIS

var00001 var00002 var00003

var00004 var00005

var00006 var00007 var00008

var00009 var00010 var00011

var00012 var00013

var00014 var00015

/PRINT UNIVARIATE INITIAL

CORRELATION SIG DET KMO INV

REPR AIC EXTRACTION

ROTATION FSCORE

/FORMAT SORT BLANK(.300)

/PLOT ROTATION

/CRITERIA MINEIGEN(1)

ITERATE(99)

/EXTRACTION PC

/CRITERIA ITERATE(99)

/ROTATION VARIMAX

/METHOD=CORRELATION .

28260 (27,598K) bytes

0:00:00,82

Output Created

Comments

Data

Filter

Weight

Split File

N of Rows in

Working Data File

Input

Definition of Missing

Cases Used

Missing Value

Handling

Syntax

Maximum Memory

Required

Elapsed Time

Resources

Log de dados



22

Matriz de correlação

Correlation Matr ixa

1,

,¡ ¡

1 ,¢ £ ¤

,110 ,153 -,¡ ¤

¥

-,048 ,¡ ¦ ¡

,123 ,

,221 1,000 ,309 -,018 ,584 -,287 ,225 ,559 ,346 ,

,359 ,309 1,000 -,043 ,170 -,327 -,020 ,405 ,206 ,

,110 -,018 -,043 1,000 ,117 ,084 ,293 -,117 ,254 ,

,153 ,584 ,170 ,117 1,000 -,212 -,036 ,336 ,254 ,

-,294 -,287 -,327 ,084 -,212 1,000 -,138 -,431 -,175 -,1

-,048 ,225 -,020 ,293 -,036 -,138 1,000 ,284 ,432 ,

,272 ,559 ,405 -,117 ,336 -,431 ,284 1,000 ,574 ,

,123 ,346 ,206 ,254 ,254 -,175 ,432 ,574 1,000 ,

,068 ,440 ,026 ,247 ,233 -,158 ,486 ,592 ,688 1,

-,093 -,386 -,201 -,170 -,474 ,393 -,334 -,526 -,473 -,

-,089 ,412 ,252 ,046 ,460 -,398 ,127 ,459 ,411 ,

,308 ,205 ,349 ,302 ,079 -,199 ,196 ,428 ,458 ,

,049 ,268 ,148 ,120 ,347 -,224 ,077 ,338 ,097 ,1

,242 ,175 ,222 ,085 ,242 -,327 ,013 ,306 ,252 ,1

,065 ,006 ,229 ,149 ,021 ,372 ,030 ,202 ,

,065 ,016 ,453 ,000 ,024 ,062 ,000 ,008 ,

,006 ,016 ,385 ,124 ,012 ,447 ,002 ,080 ,

,229 ,453 ,385 ,213 ,286 ,022 ,213 ,041 ,

,149 ,000 ,124 ,213 ,074 ,403 ,010 ,041 ,

,021 ,024 ,012 ,286 ,074 ,176 ,001 ,117 ,1

,372 ,062 ,447 ,022 ,403 ,176 ,025 ,001 ,

,030 ,000 ,002 ,213 ,010 ,001 ,025 ,000 ,

,202 ,008 ,080 ,041 ,041 ,117 ,001 ,000 ,

,323 ,001 ,429 ,045 ,055 ,141 ,000 ,000 ,000

,265 ,003 ,086 ,124 ,000 ,003 ,010 ,000 ,000 ,

,273 ,002 ,042 ,377 ,001 ,003 ,194 ,001 ,002 ,

,017 ,081 ,008 ,018 ,298 ,087 ,091 ,001 ,001 ,

,372 ,033 ,157 ,209 ,008 ,063 ,302 ,009 ,255 ,1

,048 ,118 ,065 ,282 ,049 ,012 ,465 ,017 ,042 ,

outr §

¨ © § ¨

̈ .

justifi¨ §

ti

§

§ t

tos

§ r

§ o

̈ ont

ú

o

próprio §

t ri

§ l

uestões

̈ l

§ r

§ s e

ob jeti

§ s

pr of essor fi ue

§ tento

tempo est § beleci o

explicar clar a concisa

anotar explicações

pr of essor

exer cícios par a fixar

material apostilado

não esquecer nome

pr ova

escr evam com caneta

pr eencher um f or mulário

pr oibir tr oca materiais

alunos r esponder

pedido

outr a chance c.

justificativa

atentos par a o conteúdo

próprio material

questões clar as e

ob jetivas

pr of essor fique atento

tempo estabelecidoexplicar clar a concisa


pr of essor


material apostilado

não esquecer nome

pr ova




alunos r esponder pedido

Corr elation

Si . (1-tailed)

outr a chance

c. justificativa

atentos par a

o conteúdo

próprio

material

questões

clar as e

ob jetivas

pr of essor

fique atento

tempo

estabelecido

explicar clar a

concisa

anotar

explicações

pr of essor

exer cícios

par a fixar

materi

apostila

Deter minant 1,702E-03a.



2

3

Os Testes Kaiser-Meyer-Olkin (KMO) e de Esfericidade de Bartlett, indicam qual é o grau

de suscetibilidade ou o ajuste dos dados à análise fatorial, isto é, qual é o nível de confiança

que se pode esperar dos dados quando do seu tratamento pelo método multivariado de

análise fatorial seja empregada com sucesso (Hair et al, 1998).

O primeiro deles (KMO) apresenta valores normalizados (entre 0 e 1,0) e mostra qual é a

proporção da variância que as variáveis (questões do instrumento utilizado) apresentam emcomum ou a proporção desta que são devidas a fatores comuns.

KMO and Bartlett's Test

,722

262,484

105

,000

Kai l i asure of Sampliequacy.

Approx. Chi Square

df

Si .

Bartlett's Test of Spher icity



24

Para interpretação do resultado

obtido, valores próximos de 1,0

indicam que o método de análise

fatorial é perfeitamente adequado para o tratamento dos dados. Por

outro lado, valores menores que

0,5, indicam a inadequação do

método (SPSS, 1999 e Pereira,

2001).

No nosso caso, o valor obtido foi

de 0,715, o que nos mostra uma

boa adequação de possibilidades

de tratamento dos dados com ométodo citado.

KMOGr u de juste à

A álise f tor ial

1-0,9 Muito Boa

0,8-0,9 Boa

0,7-0,8 Média

0,6-0,7 Razo vel

0,5-0,6 M

<0,5 Inaceit vel



25

O segundo teste, o de Esfericidade de Bartlett é baseado na distribuição

estatística de ³chi quadradro´ e testa a hipótese (nula H0) de que a matriz de

correlação é uma matriz identidade (cuja diagonal é 1,0 e todas as outras as

outras iguais a zero), isto é, que não há correlação entre as variáveis.(Pereira,

2001).

Valores de significância maiores que 0,100, indicam que os dados não são

adequados para o tratamento com o método em questão; que a hipótese nula

não pode ser rejeitada. Já valores menores que o indicado permite rejeitar a

hipótese nula (SPSS,1999 e Hair et al, 1998).

Também, no nosso caso o valor da significância do teste de Bartlett, mostrou-semenor que 0,0001, o que permite mais uma vez confirmar a possibilidade e

adequação do método de análise fatorial para o tratamento dos dados.

SPSS - Statistical Package for the Social Sciences. Base 10.0 User's Guide.

Chicago: SPSS, 1999.

HAIR , J. F. et al. Multivariate data analysis. Fifth Edition. New jersey:Prentice Hall, 1998.

PER EIR A, J. C. R . Análise de Dados Qualitativos: Estratégias Metodológicas

para as Ciências da Saúde, Humanas e Sociais. São Paulo: EDUSP, 2001.



26

Estatísticas Descritivas

Descr iptive Statistics

3,27 1,18 48

3,06 1,16 48

3,90 ,97 48

4,54 ,65 48

3,63 1,04 48

3,08 1,11 48

4,25 ,84 483,40 ,92 48

3,31 1,01 48

3,46 1,07 48

1,77 ,78 48

3,44 1,15 48

2,60 1,01 48

3,38 1,16 483,21 ,99 48

VAR00001

VAR00002

VAR00003

VAR00004

VAR00005

VAR00006

VAR00007VAR00008

VAR00009

VAR00010

VAR00011

VAR00012

VAR00013

VAR00014VAR00015

Mean Std. Deviation Anal sis

Descriptive Statistics

3,27 1,18 48

3,06 1,16 48

3,90 ,97 48

4,54 ,65 48

3,63 1,04 48

3,08 1,11 48

4,25 ,84 48

3,40 ,92 48

3,31 1,01 48

3,46 1,07 48

1,77 ,78 48

3,44 1,15 48

2,60 1,01 48

3,38 1,16 48

3,21 ,99 48

outr a chance c.

ustif icativa


própr io mater ial

quest es clar as e

o jetivas

pr of essor f ique atento

tempo esta elecido


anotar explica õespr of essor

exercícios par a f ixar

mater ial apostilado

n o esquecer nome

pr ova


pr eencher um f ormul r io

pr oi ir tr oca mater iais

alunos r esponder pedido

Mean Std. Deviation Anal sis



27

Total Var iance Explaine

4,915 32,769 32,769 4,915 32,769 32,769 3,090 20,598 20,598

1,817 12,113 44,883 1,817 12,113 44,883 2,573 17,152 37,750

1,446 9,639 54,522 1,446 9,639 54,522 2,124 14,160 51,910

1,173 7,823 62,344 1,173 7,823 62,344 1,565 10,434 62,344

,979 6,528 68,872

,869 5,792 74,664

,764 5,094 79,758

,712 4,743 84,502,574 3,828 88,330

,432 2,879 91,209

,381 2,539 93,748

,307 2,045 95,793

,282 1,881 97,674

,202 1,344 99,017

,147 ,983 100,000

Component

1

2

3

4

5

6

7

89

10

11

12

13

14

15

Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %

Initial Ei envalues Extr action Sums of Squar ed !

oadings Rotation Sums of Squar ed !

oadings

Extr action Method: " rincipal Component Anal# sis.

Análise de Variância



28

Scr P

C N r

E

Seleção dos Fatores



29

Matriz de rotação

Sem Opção de corteSuja

Rotate $ Component Matr ix a

-4,58E-02 2,375E-02 ,799 ,116

,426 ,479 ,212 -,315

4,800E-02 ,173 ,725 -,191

,239 ,107 1,656E-02 ,869

,134 ,752 2,627E-02 -8,34E-02

-,149 -,385 -,456 ,273

,732 -7,11E-02 -8,01E-02 ,181

,603 ,361 ,433 -,321

,797 ,165 ,206 ,113

,846 ,193 2,321E-02 5,133E-02

-,520 -,525 -8,74E-02 6,567E-02

,384 ,673 2,964E-02 -,137

,409 2,601E-02 ,593 ,316

-4,28E-02 ,711 7,157E-02 ,187

2,494E-03 ,605 ,308 ,184

outr a chance c. justificativa


próprio material

questões clar as e

ob jetivas


tempo estabelecido



pr of essor


material apostilado

não esquecer nome

pr ova




alunos r esponder

pedido

1 2 3 4

Component

Extr action Method:%

rincipal Component Anal& sis.

Rotation Method: Varimax '

ith (

aiser

)

or mali0

ation.Rotation conver ged in 7 iter ations.a.



30

Matriz de rotação

VAR IMAX

Rotated 1 omponent Matr i

2 a

,846

,797

,732

,603 ,433

,752

,711

,673

,605

-,520 -,525

,426 ,479

,799

,725

,409 ,593

-,456

,869

material apostilado

exercícios par a fixar



pr of essor


pr oi3

ir tr oca materiais


alunos r esponder

pedido

não esquecer nome

pr ova


outr a chance c.

justificativa

pr óprio material

pr eencher um f or mul4 rio

tempo estabelecido

questões clar as eob jetivas

1 2 3 4

Component

5

xtr action 6

ethod:7

rincipal Component Analysis.8

otation 6

ethod: 9 arimax @ ith Kaiser

A

or malization.8

otation conver B

ed in 7 iter ations.a.



31

Matriz de rotação AFCPSem R otação ACP

Rotated C omponent Matr i

D a

,847

,799

,750

,552 -,485

-,510 -,494

,730

,727

,634

,618

,806

,700

,633

,803

-,452

material apostilado




pr of essor

não esquecer nomepr ova




alunos r esponder

pedido

outr a chance c.

justificativa

pr óprio material

pr eencher um f or mulE

rio

tempo estabelecido

questões clar as e

ob jetivas


1 2 3 4

Component

F xtr action G

ethod: H rincipal Component Analysis.

I otation G ethod: F quamax P

ith Kaiser Q or malization.

I otation conver R ed in 7 iter ations.a.

Co ponent Matrixa

,815

,715

-,710

,691 ,501

,688

,678

,568

-,535

,499

,634

,659

,525 ,556

,496 ,697

,471


pr of essor


não esquecer nome

pr ova

material apostilado




tempo estabelecido

alunos r esponder

pedido

pr óprio material


outr a chance c.

justificativa

pr eencher um f or mul S rio

questões clar as e

ob jetivas


1 2 3 4

Component

T xtr action U ethod:

V rincipal Component Analysis.

4 components extr acted.a.



32

Matriz de rotação

Rotated Component Matr ixa

,847

,799

,749

,552

-,510

,730

,727

,634

,618

,806

,700

,633

,803

material apostilado




pr of essor

não esquecer nome

pr ova




alunos r esponder

pedido

outr a chance c.

justificativa

pr óprio material

pr eencher um f or mulW rio

tempo estabelecido

questões clar as e

ob jetivas


1 2 3 4

Component

X

xtr action Y

ethod: ̀

rincipal Component Analysis.a

otation Y

ethod:X

quamax b ith Kaiser c

or malization.a

otation conver d


Método Equamax -

corte 0,500



33

Ajuste do modelo de rotação

R esiduals are computed

between observed andreproduced correlations.

There are 56 (53,0%)

nonredundant residuals

with absolute values >

0.05.

Repr oducedCorrelations

,654b

,125 ,559 ,105 -,335 ,289 ,145 , E-03 ,492, 4E-02 ,281

,125 ,555b ,317 -,117 ,449 -,430 ,204 ,623 ,427 ,442 -,512 ,535 ,213 ,279 ,298

,559 ,317 ,595b- ,1 24 ,17 1 - ,45 7 ,467 ,19 5 - ,19 2 ,18 2 ,394 ,1 37 ,29 3

,105 -,117 ,124 ,825b

, 153 ,3 24 ,31 0 ,26 8 - ,12 5, 3E-02 ,385 ,229 ,231

, 4 E-02 ,4 49 ,17 1 ,59 1b -,344, 4E-02 ,391 ,227 ,255 -,472 ,569, 6E-02 ,516 ,448

-,335 -,430 ,457 ,153 -,344 ,453b, 11E-03 -,514 -,245 -,197 ,337 -,367 -,255 -,249 -,324

,204 ,324 , 11E- 03 , 580b ,323 ,576 ,613 -,324 ,206 ,307

,289 ,623 ,467 ,391 - ,514 ,323 ,784b

,593 ,574 -,562 ,531 ,411 ,202 ,294

,145 ,427 ,195 ,310 ,227 -,245 ,576 ,593 ,718b ,717 -,512 ,408 ,488 ,119 ,186

,442 ,268 ,255 - ,197 ,613 ,574 ,717 ,756b -,540 ,448 ,381 ,112 ,135

-,512 ,192 -,125 -,472 ,337 -,324 -,562 -,512 -,540 ,558b

-,564 -,257 -,345 -,334

, 9E-03 ,535 ,182 ,569 - ,367 ,206 ,531 ,408 ,448 - ,564 ,619b ,149 ,439 ,392

,492 ,213 ,394 ,385 - ,255 ,307 ,411 ,488 ,381 - ,257 ,149 ,619b ,103 ,258

, 4E-02 ,279 ,137 ,229 ,516 - ,249 ,202 ,119 ,112 - ,345 ,439 ,103 ,548b ,487

,281 ,298 ,293 ,231 ,448 - ,324 ,294 ,186 ,135 - ,334 ,392 ,258 ,487 ,495b

, 8E- 02 , 200 ,130, 0E-02, 0E-02 -,184

, 8E-02 ,135 ,144, 4E-02 ,127 -,123 -,124

-,200 ,129, 2E-02 , 1E-02 , 5E-02

, 2E-03, 1E-02 , 5E-02 , E-03 -,110 -,145

,130 ,135 ,133 -,110, 0E-02 -,169 -,206

, 0E-02 ,144 ,129 ,133 -,142, 0E-02 , 1E-02 , 0E-02, 6E-02

, 0E-02, 4E-02 -,142 -,144 -,127 -,111 ,130, 0E-02

, 0E-02 , 0E-02 , 13E-02 ,135, 7E-02

, 3E-02 -,144 , 10E-02, E-03 , 2E-02

, 2E-02 , 16E-02 -,127, 9E-02 ,107 , 1E-02, 0E-02

,127 , 1E-02 , 0E-02 ,107 , E-02, 5E-02 ,183

-,123 -,110, 9E-02 , 17E-02 ,134

-,184 , 0E-02 -,111, 3E-02 , 5E-02 ,134 , 3E-02

-,110 -,169, 6E-02 ,130 ,135 ,183 , 3E-02 -,111

-,124 - ,145 - ,206, 2E-03, 0E-02, 7E-02 -,111

outra chanc

justif icativa

atentos par

própr io mat

questões cl

ob jetivas

professor f i

tempo esta

explicar clar

anotar expli

professor

exercícios

mater ial ap

não esquec

prova

escrevam c

preencher u

proibir troc

alunos res

pedido

outra chanc

justif icativa

atentos par

própr io mat

questões cl

ob jetivas

professor f i

tempo esta

explicar clar

anotar expli

professor

exercícios

mater ial apnão esquec

prova

escrevam c

preencher u

proibir troc

alunos res

pedido

Reproduce

Residuala

ra chan

. stif icati

ntos pa

onteúd

rópr i

ater ia

estõe

laras

jetiva

ofess

e aten

tempo

abeleci

licar cl

oncisa

anotar

plicae

õ

rofesso

ercíci

ra f ixa

ater ia

ostilad

esque

me pro

creva

can

encher

rmulf

r i

bir tro

ater iai

lunos

pond

pedido

Extraction Method: Pr incipal Component Analysis.

Residuals are computed between observed and reproduced correlations. There are 56 (53,0%) nonredundant residuals wita.

Reproduced communalitiesb.

É desejável que as contagens

resíduos >0,05 ou 5%

estejam em menos que 50%

dos dados!



34

O que são R esíduos?

modelo

R esíduo

Dado



35

Matriz de rotação

Rotated Component Matr ixa

,847

,799

,749

,552

-,510

,730

,727

,634

,618

,806

,700

,633

,803

material apostilado




pr of essor

não esquecer nome

pr ova




alunos r esponder

pedido

outr a chance c.

justificativa

pr óprio material

pr eencher um f or mulg rio

tempo estabelecido

questões clar as e

ob jetivas


1 2 3 4

Component

Extr action Method: Principal Component Analysis.

Rotation Method: Equamax with Kaiser h

or malization.

Rotation conver i


Descr iptive Statistics

3,27 1,180 48

3,06 1,156 48

3,90 ,973 48

4,54 ,651 48

3,63 1,044 48

3,08 1,108 48

4,25 ,838 48

3,40 ,917 48

3,31 1,014 48

3,46 1,071 48

1,77 ,778 48

3,44 1,147 48

2,60 1,005 48

3,38 1,160 48

3,21 ,988 48

outr a chance c.

justificativaatentos par a o conteúd

pr óprio material

questões clar as e

ob jetivas


tempo estabelecido



pr of essor exercícios par a fixar

material apostilado

não esquecer nome

pr ova


pr eencher um f or mul ri


alunos r esponder

pedido

Mean Std. eviation Analysis

Quando os valores médios estão abaixo da média teórica, deve-se

inverter a assertiva!!!



Documents

1-analise fatorial