DOI: 10.4025/actascitechnol.v32i1.

1188

Aplicao da anlise multivariada na infraestrutura e no

desempenho das escolas pblicas do Ensino Fundamental e Mdio
pertencentes ao Ncleo Regional de Educao de Paranava
Angela Fontana Marques
Faculdade Estadual de Educao Cincias e Letras de Paranava, Av. Gabriel Esperidio, s/n, 87703-000, Paranava, Paran,
Brasil. E-mail: angelafontanamarques@hotmail.com

RESUMO. Este trabalho tem como tcnica principal a aplicao de anlise estatstica
multivariada, para verificar a importncia das variveis referentes ao desempenho e
infraestrutura das escolas pblicas estaduais do Ensino Fundamental e Mdio coordenadas
pelo Ncleo Regional de Educao de Paranava (NREP). Para tanto, realizou-se a coleta de
dados por meio de questionrio aplicado a todas as escolas pertencentes ao NREP, em trs
segmentos: professores, alunos e escolas, com o objetivo de obter as informaes
necessrias. Organizaram-se os dados na forma de uma matriz para cada segmento.
Primeiramente, utilizou-se a Anlise de Componentes Principais para reduzir o nmero de
variveis e analisar quais variveis ou quais conjuntos de variveis explicariam a maior parte
da variabilidade total, revelando o relacionamento existe entre eles. Aps esta fase, aplicouse Anlise Fatorial rotacionada pelo mtodo varimax para obter os indicadores de maior
poder de explicao dos trs segmentos e, a partir dessa anlise, calculou-se a mdia entre os
indicadores, o que permitiu classificar cada escola em relao a desempenho e
infraestrutura.
Palavras-chave: anlise multivariada, anlise de componentes principais, anlise fatorial.

ABSTRACT. Applying multivariate analysis in the infrastructure and

performance of public elementary and high schools in the Paranava Regional
Education Nucleus. The main technique of this work is the application of multivariate
statistical analysis, in order to verify the importance of the variables regarding the
performance and infrastructure of the state public elementary and high schools under the
tutelage of the Paranava Regional Education Nucleus (NREP). With this objective, data
were collected using questionnaires applied to all NREP schools, in three segments:
teachers, students, and schools. Its objective was to raise data and obtain more information.
The data were organized into a matrix for each segment. First, the analysis of the main
components was used to reduce the number of variables and analyze which variables or sets
of variables could explain most of the total variability, revealing the type of relationship that
exists among them. Next, the varimax rotation factorial analysis method was used to obtain
the greatest indicators in all three segments, and based on this analysis, the average was
calculated among the pointers, which allowed us to classify each school in regards to its
performance and infrastructure.
Key words: multivaried analysis, principal components analysis, factorial analysis.

Introduo
A Educao brasileira, atualmente, passa por
grandes transformaes e, por meio de propostas
pedaggicas, busca atender aos anseios da sociedade.
Apesar da preocupao na busca de solues para os
problemas vividos, escolas pblicas ainda encontram
grande dificuldade para melhorar sua qualidade e
construir um modelo de ensino que consiga atender
s principais necessidades educacionais de um
indivduo. A falta de uma poltica comprometida
com resultados, a escassez de recursos pblicos e a
Acta Scientiarum. Technology

ineficincia na utilizao destes tm contribudo

com o fracasso do ensino brasileiro.
Apesar de toda a preocupao com a qualidade de
ensino, os ndices do Sistema de Avaliao do
Ensino
Bsico
permanecem
inalterados,
aproximadamente 75% da populao classificada
como analfabeta funcional, ou seja, mal sabe ler e/ou
escrever e no consegue interpretar. Os
investimentos na Educao so cada vez menores. O
desinteresse da sociedade pela Educao cada vez
maior e nota-se atualmente a ausncia absoluta da
famlia na escola. A escola, hoje, transformou-se
Maring, v. 32, n. 1, p. 75-81, 2010

76

numa creche de adolescente, onde os pais deixam

seus filhos para que eles, pais, possam trabalhar, ou
para que os filhos no fiquem na rua. O poder
pblico transferiu toda a responsabilidade na rea
social, tica e de cidadania para a escola. Esta perdeu
seu objetivo maior, que seria o de proporcionar as
mudanas culturais, sociais e polticas por meio do
ensino de qualidade, quando teve de conviver com
uma gama de problemas, tais como violncia,
droga, desestrutura familiar, misria nas famlias,
falta de limite e desinteresse, enfim, toda a
problemtica causada por uma poltica desumana e
cruel, qual est confinada a sociedade brasileira
(INEP, 2006).
O objetivo geral do trabalho avaliar a
infraestrutura e o desempenho das escolas pblicas
de Ensino Fundamental e Mdio do Ncleo
Regional de Educao de Paranava.
Para tanto, o estudo baseia-se na comparao de
variveis relacionadas ao desempenho e
infraestrutura das instituies de ensino avaliadas,
tomando, de forma simultnea, diferentes
indicadores como referenciais, a saber: escolas,
professores e alunos, pesquisados a fim de classificar
as escolas conforme os resultados por eles
fornecidos. Na classificao das escolas, sero
utilizadas as tcnicas da Anlise Multivariada, como
a Anlise Fatorial e a Anlise de Componentes
Principais.
Componentes principais

Para investigar o relacionamento entre as

variveis que compem um vetor aleatrio de
dimenso, pode ser til transformar o conjunto de
variveis originais em um novo conjunto de variveis
no-correlacionadas,
chamadas
componentes
principais, tendo propriedades especiais em termos
de varincias. Os principais objetivos da tcnica so:
a) reduzir o nmero de variveis; b) analisar quais
variveis ou quais conjuntos de variveis explicam a
maior parte da variabilidade total, revelando o
relacionamento existente entre eles (BOUROCHE;
SAPORTA, 1982).
Componentes principais populacionais

Algebricamente, as componentes principais so

combinaes lineares de p variveis originais: X1, X2,
..., Xp. Geometricamente, as combinaes lineares
representam a seleo de um novo sistema de
coordenadas, obtidas por rotao do sistema original
com X1, X2, ..., Xp como eixos das coordenadas. Os
novos eixos Y1, Y2, ..., Yp representam as direes
com variabilidade mxima e fornecem uma
descrio mais simples da estrutura da matriz de
covarincia (JOHNSON; WICHERN, 1998).
Acta Scientiarum. Technology

Marques

Ser visto que, segundo Johnson e Wichern

(1998), as componentes principais dependem
unicamente da matriz covarincia (ou da matriz de
correlao p) de X1, X2, ..., Xp. Seu desenvolvimento
no requer que x tenha distribuio multivariada
normal. Por outro lado, a anlise de componentes
principais, derivada de populaes multivariadas
normais, tem interpretao til em termos de
elipsoides de densidade constante.
Seja o vetor aleatrio X = [X1, X2,..., Xp ] com
matriz covarincia e seus autovalores
1 2 ... p 0 . Considere as combinaes
lineares.
Y1 a'1. X a11 X 1 a12 X 2 ... a1P X P
Y2 a' 2. X a 21 X 1 a 22 X 2 ... a 2P X P
Yp a'p. X a p1 X 1 a p2 X 2 ... a pP X P

Ento, tem-se:

Y =

Y1

a11

a12

a1p

X1

Y2

a21

a22

a2p

X2

Yp

a31

a32

a3p

X3

= ep X p

Y = pCp X
V (Yi ) = ai ai
Cov (Yi, Yk ) = ai ak
i j = 1, 2, 3, , p
As componentes principais so das combinaes
lineares no-correlacionadas, Y1, Y2, ..., Yp, cujas
varincias so as maiores possveis.
A primeira componente principal a combinao
linear com varincia mxima. Isto , mxima V (Yi )
= ai ai . Fica claro que V (Yi ) = ai ai pode ser
aumentada multiplicando-se qualquer ai por alguma
constante. Para eliminar essa indeterminao,
conveniente restringir a ateno aos vetores de
comprimento da unidade. Portanto, define-se:
- primeira componente = combinao linear a1 X
que maximiza V (a1 X) sujeito restrio a1 a1 = 1;
- segunda componente = combinao linear a2 X
que maximiza V (a2 X) sujeito restrio a2 a2 = 1;
Cov (a1 X , a2 X) = 0
- p-sima componente = combinao linear ap X
que maximiza.
Var (ap X) sujeito restrio ap ap = 1
Cov (ai X , ak X) = 0 i K
Maring, v. 32, n. 1, p. 75-81, 2010

A anlise multivariada na avaliao das escolas pblicas do NRE de Paranava

E, ainda, geometricamente as componentes

principais se posicionam ao longo de um
hiperelipsoide centrado em x ( mdia da amostra) e
cujos eixos so dados pelos autovetores da matriz
correlao. Os comprimentos desses eixos so
proporcionais raiz quadrada de i , i = 1, 2, ..., p e
1, 2, 3, ..., i so os autovalores da matriz correlao.
Consequentemente, as componentes principais
da amostra do vetor x podem ser interpretadas como
o resultado de translao da origem do sistema
original de coordenadas para x e, ento, rodam os
eixos coordenados at que passem pela nuvem de
pontos plotados nas direes de mximas varincias.
Quando os autovalores da matriz correlao forem
praticamente idnticos, a varincia amostral
homognea em todas as direes, caracterizando um
esferoide; no ser possvel, neste caso, representar
os dados em menos do que dimenses ou fatores,
perdendo-se, assim, a parcimnia desejada.
Observa-se, portanto, que os autovalores e os
autovetores de correlao so a essncia do mtodo
das componentes principais. Os autovetores definem
as direes da mxima variabilidade e os autovalores
especificam as varincias. Quando os primeiros
(e poucos) autovalores so muito maiores que o
resto, a maior parte da varincia total pode ser
explicada em menos do que p dimenses.
Componentes principais amostrais

Na prtica, os parmetros e so
desconhecidos e devem ser estimados. Suponha que
X1, X2, ..., Xn sejam n observaes do vetor
X ~.(, ). As estimativas de e so,
respectivamente:
x

1 n
x
n i1 i

Y j e ' j X e 1 j X e 2 j X 2 e pj X p , j 1, 2 , , p
1

, , , , , ,
2

so os autovalores e

autovetores da matriz de covarincia amostral .

Propriedades das componentes principais amostrais

(1)

j j

i=1, 2, 3, ..., p

(2) cov
,
j 0, i j
i

i 1

j1

(4) A proporo da varincia total explicada pela

j-sima componente principal estimada :

1
2 ...
p

(5) A correlao amostral entre a componente

principal Yj e varivel original Xj:
^

r Y j X i

e ij Y j
si

i j=1, 2, 3, ..., p
Componente principal amostral de variveis padronizadas

Para um vetor de observaes padronizadas

z = [ z1 , z 2 , ..., zp ], a matriz covarincia ser:
1 12

21 1
R

p1 p 2

1 p
2 p

A j-sima componente principal das variveis

padronizadas :
Y j e' j z j e1 j z1 e2 j z2 e pj z p

em que:

, e

j j

o j-simo par autovalor-autovetor de R,

A proporo da varincia total amostral no caso

padronizado, explicada pela j-sima componente,
dada por:
j

em que:

(3) si 2 s12 s22 sp2 j 1 2 p

com 1 2 ... p 0 .

A j-sima componente amostral dada por:

77

Acta Scientiarum. Technology

i 1, 2,, p

Anlise fatorial

A anlise fatorial uma tcnica multivariada de

interdependncia em que todas as variveis so
simultaneamente
consideradas,
cada
uma
relacionada com as demais, a fim de estudar a interrelao existente entre elas, buscando a reduo de
dados ou a sumarizao.
Maring, v. 32, n. 1, p. 75-81, 2010

78

Marques

Teste de esfericidade de Bartlett

O teste de esfericidade de Bartlett testa a hiptese

de que as variveis no sejam correlacionadas na
populao. A hiptese bsica diz que a matriz de
correlao da populao uma matriz identidade, o
que indica que o modelo fatorial inapropriado.
A estatstica do teste dada por:

2p 5

2 (n 1)
ln R
6

Rotao dos fatores

que tem uma distribuio qui-quadrado com

p( p 1)
grau de liberdade, em que:

2
n = tamanho da amostra
p = nmero de variveis
|R| = determinante da matriz de correlao
Medida de Adequao da Amostra de Kaiser-Meyer-Olkin
(KMO)

Esta medida representada por um ndice

(MAS) que avalia a adequao da anlise fatorial,
calculado por:

MSA

2
r jk
j k
2
2
r jk q jk
j k
j k
2

em que: r jk o quadrado dos elementos da matriz

2

de correlao original (fora da diagonal); q jk o

quadrado dos elementos fora da diagonal da matriz
anti-imagem da correlao.
Valores altos (entre 0,5 e 1,0) indicam que a
anlise fatorial apropriada, enquanto valores baixos
(abaixo de 0,5) indicam que a anlise fatorial pode
ser inadequada.
Critrios para determinao do nmero de fatores

A escolha do nmero de fatores uma das tarefas

mais importantes de uma AF. Hair Junior et al.
(2005) discutem que, se o pesquisador opta por um
nmero muito reduzido, no possvel identificar
estruturas importantes existentes nos dados; por
outro lado, se o nmero excessivo, ele pode vir a
ter problemas de interpretabilidade dos fatores.
Existem, na literatura, vrios critrios que auxiliam
na determinao do nmero de fatores que,
invariavelmente, quando empregado em um mesmo
conjunto de dados, conduz a resultados diferentes.
Como regra geral, o pesquisador deve procurar um
Acta Scientiarum. Technology

compromisso entre o nmero de fatores (que, a

princpio, deve ser o menor possvel) e a sua
interpretabilidade. comum, em situaes prticas,
simplesmente comparar solues com um nmero
diferente de fatores e fazer a escolha com base no
bom senso do pesquisador. Nesses casos, os critrios
apresentados na sequncia podem ser utilizados
como ponto de partida para a obteno de uma
soluo final.
Os objetivos da extrao dos fatores diferem
daqueles associados rotao. A tcnica da extrao
projetada para maximizar fontes independentes de
varincia na matriz de correlao. J o objetivo da
rotao consiste em delinear os fatores, ou seja, os
fatores so rodados at que correspondam a
dimenses separadas, construto investigado. O
desenvolvimento dos computadores digitais
propiciou o aparecimento de uma srie de
programas que realizam rotao de eixos, tanto
ortogonais quanto oblquas. Neste trabalho foi
empregada a rotao Varimax.
Material e mtodos
A metodologia proposta usa como referncia
bsica dados internos do Ncleo Regional de
Educao de Paranava, questionrios (em apndice)
aplicados nas instituies, em trs segmentos: o
primeiro direcionado s escolas; o segundo, aos
professores e o terceiro aos alunos e tambm dados
do censo disponibilizado pelo Ncleo Regional de
Educao de Paranava em forma de dados digitais
que so coletados atravs de formulrios entregues
ao Instituies estaduais para a anlise da situao
geral das mesmas ao final de cada ano. O objetivo
desta coleta de dados foi levantar caractersticas sobre
a educao tais como: satisfao, comprometimento,
opinio, estrutura, desempenho e atitudes da
populao escolar estudada.
Com essas informaes, foi possvel verificar o
nmero de alunos e professores de cada instituio,
podendo ser avaliada a quantidade de questionrios
que deveria ser usada na coleta de dados, para que a
pesquisa pudesse selecionar as caractersticas das
populaes envolvidas. Os dados fornecidos pelo
Ncleo Regional de Educao de Paranava relatam
a existncia de 23.942 alunos e 1992 professores.
Tais dados no estavam agrupados, por isso, criou-se
uma tabela que caracterizava o nmero de
professores e alunos de cada instituio; calculou-se
o nmero equivalente a 40% dos alunos e 20% dos
professores
das
instituies
para
que,
Maring, v. 32, n. 1, p. 75-81, 2010

A anlise multivariada na avaliao das escolas pblicas do NRE de Paranava

Resultados e discusso
Caracterizao da amostra das escolas:
Teste de esfericidade de Bartlett e Medida de
Adequacidade da Amostra de Kaiser-Meyer-Olkin
(KMO):
(1) Teste de esfericidade de Bartlett: 2 =
1938,4 com p = 0, mostrando que existe correlao
significativa entre as variveis.
(2) Medida de Adequacidade da Amostra de
Kaiser-Meyer-Olkin (KMO): MSA = 0,0662,
como o MSA < 0,5, a anlise fatorial inadequada
para a amostra utilizada.
Como o tamanho da amostra pequeno em
relao ao nmero de variveis, uma alternativa para
viabilizar o uso da Anlise Fatorial foi transformar
grupos de variveis de mesma natureza em uma
nica varivel, adotando valores mdios.
Para a nova matriz de dados, o resultado foi:
(1) Teste de esfericidade de Bartlett: 2 =
777,2497 com p = 0, mostrando que existe
correlao significativa entre as variveis.
(2) Medida de Adequacidade da Amostra de
Kaiser-Meyer-Olkin (KMO): MSA = 0,5301, como
o MSA > 0,5, a anlise fatorial adequada para a
amostra utilizada.
Na sequncia, so apresentados os resultados
obtidos nos carregamentos de cada componente.
Realizou-se a anlise fatorial por componentes
principais, a qual revelou oito fatores com
autovalores maiores do que 1, explicando,
respectivamente, 16,39; 11,09; 9,15; 10,35, 8,98,
7,66, 6,67 e 9,85% da variao total dos escores (os
oito fatores juntos explicam 80,14%).
Acta Scientiarum. Technology

Na Figura 1, verifica-se que 17 escolas atingiram

o indicador 0,2 ou abaixo deste. Isto significa que
24,24% das escolas pesquisadas desempenham
somente 20% ou menos dos requisitos que
caracterizam o desempenho e a infraestrutura; 25
escolas aparecem com os indicadores acima de 0,2
at 0,4, representando 39,39% do resultado
esperado; 14 escolas com indicadores maiores que
0,4 e menores ou iguais a 0,6, indicando 22,72% de
aproveitamento; sete escolas com indicadores que
variam com valores maiores que 0,6, mas inferiores
ou iguais a 0,8, relatando 10,60% dentre o total de
100%; e duas escolas com os indicadores iguais a 1,
representando 3,03% da amostra total que obteve
xito completo em relao s caractersticas avaliadas
sobre o desempenho e a infraestrutura das 66
escolas. notrio que, no intervalo de 0,8 a 0,9, no
se encontra nenhuma escola; as demais escolas
apresentam indicadores iguais ou menores que 0,7.
Assim, 64 escolas entre o total pesquisado no
conseguiram obter mais que os 71% dos itens
necessrios para classific-las com sucesso em
relao ao desempenho e infraestrutura.

Indicadores

posteriormente, fossem aplicados os questionrios.

O mtodo de anlise da pesquisa est estruturado
da seguinte forma: escolas, professores e alunos,
seguindo a sequncia dos passos:
- determinao do perfil da amostra;
- aplicao do teste de esfericidade de Bartlett e
clculo da Medida de Adequacidade da Amostra
(MSA) de Kaiser-Meyer-Olkin;
- aplicao da anlise fatorial com rotao
Varimax; o critrio de escolha de fatores utilizado foi
o de explicar pelo menos 80% da variabilidade total;
- clculo dos escores fatoriais para os fatores
retidos;
- clculo dos escores finais nicos, por escola,
ponderados pela explicao de cada fator;
- transformao dos escores finais nicos dos
professores, por escola, na escala de 0 a 1;
- classificao e identificao das escolas, em
ordem crescente, do indicador determinado.

79

Escolas

Figura 1. Indicador de aproveitamento por escola.

Para a caracterizao da amostra dos professores,

tem-se:
Teste de Esfericidade de Bartlett e Medida de
Adequacidade da Amostra de Kaiser-Meyer-Olkin
(KMO):
(1) Teste de esfericidade de Bartlett: 2 = 3415,7
com p = 0, mostrando que existe correlao
significativa entre as variveis.
(2) Medida de Adequacidade da Amostra de
Kaiser-Meyer-Olkin (KMO): MSA = 0,7219, como
o MSA > 0,5, a anlise fatorial adequada para a
amostra utilizada.
A aplicao da anlise fatorial por componentes
principais revelou 17 fatores, explicando,
respectivamente, 5,98; 6,97; 5,48; 4,41; 3,95; 5,08;
4,04; 3,88; 4,26; 10,37; 0,71; 3,96; 3,77; 4,51; 4,52;
3,94 e 4,22% da variao total dos escores (os 17
fatores juntos explicam 80,05%).
De acordo com a Figura 2, 17 escolas tiveram
como indicador valores iguais ou menores que 0,2.
Isto revela que, dos itens contidos no questionrio
Maring, v. 32, n. 1, p. 75-81, 2010

80

Marques

Indicadores

escolas, atribuindo 54,54% das escolas pesquisadas,

portanto, observa-se que este grupo est o maior
nmero de escolas pesquisadas e as opinies dos alunos
so satisfeitas entre os itens estabelecidos no questionrio
de 40 a 60%. Encontram-se entre os indicadores acima
de 0,6 at 0,8, um conjunto com nove escolas,
representando 13,63% do total, o aproveitamento destas
escolas indicado pelos alunos de 60 a 80%, e no grupo
avaliado entre os valores maiores que 0,8 e menores ou
iguais a 1, esto indicadas duas escolas que aparecem
com um parecer acima dos 90% de aproveitamento,
citados pelos alunos.

Indicadores

aplicado aos professores, 25,75% das escolas

resumem seu desempenho e infraestrutura em 20%
ou menos; outras 29 escolas, estimando 43,39%, tm
um indicador de aproveitamento acima de 0,2, com
oscilao at o valor 0,4, explicando que de 20 a 40%
das caractersticas necessrias foram evidenciadas
pelos professores. Com indicadores maiores que 0,4,
mas menores ou iguais a 0,6, verificam-se 15 escolas,
ou seja, 22,72% das instituies pesquisadas;
portanto, nestas escolas, na opinio dos professores,
somente so satisfeitos entre 40 e 60% dos itens
estabelecidos no questionrio. Entre os indicadores
acima de 0,6 at 0,8, encontram-se trs escolas,
representando 4,54% do total; o aproveitamento
delas, conforme indicado pelos professores, de 60 a
80%. Apenas duas escolas aparecem acima dos 90%
de aproveitamento, segundo os professores.

Escolas

Figura 3. Indicador de aproveitamento dos alunos por escola.

Figura 2. Indicador de aproveitamento dos professores por escola.

J na caracterizao da amostra por escolas, tem-se:

Teste de esfericidade de Bartlett e Medida de
Adequacidade da Amostra de Kaiser-Meyer-Olkin
(KMO):
(1) Teste de esfericidade de Bartlett: 2 =
88.269,0 com p = 0, mostrando que existe uma
correlao significativa entre as variveis.
(2) Medida de Adequacidade da Amostra de
Kaiser-Meyer-Olkin (KMO): MSA = 0,9360, como
o MSA > 0,5, a anlise fatorial adequada para a
amostra utilizada.
A anlise fatorial por componentes principais
revelou 15 fatores, explicando, respectivamente,
11,03; 3,95; 6,68; 3,90; 3,79; 3,91; 3,76; 3,87; 6,30;
5,89; 4,44; 6,39; 6,04; 4,09 e 6,28% da variao total
dos escores (os 15 fatores juntos explicam 80,29%).
Na Figura 3, existem sete escolas que aparecem
como indicador valores iguais ou menores que 0,2,
isso evidencia que dos itens contidos no
questionrio aplicado aos alunos 10,60% das escolas
resumem seu desempenho e infra-estrutura de 20%
ou menos, 12 escolas, estimando 18,18% tem um
indicador de aproveitamento acima de 0,2 ao valor
0,4, situando que das caractersticas necessrias
foram delineados pelos professores de 20 a 40%. Se
verificar os indicadores maiores que 0,4, mas
menores ou iguais que 0,6 estar neste grupo 36
Acta Scientiarum. Technology

Indicadores

Escolas

As escolas so qualificadas em relao aos trs

segmentos
pesquisados,
determinando
seus
respectivos indicadores individuais e aps a
classificao pelos indicadores mdios, que so a
soma dos indicadores das escolas, professores e
alunos e o resultado dividido por trs.

Escolas

Figura 4. Classificao das escolas pelas mdias obtidas nos trs

segmentos.

Portanto, por meio dos indicadores dos

utilizados, dados que constam nas Figuras 1, 2 e 3,
pode-se construir a Figura 4, que apresenta o
resultado da mdia dos indicadores das escolas,
professores e alunos, transportando por meio destes
indicadores mdios o aproveitamento das escolas.
Percebe-se que relacionando o desempenho e a
infraestrutura, trs escolas esto agrupadas com
valores iguais ou menores que 0,2, admitindo que
4,45% das escolas desenvolvem um rendimento
igual ao inferior a 20%, outro grupo com 13 escolas
aparecem com indicadores superiores a 0,2 at 0,3,
demonstrando que 19,96% trabalham com margem
de superior a 20% ou igual a 30% dos itens
necessrios, 24 escolas definem 36,36%, este o
Maring, v. 32, n. 1, p. 75-81, 2010

A anlise multivariada na avaliao das escolas pblicas do NRE de Paranava

maior grupo, descrevendo uma explicao maior que

0,3 at 0,4, representando um percentual de
aproveitamento acima de 30 at 40%, 15 escolas
esto localizadas no grupo com indicadores maiores
que 0,4 at 0,5, destacam-se neste grupo 22,72% das
escolas pesquisadas, oito escolas refletem valores
maiores que 0,5 at 0,6, descrevendo 12,12% do
montante e trs escolas esto relacionadas aos
indicadores maiores que 0,6 e inferiores a 0,7, estas
escolas representam 4,54% da amostra total
identificada. Observa-se que das 66 escolas,
nenhuma teve aproveitamento melhor que 70%.
Concluso
Aps as tcnicas aplicadas e a anlise do resultado
dos trs segmentos, no clculo do indicador mdio de
cada escola verifica-se que somente 11 tiveram
aproveitamento final em relao ao desempenho e
infraestrutura, com percentual acima de 50%; destas
que atingiram os indicadores acima de 0,5, a que teve a
primeira colocao, ou seja, o maior indicador, obteve
68,54%. Nenhuma escola conseguiu aproveitamento
superior a 70% do resultado esperado, restando, assim,

Acta Scientiarum. Technology

81

55 escolas com indicativo menor que 50%. Os dados

analisados levavam em conta a opinio das escolas, dos
professores e dos alunos.
Referncias
BOUROCHE, J. M.; SAPORTA, G. Anlise de dados.
Rio de Janeiro: Zahar, 1982
INEP-Instituto Nacional de Estudos e Pesquisa
Educacionais Ansio Teixeira. Dados referentes ao ano
de 2005. Disponvel em: http://www.inep.gov.br. Acesso
em: 8 dez. 2006.
HAIR JUNIOR, J. F. Anlise multivariada de dados.
Porto Alegre: Bookman, 2005.
JOHNSON, R. A.; WICHERN, D. W. Applied
multivariate statistical analysis. 4. ed. New Jersey:
Prentice Hall, 1998.

Received on March 14, 2008.

Accepted on September 18, 2008.

License information: This is an open-access article distributed under the terms of the
Creative Commons Attribution License, which permits unrestricted use, distribution,
and reproduction in any medium, provided the original work is properly cited.

Maring, v. 32, n. 1, p. 75-81, 2010