1. 1
IV Congresso Brasileiro de AvaliaçãoIV Congresso Brasileiro de Avaliação
PsicológicaPsicológica
V Congresso da Associação BrasileiraV Congresso da Associação Brasileira
de Rorschach e Métodos Projetivosde Rorschach e Métodos Projetivos
XIV Conferência Internacional deXIV Conferência Internacional de
Avaliação Psicológica: Formas eAvaliação Psicológica: Formas e
ContextosContextos
Avaliação Psicológica: Formação,Avaliação Psicológica: Formação,
Atuação e InterfacesAtuação e Interfaces
29/07/2009 a 01/08/2009 - Campinas-29/07/2009 a 01/08/2009 - Campinas-
SPSP
2. 2
Claudette Maria Medeiros VendraminiClaudette Maria Medeiros Vendramini
Universidade São Francisco (USF)Universidade São Francisco (USF)
Laboratório de Métodos Estatísticos em Psicologia eLaboratório de Métodos Estatísticos em Psicologia e
EducaçãoEducação
- LAMEPE -- LAMEPE -
CursoCurso
Análise Fatorial Exploratória e ConfirmatóriaAnálise Fatorial Exploratória e Confirmatória
9. 9
Selecionar as possibilidades de testes de “aderência” e as
estatísticas descritivas.
Mais importante
importante
Após selecionar
Dar continuidade
10. 10
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.
11. 11
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
12. 12
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 seus
dados.
13. 13
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.
14. 14
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.
15. 15
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.
16. 16
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
17. 17
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.
18. 18
Usar 99 ou 999 ou 9999, pois quanto maior,
mais chances de convergência se terá.
19. 19
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.
20. 20
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 0,300
21. 21
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
explicar 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 mais
negativo, 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 de
dados. Kappa na maioria das vezes é
tomado com o valor 4.
23. 23
Notes
30-JAN-2003 13:32:48
C:WINDOWSDesktopratioavali.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
24. 24
Matriz de correlação
Correlation Matrixa
1,000 ,221 ,359 ,110 ,153 -,294 -,048 ,272 ,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
-,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
-,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
,242 ,175 ,222 ,085 ,242 -,327 ,013 ,306 ,252
,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
,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
,048 ,118 ,065 ,282 ,049 ,012 ,465 ,017 ,042
outra chance c.
justificativa
atentos para o conteúdo
próprio material
questões claras e
objetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicações
professor
exercícios para fixar
material apostilado
não esquecer nome
prova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder
pedido
outra chance c.
justificativa
atentos para o conteúdo
próprio material
questões claras e
objetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicações
professor
exercícios para fixar
material apostilado
não esquecer nome
prova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder
pedido
Correlation
Sig. (1-tailed)
outra chance
c. justificativa
atentos para
o conteúdo
próprio
material
questões
claras e
objetivas
professor
fique atento
tempo
estabelecido
explicar clara
concisa
anotar
explicações
professor
exercícios
para fixar
ma
apo
Determinant = 1,702E-03a.
25. 25
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 em
comum ou a proporção desta que são devidas a fatores comuns.
KMO and Bartlett's Test
,722
262,484
105
,000
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Approx. Chi-Square
df
Sig.
Bartlett's Test of
Sphericity
26. 26
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 o
método citado.
KMO
Grau de ajuste à
Análise fatorial
1-0,9 Muito Boa
0,8-0,9 Boa
0,7-0,8 Média
0,6-0,7 Razoável
0,5-0,6 Má
<0,5 Inaceitável
27. 27
O segundo teste, o de Esfericidade de Bartlett é baseado na distribuição
estatística de “chi 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-se
menor 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.
PEREIRA, J. C. R. Análise de Dados Qualitativos: Estratégias Metodológicas
para as Ciências da Saúde, Humanas e Sociais. São Paulo: EDUSP, 2001.
28. 28
Estatísticas Descritivas
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
VAR00001
VAR00002
VAR00003
VAR00004
VAR00005
VAR00006
VAR00007
VAR00008
VAR00009
VAR00010
VAR00011
VAR00012
VAR00013
VAR00014
VAR00015
Mean Std. Deviation Analysis N
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
outra chance c.
justificativa
atentos para o conteúdo
próprio material
questões claras e
objetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicações
professor
exercícios para fixar
material apostilado
não esquecer nome
prova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder
pedido
Mean Std. Deviation Analysis N
31. 31
Matriz de rotação
Sem Opção de corte
Suja
Rotated Component Matrixa
-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
outra chance c.
justificativa
atentos para o conteúdo
próprio material
questões claras e
objetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicações
professor
exercícios para fixar
material apostilado
não esquecer nome
prova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder
pedido
1 2 3 4
Component
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 7 iterations.a.
32. 32
Matriz de rotação
VARIMAX
Rotated Component Matrixa
,846
,797
,732
,603 ,433
,752
,711
,673
,605
-,520 -,525
,426 ,479
,799
,725
,409 ,593
-,456
,869
material apostilado
exercícios para fixar
explicar clara concisa
anotar explicações
professor
professor fique atento
proibir troca materiais
escrevam com caneta
alunos responder
pedido
não esquecer nome
prova
atentos para o conteúdo
outra chance c.
justificativa
próprio material
preencher um formulário
tempo estabelecido
questões claras e
objetivas
1 2 3 4
Component
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 7 iterations.a.
33. 33
Matriz de rotação AFCPSem Rotação ACP
Rotated Component Matrixa
,847
,799
,750
,552 -,485
-,510 -,494
,730
,727
,634
,618
,806
,700
,633
,803
-,452
material apostilado
exercícios para fixar
explicar clara concisa
anotar explicações
professor
não esquecer nome
prova
proibir troca materiais
professor fique atento
escrevam com caneta
alunos responder
pedido
outra chance c.
justificativa
próprio material
preencher um formulário
tempo estabelecido
questões claras e
objetivas
atentos para o conteúdo
1 2 3 4
Component
Extraction Method: Principal Component Analysis.
Rotation Method: Equamax with Kaiser Normalization.
Rotation converged in 7 iterations.a.
Component Matrixa
,815
,715
-,710
,691 ,501
,688
,678
,568
-,535
,499
,634
,659
,525 ,556
,496 ,697
,471
anotar explicações
professor
exercícios para fixar
não esquecer nome
prova
material apostilado
escrevam com caneta
atentos para o conteúdo
professor fique atento
tempo estabelecido
alunos responder
pedido
próprio material
explicar clara concisa
outra chance c.
justificativa
preencher um formulário
questões claras e
objetivas
proibir troca materiais
1 2 3 4
Component
Extraction Method: Principal Component Analysis.
4 components extracted.a.
34. 34
Matriz de rotação
Rotated Component Matrixa
,847
,799
,749
,552
-,510
,730
,727
,634
,618
,806
,700
,633
,803
material apostilado
exercícios para fixar
explicar clara concisa
anotar explicações
professor
não esquecer nome
prova
proibir troca materiais
professor fique atento
escrevam com caneta
alunos responder
pedido
outra chance c.
justificativa
próprio material
preencher um formulário
tempo estabelecido
questões claras e
objetivas
atentos para o conteúdo
1 2 3 4
Component
Extraction Method: Principal Component Analysis.
Rotation Method: Equamax with Kaiser Normalization.
Rotation converged in 6 iterations.a.
Método Equamax -
corte 0,500
37. 37
Matriz de rotação
Rotated Component Matrixa
,847
,799
,749
,552
-,510
,730
,727
,634
,618
,806
,700
,633
,803
material apostilado
exercícios para fixar
explicar clara concisa
anotar explicações
professor
não esquecer nome
prova
proibir troca materiais
professor fique atento
escrevam com caneta
alunos responder
pedido
outra chance c.
justificativa
próprio material
preencher um formulário
tempo estabelecido
questões claras e
objetivas
atentos para o conteúdo
1 2 3 4
Component
Extraction Method: Principal Component Analysis.
Rotation Method: Equamax with Kaiser Normalization.
Rotation converged in 6 iterations.a.
Descriptive 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
outra chance c.
justificativa
atentos para o conteúdo
próprio material
questões claras e
objetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicações
professor
exercícios para fixar
material apostilado
não esquecer nome
prova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder
pedido
Mean Std. Deviation Analysis N
Quando os valores médios estão abaixo da média teórica, deve-se
inverter a assertiva!!!
38. 38
Análise de Variância
Component Plot in Rotated Space
preencher um formulá
exercícios para fixa
anotar explicações p
material apostilado
outra chance c. just
explicar clara conci
próprio material
Component 2
atentos para o conte
1,01,0
questões claras e ob
-,5
escrevam com canetaalunos responder p
0,0
,5 ,5
professor fique aten
,5
proibir troca mate
1,0
tempo estabelecido
não esquecer nome pr
Component 3Component 1
0,00,0
-,5-,5