http://metodologiapolitica.

com/abrir-txt-spss-
excel/
Saiba como abrir no SPSS e Excel banco de
dados em formato texto
Publicado em sbado, 03 de novembro de 2012, 09:00 na categoria: Instrues
Na maioria das vezes, auela base de
dados ue voc! tanto dese"a se encontra em #ormato
te$to %&t$t ou &csv'& () surge auela d*vida: como eu #ao
+ara abrir essa base em um +rograma mais amigvel
como o ,P,, ou -$cel. (ui voc! encontrar os +assos
necessrios +ara n/o temer mais os microdados em 0t$t&
( +rimeira in#orma/o ue voc! necessita saber 1 como
os dados est/o organizados, ual o +adr/o ue ele segue
+ara distinguir variveis ou casos& 2s casos, na maioria
das vezes, estar/o se+arados +or lin3as& (ssim, cada
lin3a re+resentar um caso& Na 4gura 1, voc! +ode
+erceber ue cada lin3a re+resenta um candidato
es+ec)4co& 5 +ara com+reender as variveis 1 +reciso
ue voc! leia o dicionrio de variveis& 6as e se seus
microdados n/o vierem acom+an3ados de um dicionrio
de variveis. 7om a) 1 +reciso ue voc! abra no bloco de
notas e busue identi4car onde comea e termina cada
varivel e ual +adr/o est sendo seguido& Na 8igura 1,
voc! observa ue cada +onto9v)rgula se+ara uma
varivel&
8igura 1: 6icrodados :,- 9 ;ista de candidatos 2010
No v)deo voc! encontra todos os +assos necessrios +ara
im+ortar +ara o ,P,,& 2 -$cel usa +raticamente as
mesmas eta+as& ( di#erena 1 ue no -$cel voc! n/o tem
como es+eci4car o #ormato de dados de cada varivel& Na
8igura 2, voc! tem a +rimeira eta+a encontrada no -$cel&
Nela 1 +reciso di#erenciar se os dados est/o no #ormato
delimitado %varivel se+arada +or caracteres como
v)rgula, as+as, +onto9v)rgula, entre outros' ou largura 4$a
onde cada coluna<varivel ser di#erenciada +elo es+ao
ou +ela uantidade de dados ue +ossui
8igura 2 = 2nde clicar +ara im+ortar dados de te$to no
-$cel

8igura 3 = (ssistente de im+orta/o de te$to do -$cel
7om, seguindo as seuencias a+resentadas no v)deo voc!
+oder comear a trabal3ar com ualuer microdados
ue ven3a no bloco de notas&
8igura > 9 2s dados est/o +rontos +ara serem trabal3ados

?*vidas. ,ugestes. ?ei$e um comentrio aui@
:3iago ,am+aio
SEXTA-FEIRA, 21 DE JANEIRO DE 2011
Interpretao dos resultados gerados pelo SPSS para
anlise fatorial / anlise de componentes principais
Enviar por e-mail BlogThis! ompartilhar no T!itter ompartilhar no "ace#oo$ ompartilhar no %r$ut
Se voc& no leu o post de introduo ' anlise fatorial( estar perdendo metade da hist)ria*
+eia-o a,ui*
Abaixo, voc pode ver a estatstica descritiva com a mdia e desvio padro dos itens.
Voc pode pedir para o SPSS realizar o clculo da assimetria (se!ness" e da curtose.
Valores muito di#erentes de zero nessas caractersticas certamente sero um sinal de
no$normalidade da varivel. %este isso com os testes de &olmo'orov$Smirnov e de
S(apiro$)il $ valores de p menores *ue +,+, indicaro uma di#eren-a estatisticamente
si'ni#icativa da curva normal esperada.
A matriz de correla-o dos itens se'uida da si'ni#ic.ncia unicaudal mostrada
parcialmente abaixo, por motivos de espa-o.
/ valor do determinante #oi menor *ue +,++++0. 1sto pode suscitar as (ip2teses de *ue a
matriz de correla-3es apresenta multicolinearidade ou sin'ularidade, ou se4a5 variveis
excessivamente ou per#eitamente correlacionadas, respectivamente. / exame da matriz
no revela variveis com coe#icientes maiores *ue +,6. 7esmo assim, interessante
realizar o teste de si'ni#ic.ncia de 8aitovs9 (no realizado pelo SPSS" para avaliar se o
determinante di#erente de zero, ou se4a, se a matriz sin'ular. Se o teste #or
si'ni#icante, sabe$se *ue a matriz de correla-o si'ini#icativamente di#erente de uma
matriz sin'ular, o *ue demonstraria no (aver multicolinearidade 'rave.
/ teste de 8aitovs9 dado pela se'uinte #2rmula5
/nde p o n:mero de variveis, ; o total de participantes da amostra, < o
determinante e ln o lo'aritmo natural. / resultado do teste tem distribui-o *ui$
*uadrtica com p(p = 0">? 'raus de liberdade. @alculando$se para a matriz em anlise
temos5
Sabendo *ue os 'raus de liberdade so dados pela #2rmula p(p = 0">?, ento 'l A ?+(?+ =
0">? A ?+ B 06 > ? A CD+ > ? A 06+. @omo os valores crticos do *ui$*uadrado
para p menor *ue +,+, com 0++ e ?++ 'raus de liberdade so, respectivamente, 0?E,CE e
?CC,66. / valor do *ui$*uadrado encontrado #oi bem menor *ue esses valores,
indicando no si'ni#ic.ncia, ou se4a, o determinante da matriz no si'ni#icativamente
di#erente de zero, e portanto ( uma possibilidade 'rande de multicolinearidade nesses
dados, embora a inspe-o da matriz de correla-3es no ten(a mostrado coe#icientes com
valores elevados. @omo a multicolinearidade no um problema to 'rave na anlise
#atorial *uanto na re'resso, vamos conceder o bene#cio da d:vida e realizar a anlise
mesmo assim.
Fma op-o na anlise utilizar a matriz de covari.ncias, a *ual poderia levar a um
determinante maior *ue zero, ou mesmo uma estrutura #atorial di#erente, por ser mais
sensvel G varia-3es na disperso das variveis, al'o *ue os coe#icientes de correla-o
no conse'ue detectar, pois, por de#ini-o, estes medem apenas o 'rau de linearidade
entre as variveis, e conse*uentemente HescondemI a variabilidade na disperso dos
dados.
Jm se'uida, o SPSS mostra o inverso da matriz de correla-3es (Hinverse o# correlation
matrixI, <
$0
", mostrado abaixo, o *ual multiplicado pela matriz de carre'amento
#atorial (H#actor loadin's matrixI" para obter a matriz de coe#icientes de escore #atorial
(Hmatrix o# #actor score coe##icientsI", vista mais adiante.
/ &7/, mostrado abaixo, indica a ade*ua-o do taman(o da amostra. Valores entre +,,
e +,K so considerados HmedocresIL valores entre +,K e +,D so HbonsIL entre +,D e +,6,
H2timosIL e acima de +,6, Hma'n#icosI. Jssa anlise deve ser complementada com a
observa-o da lin(a dia'onal da matriz de correla-3es de anti$ima'em, na *ual todas as
variveis devem ter valores acima de +,,. Se al'uma varivel tiver valores in#eriores a
+,, na matriz de correla-3es de anti$ima'em, su'ere$se realizar a anlise excluindo$a e
ver a di#eren-a. / restante da matriz de correla-3es de anti$ima'em representa as
correla-3es parciais entre as variveis. Para uma boa anlise #atorial, dese4vel *ue
esses valores se4am baixos. Por isso, deve$se inspecionar todos os valores da matriz de
correla-3es de anti$ima'em.
/ teste de es#ericidade de Martlett testa a (ip2tese nula de *ue a matriz de correla-o
ori'inal uma matriz de identidade. Fm teste si'ni#icativo (p menor *ue +,+," nos
mostra *ue a matriz de correla-3es no uma matriz de identidade, e *ue, portanto, (
al'umas rela-3es entre as variveis *ue se espera incluir na anlise.
Para esses dados o &7/ acima de +,6 e os valores acima de +,6? para todas as variveis
na matriz de correla-3es de anti$ima'em indicam taman(o ade*uado da amostra
(procure os valores de ade*ua-o amostral para cada varivel assinalados com a letra
NaN em sobrescrito na matriz de correla-3es de anti$ima'em, no na matriz de
covari.ncias de anti$ima'em". /s valores da matriz de correla-3es de anti$ima'em
mostraram baixos coe#icientes, indicando baixo nvel de correla-3es parciais. / teste de
Martlett #oi altamente si'ni#icativo O P
?
(06+" A QEKD,,0E, p menor *ue +,++0RL portanto,
a realiza-o da anlise #atorial apropriada.
Jm se'uida o SPSS mostra a tabela de comunalidades.
Para entender o conceito de comunalidade necessrio entender os conceitos de
vari.ncia comum e vari.ncia :nica (ou espec#ica". A vari.ncia total de uma varivel em
particular ter dois componentes na compara-o com as demais variveis5 a vari.ncia
comum, na *ual ela estar dividida com outras variveis medidas e a vari.ncia :nica,
*ue espec#ica para essa varivel. ;o entanto, ( tambm vari.ncia *ue espec#ica a
uma varivel, mas de #orma imprecisa, no$con#ivel, a *ual c(amada de vari.ncia
aleat2ria ou erro. @omunalidade a propor-o de vari.ncia comum presente numa
varivel.
Para #azer a redu-o a dimens3es, precisamos saber o *uanto de vari.ncia dos nossos
dados vari.ncia comum. %odavia, a :nica maneira de sabermos a extenso da
vari.ncia comum reduzir as variveis em dimens3es.
Sesse modo, na anlise dos componentes principais utiliza$se a vari.ncia total e
assume$se *ue a comunalidade de cada varivel 0, transpondo os dados ori'inais em
componentes lineares constituintes.
;a anlise de #atores principais apenas a vari.ncia comum usada e vrios mtodos de
estima-o das comunalidades podem ser usados = comumente se utiliza o *uadrado da
correla-o m:ltipla de cada varivel com todas as outras.
Tuando os #atores so extrados, novas comunalidades podem ser calculadas, as *uais
representam a correla-o m:ltipla entre cada varivel e os #atores extrados. Portanto,
pode$se dizer *ue a comunalidade uma medida da propor-o da vari.ncia explicada
pelos #atores extrados.
Jm se'uida o SPSS mostra a tabela de vari.ncia total explicada, com os autovalores
(Nei'envaluesN" correspondentes a cada #ator. Para entender mel(or o conceito de
autovalor voc tem *ue ler o post de introdu-o G anlise #atorial clicando a*ui. ;essa
tabela os ?+ possveis #atores (o n:mero mximo de variveis" so apresentados com
seus autovalores iniciais, ap2s extra-o e ap2s rota-o. ;as colunas de autovalores
iniciais so mostrados os autovalores, o percentual da vari.ncia *ue os #atores so
capazes de explicar, e o percentual de vari.ncia explicada acumulado em cada #ator. ;as
trs colunas se'uintes, os valores dos #atores mantidos na anlise ap2s a extra-o so
apenas repetidos e os valores dos #atores excludos so omitidos. ;a :ltima coluna
encontram$se os autovalores dos #atores ap2s rota-o. A rota-o otimiza a estrutura
#atorial e, como conse*uncia, a import.ncia relativa dos #atores remanescentes
e*ualizada.
@aso ten(a sido
solicitado na anlise, o 'r#ico de scree plot dever ser mostrado. A explica-o para a
utiliza-o do 'r#ico de scree plot est a*ui. 7as, para l(e a4udar, #ica a dica5 ve4a no
'r#ico abaixo a existncia do ponto de in#lexo no #ator C. Pelo critrio do scree plot, o
n:mero de #atores a ser extrado o n:mero de #atores G es*uerda do ponto de in#lexo $
neste caso, ? #atores.
A observa-o da matriz de componentes permite a visualiza-o dos carre'amentos de
cada varivel para os componentes (#atores" extrados antes da rota-o. Jm outras
palavras, so os coe#icientes de correla-o entre as variveis e os componentes (#atores"
no$rotacionados.
- parte superior da ta#ela de correla.es reprodu/idas 0reprodu/ida a#ai1o apenas
parcialmente por ,uesto de espao2 cont3m os coeficientes de correlao entre cada item
0,uesto2 #aseados no modelo do componente 0fator2* %s valores diferem da matri/ de
correlao por ,ue eles so originrios do modelo matemtico empregado( no dos dados
o#servados* Se os dados o#servados tivessem um comportamento igual ao do modelo( a
matri/ de coeficientes de correla.es reprodu/idas seriam iguais aos da matri/ de coeficientes
de correla.es original* - parte inferior da ta#ela de correla.es reprodu/idas tra/ 4ustamente
essa diferena entre os coeficientes o#servados e o do modelo( os ,uais so denominados
res5duos* 6alores de res5duo a#ai1o de 7(78 so dese4veis e o SPSS conta#ili/a a ,uantidade
e a porcentagem de res5duos acima de 7(78* 9o h regras r5gidas para o percentual m1imo
de res5duos acima de 7(78( em#ora um percentual acima de 87: deva ser motivo de
preocupao* Para os dados estudados( o percentual de ;<: de res5duos acima de 7(78 pode
ser considerado ade,uado*
onforme 4 dissemos no post de introduo ' anlise fatorial( ,uando se compreende ,ue a
dimenso 0ou fator2 3 um ei1o de classificao no ,ual as variveis esto posicionadas(
compreende-se a tam#3m a import=ncia de se conhecer os m3todos de rotao fatorial*
;o 'r#ico a se'uir, as variveis da base de dados analisada so posicionadas de acordo
com sua car'a #atorial nos dois componentes extrados ap2s rota-o promax.
;a rota-o orto'onal, os eixos *ue representam os componentes (ou #atores", so
rotacionados de #orma perpendicular entre si (isto , 6+U". ;os mtodos de rota-o
orto'onal, a inten-o *ue os #atores (componentes" no se4am correlacionados entre si.
Se a rota-o obl*ua escol(ida (como o mtodo promax utilizado para estes dados"
pretende$se *ue os #atores (no caso, componentes" obtidos se4am correlacionados entre
si. /s eixos *ue representam os componentes no so mais rotacionados
perpendiculares entre si, e sim por um outro .n'ulo V *ual*uer.
Al'uns autores ar'umentam *ue no existe construto psicol2'ico *ue no este4a
relacionado a outro construto psicol2'ico, e *ue por isso, dados obtidos em seres
(umanos 4amais deveriam ser submetidos a rota-3es orto'onais. Portanto, rota-3es
obl*uas como a promax e a oblimin seriam sempre pre#erveis.
;o SPSS, as rota-3es orto'onais 'eram apenas uma matriz #atorial. Tuando se escol(e
um mtodo de rota-o obl*ua, a matriz #atorial dividida em duas matrizes5 a matriz de
padr3es e a matriz de estrutura.
Jm se'uida, pode$se veri#icar a matriz de padr3es e a matriz de estrutura. A matriz de
padr3es contm os carre'amentos das variveis para os #atores rotacionados e
comparvel G matriz #atorial observada nas rota-3es orto'onais.
A matriz de estrutura leva em conta as rela-3es entre os #atores, e , de #ato, um produto
da matriz de padr3es com a matriz dos coe#icientes de correla-o entre os #atores. A
maioria dos pes*uisadores interpreta apenas a matriz de padr3es pela simplicidade.
%odavia, ( situa-3es em *ue al'uns valores na matriz de padr3es podem ser suprimidos
devido G rela-o existente entre os componentes. Por isso aconsel(vel veri#icar a
matriz de estrutura ap2s a matriz de padr3es, bem como incluir as duas matrizes nos
resultados.
A matriz de correla-o entre os componentes apresentada a se'uir evidencia um
coe#iciente de +,QE+ entre os dois componentes (<
?
A +,E+6Q". Fma con#irma-o de *ue
a rota-o obl*ua #oi bem escol(ida e *ue dados obtidos por rota-3es orto'onais no
podem ser considerados apropriadamente utilizveis. Se a correla-o entre os
componentes #osse baixa e no (ouvesse rela-o te2rica entre os construtos pretendidos,
uma solu-o por rota-o orto'onal seria uma considera-o razovel. %odavia, na
prtica, mais plausvel *ue #atores pertencentes ao mesmo construto se4am
correlacionados, #azendo com *ue as rota-3es obl*uas se4am as pre#eridas nesse caso.
A matriz de coe#iciente de escore do componente mostrada abaixo a4uda a entender
como cada varivel se relaciona aos escores dos componentes calculados para cada
participante. W comparvel Gs correla-3es item$total comumente empre'adas na teoria
clssica dos testes (correla-o item$escore bruto" e na teoria de resposta ao item
(correla-o item$t(eta". @orrela-3es item componente maiores *ue +,0 so satis#at2rias.
A matriz abaixo mostra a covari.ncia entre os escores nos componentes obtidos.
Jm se'uida, voc deve utilizar a #erramenta de anlise N<eliabilit9N do SPSS para
veri#icar o al#a de @ronbac( dos con4untos de variveis correspondentes a cada
#ator>componente. A anlise da con#iabilidade pelo mtodo da consistncia interna,
utilizando$se o coe#iciente de al#a de @ronbac( indicou *ue os dois componentes
#ormam duas subescalas precisas (X A +,6EK e +,6,?".
Jscol(a a op-o de estatsticas item$total. A tabela de estatsticas item$total mostra a
mdia e a vari.ncia da escala se o item #osse excludo, a correla-o item$total corri'ida,
o *uadrado da correla-o m:ltipla (usado para o clculo da comunalidade na anlise de
#atores principais" e o valor do al#a de @ronbac( resultante da excluso do item. 1tens
cu4a excluso aumentam o al#a da subescala para valores maiores *ue o coe#iciente
resultante (X A +,6,?" tero correla-o item$total menor *ue a mdia e pre4udicam a
con#iabilidade do instrumento. @onse*uentemente, itens cu4a excluso diminuem o al#a
para valores menores *ue +,6,? tero correla-o item total maior *ue a mdia. Por esta
anlise, o item com pior *ualidade psicomtrica da subescala representada pelo
componente 0 #oi o item 0D. /bserve *ue tambm o item com o pior valor do
*uadrado do coe#iciente de correla-o m:ltipla. Portanto o item 0D seria um bom
candidato G excluso caso (ouvesse uma redu-o muito 'rande do al#a ou caso a
correla-o item$total #osse muito baixa (menor *ue +,?", o *ue no o caso.
E para finali/ar a s3rie so#re anlise fatorial( um pe,ueno ep5logo> omo escrever
resumidamente e de forma correta os resultados da sua anlise fatorial*
6ou melhorar sempre ,ue poss5vel o te1to deste post* -guardo as sugest.es de voc&s*
-#raos(
ollares
Poder tambm gostar de
Introduo ' anlise fatorial e anlise de componentes principais
omo descrever os resultados de sua anlise fatorial
% ,ue 3 e pra ,ue serve a anlise multin5vel?
@ando rodar a anlise fatorial no SPSS e s) d Amatri1 is not positive definiteA a#ai1o
da matri/ de correlao* omo lidar?
!"#$%"t&"#
Postado por arlos "ernando ollares 's ;B>7C
@arcadores> anti-imagem( anlise de componentes principais( anlise
fatorial( autovalor(autovetor( correla.es( eigenvalue( haitovs$D( $aiser-meDer-ol$in( multicolinearidade( passo-a-
passo( spss( tutorial
E comentrios>
;*
Ros'#ge(a !)*e(eda So+,a B7 de outu#ro de F7;; ;F>B<
%l arlos*
Primeiramente gostaria de para#enli/-lo pelos posts so#re anlise fatorial*
-ca#ei de reali/ar uma -P e estou com dificuldades para verificar o alfa de cron#ach*
Gostaria de ver a possi#ilidade de me a4udares com um passo a passo( pois temo estar
fa/endo algo errado( visto ,ue deu um resultado es,uisito e at3 mesmo com valores
negativos* Htili/o o spss ;B* Gostaria de confirmar se as variveis utili/adas para
analisar a consistencia interna so as mesmas geradas ap)s a -P* Iesde 4 agradeo
a sua ateno*
Jesponder
F*
-ar(os Fer#a#do -o((ares B; de outu#ro de F7;; 77>C8
% ideal 3 fa/er o clculo do alfa separadamente para cada componente* K #em raro
termos valores de alfa fora do intervalo 7 a ;*
Jesponder