Please enable JavaScript.
Coggle requires JavaScript to display documents.
Análise de Componentes Principais, Alpha de Cronbach (0 <= α<= 1),…
Análise de Componentes Principais
Etapas
2) Extração das componentes principais (CP's)
3) Rotação das CP's (matriz dos valores próprios rodada - ou seja, os valores ficam extremados, facilitando as conclusões)
1) Verificar se é possível realizar técnica
4) Interpretação das CP's
1) Requisitos
Variáveis Quantitativas ou Qualitativas em escala de Likert
5x mais observações (pelo menos) do que o número de variáveis iniciais
Analyse>Descreptive Statistics>Frequencies
As variáveis iniciais têm de estar correlacionadas entre si
Analyse>Correlate>Bivariate(selecionar apenas a diagonal e a matriz triangular inferior)
Matriz de Correlações
Estatística de Kaiser-Meyer-Olkin (
KMO
)
varia entre 0 e 1 e é aceitável quando
KMO > 0.5
Teste de
Bartlett
H0: A matriz de correlações é uma matriz identidade (Só se H0 for rejeitado é que se pode avançar - ou seja, as variáveis estão correlacionadas entre si)
Objetivo: poucas componentes e explicar o máximo possível da variância
A proporção de variância explicada é dada pelo valor próprio da componente e pela comunalidade
2) Critérios de Extração das CP's
Kaiser
: tantas componentes quanto aquelas que tenham valor próprio > 1
Critério da Variância Explicada:
tantas variáveis quanto aquelas que expliquem entre 60% e 70% da variância
Scree Plot:
tantas variáveis quanto aquelas que antecedem o ponto de cotovelo no gráfico de valores próprios
IMPORTANTE: ATENDER SEMPRE À INTERPRETABILIDADE DA SOLUÇÃO OBTIDA
Método estatístico multivariado que permite transformar um conjunto de variáveis correlacionadas entre si num outro conjunto de variáveis (menor e mais compacto) não correlacionadas
SPSS:
Analyse>Dimension Reduction>Factor (KMO on Descriptives; Scree Plot on Extraction; Varimax on Rotation)
Na tabela
Cummunalities
não deve haver nenhuma variável com explicação muito abaixo de 50%
Solução
: adicionar CP's ou remover variáveis
Alpha de Cronbach (0 <= α<= 1)
Se α for próximo de zero, então a relação entre as CP's é fraca
Se α for próximo de um, então a relação entre as CP's é forte
Através deste α concluimos se vale a pena calcular o índice
SPSS:
Analyse>Scale>Reliability Analysis
Criar variáveis
Transform>Compute Variables
Opção de 'Save' quando selecionamos as definições dos testes
Índice
uma outra forma de reduzir e compactar informações
média de vários items
média de um conjunto de variáveis