Análise Univariada e Multivariada

A Análise Univariada considerou cada uma das variáveis individualmente, sendo realizada por meio de alguns procedimentos, conforme descrito a seguir: (a) itens de caracterização da amostra, como frequência simples e percentuais; e (b) itens das escalas de mensuração, como medidas de tendência central (média e desvio padrão). Na análise multivariada, considerou-se uma análise fatorial exploratória (AFE) das variáveis a fim de verificar a estrutura dos fatores que compunham as escalas, com o uso da análise de componentes principais e rotação oblimin (HAIR et al., 2009). Com esses procedimentos, foi possível um refinamento das escalas, para o uso de uma estrutura mais consistente para procedimentos posteriores de avaliação dos modelos individuais e integrados.

Para ampliar a consistência e o potencial generalização dos resultados, a análise exploratória foi empregada conforme recomendação da literatura (HAIR et al., 2009), que incluiu a verificação da adequação das amostras por meio dos testes de Kaiser-Meyer_olkin

(KMO) – acima de 0,5 – e Teste de Esfericidade de Bartlet’s – de nível e de significância menor que 0,05, análises das comunalidades da cada variável (acima de 0,5) e análise da matriz de fatores. A avaliação da confiabilidade das escalas, após a identificação dos fatores, foi realizada com uso do coeficiente de Alfa de Crombach. A literatura sugere que, para uma escala ser suficientemente confiável para os propósitos de análise de um estudo, é necessário um resultado mínimo de 0,60 de coeficiente. Foram analisados, também, os índices de correlações item-item (até 0,85) e correlações item-total (acima de 0,5).

3.5.3.1 Medidas de Ajustamento

Em critério adicional com a modelagem de equações estruturais, foram avaliadas as medidas de ajustamento do modelo, como GFI (Goodness-of-Fit Index), RMSEA (Root Mean

Square Error of Approximation) e TLI (Tucker Lewis Index). De acordo com Hair et al., (2009),

é importante essa avaliação dos índices de ajustamento, já que o ajuste geral do modelo retrata o grau em que os indicadores especificados representam os construtos teorizados. Segundo esse pensamento, o modelo de mensuração deve ser estimado e validado. A técnica de análise fatorial confirmatória (AFC) é benéfica para uma validação de escalas para mensuração dos construtos específicos de um estudo (HAIR et al., 2009).

São três os tipos de qualidade de ajuste: absoluto, incremental (ou comparativo) e de parcimônia. A qualidade de ajuste “indica o quão bem o modelo especificado reproduz a matriz de covariância entre os itens indicadores, ou seja, a similaridade entre as matrizes de covariância estimada e observada” (HAIR et al., 2009, p. 567). O pesquisador deve buscar um número elevado de graus de liberdade pois, dessa forma, se atinge a parcimônia (o melhor ajuste do modelo para cada coeficiente estimado). Quanto melhor o ajuste com menor quantidade de coeficientes, melhor o teste do modelo e mais confiáveis são os resultados. Para este estudo, foi utilizado o ajuste global do modelo e as medidas de ajuste incremental. As medidas absolutas aplicadas neste estudo são descritas a seguir:

a) Qui-quadrado sobre graus de liberdade (χ2_{/GL): Este indicador apresenta a}

diferença entre as matrizes de covariância que são observadas e estimadas na pesquisa. Um valor elevado de índice Qui-quadrado em relação aos graus de liberdade indica que as matrizes observadas e estimadas diferem significativamente. Consideram-se valores iguais ou inferiores a 5 como aceitáveis;

b) Goodness-of-fit (GFI): Índice utilizado para avaliação do ajustamento geral do modelo, comparando os resíduos da matriz observada e estimada. Possui variação de 0 (ajustamento fraco) a 1 (ajustamento perfeito), considerando-se aceitáveis valores iguais ou superiores a 0,9;

c) Root MeanSquaree Error of Approximation (RMSEA): É uma medida utilizada para corrigir a tendência estatística do Teste Qui-quadrado em rejeitar modelos especificados a partir de grandes amostras. O indicador de RMSEA representa a discrepância ou a diferença existente, por grau de liberdade, da raiz quadrada da média dos resíduos dos modelos observados e esperados ao quadrado. Consideram-se valores abaixo de 0,10 como aceitáveis, mas pesquisadores utilizam uma faixa de 0,05 e 0,08 para identificar 95% de confiança.

Após a análise das medidas de ajustamento, forma utilizadas três medidas comparativas. Essas medidas comparam o modelo proposto na pesquisa com um modelo nulo. “o modelo nulo mede perfeitamente os construtos, ou seja, apresenta os valores de qui-quadrado associados à variância total na série de correlações e covariâncias” (HAIR et al., 2009, p. 570). Foi aplicado, neste trabalho, as seguintes medidas de ajuste incremental:

a) Ajusted Goodness-of-fit (AGFI): É considerado uma extensão do GFI ajustado ao número de graus de liberdade do modelo proposto e do modelo nulo, tentando levar em conta diferentes graus de complexidade do modelo. O indicador possuiu uma variação que vai de 0 (ajustamento fraco) a 1 (ajustamento perfeito). O valor indica os graus de ajustamento geral do modelo proposto, sendo considerado como aceitáveis valores iguais ou superiores a 0,9;

b) Trucker Lewis Index (TLI): O TLI combina uma medida de parcimônia em um índice comparativo entre o modelo proposto e o modelo nulo, resultando em valores entre zero e um. Valores recomendados para este índice devem ser iguais ou superiores a 0,9; e

c) Comparative Fit Index (CFI): É o índice de comparação entre o modelo estimado e o modelo nulo. Seus valores variam entre 0 e 1, com valores iguais ou superiores a 0,9 como aceitáveis.

Hair et al., (2009) alertam que os índices de ajuste devem ser utilizados para analisar a qualidade de ajuste de um modelo e que “nenhum valor único mágico para os índices de ajuste separa modelos bons de ruins” (HAIR et al., 2009, p. 577), não sendo prático aplicar um único

conjunto de regras de corte para todos os modelos de mensuração. Os autores ainda complementam que a qualidade do ajuste depende das características do modelo, incluindo tamanho amostral e a sua complexidade nas relações dos construtos e seus indicadores. Ainda, (HAIR et al., 2009) recomendam procedimentos para analisar a validade dos construtos como a unidimensionalidade, a confiabilidade, a validade convergente e, também, a validade discriminante, apresentados a seguir no capítulo de resultados.

4 RESULTADOS

Os resultados da pesquisa são apresentados a seguir, a partir do tratamento preliminar dos dados e da descrição da amostra. Na sequência, são expostos os dados relativos às estatísticas univariadas. Por fim, são discutidos os procedimentos relacionados com a análise fatorial exploratória (estatística multivariada) e com a validação do modelo proposto.