# Leitura dos dados da base de dados "02_CP_Exemplo.csv"
dados <- read.table("gsp_raw.csv",header=TRUE,sep=";",dec=",")
#
# Resumo estatístico
names(dados)
summary(dados)
# Matriz de correlação e matriz de covariância
correlacao <- cor(dados)
correlacao
# Análise de Autovalores - - - - - - - -
# Autovalores de r 
auto.v <- eigen(correlacao)
av <- auto.v$values
#
plot(av,type="b")
#
# Percentual da variância explicada por cada fator:
percent <- av/sum(av)
percent
#
# Analise Fatorial(baseada em componentes principais)
#
library(psych)
library(GPArotation)
# Quantos fatores extrair? Por exemplo: 2
fit <- fa(dados, nfactors=2,rotate =)
#
# Comunalidades
fit$communality
#
# Coeficients dos scores fatoriais
fit$weights
#
# Scores fatoriais:
fit$scores
# 
# Análise no GoogleViz
#
library(googleVis)
# 
# No caso apresentado aqui é necessário ter o arquivo com nomes
states <- read.table("states.csv",header=TRUE,sep=";",dec=",")
scores <- fit$scores
#
base.agregada = cbind(states,dados,scores)
base.agregada$Ano = 1996
#
names(base.agregada)
#
mchart = gvisMotionChart(data=base.agregada,idvar="Name",timevar="Ano",
xvar="MR1", yvar="MR2",sizevar="Eletr.", 
options=list(width=700, height=400))
#
plot(mchart)