Análise dos dados

As características biosociodemográficas da amostra foram analisadas com estatística descritiva. Adicionalmente, dois momentos complementares fizeram parte da análise dos dados, análise empírica e investigação psicométrica.

12 _{Todas as cópias em Braille do TCLE utilizadas neste estudo foram disponibilizadas gratuitamente pela Divisão de}

4.3.1.3.1 Análise empírica

Momento no qual investigamos a distribuição de resposta individual, média de escores de cada item, variância, correlação item-total, correlação interitem e confiabilidade com o alfa de Cronbach. Para essa finalidade, utilizamos, além de estatística descritiva como média, desvio padrão, valor mínimo, valor máximo, frequência e percentagem, outros procedimentos estatísticos para verificação das correlações e do alfa, sendo todos esses realizados com o suporte do SPSS versão 15.0.

Como critério de qualidade dos itens, utilizamos os seguintes parâmetros: variância – idealmente acima de 0,70; média de escore do item – abaixo de 4,5 e acima de 1,5; correlação item-total – entre 0,30 e 0,70 (MUNRO, 2001); média de correlação interitem – mínimo de 0,20 (NUNNALLY, 1969); homogeneidade – medida pela média de correlação interitem, idealmente, acima de 0,20; alfa de Cronbach - 0,60 (MALHOTRA, 2004). Os itens que não atingiram os critérios de qualidade expostos foram reservados e considerados candidatos a eliminação nos procedimentos subsequentes.

Há de se esclarecer que, para análise das correlações (item-total e interitem) e do alfa de Cronbach, os itens 9, 10, 13, 16, 20, 22, 24 e 26 tiveram seus escores reversos pela ferramenta “recode” e “into same variable” do SPSS. Para os demais critérios, não houve reversão dos itens.

4.3.1.3.2 Investigação psicométrica

Para investigação das qualidades psicométricas da EAC, testamos a normalidade dos dados com o teste de Kolmogorov-Smirnov, que apontou para aderência à distribuição normal. Em seguida, a planilha do SPSS com os itens reversos foi importada para o sistema LISREL®, onde recebeu tratamento específico em seu módulo PRELISTM2. Após a geração do arquivo PRELIS, utilizamos o modelo SIMPLIS, inserido no sistema LISREL®.

Na investigação psicométrica, utilizamos a análise fatorial. Dentre as duas técnicas de análise fatorial mais empregadas para esse tipo de investigação, exploratória e confirmatória, essa

última foi escolhida para este estudo por apresentar algumas vantagens sobre a primeira. Hair et al. (2009) considera que uma das maiores vantagens da análise fatorial confirmatória sobre a exploratória é que, além de ser considerada mais consistente e robusta, possui habilidade de avaliar a validade de constructo de uma teoria proposta.

Para os autores, a análise fatorial confirmatória é a primeira parte de um teste completo de um modelo estrutural, podendo ser considerada uma ferramenta que permite confirmar ou rejeitar teoria previamente concebida, também chamada de teoria de mensuração. Essa teoria especifica como cada variável medida representa, de maneira lógica e sistemática, os constructos envolvidos em um modelo teórico. Quando o pesquisador já possui uma teoria de mensuração formulada, com o número de fatores e itens por fator previamente definidos, como no caso deste estudo, a análise fatorial confirmatória é recomendada.

Na análise fatorial confirmatória, especificamos um modelo para a EAC (representação e operacionalização da teoria – modelo resultante do estudo 2), e utilizamos um modelo de mensuração (representado pelas variáveis medidas que se unem para representar constructos) e um modelo estrutural (representa como os constructos estão associados entre si) para avaliar o quão bem o modelo se ajustou aos dados.

Após a especificação do modelo, foi necessário definir como o mesmo deveria ser estimado. Dentre alguns métodos de estimação de modelos disponíveis - Unweighted Least

Squares (ULS), Generalized Least Squares (GLS), Maximum Likelihood (ML) e Weighted Least Squares (WLS) - conforme aponta Hair et al. (2009), os métodos ULS e GLS foram utilizados

buscando os melhores ajustes, considerando que nossos dados foram aderentes à distribuição normal.

O próximo passo da análise fatorial foi avaliar o ajuste geral do modelo. De acordo com Hair et al. (2009), o ajuste do modelo compara a teoria formulada pelo pesquisador com a realidade representada pelos dados, portanto, quanto mais próximo estiver a teoria da realidade, melhor é o ajuste geral do modelo. Neste estudo, avaliamos as medidas centrais reportadas pelos autores para ajuste do modelo, a tabela 15 demonstra as referidas medidas, bem como os valores de referência utilizados.

Tabela 15: Valores de referência para ajuste geral do modelo da EAC

Índices de ajuste absoluto ou incremental

Descrição Valores

referência

X2/GL – Qui-quadrado normado Proporção simples de qui-quadrado com o grau de liberdade para o modelo

< 3

RMSEA - Raiz do erro quadrático médio de aproximação

Representa o quão bem o modelo se ajusta a população.

< 0,08

GFI – Índice de qualidade de ajuste Comparação dos resíduos das matrizes de dados observadas e estimadas.

> 0,90

AGFI – Índice ajustado de qualidade do ajuste

Extensão do GFI que considera diferentes graus de complexidade do modelo

> 0,90

NFI – Índice de ajuste normado É a proporção da diferença entre o modelo ajustado e o modelo nulo

> 0,90

NNFI – Índice de ajuste não normado A comparação entre os modelos proposto e nulo considera a ponderação pelos graus de liberdade

> 0,90

CFI – Índice de ajuste comparativo Versão melhorada do NFI, com insensibilidade relativa à complexidade do modelo.

> 0,90

Fonte: Hair et al. (2009)

Na medida em que o ajuste geral apontou para resultados satisfatórios, verificamos a validade do modelo de mensuração e do modelo estrutural.

No modelo de mensuração, responsável por testar a qualidade com que as variáveis indicadoras de constructos teóricos se relacionam entre si, foram avaliadas a unidimensionalidade, confiabilidade e validade de constructo.

Para medida da unidimensionalidade, momento no qual foi verificado se os indicadores estabelecidos representam um só fator, enfocamos os resíduos normalizados dos constructos. Resíduos baixos, com valores abaixo de 2,58, indicaram parâmetros adequados dessa medida.

Na investigação da confiabilidade, que verifica a consistência interna dos itens por fator, utilizamos tanto o alfa de Cronbach, quanto a confiabilidade composta (ou confiabilidade de constructo). Essa última, de acordo com Hair et al. (2009), deve ser medida a partir do quadrado da soma de cargas fatoriais (∑λj)2 para cada constructo e a partir da soma dos termos de

variância de erro para um constructo (∑Ej), conforme a seguinte fórmula:

Confiabilidade de constructo (ou composta) = (∑λj)2 (∑λj)2 + ∑Ej

O valor adotado para o alfa e para a confiabilidade composta foi de 0,60, conforme estabelecido por Hair et al. (2009) e Nunnally (1969) como minimamente aceitável.

Para validade de constructo, investigação do nível em que um conjunto de itens medidos realmente reflete o constructo teórico que desejam medir, foram investigadas a validade convergente e discriminante. Na validade convergente, utilizamos como parâmetro as cargas fatoriais. Hair et al. (2009) considera que cargas altas sobre um fator indicam que as mesmas convergem para um ponto comum, confirmando, de fato, que o itens são indicadores de um constructo específico. Cargas fatoriais altas confirmam, portanto, que os itens compartilham uma elevada proporção de variância em comum, o que define a validade convergente. Como valor ideal de validade convergente, os autores apontam o mínimo de carga fatorial no valor de 0,5. Entretanto, cargas fatoriais entre 0,3 e 0,5 são minimamente aceitáveis se a amostra for grande e representativa, maior do que 250 casos. Logo, a carga fatorial mínima aceita neste estudo para validade convergente foi de 0,3.

Outro método adicional para mensurar validade convergente foi verificar se os fatores da EAC apresentaram correlações significantes com outras variáveis com as quais eles deveriam se correlacionar (PASQUALI, 2009). Desse modo, incluímos duas questões no questionário sociodemográfico: a) A respeito de seu corpo, você está: (1) insatisfeito; (2) pouco satisfeito; (3) indiferente; (4) muito satisfeito; (5) completamente satisfeito; e b) Você aceita sua condição de

cego? As opções de respostas foram: (1) nunca; (2) raramente; (3) às vezes; (4) frequentemente;

(5) sempre. Esperamos correlação significante e positiva entre os escores das perguntas e aqueles da EAC.

Buscando maiores indícios de validade convergente, investigamos ainda correlações entre autoaceitação e outras quatro variáveis: nível de escolaridade, frequência semanal de exercício físico, intensidade de discriminação social percebida e IMC. Para essa finalidade, no questionário sociodemográfico, investigamos o nível de escolaridade dos participantes, cuja classificação atendeu aos seguintes critérios: 1) Ensino Fundamental Completo; 2) Ensino Fundamental Incompleto; 3) Ensino Médio Completo; 4) Ensino Médio Incompleto; 5) Ensino Superior Incompleto; 6) Ensino Superior Completo; 7) Pós Graduação Lato Sensu e 8) Pós Graduação (Mestrado ou Doutorado). Analisamos também a frequência de realização da atividade física semanal, que poderia ser: 1) 1x por semana; 2) 2 a 3 x por semana; 3) 4 a 6 x por

semana; 4) todos os dias. Investigamos a intensidade de discriminação social percebida com a seguinte pergunta: Quando você sai à rua, ao trabalho, à escola ou em sua família, você já

passou por algum tipo de preconceito social em relação a sua cegueira? As opções de resposta

foram organizadas em escala Likert de 5 pontos variando de 1=nunca até 5=sempre. Verificamos ainda o IMC, dado pela seguinte fórmula: peso/(altura)2, sendo o peso medido em kg e altura em metros. Tanto o peso quanto a altura foram autorreportados

A respeito da validade discriminante, considerada o grau em que o constructo é verdadeiramente diferente dos demais os quais ele deveria se diferenciar (HAIR, et al., 2009), investigamos se a EAC foi capaz de discriminar claramente grupos-critério distintos (PASQUALI, 2009). Os grupos critérios analisados foram: ocupação principal (1=inseridos no mercado de trabalho; e 2=fora do mercado de trabalho); estado marital (1=com parceiro; 2=sem parceiro); sexo (1=feminino; 2=masculino); idade (1=entre 18 e 39 anos; 2=entre 40 e 60 anos); e IMC (1=eutróficos; 2=abaixo ou acima do peso).

Para essa finalidade, inserimos no questionário sociodemográfico as seguintes questões: uma a respeito da ocupação principal, cuja opções de respostas foram: 1) estudante, 2) trabalhando, 3) desempregado, 4) pensionista. As opções 1, 3 e 4 foram agrupadas e formaram o grupo “fora do mercado de trabalho” e a opção 2 formou o grupo “inserido no mercado de trabalho”. Outra a respeito do estado civil, cuja opções foram: 1) solteiro- sem parceiro; 2) solteiro- namorando; 3) casado; 4) divorciado; 5) viúvo. As opções 1, 4 e 5 formaram o grupo “sem parceiro” e as opções 2 e 3 formaram o grupo “com parceiro”. Mais uma a respeito do sexo com opções de 1) feminino e 2) masculino. Outra a respeito da idade, que foi dividida em dois grupos: adultos mais jovens, que formaram o grupo “entre 18 e 39 anos” e adultos com mais idade, que formaram o grupo “entre 40 e 60 anos”. E finalmente a respeito do IMC, na qual foram colhidas informações autorreportadas sobre peso e altura. A partir dessas, dois grupos foram formados: 1) eutróficos e 2) abaixo ou acima do peso. As diferenças significantes entre os grupos critérios descritos poderia confirmar a validade discriminante do novo instrumento, última etapa do modelo de mensuração.

Em seguida ao modelo de mensuração, investigamos o modelo estrutural. Esse modelo é considerado a representação conceitual das relações entre constructos (HAIR et al., 2009). O modelo estrutural representa a teoria com um conjunto de equações estruturais e é geralmente descrito com um diagrama visual. A transição de um modelo de mensuração para um

estrutural significa, em termos práticos, a aplicação da teoria estrutural em termos de relações entre constructos. Em síntese, o modelo estrutural aplica a teoria estrutural pela especificação de quais constructos são relacionados entre si e da natureza de cada relação (HAIR et al., 2009).

Neste estudo, após a estimação do modelo de mensuração, avaliamos um modelo de caminhos (path analysis) para avaliação das relações causais entre os constructos. Como resultado, estimamos o diagrama visual a partir do programa LISREL®.