1

T picos de Metodologias de Investiga o Cient fica 5

Fases de execu o duma experi ncia
1. Estabelecer o problema.
2. Formular uma hip tese.
3. Construir um desenho de experimenta o.
4. Formular resultados e verificar se s o do tipo requerido pelo problema, isto , verificar
de o desenho responde ao problema.
5. Verificar se o tipo de resultados poss veis podem ser analisados por procedimentos
estat sticos dispon veis.
6. Realizar a experi ncia.
7. Aplicar os procedimentos de an lise estat stica aos resultados para ver se os efeitos
s o reais ou se s o s erro ou ru do na experi ncia.
8. Retirar conclus es sobre as validades interna e externa.
Desenho transversal (cross-section)
Recolha de dados de mais de um caso num nico ponto do tempo para analisar
padr es de associa o entre as vari veis.
Inclui inqu ritos/sondagem.
Vari veis n omanipul veis.
Desenho longitudinal
Observa o da mesma amostra em mais do que uma ocasi o.
Estudo de painel ex. Painel das Fam lias (INE) selec o aleat ria.
Estudo de coorte caracter sticas compartilhadas, ex. data de nascimento.
Podemse inferir efeitos causais de T1 T2.
Problemas de mortalidade, de saber quando recolher dados, de satura o e de
condicionamento do painel.
Desenho de estudo de caso
An lise detalhada e intensiva de um caso, ex. uma pessoa, um acontecimento,
organiza o ou comunidade.
Envolve frequentemente investiga o qualitativa.
Tipos de casos: cr ticos, nicos, extremos, reveladores, exemplificativos.
2

Desenho comparativo
Utiliza os mesmos m todos para comparar dois ou mais casos contrastantes
significativos.
Frequentes compara es culturais cruzadas.
Inclui m ltiplos estudos de caso.
Problema de tradu o dos instrumentos de investiga o e em encontrar amostras
compar veis.
M todos de investiga o
Dados prim rios s o os produzidos pelo investigador com vista a satisfazer uma
necessidade de informa o presente e espec fica.
Dados secund rios, internos ou externos, s o os que j existem, tendo sido
procurados, recolhidos, analisados e armanezados por outras pessoas ou organiza es
para outros fins.
Os conceitos
Os conceitos s o os blocos de constru o de uma teoria, representando os pontos
volta dos quais a investiga o conduzida.
S o categorias que permitem organizar ideias e observa es.
Podem fornecer explica es para os fen menos sociais.
Podem representar coisas que queremos explicar.
Medi o dos conceitos
A sua mensura o implica a sua defini o operacional:
permitindo verificar as diferenas entre as pessoas ou objectos em termos das
suas caracter sticas;
fornecendo um mecanismo consistente para fazer tais distin es;
e, simultaneamente, provendo a base para estimativas mais precisas do grau
de relacionamento entre conceitos.
Indicadores
S o produzidos pela defini o operacional do conceito.
S o menos directamente quantific veis do que as medidas.
H medidas baseadas em m ltiplos indicadores escalas.
Um conceito pode ter diferentes dimens es.
3

Os indicadores podem ser obtidos atrav s de:
uma ou mais quest es aplicadas em entrevista ou question rio;
pelo registo do comportamento dos indiv duos usando a observa o;
por estat sticas oficiais;
ou por an lise de conte do de documentos de qualquer tipo.
D|mens|ona||dade
A defini o do construto e o seu dom nio do conte do determinam a sua
dimensionalidade te rica.
Esta tem a ver com a homogeneidade dos itens.
Numa medida unidimensional todos os itens pesam s um factor ou construto.
O dom nio de um construto pode ser, por hip tese, unidimensional, multidimensional
e/ou como um factor de ordem superior.
Ent o, a dimensionalidade um pr requisito da fiabilidade e da validade.
A t cnica prefer vel a an lise factorial confirmat ria.
I|ab|||dade
Estabilidade ao longo do tempo.
M todo do testereteste (correla o entre a medida em diferentes
momentos).
Forma alternativa (divis o da escala, aplicando cada metade em diferentes
momentos; n o deve existir mais de 0,2 de diferena para baixo entre a
correla o entre formas alternativas e o alfa.
Cons|st nc|a |nterna.
M todo splithalf (correla o entre as medidas em duas metades da escala).
Alfa de Cronbach.
Consist ncia entre observadores.
Consenso entre diferentes investigadores.
avaliada:
(1) pelas correla es corrigidas itemtotal;
(2) pela m dia das correla es interitens;
4

(3) por coeficientes de fiabilidade, sendo o alfa de Cronbach (1951) o mais
utilizado.
(4) pela fiabilidade composta (validade do construto), que similar ao alfa.
(5) e pela vari ncia m dia extra da.
Va||dade do construto
Referese a qu o bem uma medida realmente mede o construto.
H desacordos, mas muitos acreditam que, no seu conjunto, as validades de tradu o
(conte do e face), convergente, discriminante, preditiva, nomol gica e de grupo
conhecido, representam as fontes mais frequentemente utilizadas de validade do
construto.
Va||dade de traduc o
Tem a ver com o conte do dos itens e em que extens o o construto est traduzido na
sua operacionaliza o, existindo dois tipos: a de conte do e a de face.
Va||dade de conte do
Tamb m chamada intr nseca, circular, de relev ncia e de representatividade.
Tem a ver com a representatividade do conte do dos itens em rela o ao dom nio do
conte do te rico e s dimens es do construto.
Utilizar amostras da popula o e peritos para a gera o inicial de itens; usar m ltiplos
ju zes da validade de conte do e quantificar os seus julgamentos; examinar a
representa o proporcional dos itens ao longo das diversas dimens es; relatar os
resultados dos esforos de valida o de conte do como ndices para os investigadores
usarem na avalia o da relev ncia e representatividade dos itens.
Va||dade de face
Referese apar ncia de que a escala tem validade, induzindo coopera o dos
inquiridos, pela facilidade de uso, pela sua clareza, instru es f ceis de entender, e
formatos f ceis de resposta.
A medida quando aplicada na pr tica, para al m da validade estat stica, aparenta ser
pr tica, pertinente e relacionada com os prop sitos do pr prio instrumento.
Portanto, tem a ver com a opini o e percep o dos inquiridos.
Va||dade te r|ca
Tamb m chamada de validade da vari vel latente, de trao ou factorial.
5

Pretendese saber em que grau uma medida avalia o conceito que suposto avaliar, o
que n o pode ser verificado directamente, mas sim inferido atrav s da an lise da
fiabilidade e das validades convergente, discriminante e nomol gica (Peter, 1981).
Va||dade convergente
Referese ao grau em que duas medidas, que medem o mesmo construto, est o
relacionadas.
Uma correla o forte ser evid ncia desta validade.
Va||dade d|scr|m|nante
A validade discriminante avalia o grau em que duas medidas de construtos pr ximos,
mas conceptualmente diferentes, est o relacionadas.
Uma correla o baixa a moderada considerada evid ncia desta validade.
Duas t cnicas para avaliar a validade discriminante:
(1) calcular a m dia da vari ncia extra da em cada par de dimens es e verificar
se superior vari ncia partilhada pelos dois factores (o quadrado da
correla o entre os dois factores);
(2) se um modelo com os dois factores se ajusta significativamente melhor que
o modelo de um s factor, ent o existe validade discriminante.
Matr|zes mu|t|-traco mu|t|-m todo
MMTMM (Campbell e Fiske, 1959) s o usadas muitas vezes para avaliar estas
validades, quando diferentes m todos de medida s o necess rios ou utilizados na
investiga o.
Primeiro, testase a converg ncia entre diferentes medidas do mesmo conceito, e
segundo, testase a diverg ncia entre medidas de conceitos relacionados mas
distintos.
Tamb m se utiliza as correla es entre as escalas e medidas nicas (s um item, ou
afirma o definit ria), simulando multim todos.
Ou utilizando a opini o de casais sobre o mesmo.
Ou fazendo an lise factorial e verificando se os itens das duas medidas pesam nos
mesmos factores.
Va||dade nomo| g|ca
Tem sido definida como o grau em que as predi es de uma rede te rica formal, que
contenha o construto, s o confirmadas.
6

Baseada em hip teses de relacionamento da vari vel com outras (antecedentes e
consequentes) numa rede ou modelo.
A evid ncia conseguida com os m todos utilizados para as validades anteriores pode
ter implica es na validade nomol gica.
Os modelos de equa es estruturais, de regress o, ou os m todos experimentais s o
utilizados para comprovar este tipo de validade.
Va||dade emp r|ca
Tamb m chamada de validade preditiva, pr tica, estat stica, ou relacionada com o
crit rio (vari vel dependente).
A validade relacionada com o crit rio tem a ver com o grau com que o construto est
relacionado com uma vari vel de crit rio, sendo capaz de prever as varia es de outra
vari vel com ele relacionada.
Esta abordagem baseada na rela o temporal do preditor e da vari vel de crit rio,
isto , pode ser posd|t|va, concorrente ou pred|t|va.
A va||dade pred|t|va implica que exista uma correla o significativa entre a escala e
um determinado fen meno consequente.
A va||dade p sd|ct|va implica que a vari vel de crit rio seja medida antes da vari vel
independente.
A va||dade concorrente implica que as vari veis sejam medidas simultaneamente.
Podese avaliar a validade concorrente relativa, verificando as correla es com
medidas concorrentes do mesmo construto, que dever o ter diferenas
estatisticamente significativas na sua rela o com a vari vel de crit rio.
Estatisticamente determinada pelo grau de correspond ncia entre a vari vel
preditora e a de crit rio (correla o).
dif cil de aplicar, pois h muitos problemas com a escolha do crit rio.
Podese usar, simultaneamente, duas medidas do mesmo fen meno: estando uma
avaliada, a outra se estiver altamente correlacionada ser tamb m v lida.
Va||dade de grupo conhec|do
Envolve a capacidade da medida distinguir fiavelmente entre grupos de pessoas que
devem pontuar alto ou baixo no trao.
A capacidade de predizer entre grupos analisase atrav s das diferenas entre as
pontua es m dias de cada grupo em rela o m dia da amostra total.
Var| nc|a de m todo comum
7

4 abordagens deste enviesamento:
(1) MMTMM;
(2) T cnica moderna da MMTMM usando a an lise factorial confirmat ria;
(3) Teste de factor nico de Harman;
(4) T cnica da vari velmarcador.
MM1MM trad|c|ona|
Tabela de correla es entre combina es de traos (conceitos, construtos) e m todos
(medidas).
A extens o da CMV estimada pela diferena entre as correla es monom todo
heterotrao (MH) e as correla es heterom todoheterotrao (HH) (Millsap, 1990).
Assumese que existe CMV se a m dia das correla es MH consideravelmente maior
do que a m dia das correla es HH, caso contr rio considerada trivial.
Apresenta v rias limita es (Malhotra, Kim e Patil, 2006).
MM1MM com AIC
A AFC permite modelizar explicitamente a vari ncia numa medida como uma fun o
de 3 componentes: a verdadeira pontua o da vari ncia; a vari ncia devida ao efeito
do m todo; e o erro aleat rio.
Assim, ao contr rio do m todo tradicional, a AFC torna poss vel estimar qu o
semelhante ou diferente s o os m todos adoptados na MTMM.
Consequentemente, permite a estima o dos verdadeiros relacionamentos entre os
factores latentes, que estejam livres de enviesamentos de m todo e do erro aleat rio.
Contudo, tamb m tem limita es.
1este de factor n|co de narman
O mais usado para avaliar a CMV numa pesquisa s com um m todo (Podsakoff et al.
2003).
Todos os itens dum estudo s o sujeitos a uma an lise factorial explorat ria.
Assumese que existe CMV se:
(1) um s factor emergir da solu o factorial sem rota o;
ou (2) um primeiro factor explica a maior parte da vari ncia das vari veis
(Podsakoff and Organ 1986, p. 536).
8

Como alternativa podese usar a AFC. Aqui todos os itens manifestos s o modelados
como indicadores de um s factor, que representa os efeitos do m todo. O
enviesamento do m todo assumido ser grande se o modelo proposto se ajustar aos
dados (e.g., Mossholder et al. 1998).
Tamb m tem limita es.
T cnica de vari vel-marcador
Lindell and Whitney (2001) proposeram uma nova abordagem para resolver os
problemas do m todo anterior.
Uma vari vel especial preparada e incorporada no estudo, tendo de ser, pelo,
menos, independente de outra vari vel.
Assim, a CMV pode ser avaliada com base na correla o entre a vari velmarcador e a
vari vel teoricamente n o relacionada com ela.
Pode aquela correla o ser estimada ap s o estudo, sem a vari velmarcador
identificada partida (Lindell and Brandt 2000). A menor correla o entre as vari veis
manifestas fornece uma proxy razo vel da CMV" (p. 115).
Porque uma correla o incorrecta influenciada n o s pela covari ncia verdadeira,
mas tamb m pela CMV, a menor correla o positiva na matriz ser uma estimativa
conservadora da correla o marcadora.
Esta abordagem a posteriori tem o potencial de capitalizar em factores de sorte.
Portanto, devese usar a segunda menor correla o positiva como proxy.
Calculase uma correla o CMVajustada entre as vari veis sob investiga o,
verificando se mant m o seu significado estat stico:
Teoria da generaliza o
Os itens a utilizar, em rela o ao seu universo dispon vel, e em fun o do pa s e da
cultura de diferentes popula es.
Estes problemas afectam a fiabilidade das escalas.
Esta teoria divide a vari ncia total de uma escala em diferentes componentes:
varia o devida s diferentes pessoas ou sujeitos;
varia o devida a diferentes pontuadores (analistas da situa o,
investigadores);
varia o devida a observa es em momentos diferentes do tempo;
a interac o entre os sujeitos e os pontuadores;
a interac o entre os sujeitos e o tempo;
9

a interac o entre os pontuadores e o tempo;
e a interac o entre sujeitos, pontuadores e tempo.
Fazer uma an lise de vari ncia para analisar a generaliza o e estimar a percentagem
da vari ncia total devida a cada fonte.
No SPSS, para estimar a vari ncia dos componentes, fazse Analyze General Linear
Model Variance Components, colocando a vari vel do total da pontua o como
vari vel dependente, e os Itens e os Sujeitos como Random Factors, seleccionando
Model e escolhendo ANOVA.
A vari ncia de componentes pode ser usada para calcular o coeficiente de
generabilidade, que an logo ao coeficiente de fiabilidade.
Respostas socialmente desej veis
H m todos para prevenir e outros para medir o fen meno.
Nos primeiros temos o uso de quest es neutrais, itens de escolha forada, t cnica de
resposta aleat ria, questionamento indirecto (responder por outro ou por um grupo),
e autoadministra o do inqu rito (por correio e an nimo). As tr s primeiras parecem
que n o t m dado bons resultados.
Nos segundos, h algumas medidas descritas no livro Scaling Procedures.