Dissertação em PDF - departamento de engenharia florestal - ufpr ...

4.2. ANÁLISE FATORIAL
Na Análise Fatorial rio Campinas o P1, rio Campinas a montante do
reflorestamento, foi mantido como padrão para comparar com o P2, rio Campinas a
jusante do reflorestamento, por ser uma área com influência predominante de
vegetação nativa preservada, como exposto no item 4.1. Na Análise Fatorial
Microbacias, a microbacia mantida como padrão foi a M6, microbacia experimental
floresta nativa.
A etapa de preparação dos dados para análise fatorial foi detalhada no item
3.6.2, onde foram apresentados os passos básicos para exame dos dados,
realização dos testes das suposições estatísticas multivariadas e o tratamento dos
dados. O tratamento dos dados perdidos, a verificação da normalidade e a
transformação dos dados para alcançar a normalidade foram descritos na
metodologia, e os métodos e cálculos utilizados encontram-se no Apêndice I.
Após a etapa de exame dos dados e verificação da normalidade, foram
realizados os testes de Esfericidade de Bartlett e Medida de Adequacidade da
Amostra de KMO. Estes dois testes foram realizados para verificar se a análise
fatorial é apropriada para a cada matriz de dados empregados na AFC e AFM. Os
resultados constam na Tabela 4.4.
O teste de esfericidade de Bartlett testa a hipótese de que as variáveis não
são correlacionadas na população. A hipótese básica (H0) diz que a matriz de
correlação da população é uma matriz identidade, a qual indica que o modelo fatorial
é inapropriado. Quando o nível de significância (p-value) da estatística X 2 (qui-
quadrado) for menor que 0,05, a hipótese básica é rejeitada, e, portanto, os dados
são adequados para a análise fatorial (MINGOTI, 2005). Observa-se, na Tabela 4.4,
que as matrizes de dados dos 6 pontos de monitoramento obtiveram valores de X 2
com níveis de significância menores que 0,05, o que permite a aplicabilidade dos
dados na análise fatorial.
A medida de adequacidade da amostra de KMO testa se a matriz de
correlação inversa R -1 pxp é próxima da matriz diagonal, consiste em comparar os
valores dos coeficientes de correlação linear observados com os valores dos
coeficientes de correlação parcial (HAIR, 2005). Valores de MSA acima de 0,5
indicam que a matriz de dados é adequada para a análise fatorial.
102