Analise fatorial spss
-
Upload
fernando-bortolozo -
Category
Documents
-
view
238 -
download
3
Transcript of Analise fatorial spss
1
IV Congresso Brasileiro de Avaliação IV Congresso Brasileiro de Avaliação PsicológicaPsicológica
V Congresso da Associação Brasileira V Congresso da Associação Brasileira de Rorschach e Métodos Projetivosde Rorschach e Métodos ProjetivosXIV Conferência Internacional de XIV Conferência Internacional de Avaliação Psicológica: Formas e Avaliação Psicológica: Formas e
ContextosContextos
Avaliação Psicológica: Formação, Avaliação Psicológica: Formação, Atuação e InterfacesAtuação e Interfaces
29/07/2009 a 01/08/2009 - Campinas-SP29/07/2009 a 01/08/2009 - Campinas-SP
2
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 -
CursoCurso Análise Fatorial Exploratória e ConfirmatóriaAnálise Fatorial Exploratória e Confirmatória
3
ANÁLISE FATORIAL
USO DO SPSS
4
Entrada de dados e tomadas de decisões
5
Entrada de dados conversão por cópia de planilha do Excel ou Winword
6
Definição de aspectos das medidas
Definir “labels” Definir nível de Mesuração
7
Escolha do Tipo de Análise
8
9
Selecionar as possibilidades de testes de “aderência” e as estatísticas descritivas.
Mais importante
importante
Após selecionar
Dar continuidade
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
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
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
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
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
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
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
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
Usar 99 ou 999 ou 9999, pois quanto maior,
mais chances de convergência se terá.
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
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
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.
22
Data Output
23
Notes
30-JAN-2003 13:32:48
C:\WINDOWS\Desktop\ratioavali.sav
<none>
<none>
<none>
48
MISSING=EXCLUDE: User-definedmissing values are treated asmissing.
LISTWISE: Statistics are based oncases with no missing values forany variable used.FACTOR/VARIABLES var00001 var00002var00003 var00004 var00005var00006 var00007var00008 var00009 var00010var00011 var00012 var00013var00014 var00015/MISSING LISTWISE /ANALYSISvar00001 var00002 var00003var00004 var00005var00006 var00007 var00008var00009 var00010 var00011var00012 var00013var00014 var00015/PRINT UNIVARIATE INITIALCORRELATION SIG DET KMO INVREPR AIC EXTRACTIONROTATION 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 inWorking Data File
Input
Definition of Missing
Cases Used
Missing ValueHandling
Syntax
Maximum MemoryRequired
Elapsed Time
Resources
Log de dados
24
Matriz de correlaçãoCorrelation Matrixa
1,000 ,221 ,359 ,110 ,153 -,294 -,048 ,272 ,123 ,068 -,093 -,089 ,308 ,049 ,242
,221 1,000 ,309 -,018 ,584 -,287 ,225 ,559 ,346 ,440 -,386 ,412 ,205 ,268 ,175
,359 ,309 1,000 -,043 ,170 -,327 -,020 ,405 ,206 ,026 -,201 ,252 ,349 ,148 ,222
,110 -,018 -,043 1,000 ,117 ,084 ,293 -,117 ,254 ,247 -,170 ,046 ,302 ,120 ,085
,153 ,584 ,170 ,117 1,000 -,212 -,036 ,336 ,254 ,233 -,474 ,460 ,079 ,347 ,242
-,294 -,287 -,327 ,084 -,212 1,000 -,138 -,431 -,175 -,158 ,393 -,398 -,199 -,224 -,327
-,048 ,225 -,020 ,293 -,036 -,138 1,000 ,284 ,432 ,486 -,334 ,127 ,196 ,077 ,013
,272 ,559 ,405 -,117 ,336 -,431 ,284 1,000 ,574 ,592 -,526 ,459 ,428 ,338 ,306
,123 ,346 ,206 ,254 ,254 -,175 ,432 ,574 1,000 ,688 -,473 ,411 ,458 ,097 ,252
,068 ,440 ,026 ,247 ,233 -,158 ,486 ,592 ,688 1,000 -,433 ,440 ,330 ,133 ,189
-,093 -,386 -,201 -,170 -,474 ,393 -,334 -,526 -,473 -,433 1,000 -,481 -,173 -,162 -,379
-,089 ,412 ,252 ,046 ,460 -,398 ,127 ,459 ,411 ,440 -,481 1,000 ,283 ,370 ,350
,308 ,205 ,349 ,302 ,079 -,199 ,196 ,428 ,458 ,330 -,173 ,283 1,000 ,148 ,170
,049 ,268 ,148 ,120 ,347 -,224 ,077 ,338 ,097 ,133 -,162 ,370 ,148 1,000 ,376
,242 ,175 ,222 ,085 ,242 -,327 ,013 ,306 ,252 ,189 -,379 ,350 ,170 ,376 1,000
,065 ,006 ,229 ,149 ,021 ,372 ,030 ,202 ,323 ,265 ,273 ,017 ,372 ,048
,065 ,016 ,453 ,000 ,024 ,062 ,000 ,008 ,001 ,003 ,002 ,081 ,033 ,118
,006 ,016 ,385 ,124 ,012 ,447 ,002 ,080 ,429 ,086 ,042 ,008 ,157 ,065
,229 ,453 ,385 ,213 ,286 ,022 ,213 ,041 ,045 ,124 ,377 ,018 ,209 ,282
,149 ,000 ,124 ,213 ,074 ,403 ,010 ,041 ,055 ,000 ,001 ,298 ,008 ,049
,021 ,024 ,012 ,286 ,074 ,176 ,001 ,117 ,141 ,003 ,003 ,087 ,063 ,012
,372 ,062 ,447 ,022 ,403 ,176 ,025 ,001 ,000 ,010 ,194 ,091 ,302 ,465
,030 ,000 ,002 ,213 ,010 ,001 ,025 ,000 ,000 ,000 ,001 ,001 ,009 ,017
,202 ,008 ,080 ,041 ,041 ,117 ,001 ,000 ,000 ,000 ,002 ,001 ,255 ,042
,323 ,001 ,429 ,045 ,055 ,141 ,000 ,000 ,000 ,001 ,001 ,011 ,184 ,099
,265 ,003 ,086 ,124 ,000 ,003 ,010 ,000 ,000 ,001 ,000 ,120 ,136 ,004
,273 ,002 ,042 ,377 ,001 ,003 ,194 ,001 ,002 ,001 ,000 ,026 ,005 ,007
,017 ,081 ,008 ,018 ,298 ,087 ,091 ,001 ,001 ,011 ,120 ,026 ,157 ,123
,372 ,033 ,157 ,209 ,008 ,063 ,302 ,009 ,255 ,184 ,136 ,005 ,157 ,004
,048 ,118 ,065 ,282 ,049 ,012 ,465 ,017 ,042 ,099 ,004 ,007 ,123 ,004
outra chance c.justificativa
atentos para o conteúdo
próprio material
questões claras eobjetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicaçõesprofessor
exercícios para fixar
material apostilado
não esquecer nomeprova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder pedido
outra chance c.justificativa
atentos para o conteúdo
próprio material
questões claras eobjetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicaçõesprofessor
exercícios para fixar
material apostilado
não esquecer nomeprova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder pedido
Correlation
Sig. (1-tailed)
outra chancec. justificativa
atentos parao conteúdo
própriomaterial
questõesclaras eobjetivas
professorfique atento
tempoestabelecido
explicar claraconcisa
anotarexplicaçõesprofessor
exercíciospara fixar
materialapostilado
não esquecernome prova
escrevamcom caneta
preencher umformulário
proibir troca materiais
alunos responder
pedido
Determinant = 1,702E-03a.
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 SamplingAdequacy.
Approx. Chi-Square
df
Sig.
Bartlett's Test ofSphericity
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.
KMOGrau 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
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
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 eobjetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicaçõesprofessor
exercícios para fixar
material apostilado
não esquecer nomeprova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder pedido
Mean Std. Deviation Analysis N
29
Total Variance Explained
4,915 32,769 32,769 4,915 32,769 32,769 3,090 20,598 20,598
1,817 12,113 44,883 1,817 12,113 44,883 2,573 17,152 37,750
1,446 9,639 54,522 1,446 9,639 54,522 2,124 14,160 51,910
1,173 7,823 62,344 1,173 7,823 62,344 1,565 10,434 62,344
,979 6,528 68,872
,869 5,792 74,664
,764 5,094 79,758
,712 4,743 84,502
,574 3,828 88,330
,432 2,879 91,209
,381 2,539 93,748
,307 2,045 95,793
,282 1,881 97,674
,202 1,344 99,017
,147 ,983 100,000
Component1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Extraction Method: Principal Component Analysis.
Análise de Variância
30
Scree Plot
Component Number
151413121110987654321
Eig
en
valu
e
6
5
4
3
2
1
0
Seleção dos Fatores
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 eobjetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicaçõesprofessor
exercícios para fixar
material apostilado
não esquecer nomeprova
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
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 explicaçõesprofessor
professor fique atento
proibir troca materiais
escrevam com caneta
alunos responder pedido
não esquecer nomeprova
atentos para o conteúdo
outra chance c.justificativa
próprio material
preencher um formulário
tempo estabelecido
questões claras eobjetivas
1 2 3 4
Component
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 7 iterations.a.
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 explicaçõesprofessor
não esquecer nomeprova
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 eobjetivas
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 explicaçõesprofessor
exercícios para fixar
não esquecer nomeprova
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 eobjetivas
proibir troca materiais
1 2 3 4
Component
Extraction Method: Principal Component Analysis.
4 components extracted.a.
34
Matriz de rotaçãoRotated Component Matrixa
,847
,799
,749
,552
-,510
,730
,727
,634
,618
,806
,700
,633
,803
material apostilado
exercícios para fixar
explicar clara concisa
anotar explicaçõesprofessor
não esquecer nomeprova
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 eobjetivas
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
35
Ajuste do modelo de rotação
Residuals are computed between observed and reproduced correlations. There are 56 (53,0%) nonredundant residuals with absolute values > 0.05.
Reproduced Correlations
,654b
,125 ,559 ,105 2,304E-02 -,335 -7,820E-02 ,289 ,145 -9,700E-03 -5,083E-02 6,209E-03 ,492 9,764E-02 ,281
,125 ,555b ,317 -,117 ,449 -,430 ,204 ,623 ,427 ,442 -,512 ,535 ,213 ,279 ,298
,559 ,317 ,595b -,124 ,171 -,457 -6,989E-02 ,467 ,195 8,097E-02 -,192 ,182 ,394 ,137 ,293
,105 -,117 -,124 ,825b
4,026E-02 ,153 ,324 -8,902E-02 ,310 ,268 -,125 4,503E-02 ,385 ,229 ,231
2,304E-02 ,449 ,171 4,026E-02 ,591b -,344 2,754E-02 ,391 ,227 ,255 -,472 ,569 6,356E-02 ,516 ,448
-,335 -,430 -,457 ,153 -,344 ,453b 4,511E-03 -,514 -,245 -,197 ,337 -,367 -,255 -,249 -,324
-7,820E-02 ,204 -6,99E-02 ,324 2,754E-02 4,511E-03 ,580b ,323 ,576 ,613 -,324 ,206 ,307 -5,379E-02 -3,246E-02
,289 ,623 ,467 -8,902E-02 ,391 -,514 ,323 ,784b
,593 ,574 -,562 ,531 ,411 ,202 ,294
,145 ,427 ,195 ,310 ,227 -,245 ,576 ,593 ,718b ,717 -,512 ,408 ,488 ,119 ,186
-9,700E-03 ,442 8,097E-02 ,268 ,255 -,197 ,613 ,574 ,717 ,756b -,540 ,448 ,381 ,112 ,135
-5,083E-02 -,512 -,192 -,125 -,472 ,337 -,324 -,562 -,512 -,540 ,558b
-,564 -,257 -,345 -,334
6,209E-03 ,535 ,182 4,503E-02 ,569 -,367 ,206 ,531 ,408 ,448 -,564 ,619b ,149 ,439 ,392
,492 ,213 ,394 ,385 6,356E-02 -,255 ,307 ,411 ,488 ,381 -,257 ,149 ,619b ,103 ,258
9,764E-02 ,279 ,137 ,229 ,516 -,249 -5,379E-02 ,202 ,119 ,112 -,345 ,439 ,103 ,548b ,487
,281 ,298 ,293 ,231 ,448 -,324 -3,246E-02 ,294 ,186 ,135 -,334 ,392 ,258 ,487 ,495b
9,628E-02 -,200 4,182E-03 ,130 4,090E-02 2,980E-02 -1,679E-02 -2,181E-02 7,772E-02 -4,228E-02 -9,561E-02 -,184 -4,908E-02 -3,906E-02
9,628E-02 -8,71E-03 9,921E-02 ,135 ,144 2,104E-02 -6,438E-02 -8,097E-02 -1,496E-03 ,127 -,123 -8,074E-03 -1,109E-02 -,124
-,200 -8,713E-03 8,091E-02 -1,284E-03 ,129 5,032E-02 -6,136E-02 1,158E-02 -5,459E-02 -9,114E-03 6,911E-02 -4,489E-02 1,135E-02 -7,064E-02
4,182E-03 9,921E-02 8,091E-02 7,712E-02 -6,945E-02 -3,126E-02 -2,837E-02 -5,611E-02 -2,130E-02 -4,496E-02 1,287E-03 -8,315E-02 -,110 -,145
,130 ,135 -1,28E-03 7,712E-02 ,133 -6,401E-02 -5,461E-02 2,692E-02 -2,179E-02 -2,031E-03 -,110 1,500E-02 -,169 -,206
4,090E-02 ,144 ,129 -6,945E-02 ,133 -,142 8,230E-02 6,993E-02 3,816E-02 5,561E-02 -3,099E-02 5,580E-02 2,556E-02 -3,592E-03
2,980E-02 2,104E-02 5,032E-02 -3,126E-02 -6,401E-02 -,142 -3,909E-02 -,144 -,127 -9,972E-03 -7,877E-02 -,111 ,130 4,530E-02
-1,679E-02 -6,438E-02 -6,14E-02 -2,837E-02 -5,461E-02 8,230E-02 -3,909E-02 -1,947E-02 1,799E-02 3,590E-02 -7,214E-02 1,713E-02 ,135 1,197E-02
-2,181E-02 -8,097E-02 1,158E-02 -5,611E-02 2,692E-02 6,993E-02 -,144 -1,947E-02 -2,886E-02 3,810E-02 3,070E-03 -3,000E-02 -2,166E-02 6,612E-02
7,772E-02 -1,496E-03 -5,46E-02 -2,130E-02 -2,179E-02 3,816E-02 -,127 1,799E-02 -2,886E-02 ,107 -8,630E-03 -5,050E-02 2,051E-02 5,380E-02
-4,228E-02 ,127 -9,11E-03 -4,496E-02 -2,031E-03 5,561E-02 -9,972E-03 3,590E-02 3,810E-02 ,107 8,317E-02 8,425E-02 ,183 -4,506E-02
-9,561E-02 -,123 6,911E-02 1,287E-03 -,110 -3,099E-02 -7,877E-02 -7,214E-02 3,070E-03 -8,630E-03 8,317E-02 ,134 -6,873E-02 -4,244E-02
-,184 -8,074E-03 -4,49E-02 -8,315E-02 1,500E-02 5,580E-02 -,111 1,713E-02 -3,000E-02 -5,050E-02 8,425E-02 ,134 4,573E-02 -8,708E-02
-4,908E-02 -1,109E-02 1,135E-02 -,110 -,169 2,556E-02 ,130 ,135 -2,166E-02 2,051E-02 ,183 -6,873E-02 4,573E-02 -,111
-3,906E-02 -,124 -7,06E-02 -,145 -,206 -3,592E-03 4,530E-02 1,197E-02 6,612E-02 5,380E-02 -4,506E-02 -4,244E-02 -8,708E-02 -,111
outra chance c.justificativa
atentos para o conteúdo
próprio material
questões claras eobjetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicaçõesprofessor
exercícios para fixar
material apostilado
não esquecer nomeprova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder pedido
outra chance c.justificativa
atentos para o conteúdo
próprio material
questões claras eobjetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicaçõesprofessor
exercícios para fixar
material apostilado
não esquecer nomeprova
escrevam com caneta
preencher um formulário
proibir troca materiais
alunos responder pedido
Reproduced Correlation
Residual a
outra chancec. justificativa
atentos parao conteúdo
própriomaterial
questõesclaras eobjetivas
professorfique atento
tempoestabelecido
explicar claraconcisa
anotarexplicações
professorexercíciospara fixar
materialapostilado
não esquecernome prova
escrevamcom caneta
preencher umformulário
proibir troca materiais
alunos responder
pedido
Extraction Method: Principal Component Analysis.
Residuals are computed between observed and reproduced correlations. There are 56 (53,0%) nonredundant residuals with absolute values > 0.05.a.
Reproduced communalitiesb.
É desejável que as contagens resíduos >0,05 ou 5% estejam em menos que 50% dos dados!
36
O que são Resíduos?
modelo
Resíduo
Dado
37
Matriz de rotaçãoRotated Component Matrixa
,847
,799
,749
,552
-,510
,730
,727
,634
,618
,806
,700
,633
,803
material apostilado
exercícios para fixar
explicar clara concisa
anotar explicaçõesprofessor
não esquecer nomeprova
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 eobjetivas
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 eobjetivas
professor fique atento
tempo estabelecido
explicar clara concisa
anotar explicaçõesprofessor
exercícios para fixar
material apostilado
não esquecer nomeprova
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
Análise de Variância
Component Plot in Rotated Space
preencher um formuláexercícios para fixa
anotar explicações pmaterial apostilado
outra chance c. justexplicar 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 mate1,0
tempo estabelecido
não esquecer nome pr
Component 3Component 1
0,00,0-,5-,5