A metodologia quantitativa se caracteriza por examinar uma série de relações de dependência simultaneamente. Esse método é particularmente útil quando uma variável dependente se torna independente em relações subsequentes de dependência. Esseconjunto de relações - cada uma com variáveis dependentes e independentes - sendoa baseda Modelagem de Equações Estruturais, conforme Hair et al.(2009).
Deve-se ressaltar que a metodologia MEE não designa apenas uma única técnica, mas um conjunto de procedimentos. Encontra-se na literatura outros termos, tais como: análise de covariância estrutural, modelo estrutural de covariância,ou análise de estruturas de covariância, conforme explicitado por Kline (1998). A diferença da MEE emrelação a essas técnicas multivariadas é que, por meio da MEE, pode-se examinar umasérie de relações de dependência simultaneamente, conforme Hair et al(2009).
Prosseguiram Hairet al(2009), a MEE é uma técnica que tem sido emprega em quase todas as áreas de estudo, incluindo educação,marketing, psicologia, sociologia, administração, saúde, demografia, comportamentoorganizacional, biologia e genética. As principais razões para o interesse por essa técnica emtantas áreas são: a) fornece um método direto para lidar com múltiplas relaçõessimultaneamente com eficiência estatística; b) permite avaliar as relações em âmbitogeral e c) fornece uma transição da análise exploratória para a análise confirmatória. A MEEtambém especifica os indicadores para cada construto e avalia a confiabilidade de cada construtopara estimar relações causais.
Klem (1995) e Maruyama (1998) explicitaram dois dos principais resultados com o uso da MEE, são eles: a) a estimativa da magnitude dos efeitos entre variáveis é realizada e b) o teste para se verificar se o modelo é consistente com os dados observados.
Para Maruyama (1998), a metodologia MEE deve iniciar-se com um modelo teórico ou conceitual, que explicite os requisitos das relações entre um conjunto de variáveis. AMEEnos
71
fornece estimativas da força de todas as relações hipotetizadas no modelo teórico. Obtêm-se também as dimensões do impacto de uma variável sobre a outra, bem como as possibilidades advindas das variáveis chamadas de intervenientes ou mediadoras.
A metodologia MEEproporciona a possibilidade de se investigar em que nível de aderência dasvariáveis preditoras (variáveis independentes) pode explicar a variável dependente etambém, qual das variáveis preditoras é a mais importante. Aspecto que também é possível com ouso da regressão, porém na metodologia MEEse podeter mais de uma variável dependente em um único modelo, prosseguiram Hairet al(2009).
Ainda sobre a metodologia MEE, Lemke (2005), informou que a mesma pode ser separada em duas partes principais, a saber: a) um modelo de medida e b) um modelo estrutural. No modelo de medida estarão definidas as relações entre as variáveis observadas e as variáveis latentes. Em outras palavras, trata-se da ligação entre os escores de um instrumento de medida ou as variáveis indicadoras observadas, e o construto teórico em estudo que foram designadas para medir. O modelo estrutural definirá as relações entre as variáveis latentes (ou construtos). Ele especificará como uma variável latente causa direta ouindiretamente mudanças em outras variáveis latentes no modelo criado.
Garson (1998) indicou que a metodologia MEE está baseada em dois passos, a saber: a) a validação do modelo de medida e b) o ajuste do modelo estrutural elaborado. A validação do modelo de medida é realizada pela análise fatorial confirmatória. O ajuste do modelo estrutural é realizado pela análise de caminhos das variáveis latentes. Assim, preconiza-se que um modelo seja criado, com base na teoria. E, cada variável deste modelo é definida como latente e medida por indicadores múltiplos, que são as variáveis observadas. Devem ser desenvolvidos vários indicadores para cadamodelo. Sugeriu possuir pelo menos três indicadores por cada variável latente depois da análise fatorial confirmatória, que é utilizada para estabelecer quais os indicadores aparentam medir as variáveis latentescorrespondentes.
Continuou Garson (1998) em sua indicação do método sugerido, indicando que o pesquisador deve prosseguir após o modelo de medida ter sido validado. Com a criação de um ou mais modelos alternativos, sendo que um deles pode ser o modelo nulo, no qual as covariâncias da matriz de covariância para asvariáveis latentes são todas consideradas zero. Após isso se faz a comparação em termos deajuste do modelo até que nível as covariâncias preditas pelo
72
modelocorrespondem às covariâncias observadas nos dados, para se conseguir o melhormodelo.
Hairet al. (2009) ensinaram que uma variável latente não pode ser medida diretamente, pois são conceitos, entretanto tais variáveis podem ser mensuradas por uma ou mais variáveis observáveis. Prosseguiram os autores exemplificando estes conceitos por meio da atitude de um consumidor em relação a determinado produto, que jamais poderá ser medidaprecisamente a ponto de não haver incerteza, mas em se fazendo várias perguntas, que são as variáveis observáveis correspondentes à cada variável latente, pode-se avaliar inúmeros aspectos do “conceito” atitude desse consumidor. A medida mais precisa para esta variável latente (construto) será fornecida pelas respostas produzidas pelo consumidor específico estudado.
Uma variável observada é o valor verificado ou observado de uma questão específica,obtida de respondentes ou a partir deobservações feitas pelo pesquisador. As variáveis observáveis são os indicadores das variáveis latentes ou construtos. Uma estrutura latente pode utilizar os modelos estatísticos com ferramentas para descrevê-los, através das variáveis observadas. Esses modelos, representativos das estruturas latentes, podem ser expressos graficamente, por diagramas ou por meio de equações(Hairet al., 2009).
Segundo Lemke (2005), os modelos propostos procurarão as relações existentes entre as variáveis latentes e as variáveis observadas.O pesquisador utiliza seu conhecimento teórico, e a pesquisa empírica como bases para a sugestão do modelo, com os dados, o pesquisador testa suas hipóteses, baseadas no modelo original, nesta etapa se quer saber o grau de aderência do modelo ou, em outras palavras, se ter a indicação de quão bom o modelo proposto se apresenta.