Verificação de pressupostos

Há uma série de pressupostos a serem considerados antes de proceder a análise fatorial exploratória pretendida, alguns se referem a características desejáveis e outros a requisitos imprescindíveis à sua realização. Tais pressupostos serão tratados nesta subseção, iniciando com a análise de requisitos preliminares e avançando para a verificação da fatorabilidade da matriz de correlações.

Requisitos preliminares

Uma primeira exigência refere-se ao porte do banco de dados, que deve possuir uma adequada proporção entre sujeitos e variáveis de interesse. A medida de estratégias para criar no trabalho a ser validada possui 63 itens e o banco de dados, após a preparação, contém 688 casos, resultando na proporção de 10,92 sujeitos por item. Tabachnick e Fidell (2001) sugerem a exigência de no mínimo 300 sujeitos, enquanto Pasquali (2004) recomenda, quando não se conhece o número de fatores esperados, a proporção de 10 sujeitos por item, sendo ambas as indicações aqui atendidas.

A análise fatorial exploratória, segundo Costello e Osborne (2005), se beneficia substancialmente com amostras com elevada proporção sujeitos-variáveis de interesse. No estudo realizado pelos autores apenas 40% das amostras de proporção 5:1 apontaram para a estrutura fatorial correta, esse percentual aumentou para 60% com a proporção de 10:1, e para 70% com a proporção 20:1. Embora a relação 10,92 sujeitos por item seja adequada para dar prosseguimento à análise fatorial pretendida, deve-se ter em conta o teor essencialmente exploratório dos procedimentos ora adotados, bem como sua sujeição a erros, aspectos enfatizados por Costello e Osborne.

Outra característica desejável é a normalidade das variáveis investigadas que, mesmo não sendo requisito da técnica de extração de fatores usada, favorece a análise fatorial, aprimorando seus resultados (Pasquali, 2004; Tabachnick & Fidell, 2001). Os índices de assimetria e curtose apresentados na seção 6.1, após a exclusão de casos extremos, denotam a proximidade da distribuição das variáveis ao desenho da curva normal. Este aspecto está associado a um importante requisito da análise fatorial — a linearidade — pois a normalidade das variáveis individualmente favorece a presunção de normalidade multivariada que, por sua vez, implicaria relação linear entre pares de variáveis, segundo Tabachnick e Fidell. A relevância do requisito de linearidade, de acordo com Pasquali, reside no fato das correlações entre variáveis serem a base da análise fatorial, e correlações refletem tão somente relações lineares. Assim, quanto maior a não-linearidade existente, maior o prejuízo para a análise fatorial.

A verificação de linearidade entre pares de variáveis é realizada pela inspeção visual de scatterplots, que seria excessivamente trabalhoso para o conjunto de 63 variáveis em foco. Nesses casos, Tabachnick e Fidell (2001) indicam

a inspeção de pares selecionados de variáveis mais suscetíveis à não-linearidade, como aquelas com índices de assimetria mais discrepantes. Deste modo, foram escolhidos os pares de variáveis constantes da Tabela 8 e embora não tenha sido verificada a forma oval esperada na detecção de linearidade, também não foram observados quaisquer indícios de relações curvilíneas. Adicionalmente, a pesquisadora considerou oportuna a verificação de linearidade entre pares dos fatores resultantes da análise fatorial, para assegurar que tal requisito foi atendido a contento. Todos os gráficos apontaram para linearidade entre fatores. Os scatterplots de ambas as verificações estão disponíveis para consulta no Anexo 2. Tabela 8 – Pares de variáveis para inspeção de linearidade: EST/CT

Item Assimetria Curtose Par

EST3 Listo mentalmente as possíveis soluções para

um problema de trabalho. -0,824 0,638

EST43 Para quebrar a rotina, faço minhas tarefas de

forma pouco habitual. 0,075 -0,814

EST3 e EST43 EST29 Quando não sei resolver algo no trabalho,

procuro dicas na internet que possam me auxiliar. -0,846 0,057 EST58 Busco um ambiente isolado para poder focar só

no problema de trabalho que estiver analisando. 0,024 -0,814

EST29 e EST58

Foi investigada a existência de singularidade e multicolinearidade das variáveis, impeditivos para a maioria dos métodos de análise fatorial, através da inspeção da matriz de correlações e da matriz anti-imagem, e tendo por base os critérios indicados em Tabachnick e Fidell (2001). Não foram encontradas variáveis com correlações extremamente elevadas (r > 0,90), indicativo de multicolinearidade. Na inspeção dos quadrados dos coeficientes de correlações múltiplas, por sua vez, não foram encontrados valores próximos de um, indicativos de singularidade.

Fatorabilidade da matriz de correlações.

A análise da matriz de correlações propicia diversas informações necessárias para determinar sua fatorabilidade. A primeira verificação consistiu em apreciar o tamanho das correlações, visto que são necessárias correlações ao menos

moderadas para viabilizar a análise fatorial (Laros, 2004; Pasquali, 2004). Do total de correlações constantes da matriz R, 94% são significativas (p < 0,01), estando 44% acima de 0,30, o que constitui o primeiro indício de sua fatorabilidade. Não há correlações acima de 0,80 e apenas 6% estão acima de 0,50, porém vale lembrar que grandes amostras tendem a produzir correlações menores (Tabachnick & Fidell, 2001).

Clark e Watson (1995) sugerem que a média das correlações entre itens recaia entre os valores 0,15 a 0,50. Quando o construto que se pretende mensurar é mais amplo, são esperados valores menores. Ao contrário, para construtos mais restritos uma medida válida deve produzir correlações maiores. Os autores ainda apontam para a preferência por uma variância pequena, com as correlações agrupadas próximas da média. Nesta matriz a média aritmética das correlações entre itens é 0,286 e a variância 0,026.

Outro elemento que a matriz de correlações fornece sobre sua fatorabilidade é o valor de seu determinante, que neste caso se aproxima de zero (det=3,67E-15), o que indica que o posto da matriz é menor do que o número de variáveis nela representadas. Pasquali (2004) comenta que o posto da matriz de correlações se refere a quantos fatores ela apresenta, sendo o determinante próximo de zero mais um sinal favorável à fatorabilidade.

A matriz anti-imagem contém subsídios adicionais à fatorabilidade da matriz de correlações, visto que os valores retratados fora da diagonal representam o negativo das correlações parciais entre pares de variáveis, com os efeitos das demais variáveis removidos. Por conseguinte, caso a matriz de correlações seja fatorável, deve haver a prevalência de valores baixos (Tabachnick & Fidell, 2001), fato este observado na inspeção visual da matriz anti-imagem.

Também foi conduzido o teste de esfericidade de Bartlett, que Tabachnick e Fidell (2001) afirmam ser muito sensível ao tamanho da amostra — é significativo com amostras mínimas — devendo-se restringir seu uso a situações em que o número de sujeitos não seja maior do que cinco casos por variável. Neste estudo tem-se uma amostra de porte e proporções razoáveis, portanto não é de se estranhar a significância obtida como resultado. Por fim, foi calculado o índice de adequação da amostra de Kaiser-Meyer-Olkein (KMO), obtendo-se o valor 0,961. Trata-se de um resultado caracterizado por Kaiser (1974, citado por Pasquali, 2004) como “maravilhoso”, mais uma evidência, portanto, da viabilidade da análise fatorial.