Interpretar os principais resultados para Análise fatorial

Conclua as etapas a seguir para interpretar uma análise fatorial. A saída principal inclui cargas fatoriais, valores de comunalidade, percentagem de variância e diversos gráficos.

Etapa 1: determinar o número de fatores

Se não souber o número de fatores a ser usado, primeiro realize a análise usando o método de extração dos componentes principais, sem especificar o número de fatores. Depois use um dos métodos a seguir para determinar o número de fatores.
% Var
Use a porcentagem da variância (% Var) para determinar a quantidade de variância que os fatores explicam. Retenha os fatores que explicam um nível aceitável de variância. O nível aceitável depende da sua aplicação. Para fins descritivos, você pode necessitar de apenas 80% da variância explicada. Contudo, se quiser realizar outras análises nos dados, você deve ter, no mínimo, 90% da variância explicada pelos fatores.
Variância (autovalores)
A variância é igual ao autovalor se você usar os componentes principais para extrair fatores e não rotacionar as cargas. Você pode usar o tamanho do autovalor para determinar o número de fatores. Retenha os fatores com os maiores autovalores. Por exemplo, usando o critério Kaiser, você usa somente os fatores com os autovalores que são maiores que 1.
Gráfico scree
O gráfico scree ordena os autovalores do maior para o menor. O padrão ideal é uma curva acentuada, seguida de uma dobra e depois de uma linha reta. Use os componentes na curva acentuada antes do primeiro ponto que inicia a tendência da linha.
Cargas Fatoriais Não Rotacionadas e Itens Comuns Variável Fator1 Fator2 Fator3 Fator4 Fator5 Fator6 Fator7 Histórico Escolar 0,726 0,336 -0,326 0,104 -0,354 -0,099 0,233 Aparência 0,719 -0,271 -0,163 -0,400 -0,148 -0,362 -0,195 Comunicação 0,712 -0,446 0,255 0,229 -0,319 0,119 0,032 Adaptação à Empresa 0,802 -0,060 0,048 0,428 0,306 -0,137 -0,067 Experiência 0,644 0,605 -0,182 -0,037 -0,092 0,317 -0,209 Adaptação ao Trabalho 0,813 0,078 -0,029 0,365 0,368 -0,067 -0,025 Carta 0,625 0,327 0,654 -0,134 0,031 0,025 0,017 Simpatia 0,739 -0,295 -0,117 -0,346 0,249 0,140 0,353 Organização 0,706 -0,540 0,140 0,247 -0,217 0,136 -0,080 Potencial 0,814 0,290 -0,326 0,167 -0,068 -0,073 0,048 Currículo 0,709 0,298 0,465 -0,343 -0,022 -0,107 0,024 Autoconfiança 0,719 -0,262 -0,294 -0,409 0,175 0,179 -0,159 Variância 6,3876 1,4885 1,1045 1,0516 0,6325 0,3670 0,3016 % Var 0,532 0,124 0,092 0,088 0,053 0,031 0,025 Variável Fator8 Fator9 Fator10 Fator11 Fator12 Comum Histórico Escolar 0,147 0,097 -0,142 -0,026 -0,031 1,000 Aparência -0,151 0,082 0,016 0,020 -0,038 1,000 Comunicação 0,088 0,023 0,204 0,012 -0,100 1,000 Adaptação à Empresa 0,105 -0,019 -0,067 0,188 -0,021 1,000 Experiência -0,102 0,121 0,039 0,077 0,009 1,000 Adaptação ao Trabalho -0,032 0,146 0,066 -0,176 0,008 1,000 Carta -0,113 -0,079 -0,130 -0,043 -0,127 1,000 Simpatia -0,142 0,051 0,022 0,064 0,012 1,000 Organização -0,105 -0,020 -0,162 -0,032 0,136 1,000 Potencial -0,112 -0,290 0,100 -0,023 0,028 1,000 Currículo 0,170 0,008 0,090 0,010 0,156 1,000 Autoconfiança 0,230 -0,098 -0,061 -0,065 -0,047 1,000 Variância 0,2129 0,1557 0,1379 0,0851 0,0750 12,0000 % Var 0,018 0,013 0,011 0,007 0,006 1,000
Principais resultados: %Var, variância (autovalor), gráfico scree

Esses resultados mostram as cargas fatoriais não rotacionadas para todos os fatores que usam o método de extração dos componentes principais. Os primeiros quatro fatores têm variâncias (autovalores) maiores que 1. Os autovalores mudam menos marcadamente quando mais de 6 fatores são usados. Portanto, 4–6 fatores parecem explicar a maior parte da variabilidade nos dados. A porcentagem da variabilidade explicada pelo fator 1 é 0,532 ou 53,2%. A porcentagem da variabilidade explicada pelo Fator 4 é 0,088 ou 8,8%. O gráfico scree mostra que os primeiros quatro fatores respondem pela maior parte da variabilidade total nos dados. Os fatores restantes respondem por uma proporção muito pequena da variabilidade e são provavelmente sem importância.

Etapa 2: Interpretar os fatores

Depois de você determinar o número de fatores (etapa 1), você pode repetir a análise usando o método de máxima verossimilhança. Depois examine o padrão de carga fatorial para determinar o fator que tem a maior influência em cada variável. As cargas fatoriais próximas de -1 ou 1 indicam que o fator influencia fortemente a variável. As cargas fatoriais próximas de 0 indicam que o fator tem uma influência fraca na variável. Algumas variáveis podem ter altas cargas fatoriais em múltiplos fatores.

As cargas fatoriais não rotacionadas são frequentemente difíceis de interpretar. A rotação de fatores simplifica a estrutura de cargas fatoriais, permitindo a você interpretar mais facilmente as cargas fatoriais. Contudo, um método de rotação pode não funcionar bem em todos os casos. Você deve tentar diferentes rotações e usar aquela que produz os resultados mais interpretáveis. Você também pode classificar as cargas fatoriais rotacionadas para avaliar mais claramente as cargas fatoriais dentro de um fator.

Cargas Fatoriais Rotacionadas e Itens Comuns Rotação Varimax Variável Fator1 Fator2 Fator3 Fator4 Comum Histórico Escolar 0,481 0,510 0,086 0,188 0,534 Aparência 0,140 0,730 0,319 0,175 0,685 Comunicação 0,203 0,280 0,802 0,181 0,795 Adaptação à Empresa 0,778 0,165 0,445 0,189 0,866 Experiência 0,472 0,395 -0,112 0,401 0,553 Adaptação ao Trabalho 0,844 0,209 0,305 0,215 0,895 Carta 0,219 0,052 0,217 0,947 0,994 Simpatia 0,261 0,615 0,321 0,208 0,593 Organização 0,217 0,285 0,889 0,086 0,926 Potencial 0,645 0,492 0,121 0,202 0,714 Currículo 0,214 0,365 0,113 0,789 0,814 Autoconfiança 0,239 0,743 0,249 0,092 0,679 Variância 2,5153 2,4880 2,0863 1,9594 9,0491 % Var 0,210 0,207 0,174 0,163 0,754
Principais resultados: cargas fatoriais, comunalidade, gráfico de cargas fatoriais

Nesses resultados, uma rotação varimax foi realizada nos dados. Usando-se as cargas fatoriais rotacionadas, você pode interpretar os fatores da seguinte maneira:
  • Adequado para a empresa (0,778), Adequado para a função (0,844), e Potencial (0,645) têm grandes cargas fatoriais positivas no fator 1, portanto, este fator descreve uma adequação e potencial do candidato para crescimento na empresa.
  • Aparência (0,73), Simpatia (0,615) e Autoconfiança (0,743) têm grandes cargas fatoriais positivas no fator 2, portanto, este fator descreve as qualidades pessoais.
  • Comunicação (0,802) e Organização (0,889) têm grandes cargas fatoriais positivas no fator 3, portanto este fator descreve as habilidades de trabalho.
  • Carta (0,947) e Currículo (0,789) têm grandes cargas fatoriais positivas no fator 4, portanto, este fator descreve as habilidades de escrita.

Juntos, todos os quatro fatores explicam 0,754 ou 75,4% da variação nos dados.

O gráfico de cargas fatoriais mostra visualmente os resultados das cargas fatoriais para os primeiros dois fatores.

Etapa 3: Verifique se há problemas nos dados

Se os primeiros dois fatores forem responsáveis pela maior parte da variância nos dados, você pode usar o gráfico de escores para avaliar a estrutura de dados e detectar agrupamentos, outliers e tendências. Agrupamentos de dados no gráfico podem indicar duas ou mais distribuições separadas nos dados. Se os dados seguem uma distribuição normal e não houver nenhum outlier presente, os pontos são aleatoriamente distribuídos sobre o valor de 0.

Principal resultado: gráfico de escores

Neste gráfico de escores, os dados parecem normais e não há outliers extremos aparentes. Contudo, você pode querer investigar o valor dos dados no lado direito inferior do gráfico, que se localiza longe dos outros valores de dados.

Dica

Para ver o escore calculado de cada observação, mantenha o ponteiro sobre um ponto de dados no gráfico. Para criar gráficos de escores para outros fatores, armazene os escores e use Gráfico > Gráfico de Dispersão.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política