Baixe Método Fatorial de Extracção: Tipos e Procedimentos e outras Esquemas em PDF para Técnicas Quantitativas, somente na Docsity!
IV Congresso Brasileiro de Avaliação IV Congresso Brasileiro de Avaliação
Psicológica Psicológica
V Congresso da Associação Brasileira V Congresso da Associação Brasileira
de Rorschach e Métodos Projetivos de Rorschach e Métodos Projetivos
XIV Conferência Internacional de XIV Conferência Internacional de
Avaliação Psicológica: Formas e Avaliação Psicológica: Formas e
Contextos Contextos
Avaliação Psicológica: Formação, Avaliação Psicológica: Formação,
Atuação e Interfaces Atuação e Interfaces
29/07/2009 a 01/08/2009 - Campinas-SP 29/07/2009 a 01/08/2009 - Campinas-SP
Claudette Maria Medeiros Vendramini Claudette Maria Medeiros Vendramini
Universidade São Francisco (USF) Universidade São Francisco (USF)
Laboratório de Métodos Estatísticos em Psicologia e Laboratório de Métodos Estatísticos em Psicologia e
Educação Educação
- LAMEPE - - LAMEPE - Curso Curso Análise Fatorial Exploratória e Confirmatória Análise Fatorial Exploratória e Confirmatória
Entrada de dados e tomadas de decisões
Entrada de dados conversão por cópia de planilha do Excel ou Winword
Escolha do Tipo de Análise
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 e são 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 explicação dos dados pelos
fatores.
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 correlação
entre as mesmas variáveis
Estes valores representam a significância do teste de correlação de Pearson (quanto ficou de fora). Estes p-values da testagem indicam quais são as correspondências são diferente de zero. Muitos deste valores devem ser pequenos para o emprego do método de análise fatorial.
Deve-se analisar o valor do determinante da matriz de correlação. Este indica a possibilidade de inversão da matriz. 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.
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 “iterativo”.
Este método de extração dos fatores
parte da matriz de correlação original
com os coeficientes de correlações
múltiplos 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 cada variável explicada pelos factores comuns
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.
Regressão: 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 fatores estimados 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.
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 a
variável 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 “corte” 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,
