Análise Fatorial Exploratória: aplicação em dados de crimes contra as mulheres em 141 municípios do estado de Mato Grosso no ano de 2016

Jaqueline Trentino Silva, Elkeaeer de Souza Peres Ruvieri, Mateus Ormondes Magalhães, Névio Lotufo Neto, Kuang Houngyu

Resumo


A análise multivariada é um conjunto de técnicas estatísticas que permite a análise e interpretação de conjuntos de dados de natureza quantitativa com grande número de variáveis de forma simplificada. A análise fatorial exploratória (AFE)  é uma técnica dentro da análise fatorial cujo objetivo abrangente é identificar as relações subjacentes entre as variáveis medidas. A AFE é uma técnica estatística que estuda correlações entre um grande número de variáveis agrupando-as em fatores. Assim o objetivo principal deste trabalho é apresentar os principais aspectos desta técnica, fazendo-se posteriormente uma aplicação prática sobre os dados de crimes contra mulheres do Estado de Mato Grosso no ano de 2016. Com este trabalho, pretende-se também auxiliar pesquisadores das diversas áreas a utilizarem AFE com maior discernimento teórico e metodológico. Foi possível identificar  dois fatores pelo método de Componente Principal, que explicou aproximadamente 80,56% da variância total encontrada,  pode-se então afirmar que este método foi eficaz e cumpriu os objetivos propostos que são os de resumo e redução dos dados além de permitir a interpretação dos mesmos.

Palavras-chave


Análise multivariada; análise componente principal; rotação Varimax

Texto completo:

PDF

Referências


DAMÁSIO, B. F. Uso da análise fatorial exploratória em psicologia. Avaliação Psicológica, v.11, n.2, p. 213-228, 2012.

DZIUBAN, C.D.SHIRKEY, E,S. When is a correlation matrix appropriate for factor analysis Some decision rules, Psychol, Bull, v.81, p.358-361, 1974.

FIGUEIREDO, F, D. B.; SILVA JÚNIOR, J. A. Visão além do alcance: uma introdução à análise fatorial. OPINIÃO PÚBLICA, v.16, n.1, p. 160-185, 2010.

GULUMBE, S. U.; DIKKO, H. G.; BELLO, Y. Analysis of Crime Data using Principal Component Analysis: A case study of Katsina State. CBN Journal of Applied Statistics, p.39--49, 2013.

HAIR JR., J. F.; WILLIAM, B.; BABIN, B.; ANDERSON, R. E. Análise multivariada de dados. 6.ed. Porto Alegre: Bookman, 2009.

HONGYU, K. Análise Fatorial Exploratória: resumo teórico, aplicação e interpretação. E&S Engineering and Science, v.4, n.7, 2018.

HORN, J. L.A rationale and technique for estimating the number of factors in factor analysis. Psychometrika, v.30, n.1, p.179--185. 1965.

HUTCHESON, G. D.; SOFRONIOU, N. The multivariate social scientist: Introductory statistics using generalized linear models. London: Sage Publications. 1999.

JOHNSON, R.A.; WICHERN, D.W. Applied multivariate statistical analysis. 6ª Edição. Madison: Prentice Hall International, p.816, 2008.

KIRCH, J. L.; HONGYU, K.; SILVA, F. L.; DIAS, C. T. S. Análise Fatorial para Avaliação dos Questionários de Satisfação do Curso de Estatística de uma Instituição Federal. E&S Engineering and Science, v.6, n.1, 2017.

NEISSE, A. C.; HONGYU, K. Aplicação de componentes principais e análise fatorial a dados criminais de 26 estados dos EUA. E&S Engineering and Science, v.6, n.2, 2016.

PALLANT, J. SPSS Survival Manual. Open University Press, 2007.

PASQUALI, L. Análise fatorial: um manual teórico-prático. Brasília: EditoraUnB, 1999.

PEREIRA, J, C, R. Análise de dados qualitativos: estratégias metodológicas para as ciências da saúde, humanas e sociais. São Paulo: EDUSP. 1999.

R DEVELOPMENT CORE TEAM. R: a language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria, 2018. Disponível em: https://www.R-project.org/. Acessado em: 18/03/19.

SCHWAB, A. J. Data analysis and computers II. 2007.