Sensibilidades do Teste de Esfericidade de Bartlett e do Índice de Kaiser- Meyer-Olkin sobre a Adequação da Matriz de Correlações para a Análise de Fatores
DOI:
https://doi.org/10.29327/2537114.14.1-2Palavras-chave:
Análise de fatores, Correlação, ComunalidadeResumo
Para a análise de fatores, pressupõe-se que haja relação presente na matriz de correlações entre as
variáveis. Para avaliar a matriz de correlações, o teste de esfericidade de Bartlett e o índice de Kaiser-Meyer-
Olkin (KMO) são os métodos mais utilizados. Com o objetivo de avaliar as sensibilidades destes dois métodos,
foram geradas 42 diferentes matrizes com base em quatro variáveis (Y1, Y2, Y3 e Y4). Pelo teste de esfericidade
de Bartlett aplicado às hipóteses H0: ρ = I vs. H1: ρ ≠ I, foi obtido o maior tamanho da amostra (n) que não
rejeitou H0 a 5%, a 1%, a 0,5% e a 0,25% de significância. Para o índice KMO, foi obtido apenas o valor n. De
acordo com os resultados, o teste de esfericidade de Bartlett foi mais sensível à correlação r D e menos sensível
ao nível de significância α e à correlação rE, para rejeitar a hipótese H0. Além disso, foi notória a sua alta
dependência do valor n. Assim, o teste de esfericidade de Bartlett é mais conclusivo, não se rejeita H0. Quando
H0 é rejeitada, recomenda-se utilizá-lo em conjunto com outros critérios de avaliação da adequação da análise
de fatores, especialmente ao nível de significância α = 0,0025. Já os valores do índice KMO não foram
influenciados pelos valores de rD e rE. Em média, o seu valor foi de 0,55, independente da matriz R ter sido
adequada ou não para a análise de fatores. Por isso, ele não é recomendado.
Referências
BARTLETT, M. S. Tests of significance in factor analysis. British Journal of Psychology, v. 3, p. 77-85, 1950.
DZIUBAN, C. D.; SHIRKEY, E. C. When is a correlation matrix appropriate for factor analysis? Some decision rules. Psychological Bulletin, v. 81, p. 358-361, 1974.
HAIR, J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E. Multivariate data analysis. 8th ed. Cengage, 2018.
KAISER, H. F. A second generation little jiffy. Psychometrika, v. 35, p. 401-416, 1970.
LORENZO-SEVA, U.; TIMMERMAN, M. E.; KIERS, H. A. The hull method for selecting the
number of common factors. Multivariate behavioral research. V. 46, p. 340-364, 2011.
MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada – uma abordagem aplicada. Belo Horizonte: Editora UFMG, 2013.
REVELLE, W. Procedures for psychological, psychometric, and personality research. R package version 1.9.12.31, 2020.
SCHREIBER, J. B. Issues and recommendations for exploratory factor analysis and principal component analysis. Research in Social and Administrative Pharmacy. v. 17, p. 1004-1011,2021.
SHARMA, S. Applied multivariate techniques. New York: John Wiley & Sons, 1996.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Proposta de Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).