P. 1
Tópicos de Metodologias de Investigação Científica 5

Tópicos de Metodologias de Investigação Científica 5

|Views: 70|Likes:
Publicado porpedroelectrico

More info:

Published by: pedroelectrico on Jul 04, 2011
Direitos Autorais:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/04/2011

pdf

text

original

1

Tó picos de Metodologias de Investigaçã o Cientí fica 5
• Fases de execuçã o duma experiê ncia
1. Estabelecer o problema.
2. Formular uma hipó tese.
3. Construir um desenho de experimentaçã o.
4. Formular resultados e verificar se sã o do tipo requerido pelo problema, isto é , verificar
de o desenho responde ao problema.
5. Verificar se o tipo de resultados possí veis podem ser analisados por procedimentos
estatí sticos disponí veis.
6. Realizar a experiê ncia.
7. Aplicar os procedimentos de aná lise estatí stica aos resultados para ver se os efeitos
sã o reais ou se sã o só erro ou ruí do na experiê ncia.
8. Retirar conclusõ es sobre as validades interna e externa.
• Desenho transversal (cross-section)
• Recolha de dados de mais de um caso num ú nico ponto do tempo para analisar
padrõ es de associaçã o entre as variá veis.
• Inclui inqué ritos/sondagem.
• Variá veis nã o­manipulá veis.
• Desenho longitudinal
• Observaçã o da mesma amostra em mais do que uma ocasiã o.
• Estudo de painel – ex. Painel das Famí lias (INE) – selecçã o aleató ria.
• Estudo de coorte – caracterí sticas compartilhadas, ex. data de nascimento.
• Podem­se inferir efeitos causais de T1� T2.
• Problemas de mortalidade, de saber quando recolher dados, de saturaçã o e de
condicionamento do painel.
• Desenho de estudo de caso
• Aná lise detalhada e intensiva de um caso, ex. uma pessoa, um acontecimento,
organizaçã o ou comunidade.
• Envolve frequentemente investigaçã o qualitativa.
• Tipos de casos: crí ticos, ú nicos, extremos, reveladores, exemplificativos.
2

• Desenho comparativo
• Utiliza os mesmos mé todos para comparar dois ou mais casos contrastantes
significativos.
• Frequentes comparaçõ es culturais cruzadas.
• Inclui mú ltiplos estudos de caso.
• Problema de traduçã o dos instrumentos de investigaçã o e em encontrar amostras
compará veis.
• Mé todos de investigaçã o
• Dados primá rios sã o os produzidos pelo investigador com vista a satisfazer uma
necessidade de informaçã o presente e especí fica.
• Dados secundá rios, internos ou externos, sã o os que já existem, tendo sido
procurados, recolhidos, analisados e armanezados por outras pessoas ou organizaçõ es
para outros fins.
• Os conceitos
• Os conceitos sã o os blocos de construçã o de uma teoria, representando os pontos à
volta dos quais a investigaçã o é conduzida.
• Sã o categorias que permitem organizar ideias e observaçõ es.
• Podem fornecer explicaçõ es para os fenó menos sociais.
• Podem representar coisas que queremos explicar.
• Mediçã o dos conceitos
• A sua mensuraçã o implica a sua definiçã o operacional:
– permitindo verificar as diferenças entre as pessoas ou objectos em termos das
suas caracterí sticas;
– fornecendo um mecanismo consistente para fazer tais distinçõ es;
– e, simultaneamente, provendo a base para estimativas mais precisas do grau
de relacionamento entre conceitos.
• Indicadores
• Sã o produzidos pela definiçã o operacional do conceito.
• Sã o menos directamente quantificá veis do que as medidas.
• Há medidas baseadas em mú ltiplos indicadores – escalas.
• Um conceito pode ter diferentes dimensõ es.
3

• Os indicadores podem ser obtidos atravé s de:
– uma ou mais questõ es aplicadas em entrevista ou questioná rio;
– pelo registo do comportamento dos indiví duos usando a observaçã o;
– por estatí sticas oficiais;
– ou por aná lise de conteú do de documentos de qualquer tipo.
• D|mens|ona||dade
• A definiçã o do construto e o seu domí nio do conteú do determinam a sua
dimensionalidade teó rica.
• Esta tem a ver com a homogeneidade dos itens.
• Numa medida unidimensional todos os itens pesam só um factor ou construto.
• O domí nio de um construto pode ser, por hipó tese, unidimensional, multidimensional
e/ou como um factor de ordem superior.
• Entã o, a dimensionalidade é um pré ­requisito da fiabilidade e da validade.
• A té cnica preferí vel é a aná lise factorial confirmató ria.
• I|ab|||dade
• Estabilidade ao longo do tempo.
– Mé todo do teste­reteste (correlaçã o entre a medida em diferentes
momentos).
– Forma alternativa (divisã o da escala, aplicando cada metade em diferentes
momentos; nã o deve existir mais de 0,2 de diferença para baixo entre a
correlaçã o entre formas alternativas e o alfa.
• Cons|st nc|a |nterna.
– Mé todo split­half (correlaçã o entre as medidas em duas metades da escala).
– Alfa de Cronbach.
– Consistê ncia entre observadores.
– Consenso entre diferentes investigadores.
• É avaliada:
– (1) pelas correlaçõ es corrigidas item­total;
– (2) pela mé dia das correlaçõ 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 é similar ao alfa.
– (5) e pela variâ ncia mé dia extraí da.
• Va||dade do construto
• Refere­se a quã o bem uma medida realmente mede o construto.
• Há desacordos, mas muitos acreditam que, no seu conjunto, as validades de traduçã o
(conteú do e face), convergente, discriminante, preditiva, nomoló 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 conteú do dos itens e em que extensã o o construto está traduzido na
sua operacionalizaçã o, existindo dois tipos: a de conteú do e a de face.
• Va||dade de conte do
• També m chamada intrí nseca, circular, de relevâ ncia e de representatividade.
• Tem a ver com a representatividade do conteú do dos itens em relaçã o ao domí nio do
conteú do teó rico e à s dimensõ es do construto.
• Utilizar amostras da populaçã o e peritos para a geraçã o inicial de itens; usar mú ltiplos
juí zes da validade de conteú do e quantificar os seus julgamentos; examinar a
representaçã o proporcional dos itens ao longo das diversas dimensõ es; relatar os
resultados dos esforços de validaçã o de conteú do como í ndices para os investigadores
usarem na avaliaçã o da relevâ ncia e representatividade dos itens.
• Va||dade de face
• Refere­se à aparê ncia de que a escala tem validade, induzindo à cooperaçã o dos
inquiridos, pela facilidade de uso, pela sua clareza, instruçõ es fá ceis de entender, e
formatos fá ceis de resposta.
• A medida quando aplicada na prá tica, para alé m da validade estatí stica, aparenta ser
prá tica, pertinente e relacionada com os propó sitos do pró prio instrumento.
• Portanto, tem a ver com a opiniã o e percepçã o dos inquiridos.
• Va||dade te r|ca
• També m chamada de validade da variá vel latente, de traço ou factorial.
5

• Pretende­se saber em que grau uma medida avalia o conceito que é suposto avaliar, o
que nã o pode ser verificado directamente, mas sim inferido atravé s da aná lise da
fiabilidade e das validades convergente, discriminante e nomoló gica (Peter, 1981).
• Va||dade convergente
• Refere­se ao grau em que duas medidas, que medem o mesmo construto, estã o
relacionadas.
• Uma correlaçã o forte será evidê ncia desta validade.
• Va||dade d|scr|m|nante
• A validade discriminante avalia o grau em que duas medidas de construtos pró ximos,
mas conceptualmente diferentes, estã o relacionadas.
• Uma correlaçã o baixa a moderada é considerada evidê ncia desta validade.
• Duas té cnicas para avaliar a validade discriminante:
– (1) calcular a mé dia da variâ ncia extraí da em cada par de dimensõ es e verificar
se é superior à variâ ncia partilhada pelos dois factores (o quadrado da
correlaçã o entre os dois factores);
– (2) se um modelo com os dois factores se ajusta significativamente melhor que
o modelo de um só factor, entã o existe validade discriminante.
• Matr|zes mu|t|-traco mu|t|-m todo
• MMTMM (Campbell e Fiske, 1959) sã o usadas muitas vezes para avaliar estas
validades, quando diferentes mé todos de medida sã o necessá rios ou utilizados na
investigaçã o.
• Primeiro, testa­se a convergê ncia entre diferentes medidas do mesmo conceito, e
segundo, testa­se a divergê ncia entre medidas de conceitos relacionados mas
distintos.
• També m se utiliza as correlaçõ es entre as escalas e medidas ú nicas (só um item, ou
afirmaçã o definitó ria), simulando multi­mé todos.
• Ou utilizando a opiniã o de casais sobre o mesmo.
• Ou fazendo aná 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 prediçõ es de uma rede teó rica formal, que
contenha o construto, sã o confirmadas.
6

• Baseada em hipó teses de relacionamento da variá vel com outras (antecedentes e
consequentes) numa rede ou modelo.
• A evidê ncia conseguida com os mé todos utilizados para as validades anteriores pode
ter implicaçõ es na validade nomoló gica.
• Os modelos de equaçõ es estruturais, de regressã o, ou os mé todos experimentais sã o
utilizados para comprovar este tipo de validade.
• Va||dade emp r|ca
• També m chamada de validade preditiva, prá tica, estatí stica, ou relacionada com o
crité rio (variá vel dependente).
• A validade relacionada com o crité rio tem a ver com o grau com que o construto está
relacionado com uma variá vel de crité rio, sendo capaz de prever as variaçõ es de outra
variá vel com ele relacionada.
• Esta abordagem é baseada na relaçã o temporal do preditor e da variá vel de crité rio,
isto é , pode ser posd|t|va, concorrente ou pred|t|va.
• A va||dade pred|t|va implica que exista uma correlaçã o significativa entre a escala e
um determinado fenó meno consequente.
• A va||dade p sd|ct|va implica que a variá vel de crité rio seja medida antes da variá vel
independente.
• A va||dade concorrente implica que as variá veis sejam medidas simultaneamente.
• Pode­se avaliar a validade concorrente relativa, verificando as correlaçõ es com
medidas concorrentes do mesmo construto, que deverã o ter diferenças
estatisticamente significativas na sua relaçã o com a variá vel de crité rio.
• Estatisticamente é determinada pelo grau de correspondê ncia entre a variá vel
preditora e a de crité rio (correlaçã o).
• É difí cil de aplicar, pois há muitos problemas com a escolha do crité rio.
• Pode­se usar, simultaneamente, duas medidas do mesmo fenó meno: estando uma
avaliada, a outra se estiver altamente correlacionada será també m vá 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 traço.
• A capacidade de predizer entre grupos analisa­se atravé s das diferenças entre as
pontuaçõ es mé dias de cada grupo em relaçã o à mé dia da amostra total.
• Var| nc|a de m todo comum
7

• 4 abordagens deste enviesamento:
– (1) MMTMM;
– (2) Té cnica moderna da MMTMM usando a aná lise factorial confirmató ria;
– (3) Teste de factor ú nico de Harman;
– (4) Té cnica da variá vel­marcador.
• MM1MM trad|c|ona|
• Tabela de correlaçõ es entre combinaçõ es de traços (conceitos, construtos) e mé todos
(medidas).
• A extensã o da CMV é estimada pela diferença entre as correlaçõ es monomé todo­
heterotraço (MH) e as correlaçõ es heteromé todo­heterotraço (HH) (Millsap, 1990).
• Assume­se que existe CMV se a mé dia das correlaçõ es MH é consideravelmente maior
do que a mé dia das correlaçõ es HH, caso contrá rio é considerada trivial.
• Apresenta vá rias limitaçõ es (Malhotra, Kim e Patil, 2006).
• MM1MM com AIC
• A AFC permite modelizar explicitamente a variâ ncia numa medida como uma funçã o
de 3 componentes: a “verdadeira” pontuaçã o da variâ ncia; a variâ ncia devida ao efeito
do mé todo; e o erro aleató rio.
• Assim, ao contrá rio do mé todo tradicional, a AFC torna possí vel estimar quã o
semelhante ou diferente sã o os mé todos adoptados na MTMM.
• Consequentemente, permite a estimaçã o dos verdadeiros relacionamentos entre os
factores latentes, que estejam livres de enviesamentos de mé todo e do erro aleató rio.
• Contudo, també m tem limitaçõ es.
• 1este de factor n|co de narman
• O mais usado para avaliar a CMV numa pesquisa só com um mé todo (Podsakoff et al.
2003).
• Todos os itens dum estudo sã o sujeitos a uma aná lise factorial explorató ria.
• Assume­se que existe CMV se:
– (1) um só factor emergir da soluçã o factorial sem rotaçã o;
– ou (2) um primeiro factor explica a maior parte da variâ ncia das variá veis
(Podsakoff and Organ 1986, p. 536).
8

• Como alternativa pode­se usar a AFC. Aqui todos os itens manifestos sã o modelados
como indicadores de um só factor, que representa os efeitos do mé todo. O
enviesamento do mé todo é assumido ser grande se o modelo proposto se ajustar aos
dados (e.g., Mossholder et al. 1998).
• També m tem limitaçõ es.
• Té cnica de variá vel-marcador
• Lindell and Whitney (2001) proposeram uma nova abordagem para resolver os
problemas do mé todo anterior.
• Uma variá vel especial é preparada e incorporada no estudo, tendo de ser, pelo,
menos, independente de outra variá vel.
• Assim, a CMV pode ser avaliada com base na correlaçã o entre a variá vel­marcador e a
variá vel teoricamente nã o relacionada com ela.
• Pode aquela correlaçã o ser estimada apó s o estudo, sem a variá vel­marcador
identificada à partida (Lindell and Brandt 2000). A menor correlaçã o entre as variá veis
manifestas fornece uma proxy razoá vel da CMV" (p. 115).
• Porque uma correlaçã o incorrecta é influenciada nã o só pela covariâ ncia verdadeira,
mas també m pela CMV, a menor correlaçã o positiva na matriz será uma estimativa
conservadora da correlaçã o marcadora.
• Esta abordagem a posteriori tem o potencial de capitalizar em factores de sorte.
Portanto, deve­se usar a segunda menor correlaçã o positiva como proxy.
• Calcula­se uma correlaçã o CMV­ajustada entre as variá veis sob investigaçã o,
verificando se mantê m o seu significado estatí stico:
• Teoria da generalizaçã o
• Os itens a utilizar, em relaçã o ao seu universo disponí vel, e em funçã o do paí s e da
cultura de diferentes populaçõ es.
• Estes problemas afectam a fiabilidade das escalas.
• Esta teoria divide a variâ ncia total de uma escala em diferentes componentes:
– variaçã o devida à s diferentes pessoas ou sujeitos;
– variaçã o devida a diferentes pontuadores (analistas da situaçã o,
investigadores);
– variaçã o devida a observaçõ es em momentos diferentes do tempo;
– a interacçã o entre os sujeitos e os pontuadores;
– a interacçã o entre os sujeitos e o tempo;
9

– a interacçã o entre os pontuadores e o tempo;
– e a interacçã o entre sujeitos, pontuadores e tempo.
• Fazer uma aná lise de variâ ncia para analisar a generalizaçã o e estimar a percentagem
da variâ ncia total devida a cada fonte.
• No SPSS, para estimar a variâ ncia dos componentes, faz­se Analyze – General Linear
Model – Variance Components, colocando a variá vel do total da pontuaçã o como
variá vel dependente, e os Itens e os Sujeitos como Random Factors, seleccionando
Model e escolhendo ANOVA.
• A variâ ncia de componentes pode ser usada para calcular o coeficiente de
generabilidade, que é aná logo ao coeficiente de fiabilidade.
• Respostas socialmente desejá veis
• Há mé todos para prevenir e outros para medir o fenó meno.
• Nos primeiros temos o uso de questõ es neutrais, itens de escolha forçada, té cnica de
resposta aleató ria, questionamento indirecto (responder por outro ou por um grupo),
e auto­administraçã o do inqué rito (por correio e anó nimo). As trê s primeiras parecem
que nã o tê m dado bons resultados.
• Nos segundos, há algumas medidas descritas no livro “Scaling Procedures”.














���������������������������������������������������������������������������
���������������������������������������������������������������������������������
�����������������������������������������������������

são os que já existem. Há medidas baseadas em múltiplos indicadores – escalas. simultaneamente. Um conceito pode ter diferentes dimensões.• • Desenho comparativo Utiliza os mesmos métodos para comparar dois ou mais casos contrastantes significativos. provendo a base para estimativas mais precisas do grau de relacionamento entre conceitos. Problema de tradução dos instrumentos de investigação e em encontrar amostras comparáveis. Medição dos conceitos A sua mensuração implica a sua definição operacional: – permitindo verificar as diferenças entre as pessoas ou objectos em termos das suas características. internos ou externos. • • • • • • • • • • • • • – – • • • • • Indicadores São produzidos pela definição operacional do conceito. Dados secundários. Podem fornecer explicações para os fenómenos sociais. Inclui múltiplos estudos de caso. tendo sido procurados. 2 . Métodos de investigação Dados primários são os produzidos pelo investigador com vista a satisfazer uma necessidade de informação presente e específica. Podem representar coisas que queremos explicar. Frequentes comparações culturais cruzadas. São menos directamente quantificáveis do que as medidas. recolhidos. São categorias que permitem organizar ideias e observações. fornecendo um mecanismo consistente para fazer tais distinções. e. Os conceitos Os conceitos são os blocos de construção de uma teoria. representando os pontos à volta dos quais a investigação é conduzida. analisados e armanezados por outras pessoas ou organizações para outros fins.

Consenso entre diferentes investigadores. aplicando cada metade em diferentes momentos. a dimensionalidade é um pré­requisito da fiabilidade e da validade. – – – – Método split­half (correlação entre as medidas em duas metades da escala). O domínio de um construto pode ser. • • • • • • • – • Consistência interna. por hipótese. Fiabilidade Estabilidade ao longo do tempo. Forma alternativa (divisão da escala. unidimensional.• Os indicadores podem ser obtidos através de: – – – – uma ou mais questões aplicadas em entrevista ou questionário. – Método do teste­reteste (correlação entre a medida em diferentes momentos). pelo registo do comportamento dos indivíduos usando a observação. • • Dimensionalidade A definição do construto e o seu domínio do conteúdo determinam a sua dimensionalidade teórica. Numa medida unidimensional todos os itens pesam só um factor ou construto. ou por análise de conteúdo de documentos de qualquer tipo. por estatísticas oficiais. Esta tem a ver com a homogeneidade dos itens. A técnica preferível é a análise factorial confirmatória. • É avaliada: – – (1) pelas correlações corrigidas item­total. Alfa de Cronbach. 3 . multidimensional e/ou como um factor de ordem superior. (2) pela média das correlações inter­itens. não deve existir mais de 0. Então. Consistência entre observadores.2 de diferença para baixo entre a correlação entre formas alternativas e o alfa.

no seu conjunto. as validades de tradução (conteúdo e face). A medida quando aplicada na prática. que é similar ao alfa. circular. Validade de conteúdo Também chamada intrínseca. aparenta ser prática. mas muitos acreditam que. Utilizar amostras da população e peritos para a geração inicial de itens.– (3) por coeficientes de fiabilidade. e formatos fáceis de resposta. tem a ver com a opinião e percepção dos inquiridos. relatar os resultados dos esforços de validação de conteúdo como índices para os investigadores usarem na avaliação da relevância e representatividade dos itens. instruções fáceis de entender. pela facilidade de uso. nomológica e de grupo conhecido. examinar a representação proporcional dos itens ao longo das diversas dimensões. • • • • • • • • • • • • 4 . discriminante. de relevância e de representatividade. representam as fontes mais frequentemente utilizadas de validade do construto. usar múltiplos juízes da validade de conteúdo e quantificar os seus julgamentos. Portanto. preditiva. convergente. Validade de face Refere­se à aparência de que a escala tem validade. – – • • • Validade do construto Refere­se a quão bem uma medida realmente mede o construto. de traço ou factorial. Tem a ver com a representatividade do conteúdo dos itens em relação ao domínio do conteúdo teórico e às dimensões do construto. sendo o alfa de Cronbach (1951) o mais utilizado. Validade de tradução Tem a ver com o conteúdo dos itens e em que extensão o construto está traduzido na sua operacionalização. pela sua clareza. Há desacordos. (4) pela fiabilidade composta (validade do construto). existindo dois tipos: a de conteúdo e a de face. (5) e pela variância média extraída. induzindo à cooperação dos inquiridos. para além da validade estatística. Validade teórica Também chamada de validade da variável latente. pertinente e relacionada com os propósitos do próprio instrumento.

• • • • • • 5 . que contenha o construto.• Pretende­se saber em que grau uma medida avalia o conceito que é suposto avaliar. quando diferentes métodos de medida são necessários ou utilizados na investigação. testa­se a convergência entre diferentes medidas do mesmo conceito. então existe validade discriminante. mas sim inferido através da análise da fiabilidade e das validades convergente. • • • • • • • – • • Matrizes multi­traço multi­método MMTMM (Campbell e Fiske. e segundo. Validade convergente Refere­se ao grau em que duas medidas. Primeiro. Uma correlação baixa a moderada é considerada evidência desta validade. Duas técnicas para avaliar a validade discriminante: – (1) calcular a média da variância extraída em cada par de dimensões e verificar se é superior à variância partilhada pelos dois factores (o quadrado da correlação entre os dois factores). Ou fazendo análise factorial e verificando se os itens das duas medidas pesam nos mesmos factores. Validade discriminante A validade discriminante avalia o grau em que duas medidas de construtos próximos. discriminante e nomológica (Peter. simulando multi­métodos. Uma correlação forte será evidência desta validade. estão relacionadas. 1959) são usadas muitas vezes para avaliar estas validades. 1981). que medem o mesmo construto. (2) se um modelo com os dois factores se ajusta significativamente melhor que o modelo de um só factor. testa­se a divergência entre medidas de conceitos relacionados mas distintos. são confirmadas. ou afirmação definitória). Também se utiliza as correlações entre as escalas e medidas únicas (só um item. Validade nomológica Tem sido definida como o grau em que as predições de uma rede teórica formal. Ou utilizando a opinião de casais sobre o mesmo. mas conceptualmente diferentes. o que não pode ser verificado directamente. estão relacionadas.

ou os métodos experimentais são utilizados para comprovar este tipo de validade. Pode­se usar. A validade preditiva implica que exista uma correlação significativa entre a escala e um determinado fenómeno consequente. A evidência conseguida com os métodos utilizados para as validades anteriores pode ter implicações na validade nomológica. de regressão. A validade relacionada com o critério tem a ver com o grau com que o construto está relacionado com uma variável de critério. ou relacionada com o critério (variável dependente). Variância de método comum • • • • • • • • • • • • • • • • • 6 . estatística. sendo capaz de prever as variações de outra variável com ele relacionada. pode ser posditiva. Estatisticamente é determinada pelo grau de correspondência entre a variável preditora e a de critério (correlação). a outra se estiver altamente correlacionada será também válida. É difícil de aplicar. Validade de grupo conhecido Envolve a capacidade da medida distinguir fiavelmente entre grupos de pessoas que devem pontuar alto ou baixo no traço. isto é. A validade concorrente implica que as variáveis sejam medidas simultaneamente. simultaneamente. duas medidas do mesmo fenómeno: estando uma avaliada. Pode­se avaliar a validade concorrente relativa. Validade empírica Também chamada de validade preditiva. Os modelos de equações estruturais. pois há muitos problemas com a escolha do critério. concorrente ou preditiva.• Baseada em hipóteses de relacionamento da variável com outras (antecedentes e consequentes) numa rede ou modelo. Esta abordagem é baseada na relação temporal do preditor e da variável de critério. A validade pósdictiva implica que a variável de critério seja medida antes da variável independente. prática. A capacidade de predizer entre grupos analisa­se através das diferenças entre as pontuações médias de cada grupo em relação à média da amostra total. verificando as correlações com medidas concorrentes do mesmo construto. que deverão ter diferenças estatisticamente significativas na sua relação com a variável de critério.

1990). Assume­se que existe CMV se a média das correlações MH é consideravelmente maior do que a média das correlações HH. caso contrário é considerada trivial. 2003). Teste de factor único de Harman O mais usado para avaliar a CMV numa pesquisa só com um método (Podsakoff et al. Assim. que estejam livres de enviesamentos de método e do erro aleatório. Assume­se que existe CMV se: – – (1) um só factor emergir da solução factorial sem rotação. permite a estimação dos verdadeiros relacionamentos entre os factores latentes. 2006). construtos) e métodos (medidas). também tem limitações. Kim e Patil. Contudo. e o erro aleatório. p. (4) Técnica da variável­marcador. ao contrário do método tradicional. MMTMM com AFC A AFC permite modelizar explicitamente a variância numa medida como uma função de 3 componentes: a “verdadeira” pontuação da variância. a variância devida ao efeito do método. (2) Técnica moderna da MMTMM usando a análise factorial confirmatória. a AFC torna possível estimar quão semelhante ou diferente são os métodos adoptados na MTMM. A extensão da CMV é estimada pela diferença entre as correlações monométodo­ heterotraço (MH) e as correlações heterométodo­heterotraço (HH) (Millsap. • • MMTMM tradicional Tabela de correlações entre combinações de traços (conceitos. (3) Teste de factor único de Harman. 536). Apresenta várias limitações (Malhotra. Todos os itens dum estudo são sujeitos a uma análise factorial exploratória. ou (2) um primeiro factor explica a maior parte da variância das variáveis (Podsakoff and Organ 1986. • • • • • • • • • • • • 7 .• 4 abordagens deste enviesamento: – – – – (1) MMTMM. Consequentemente.

a menor correlação positiva na matriz será uma estimativa conservadora da correlação marcadora. Aqui todos os itens manifestos são modelados como indicadores de um só factor. 8 • • • • • • • • • • • • • – – – . independente de outra variável. Uma variável especial é preparada e incorporada no estudo. que representa os efeitos do método.• Como alternativa pode­se usar a AFC. 1998). Também tem limitações.. deve­se usar a segunda menor correlação positiva como proxy. em relação ao seu universo disponível. tendo de ser. 115). O enviesamento do método é assumido ser grande se o modelo proposto se ajustar aos dados (e. menos. Pode aquela correlação ser estimada após o estudo. Estes problemas afectam a fiabilidade das escalas. a interacção entre os sujeitos e os pontuadores. a CMV pode ser avaliada com base na correlação entre a variável­marcador e a variável teoricamente não relacionada com ela. pelo. Técnica de variável-marcador Lindell and Whitney (2001) proposeram uma nova abordagem para resolver os problemas do método anterior.g. Assim. verificando se mantêm o seu significado estatístico: Teoria da generalização Os itens a utilizar. mas também pela CMV. A menor correlação entre as variáveis manifestas fornece uma proxy razoável da CMV" (p. sem a variável­marcador identificada à partida (Lindell and Brandt 2000). a interacção entre os sujeitos e o tempo. Esta teoria divide a variância total de uma escala em diferentes componentes: – – variação devida às diferentes pessoas ou sujeitos. variação devida a diferentes pontuadores (analistas da situação. Porque uma correlação incorrecta é influenciada não só pela covariância verdadeira. Mossholder et al. investigadores). variação devida a observações em momentos diferentes do tempo. Calcula­se uma correlação CMV­ajustada entre as variáveis sob investigação. e em função do país e da cultura de diferentes populações. Esta abordagem a posteriori tem o potencial de capitalizar em factores de sorte. Portanto.

– – • a interacção entre os pontuadores e o tempo. e a interacção entre sujeitos. e auto­administração do inquérito (por correio e anónimo). colocando a variável do total da pontuação como variável dependente. técnica de resposta aleatória. • • • • • • 9 . Nos primeiros temos o uso de questões neutrais. seleccionando Model e escolhendo ANOVA. A variância de componentes pode ser usada para calcular o coeficiente de generabilidade. As três primeiras parecem que não têm dado bons resultados. há algumas medidas descritas no livro “Scaling Procedures”. faz­se Analyze – General Linear Model – Variance Components. Respostas socialmente desejáveis Há métodos para prevenir e outros para medir o fenómeno. No SPSS. pontuadores e tempo. para estimar a variância dos componentes. que é análogo ao coeficiente de fiabilidade. itens de escolha forçada. e os Itens e os Sujeitos como Random Factors. questionamento indirecto (responder por outro ou por um grupo). Nos segundos. Fazer uma análise de variância para analisar a generalização e estimar a percentagem da variância total devida a cada fonte.

��������������������������������������������������������������������������� ��������������������������������������������������������������������������������� ����������������������������������������������������� .

You're Reading a Free Preview

Descarregar
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->