Análise da estrutura dos dados

O Minitab oferece duas análises para avaliar a estrutura de covariância dos seus dados:
Análise de componentes principais
A análise dos componentes principais o ajuda a entender a estrutura de covariância nas variáveis originais e/ou a criar um número menor de variáveis usando essa estrutura. No Minitab, escolha Estat > Multivariada > Componentes Principais.
Análise fatorial
Como os componentes principais, a análise fatorial sumariza a estrutura de covariância dos dados em um número menor de dimensões. A ênfase na análise fatorial é a identificação dos "fatores" subjacentes que podem explicar as dimensões associadas com a grande variabilidade de dados. No Minitab, escolha Estat > Multivariada > Análise Fatorial.

Consistência interna

Análise de itens
Uma análise de itens avalia quão consistentemente itens múltiplos em uma pesquisa ou teste medem o mesmo constructo. No Minitab, escolha Estat > Multivariada > Análise de Item.

Agrupando observações

O Minitab oferece métodos de análise de agrupamentos e análise discriminante para agrupamento de observações ou variáveis:
Agrupar observações
Uma análise de agrupamentos de observações agrupa observações que estão "próximas" umas das outras quando os grupos são inicialmente desconhecidos. Esta análise é uma boa escolha quando não existe nenhuma informação externa sobre agrupamento. A escolha do agrupamento final é normalmente feita pelo que é lógico para seus dados, após a visualização das estatísticas de agrupamento. No Minitab, escolha Estat > Multivariada > Agrupamento de Observações.
Agrupar variáveis
Uma análise de agrupamento de variáveis agrupa variáveis que estão "próximas" umas das outras quando os grupos são inicialmente desconhecidos. Você pode querer criar um agrupamento de variáveis para reduzir seu número e simplificar seus dados. O método usado para criar um agrupamento de variáveis é similar àquele usado para criar um agrupamento de observações. . No Minitab, escolha Estat > Multivariada > Agrupamento de Variáveis.
Agrupar K-Médias
Uma análise de agrupamento de K-Médias agrupa observações que estão "próximas" uma das outras. O agrupamento de K-Médias funciona melhor quando há informações suficientes disponíveis para fazer boas designações de agrupamento iniciais. No Minitab, escolha Estat > Multivariada > Agrupamento de K-Médias.
Análise discriminante
A análise discriminante classifica observações em dois ou mais grupos se você tiver uma amostra com grupos conhecidos. Você pode usar análise discriminante para investigar como as preditoras contribuem para os agrupamentos. No Minitab, escolha Estat > Multivariada > Análise Discriminante.

Análise de correspondência

O Minitab oferece dois métodos de análise de correspondência para explorar as relações entre variáveis categóricas:
Análise de correspondência simples
A análise de correspondência simples explora relações em uma classificação de dois fatores. Você também pode usar esta análise com tabelas de 3 e 4 fatores porque o Minitab pode reduzi-las a tabelas de 2 fatores. A análise de correspondência simples decompõe uma tabela de contingência de forma similar à análise de componentes principais em relação a dados contínuos multivariáveis. A análise de correspondência simples faz uma autoanálise dos dados, decompõe a variabilidade em dimensões subjacentes e associa variabilidade a linhas e/ou colunas. No Minitab, escolha Estat > Multivariada > Análise de Correspondência Simples.
Análise de correspondência múltipla
A análise de correspondência múltipla estende a análise de correspondência simples ao caso de 3 ou mais variáveis categóricas. A análise de correspondência múltipla conduz uma análise de correspondência simples em uma matriz de variáveis indicadoras, nas quais cada coluna corresponde a um nível de uma variável categórica. Em vez de uma tabela com 2 fatores, a tabela com multifatores é recolhida em 1 dimensão. No Minitab, escolha Estat > Multivariada > Análise de Correspondência Múltipla.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política