Professor Spinelli,
Fundamentalmente, na análise fatorial exploratória, fazemos três testes:
Obs.: Antes de proceder as análises é fundamental que a planilha de dados não contenha missing values e nem outliers.
1. Análise fatorial: É aqui, que o software vai dizer se os itens que o Sr. Usou estão medindo apenas um
construto, ou dois, ou três ou mais, diferentes. O Software vai separar os itens por fatores (construtos). No SPSS: Analyze Data Data Reduction Factor
Aí aparece uma janelinha e o Sr. Escolhe os itens que compõe o construto, seleciona e clica na seta para eles irem para a outra janelinha ao lado. Aí o Sr. Clica no botão Rotation, lá embaixo, e escolhe varimax. Aí pode clicar em Ok. Vão aparecer quadros assim: Total Variance Explained Initial Eigenvalues Component 1
Extraction Sums of Squared Loadings
Total 3,265
% of Variance 65,301
Cumulative %
Total
2
,568
11,362
76,663
3
,460
9,202
85,865
4
,376
7,524
93,390
5
,331
6,610
100,000
65,301
3,265
% of Variance 65,301
Cumulative % 65,301
Extraction Method: Principal Component Analysis. Component Matrix(a)
Component 1 O pessoal de atendimento da loja é bastante prestativo
,816
O pessoal de atendimento dá uma boa atenção aos clientes
,772
Os atendentes são amigáveis
,835
O pessoal de atendimento é interessado em resolver problemas
,765
Os atendentes são corteses/delicados com os clientes
,850
Extraction Method: Principal Component Analysis.
Se aparecer nesse quadro apenas uma coluna, significa que o seu construto está medindo apenas uma coisa, o que é bom. Isso pode ser observado também na coluna total. Se apenas um dos componentes apresentar valor acima de 1,000, significa que os itens estão medindo apenas 1 fator. Uma coisa importante a se verificar aqui é a variância, ela tem que ser no mínimo 50%, ela é que diz o quanto estes itens explicam o construto.
a 1 components extracted.
Poderia acontecer isto:
Total Variance Explained
Component
1 2
Initial Eigenvalues % of Cumulative Total Variance % 49,355 3,948 49,355 15,994 1,280 65,349
3
,731
9,138
74,487
4
,567
7,093
81,579
5
,458
5,728
87,307
6
,365
4,565
91,873
7
,358
4,474
96,347
8
,292
3,653
100,000
Extraction Sums of Squared Loadings % of Cumulative Total Variance %
Rotation Sums of Squared Loadings % of Cumulative Total Variance %
3,948
49,355
49,355
3,215
40,191
40,191
1,280
15,994
65,349
2,013
25,158
65,349
Extraction Method: Principal Component Analysis. Rotated Component Matrix(a) Component 1
2
O pessoal de atendimento da loja é bastante prestativo
,817
,120
O pessoal de atendimento dá uma boa atenção aos clientes
,742
,201
Os atendentes são amigáveis
,801
,232
O pessoal de atendimento é interessado em resolver problemas
,734
,204
,830
,182
,289
,783
Sempre encontro na loja os produtos que procuro
,117
,689
Encontro na loja diversas opções de produtos
,175
,861
Os atendentes são corteses/delicados com os clientes A loja possui diferentes linhas de produtos
Aqui temos dois fatores, vistos pelas duas colunas na tabela de baixo e pelos dois Initial Eigenvalues acima de 1. Pelos índices observados na tabela de baixo, percebe-se claramente que os 5 primeiros itens formam um fator (observe os índices como são altos na primeira coluna) e os três últimos formam outro fator (os índices são altos na segunda coluna) Pelo sentido das afirmações os cinco primeiros estão medindo atendimento, enquanto os três últimos estão medindo sortimento.
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 3 iterations.
Se eu tivesse dito que a minha escala de atendimento era formada por esses 5 itens, provavelmente eu teria que retirar os três últimos.
2.
Correlação Bivariada: Aqui você percebe a correlação entre os pares de itens que se supõe compor o
construto. Por lógica a correlação entre eles deve existir, ser positiva e de alguma forma relevante (acima de 0,400 ou 0,500)
No SPSS: Analyze Correlate Bivariate
Aí aparece uma janelinha e o Sr. Escolhe os itens que compõe o construto, seleciona e clica na seta para eles irem para a outra janelinha ao lado. Aí é só dar Ok. Vai aparecer uma tabela assim: Correlations
Encontro na loja diversas opções de produtos Encontro na loja diversas opções de produtos
Pearson Correlation Sig. (2-tailed) Pearson Correlation Sig. (2-tailed)
Pearson Correlation Sig. (2-tailed)
,589(**)
Pearson Correlation Sig. (2-tailed)
A loja sabe lidar com as reclamações de forma justa
Pearson Correlation Sig. (2-tailed)
1
,000 236
236
,528(**)
,510(**)
,000
,000
236
236
236
,245(**)
,286(**)
,307(**)
,000
,000
,000
236
236
236
236
,341(**)
,339(**)
,220(**)
,494(**)
,000
,000
,000
,000
236
236
236
236
N Há facilidade em eventuais necessidades de trocas e devoluções
A loja sabe lidar com as reclamações de forma justa
236
N Há uma boa variedade de marcas
Há uma boa variedade de marcas
Há facilidade em eventuais necessidade s de trocas e devoluções
1
N A loja disponibiliza produtos das melhores marcas
A loja disponibiliza produtos das melhores marcas
N
N
1
1
1
236
** Correlation is significant at the 0.01 level (2-tailed).
Eu apaguei a parte de cima da tabela, porque é igual a de baixo. Perceba que na diagonal, onde todas as correlações são 1, isso acontece porque é a correlação do item com ele mesmo.
Eu usei os 3 primeiros itens da minha escala de sortimento e os dois últimos da escala de política de atendimento. Perceba que os três primeiros itens se correlacionam bem (índices em azul), assim como os dois últimos, cuja correlação está em verde, mas já quando olhamos as correlações dos três primeiros com os dois últimos (em vermelho) percebemos que são de nível baixo. Ou seja, itens com baixas correlações
são candidatos a sair da escala. Se eu tivesse dito que a minha escala de sortimento era formada por esses 5 itens, provavelmente eu teria que retirar os dois últimos.
Com o Alpha se mede a confiabilidade da escala. São desejáveis alphas acima de 0,800, mas com 0,700 dá pra aceitar. 3. Alpha de Cronbach:
No SPSS: Analyze Scale Reliability Analysis Aí aparece uma janelinha e o Sr. Escolhe os itens que compõe o construto, seleciona e clica na seta para eles irem para a outra janelinha ao lado. Clique no botão Statistics lá embaixo e quando abrir a janela escolha a opção Scale if item deleted. Aí é só clicar em Ok. Usando os mesmos itens do passo anterior, teríamos as seguintes tabelas: Reliability Statistics Cronbach's Alpha
N of Items
,719
4
Item-Total Statistics
Scale Mean if Item Deleted Encontro na loja diversas opções de produtos
Scale Variance if Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item Deleted
12,57
3,953
,575
,617
12,40
4,172
,598
,613
Há uma boa variedade de marcas
12,55
3,971
,577
,616
Há facilidade em eventuais necessidades de trocas e devoluções
12,80
4,183
,335
,779
A loja disponibiliza produtos das melhores marcas
Perceba que o alpha desse conjunto de itens deu 0,719, o que é razoável, mas na tabela de baixo há a indicação de que se deletarmos o último item, o alpha subirá para 0,779.
Professor, Resumidamente é isso. Não devem ser retirados itens se apenas um dos testes der ruim, normalmente se procede esses três testes para ver como os itens se comportam, e de acordo com os resultados dos três, se tem uma melhor idéia de que item ou itens não estão aderindo ao construto a contento.
