Componentes principais
A análise de componentes principais (PCA) é uma técnica estatística multivariada que reduz um grande número de variáveis correlacionadas a um conjunto menor de variáveis não correlacionadas, chamadas componentes principais. Cada componente captura uma parte da variação total do conjunto de dados original; o primeiro componente explica a maior variação e cada componente seguinte explica progressivamente menos.
Última revisão
Conclusão principal
A análise de componentes principais (PCA) é uma técnica estatística multivariada que reduz um grande número de variáveis correlacionadas a um conjunto menor de variáveis não correlacionadas, chamadas componentes principais.
Nesta página
- O que é a análise de componentes principais?
- Quando usar a análise de componentes principais?
- Diretrizes para o uso correto da análise de componentes principais
- Alternativas: quando não usar a análise de componentes principais
- Exemplo de componentes principais
- Como fazer a análise de componentes principais
O que é a análise de componentes principais?
A análise de componentes principais (PCA) é uma técnica estatística multivariada que reduz um grande número de variáveis correlacionadas a um conjunto menor de variáveis não correlacionadas, chamadas componentes principais. Cada componente captura uma parte da variação total do conjunto de dados original; o primeiro componente explica a maior variação e cada componente seguinte explica progressivamente menos.
A PCA não descarta dados ela transforma matematicamente as variáveis originais em um novo sistema de coordenadas em que cada eixo se alinha a uma direção de variação máxima. Isso simplifica conjuntos de dados complexos e de alta dimensão, preservando os padrões mais significativos que eles contêm.
Definições simples:Uma técnica que comprime muitas variáveis correlacionadas em poucos componentes-chave que, juntos, capturam a maior parte da variação, reduzindo a complexidade e mantendo intactos os padrões mais importantes.
Termo
Significado
Componente principal
Uma nova variável que é uma combinação ponderada das variáveis originais e captura uma direção específica de variação
Autovalor
Mede quanto da variação total cada componente principal explica
Gráfico de scree
Um gráfico dos autovalores em ordem decrescente, usado para decidir quantos componentes reter
Cargas
A contribuição (peso) de cada variável original para um componente principal
Escores
As coordenadas de cada observação no novo espaço dos componentes principais
Quando usar a análise de componentes principais?
- Use quando você tem muitas variáveis correlacionadas e quer reduzi-las a um número manejável sem perder informações essenciais.
- Use para identificar quais variáveis geram a maior variação em um conjunto de dados.
- Use para a visualização de dados multivariados em duas ou três dimensões, plotando os dois ou três primeiros componentes.
- Use como uma etapa de pré-processamento antes de uma regressão ou de uma análise de agrupamentos para remover a multicolinearidade.
- Use em engenharia da qualidade, monitoramento de processos e análise de dados de sensores , nos quais muitas variáveis são medidas simultaneamente.
Diretrizes para o uso correto da análise de componentes principais
- Todas as variáveis de entrada devem ser contínuas a PCA não é adequada para variáveis categóricas.
- Padronize as variáveis (média = 0, DP = 1) se estiverem em escalas diferentes caso contrário, as variáveis com maiores amplitudes numéricas dominarão os componentes.
- Use o gráfico de scree e os autovalores para decidir quantos componentes reter uma regra comum é manter os componentes com autovalores maiores que 1.
- Interprete os componentes usando as cargas cargas altas indicam quais variáveis originais estão mais fortemente associadas a cada componente.
- A PCA identifica padrões e estrutura mas não explica causa e efeito o conhecimento do domínio é essencial para interpretar o significado dos componentes.
- Busque um tamanho amostral de pelo menos 5 a 10 vezes o número de variáveis para uma estimativa estável dos componentes.
Alternativas: quando não usar a análise de componentes principais
- Se o objetivo é prever uma variável de resposta específica, use mínimos quadrados parciais (PLS) ou análise de regressão em vez disso, pois a PCA não usa uma variável de resposta.
- Se as variáveis têm correlações muito baixas entre si, a PCA não proporcionará uma redução de dimensão significativa trabalhe diretamente com as variáveis originais.
Exemplo de componentes principais
Um banco exige oito informações dos solicitantes de empréstimo: renda, nível de escolaridade, idade, tempo na residência atual, tempo no emprego atual, poupança, dívida e número de cartões de crédito. Um administrador do banco quer analisar esses dados para determinar a melhor forma de agrupá-los e informá-los. O administrador coleta essas informações de 30 solicitantes de empréstimo. Os passos a seguir:
- Reuniu os dados necessários.

- Agora, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
- Para encontrar os Componentes principais, escolha Statistical module> Multivariate > Principal Components.
- Na ferramenta, insira os dados e as demais entradas da seguinte forma:

5. Depois de usar a ferramenta acima, obtém-se a seguinte saída:





Como fazer a análise de componentes principais
O guia é o seguinte:
- Faça login no Zometric Statistical Software em https://statsai.zometric.com/
- Na página inicial, escolha Statistical Tool> Multivariate >Principal Components.
- Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
- Em seguida, preencha as opções necessárias.
- Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.
No painel (dashboard) dos componentes principais, a janela é dividida em duas partes.

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.
Load example: Os dados de exemplo serão carregados.
Load File: É usado para carregar diretamente os dados do Excel.
Na parte direita, há várias opções, descritas a seguir:
- Variables: Selecione as colunas que contêm as variáveis que você quer incluir na análise. Use Ctrl ou Command + clique para selecionar várias colunas. Cada coluna selecionada deve ser uma variável numérica contínua como renda, idade, dívida ou poupança. Quanto mais correlacionadas essas variáveis forem entre si, mais eficazmente a PCA as reduzirá a componentes significativos.
- Type of Matrix: Define qual base matemática é usada para calcular os componentes principais. Em geral, há duas opções:
- Correlation Matrix — padroniza todas as variáveis para a mesma escala (média = 0, desvio padrão = 1) antes de calcular os componentes. Esse é o padrão recomendado quando as variáveis são medidas em unidades diferentes ou em escalas numéricas muito diferentes por exemplo, renda em milhares e idade em anos. Sem a padronização, as variáveis com maiores amplitudes dominariam os componentes apenas por causa da sua escala, e não da sua importância real.
- Covariance Matrix — usa as variâncias e covariâncias brutas das variáveis originais, sem padronizar. Só é adequada quando todas as variáveis já estão na mesma escala e unidade caso contrário, as variáveis de maior escala dominarão os resultados.
- Mahalanobis Distances: Quando ativada, calcula a distância de Mahalanobis de cada observação uma medida estatística de quão longe cada ponto de dados está do centro da distribuição multivariada, levando em conta as correlações entre as variáveis. Ao contrário das medidas de distância usuais, a distância de Mahalanobis se ajusta à forma e à dispersão da nuvem de dados. Ela é usada principalmente para identificar outliers multivariados observações que parecem incomuns quando todas as variáveis são consideradas em conjunto, mesmo que pareçam normais quando examinadas individualmente.
- Scree Plot: Gera um gráfico que plota o autovalor de cada componente principal em ordem decrescente. O gráfico de scree é a principal ferramenta para decidir quantos componentes reter. Procura-se o ponto em que a linha se inclina bruscamente e se estabiliza chamado cotovelo e retêm-se os componentes acima desse ponto. Uma regra comum é manter os componentes com autovalores maiores que 1, pois eles explicam mais variância do que uma única variável original.
- Outlier Plot: Exibe um diagrama de dispersão que ajuda a identificar visualmente observações incomuns no espaço dos componentes principais. Os pontos que ficam longe do agrupamento principal de observações em termos de seus escores nos componentes ou de suas distâncias de Mahalanobis são sinalizados como possíveis outliers multivariados. Identificar e investigar esses outliers é importante antes de tirar conclusões da análise, pois eles podem distorcer os componentes.
- Loading Plot: Gera uma exibição visual das cargas de cada variável original nos componentes principais. Cada variável é representada como um vetor, e a direção e o comprimento do vetor indicam com que intensidade e em que sentido essa variável contribui para cada componente. Variáveis com vetores longos apontando na mesma direção têm correlação positiva; as que apontam em direções opostas têm correlação negativa. O gráfico de cargas é essencial para interpretar o que cada componente principal realmente representa em termos das variáveis originais.
- Download as Excel: Exporta os resultados completos da PCA incluindo escores dos componentes, cargas, autovalores e variância explicada para um arquivo do Excel.
Perguntas frequentes
O que é a análise de componentes principais?
A análise de componentes principais (PCA) é uma técnica multivariada que reduz um grande número de variáveis correlacionadas a um conjunto menor de variáveis não correlacionadas, chamadas componentes principais. O primeiro componente explica a maior variação e cada componente seguinte explica progressivamente menos. A PCA não descarta dados; ela transforma as variáveis em um novo sistema de coordenadas alinhado às direções de variação máxima.
Quantos componentes principais manter?
Use o gráfico de scree e os autovalores. O gráfico de scree mostra o autovalor de cada componente em ordem decrescente; procure o cotovelo, onde a linha se inclina bruscamente e se estabiliza, e retenha os componentes acima dele. Uma regra comum é manter os componentes com autovalores maiores que 1, pois eles explicam mais variância do que uma única variável original.
Usar a matriz de correlação ou a de covariância na PCA?
Use a matriz de correlação, o padrão recomendado, quando as variáveis são medidas em unidades diferentes ou em escalas muito diferentes, porque ela padroniza cada variável para média 0 e desvio padrão 1. Sem isso, as variáveis com maiores amplitudes dominam os componentes. A matriz de covariância só é adequada quando todas as variáveis já estão na mesma escala e unidade.
Quando não usar a PCA?
A PCA não usa uma variável de resposta; por isso, se o objetivo é prever uma resposta específica, use mínimos quadrados parciais ou análise de regressão. Se as variáveis têm correlações muito baixas entre si, a PCA não proporcionará uma redução de dimensão significativa. Todas as variáveis de entrada devem ser contínuas, e recomenda-se uma amostra de pelo menos 5 a 10 vezes o número de variáveis.
