Uso de modelagem de equações estruturais para testar a validade de construto

Transcrição

1 Uso de modelagem de equações estruturais para testar a validade de construto Juliana Alvares Duarte Bonini Campos Paula Cristina Jordani Patrícia Petromilli Nordi Sasso Garcia João Maroco Introdução A medida na área da saúde é muitas vezes realizada utilizando-se questionários compostos por escalas que visam capturar um construto latente, ou seja, uma variável não mensurável diretamente. Apesar de pouco usual em algumas áreas, quando da utilização desses instrumentos de medida, é condição indispensável a avaliação de suas qualidades métricas na amostra de estudo [] e a validade de construto é uma propriedade que deve ser analisada. De acordo com a proposta de Anastasi et al. [] esse tipo de validade é constituída pelas validades fatorial, convergente e discriminante sendo que a primeira pode ser de cunho exploratório ou confirmatório. Uma das propostas de análise da validade de construto é a partir da utilização de modelagem de equações estruturais (SEM) [3-6]. Em uma rápida busca pela literatura pode-se notar uma evolução expressiva no número de artigos publicados que recorrem à SEM [6]. A utilização da SEM é organizado em dois submodelos sendo submodelo de medida e submodelo estrutural. O primeiro define como os construtos e variáveis latentes são operacionalizadas pelas variáveis observadas e o segundo define as relações causais ou de associação entre as variáveis que são analisadas simultaneamente [, 6, 8]. Outro aspecto a ressaltar é que os erros de mensuração também são considerados na análise. Com o avanço da tecnologia e a utilização de programas computacionais de modelagem de equações estruturais essa técnica tem-se disseminado e facilitado a utilização pelo usuário não especialista. Assim, realizou-se esse estudo com objetivo de apresentar o uso da SEM para testar a validade de construto. Para tanto, conduziu-se a análise utilizando como exemplo o FOAr UNESP, Araraquara - SP ISPA-Instituto Universitários, Lisboa - Portugal

2 Inventário de Burnout de Copenhagen quando aplicado a uma amostra de estudantes universitários. Material e métodos Participaram 35 estudantes de graduação da Faculdade de Odontologia de Araraquara UNESP que responderam ao Inventário de Burnout de Copenhagen versão em português para estudantes (CBI-SS) [7]. Esse instrumento é constituído por quatro dimensões e a resposta a cada item é dada em escala do tipo Liert de 5 pontos. Realizou-se Análise Fatorial Confirmatória (AFC) para verificação da adequação da amostra ao modelo fatorial originalmente proposto por Kristensen et al. [8]. Utilizouse como índices de qualidade de ajustamento a razão qui-quadrado e graus de liberdade (χ /df), o confirmatory fit index (CFI), o goodness of fit index (GFI) e o root mean square error of approximation (RMSEA)[4, 6]. Para avaliação da adequação desses índices utilizou-se a proposta de Byrne e Maroco que apontam para ajuste adequado quando χ /df,0; CFI e GFI 0,90; RMSEA 0,08. Foram removidos os itens que apresentaram pesos fatoriais (λ) < 0,50. Correlações entre os erros foram inseridas a partir da inspeção dos índices de modificação calculado pelos multiplicadores de Langrange (LM>).As análises foram conduzidas no programa AMOS 8.0 (IBM SPSS Inc, Chicago, IL). A validade convergente foi estimada pela Variância Extraída Média (VEM) (Equação ) e pela Confiabilidade Composta (CC) (Equação ) seguindo a proposta de Fornell e Larcer [5]. VEM j λ = λ + ε () CC j = Onde: λ : pesos fatoriais padronizados ε : -R -λ j λ λ + ε ()

3 Foram considerados adequados valores de VEM j 0,5 e CC j 0,7 segundo proposta de Hair [9]. A validade discriminante foi estimada por meio de análise correlacional e foi considerada adequada se para dois fatores i e j, VME i e VME j ρ. 3 Resultados e discussões O modelo fatorial ajustado aos dados da amostra encontra-se na Figura ª. Pode-se notar que o item 0 apresentou λ ligeiramente abaixo do limite mínimo desejável e pelos índices de modificação pode-se notar que esse item apresentou-se correlacionado com mais de uma dimensão e portanto, o mesmo foi removido. Outro fato que chama atenção é a existência de correlação significativa entre alguns erros do modelo. Como as mesmas referem-se a itens inseridos dentro da mesma dimensão conceitual, as correlações foram inseridas (Figura B). Essas alterações contribuiram para melhoria do ajustamento do modelo à amostra. A validade convergente e discriminante do CBI-SS foram adequadas para todas as dimensões (VEM=0,50-0,69; CC=0,87-0,93; ρ =0,06-0,6). 3

4 A B Figura. Análise Fatorial Confirmatória do Inventário de Burnout de Copenhagen versão estudantes (CBI-SS) A: estrutura original, B: estrutura ajustada a partir dos índices de modificação. 4

5 4 Conclusões Quando da utilização de escalas, cujos construtos estejam estabelecidos à priori recomenda-se a utilização da modelagem de equações estruturais como estratégia de análise da validade de construto. 5 Referências [] Campos JADB, Jordani PC, Zucoloto ML, Bonafé FSS, Maroco J. Síndrome de Burnout em graduandos de Odontologia. Revista Brasileira de Epidemiologia. 0;in press. [] Anastasi A. Psychological testing. 6th ed. New Yor: Macmillan Publishing Company; 988. [3] Byrne BM. Structural equation modeling with Amos: basic concepts, applications and programming. New Jersey: Lawrence Erlbaum Associates; p. [4] Kline RB. Principles and practice of structural equation modeling. New Yor: The Guilford Press; p. [5] Fornell C, Larcer DF. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Mareting Research. 98;8(): [6] Maroco J. Análise de equações estruturais. Lisboa: ReportNumber; p. [7] Campos JADB, Zucoloto ML, Bonafé FSS, Jordani PC, Maroco J. Reliability and Validity of self reported burnout in college students: A cross randomized comparison of pencil-and-paper vs. online administration. Computers in Human Behavior. 0;7(5): [8] Kristensen TS, Borritz M, Villadsen E, Christensen KB. The Copenhagen Burnout Inventory: A new tool for the assessment of burnout. Wor and Stress. 005;9(3):9-07. [9] Hair JF, Blac WC, Babin B, Anderson RE, Tatham RL. Multivariate data analysis. 6th ed: Prentice Hall; 005 November. 98 p. 5