Análisedados CAPTCA

Analise de dados – 22/11/2013 ANÁLISE CATEGORIAL DE COMPONENENTES PRINCIPAIS
a) Escolha do numero de dimensões a considerar.
b) Exclusão das variáveis não-relevantes.
c) Identificação das variáveis mais relevantes em cada passo.
d) Analise da afinidade entre categorias.

a) Número de dimensões tem de ser igual ao numero de variáveis em estudo. (6) A partir dos valores selecionados no total de eigenvalue , introduzem-se no Excel e faz-se um gráfico de linhas. Verifica se onde a linha começa a ficar horizontal e escolhem-se a quantidade de dimensões adequada a partir da dimensão onde a linha fica horizontal. A quantidade de dimensões escolhidas deve assegurar um valor de eigenvalue superior a 1 de modo a haver uma boa variabilidade de dados. Tendo em conta estas condicionantes deve-se escolher de novo as dimensões a serem analisadas. A intenção e ter poucas dimensões para analisar uma maior variabilidade dos dados.
De seguida, no SPSS, introduzem-se os dados para ficarem 2 dimensões em vez das 6 ( de acordo com o exemplo).

b) No quadro Variance accounted for, vê-se as variáveis que estão bem colocadas nas dimensões 1 e 2. O peso mais importante (o maior valor)de cada variável em cada dimensão. O valor da variável da dimensão tem de se multiplicar por 100. Se o resultado for superior a percentagem da variância (% variance) é adequado para análise. Caso contrario, retira-se a variável inadequada. A tabela de component loadings, o valor tem de ser 0,5, caso contrario, a variável também não é adequada.

c) Resumir a informação do ponto b) com um quadro de dimensões\variáveis.

d) Importante perceber como se relacionam as categorias das variáveis que pertencem a mesma dimensão. Analisar uma dimensão a vez. Para cada categoria, aparece o peso de cada variável na dimensão. Agrupar categorias, em função dos valores dos vector coordinates, num quadro final, onde se ve a dimensão // coordenada positiva e negativa e a descrição de cada ponto. Exemplo: