Questão de Estatística — Análise Multivariada — FGV 2025

Análise de Componentes Principais (PCA) em dados multivariados

Gabarito: letra C. O pesquisador tem 12 variáveis físico-químicas + 15 abundâncias de espécies = 27 variáveis medidas em 20 pontos ao longo de 12 meses, e quer identificar padrões e as variáveis que mais explicam a variação. A Análise de Componentes Principais (PCA) é a técnica de análise multivariada que reduz a dimensionalidade, transformando as variáveis originais correlacionadas em um novo conjunto de variáveis não correlacionadas (os componentes principais), retendo a maior parte da variabilidade dos dados. É exatamente o que o enunciado pede: reduzir a dimensionalidade e destacar as variáveis explicativas.

A PCA é uma técnica matemática da análise multivariada que possibilita investigações com um grande número de dados disponíveis. Ela identifica as medidas responsáveis pelas maiores variações entre os resultados, sem perdas significativas de informações. Transforma um conjunto original de variáveis em outro conjunto de variáveis linearmente não correlacionadas — os componentes principais (CP) — de dimensões equivalentes. Essa transformação ocorre com a menor perda de informação possível, buscando eliminar variáveis originais que possuam pouca informação. A redução de variáveis só é possível se as variáveis iniciais não forem independentes e possuírem coeficientes de correlação não nulos.

A PCA é especialmente útil quando há muitas variáveis correlacionadas, como é o caso do estudo: 27 variáveis (12 físico-químicas + 15 abundâncias) em 20 pontos. O objetivo de "identificar padrões espaciais e temporais" e "as variáveis que mais explicam a variação entre os pontos" é alcançado pela PCA, que projeta os dados em componentes que concentram a variação relevante, revelando estrutura difícil de ver nas variáveis originais. Os componentes principais são construídos em ordem: o primeiro retém a maior variância, o segundo a maior variância remanescente, e assim por diante. As cargas fatoriais (loadings) indicam quais variáveis originais mais contribuem para cada componente, respondendo à pergunta sobre as variáveis explicativas.

A alternativa E (ANOSIM) também é uma técnica multivariada, mas seu objetivo é diferente: testar se há diferenças significativas entre grupos pré-definidos (por exemplo, entre pontos de diferentes trechos do rio), baseando-se em matrizes de dissimilaridade. No enunciado, não há menção a grupos a priori — o pesquisador quer explorar padrões e identificar variáveis explicativas, o que é o papel da PCA. A ANOSIM seria adequada se houvesse, por exemplo, comparação entre pontos de montante e jusante, mas não é o caso.

Alternativa A — ❌ Incorreta

O teste t de Student pareado compara as médias de duas medições pareadas (mesmos sujeitos em dois momentos). Aqui temos 27 variáveis e 20 pontos ao longo de 12 meses — não é uma comparação de duas médias, e sim uma análise exploratória multivariada. O teste t pareado não reduz dimensionalidade nem identifica variáveis explicativas.

Alternativa B — ❌ Incorreta

A correlação de Pearson entre todas as variáveis ambientais mediria a associação linear entre pares de variáveis, mas não reduz a dimensionalidade nem identifica quais variáveis mais explicam a variação entre os pontos. Além disso, com 27 variáveis, a matriz de correlação teria 351 pares, tornando a interpretação inviável. A PCA, por sua vez, usa a estrutura de correlação/covariância para extrair componentes.

Alternativa C — ✅ Correta ⟵ GABARITO

A PCA é a técnica adequada: reduz a dimensionalidade (de 27 variáveis para poucos componentes), destaca as variáveis que mais contribuem para a variação (via cargas fatoriais) e revela padrões espaciais e temporais ao projetar os pontos nos componentes principais. O enunciado pede exatamente isso: "reduzir a dimensionalidade e destacar variáveis explicativas".

Alternativa D — ❌ Incorreta

A regressão linear simples relaciona uma variável dependente com uma única variável independente. Aqui, o pesquisador quer analisar 27 variáveis simultaneamente e identificar padrões — não apenas a relação entre oxigênio dissolvido e temperatura. A regressão simples não é adequada para dados multivariados com esse objetivo.

Alternativa E — ❌ Incorreta

A ANOSIM (Análise de Similaridade) é usada para testar se há diferenças significativas entre grupos pré-definidos, comparando a dissimilaridade dentro e entre grupos. No enunciado, não há grupos definidos a priori — o objetivo é exploratório (identificar padrões e variáveis explicativas). A PCA é mais adequada para essa finalidade exploratória.

Gabarito: letra C.