Você está na página 1de 118

Elaborando um Questionrio

Lor Viali, Dr.


DESTAT/FAMAT/PUCRS
viali@pucrs.br
http://www.pucrs.br/famat/viali
PASSOS
Estabelecer uma ligao com:
O problema e os objetivos da pesquisa;

As hipteses da pesquisa (Quantitativa);

A populao a ser pesquisada;

Os mtodos de anlise de dados


(escolhidos e/ou disponveis);

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Decidir sobre:

O Contedo das perguntas;

Formato das respostas desejado;

Formulao das perguntas;

A seqncia das perguntas;

O fluxo e a estrutura (lay-out);

Pr-teste;

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Identificar a necessidade de informao;

Determinar o mtodo de coleta de dados;

Planejar as principais sees;

Formular as questes de cada seo

Determinar o fluxo e a estrutura;

Revisar;

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Contedo das questes
A questo realmente necessria? Onde
a informao vai ser utilizada?
O assunto exige uma nova pergunta ou j
est includo em alguma outra?
A questo clara e especfica?
Quantas questes so necessrias sobre
esse tpico? Uma suficiente?

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Qual a escala que ser utilizada?
Uma resposta dicotmica (sim/no)
suficiente?
A questo envolve um nico tema?
O pblico alvo tem condies de
responder a questo?
Que restries os respondentes podem ter
em responder as questes?

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Formatando as respostas
A escolha do(s) tipo(s) de
questo(es) deve levar em conta
a resposta que se quer e tambm a
forma como a informao ser
tratada.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Quanto ao questionrio
Revise.
Obtenha todas as aprovaes;
Realize um pr-teste (piloto) com
amigos/colegas;
Faa as revises baseadas no pr-teste;
Revise novamente!

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Identifique voc e a organizao;

Defina os objetivos do questionrio;

Solicite, apele, incentive a participao;

Estime o tempo necessrio para


responder;

Fornea instrues bsicas (quem, como,


quando).

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Esclarea que a participao
voluntria;
Assegure a confidencialidade e o
anonimato;
Questes prospectivas;
Questes avaliativas;
Questes demogrficas;
Fechamento (agradecimento);

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Quanto as questes
Seja simples. Se o respondente no
entender o que est sendo perguntado
ele no responde ou pode responder
qualquer coisa;
Evite perguntar mais de uma coisa ao
mesmo tempo. Por exemplo: voc gosta
de cinema ou teatro?
Evite questes ambguas. Voc acha
que os jovens deveriam ser envolver mais
em causas sociais?
Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/
Questes opinativas deve ser evitadas.
Por exemplo: com que freqncia voc
pratica exerccios?

Negativas duplas podem ser difceis de


entender. Por exemplo, no correto
que algumas pessoas no deviam ter
permisso para dirigir?

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Evite o uso de termos tcnicos que
podem ser desconhecidos. Por exemplo,
presso alta melhor do que
hipertenso.
O nvel da linguagem deve ser
adequado a populao sendo
amostrada. Utilize um estudo piloto para
poder calibrar a linguagem.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Fluxo e Layout
Estabelea o entrosamento e o
ordenamento lgico dos tpicos.

 Primeiro as questes fceis;

 Estabelea uma seqncia do geral


para o especfico;
 Deixe os tpicos sensveis para o final,
informaes pessoais (demogrficas);

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


 V do real para abstrato;

 Comece com as questes fechadas;

 Comece com as questes relevantes


ao assunto principal;

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Utilize frases de transio entre as
principais sees, especialmente em
questionrios longos:

A seguir algumas questes sobre o


que voc aprova ou desaprova e por
ltimo algumas questes pessoais.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Numere as questes;

No divida questes/respostas entre


pginas;

Fornea instrues prximas as questes;

Utilize tamanho/estilo da fonte para dar


nfase (negrito, itlico, sublinhado,
MAISCULAS)

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


No amontoe as questes/respostas.
Deixe espaos.

Seja consistente na escolha da estrutura


(layout);

Utilize a numerao para indicar


questes que podem ser puladas,
fornecendo instrues claras, sinais.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Tipos de questes
Abertas
Vantagens

Boas para questionamentos;


Exercem pouca influncia sobre o
entrevistado;
Proporcionam aprofundamentos;
Permitem explicaes;
So mais simples de fazer.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Desvantagens

Mais difceis de codificar;


Maior possibilidade de influncia do
entrevistador;
Problemas com a resposta de
entrevistados com dificuldade de
expresso.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Fechadas
Vantagens

So mais fceis de codificar, processar


e analisar;
So mais fceis de responder;
Exigem menos tempo do entrevistado.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Desvantagens
Podem apresentar erros de medida caso
as opes de resposta no sejam
exaustivas;
Exigem mais tempo na preparao e
elaborao do questionrio;
Podem influenciar o entrevistado pelas
alternativas apresentadas.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Exemplos
Abertas
03. Em qual escola voc fez o ensino mdio?
___________________________________

Fechadas
04. Em que turno voc prefere estudar?
( ) Manh ( ) Tarde ( ) Noite

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Semi-abertas
05. Qual o principal meio de comunicao que
voc utiliza para se manter informado?
( ) Jornal
( ) Rdio
( ) Televiso
( ) Revistas
( ) WWW
( ) Outros
Quais?_______________________________________

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Encadeadas
06. Voc exerce atividade remunerada?
( ) Sim, em tempo parcial (at 30 h/s)
( ) Sim, em tempo integral (mais de 30 h/s)
( ) Sim, em trabalho eventual
( ) No.
06.1 Se respondeu Sim questo anterior, indique o
tipo de atividade remunerada que exerce?
( ) Estgio
( ) Profissional
( ) Autnomo
( ) Empresa familiar
Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/
Com matriz de resposta
06. Cite 2 filmes que assistiu
recentemente

Um ponto
Filme Nota
Forte Fraco

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Com ordem de preferncia
08. O mais importante em um bom professor :
(5 mais importante 1 menos importante)
( ) Ser simptico
( ) Ter domnio do contedo
( ) Ser assduo
( ) Ser pontual
( ) Falar bem e claro
( ) Vestir-se bem e na moda
( ) Fazer provas fceis

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


De mltipla escolha

09. Nos momentos de lazer voc prefere:


( ) Ouvir msica
( ) Ler
( ) Ver televiso
( ) Praticar esportes
( ) Ir ao cinema
( ) Ir ao teatro
( ) No fazer nada

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Tipo de Pesquisa
x
Tipos de questes
Pesquisa A maioria das
perguntas so
Qualitativa
abertas

A maioria das
Pesquisa
perguntas so
Quantitativa fechadas

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


O questionrio
Um bom questionrio deve ter trs coisas:

Validade (Validity);

Confiabilidade (Reliability)

Discriminao (Discrimination)

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Validade
Os itens de um questionrio devem

medir algo e os de um bom questionrio

medem aquilo que se pretende medir, isso ,

validade. Assim validade significa medir

aquilo que se pensa que se est medindo. A

validade no obtida facilmente e pode

assumir pelo menos trs formas:

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Validade de contedo;

Validade de critrio e

Validade fatorial.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Validade de Contedo
Os itens de um questionrio
devem estar relacionados ao
construto sendo medido. Por exemplo
um questionrio medindo a
habilidade de se relacionar ter
pouco uso se os itens medirem
habilidade numrica.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A validade de contedo a
representatividade das questes, o
quanto elas medem daquilo que
realmente se quer medir.
As questes no devem ser muito
parecidas e devem englobar todos os
ngulos do construto.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Validade de Critrio
Se o questionrio mede aquilo
que ele diz medir. As maneiras de
avaliar se um questionrio
apresenta esse tipo de validade
so:

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


(a) utilizar o questionrio em vrias
situaes e ver o quo preditivo ele ,
(b) ver o quanto ele se correlaciona com
outros instrumentos medindo a mesma coisa
e
(c) por tcnicas estatsticas como o IVI
(ndice de Validade do Item).

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Validade Fatorial
Esse tipo de validade se refere
basicamente se a estrutura de
fatores do questionrio faz sentido.
Essa estrutura pode ser avaliada por
meio da anlise de fatores (SPSS ou
outro).

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Quando os itens estiverem
prontos e o instrumento testado,
pode-se conduzir uma anlise de
fatores nos dados e verificar quanto
fatores esto sendo de fato
avaliados.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A validade
necessria, mas no
uma condio suficiente
de um instrumento de
medida.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Confiabilidade
Um questionrio no precisa ser apenas
vlido, mas tambm confivel.
Confiabilidade a propriedade de que um
instrumento de medida produza os mesmos
resultados se submetido as mesmas
condies. Para ser confivel um
questionrio precisa primeiro ser vlido.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A maneira mais fcil de verificar a
confiabilidade testar o mesmo grupo de
pessoas mais de uma vez. Se o questionrio
confivel os escores das pessoas devem
ser aproximadamente os mesmos no
decorrer do tempo. Assim os escores das
duas aplicaes devem ter uma correlao
perfeita ou quase perfeita.
Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/
No entanto isso no feito, pois podem
existir efeitos de confundimento, como a de
pessoa lembrar a resposta. Tambm essa
tcnica no efetiva se estivermos medindo
capacidades que se alteram com o tempo.

Existem tcnicas estatsticas que podem


ser utilizadas para verificar a confiabilidade
de um instrumento.
Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/
A mais simples o mtodo da diviso
pela metade (split-half method). Essa
tcnica apresenta alguns problemas que
podem ser superados com o uso do alfa de
Cronbach. Esse ndice a medida de
confiabilidade mais comum. Em geral um
valor de 0,8 ou acima aceito como um
indicativo de um bom instrumento.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Lee Joseph CRONBACH (1916 - 2001)

Iniciou a carreira como professor de matemtica e qumica na


escola de ensino mdio de Fresno, mudando-se aps para a
Universidade de Chicago, Universidade Estadual de Whashington,
Universidade de Illinois e nos ltimos 37 anos lecionou na
Universidade de Stanford. Foi presidente da Associao Americana
de Pesquisa em Educao, da Sociedade Psicomtrica e membro da
Academia Nacional de Cincias, da Academia Nacional de
Educao, da Sociedade Americana de
Psicologia e da Academia Americana de Artes
e Cincias. Faleceu como professor emrito de
Educao da Universidade de Stanford.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/























Confivel mas Nem confivel


Confivel
e Vlido no Vlido e nem vlido

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Consistncia Interna
ou
Confiabilidade
Se os itens de uma escala devem medir
aspectos de um mesmo construto, ento
eles devem ser todos altamente
correlacionados entre eles. Medidas de
consistncia interna forma desenvolvidas e
simplificam bastante o processo.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


O alfa de Cronbach ou coeficiente alfa est
relacionado com a correlao entre cada par de
itens e o nmero de itens de uma escala. a
medida de consistncia mais utilizada. No entanto,
mesmo se uma escala apresenta um valor de alfa
alto ela ainda pode ter itens pobremente
correlacionados entre si. Assim convm inspecionar
os seguintes valores da sada do SPSS:

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A correlao parte/todo (ou correlao
item/total) que a correlao entre cada item e
a soma dos outros itens.
A correlao mltipla ao quadrado para cada
item, que o r2 obtido se um item colocado na
regresso como uma varivel critrio com os
outros itens como variveis preditivas.
O valor do alfa de Cronbach para a escala se um
item em particular eliminado.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Clique em Analyze, depois em Scale e finalmente em
Reliabilit y Analysis. A seguinte caixa de dilogos ir abrir:

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Mova todos os itens de interesse da escala do
painel esquerdo para o direito, clicando sobre o
item e depois na seta entre os painis.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Se o modelo for processado dessa
forma a nica sada obtida ser:

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


****** Method 1 (space saver) will be used for this analysis ******

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 48,0 N of Items = 20

Alpha = ,8994

Ou seja a nica estatstica de interesse


ser o valor do coeficiente alfa que nesse
caso 0,8994.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Para obter outros resultados de interesse
clique em Statistics que abrir a seguinte caixa de
dilogos:

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Marque ento as seguintes opes:

Clique em Continue. Nesse caso teremos:


Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/
***** Method 2 (covariance matrix) will be used for this analysis ******
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
Mean Std Dev Cases
1. Q_A 3,9583 ,8495 48,0
2. Q_C 3,8958 1,0364 48,0
3. Q_D 4,2708 ,7068 48,0
4. Q_E 4,4583 ,6510 48,0
5. Q_F 4,0208 1,0617 48,0
Essa tabela a 6. Q_J 4,3333 ,8833 48,0
7. Q_N 3,6875 1,1139 48,0
opo item da 8. Q_O 4,2292 ,7784 48,0
9. Q_S 3,3542 ,8377 48,0
Descriptives da 10. Q_T 3,8750 1,0644 48,0
11. Q_BR 3,9583 ,9216 48,0
caixa Statistics. 12. Q_GR 4,3958 ,7363 48,0
13. Q_HR 3,7917 ,7426 48,0
14. Q_IR 3,5833 ,9857 48,0
15. Q_KR 3,6042 1,1250 48,0
16. Q_LR 3,9167 1,0280 48,0
17. Q_MR 3,0208 1,1202 48,0
18. Q_PR 3,9583 ,7978 48,0
19. Q_QR 3,0000 ,9893 48,0
20. Q_SR 3,5000 ,8251 48,0

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Esse resultado conseqncia de
ter marcado a opo Scale do
item Descriptives da caixa Statistics.

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

N of Cases = 48,0

Statistics for Mean Variance Std Dev N of Variables

Scale 76,8125 117,4322 10,8366 20

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Item-total Statistics
Scale Scale Corrected
Mean Variance Item- Squared Alpha
if Item if Item Total Multiple if Item
Esse resultado Deleted Deleted Correlation Correlation Deleted
Q_A 72,8542 107,1059 ,5462 ,7259 ,8942

Q_C 72,9167 106,4184 ,4649 ,8423 ,8966


conseqncia Q_D 72,5417 108,0408 ,6052 ,7828 ,8934
de se ter Q_E 72,3542 108,6166 ,6185 ,7001 ,8935
Q_F 72,7917 101,1472 ,7098 ,7512 ,8889
marcado a Q_J 72,4792 105,1485 ,6351 ,8133 ,8918
opo Scale if Q_N 73,1250 114,7074 ,0622 ,3800 ,9097
Q_O 72,5833 108,2482 ,5296 ,8215 ,8948
it em deleted
Q_S 73,4583 112,4663 ,2400 ,3776 ,9017
da caixa de Q_T 72,9375 106,0598 ,4670 ,7845 ,8967
dilogos Q_BR 72,8542 106,7655 ,5155 ,7195 ,8949
Q_GR 72,4167 106,1206 ,7099 ,7687 ,8909
St atistics. Q_HR 73,0208 106,4889 ,6781 ,7936 ,8916
Q_IR 73,2292 105,3293 ,5502 ,7608 ,8940
Q_KR 73,2083 102,7216 ,5896 ,8693 ,8929
Q_LR 72,8958 103,7974 ,6005 ,7331 ,8925
Q_MR 73,7917 103,5301 ,5548 ,7823 ,8941
Q_PR 72,8542 106,4251 ,6300 ,6950 ,8923
Q_QR 73,8125 105,2194 ,5535 ,7712 ,8939
Q_SR 73,3125 106,5173 ,6009 ,6152 ,8929

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Continuao da tabela anterior
.

Reliability Coefficients 20 items


Alpha = ,8994 Standardized item alpha = ,9068

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


O alfa padronizado (Standardized
item alpha) calculado com base na
hiptese (no necessariamente vlida) de
que as varincias dos itens so iguais. Ele
resultado da opo Inter-item na caixa de
dilogo Statistics da Anlise de
Confiabilidade.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Pelo valor de alfa essa escala
confivel. Mas possvel melhorar
um pouco mais esse valor. Se forem
retirados ou refeitos os itens q_n e
q_s, observe que os valores de alfa,
em cada caso, aumentariam.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


RE L IA B IL I TY A N A L YS IS
Scale Scale Corrected
Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted
Q_A 72,8542 107,1059 ,5462 ,8942
Se essas duas Q_C 72,9167 106,4184 ,4649 ,8966
questes Q_D 72,5417 108,0408 ,6052 ,8934
Q_E 72,3542 108,6166 ,6185 ,8935
forem Q_F 72,7917 101,1472 ,7098 ,8889
Q_J 72,4792 105,1485 ,6351 ,8918
retiradas a Q_N 73,1250 114,7074 ,0622 ,9097
confiabilidade Q_O 72,5833 108,2482 ,5296 ,8948
Q_S 73,4583 112,4663 ,2400 ,9017
da escala Q_T 72,9375 106,0598 ,4670 ,8967
Q_BR 72,8542 106,7655 ,5155 ,8949
aumentaria.
Q_GR 72,4167 106,1206 ,7099 ,8909
Alpha = 0,8994 Q_HR 73,0208 106,4889 ,6781 ,8916
Q_IR 73,2292 105,3293 ,5502 ,8940
Q_KR 73,2083 102,7216 ,5896 ,8929
Q_LR 72,8958 103,7974 ,6005 ,8925
Q_MR 73,7917 103,5301 ,5548 ,8941
Q_PR 72,8542 106,4251 ,6300 ,8923
Q_QR 73,8125 105,2194 ,5535 ,8939
Q_SR 73,3125 106,5173 ,6009 ,8929

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A opo por omisso o alfa,
mas na linha modelo (model)
possvel escolher outros modelos.
Uma possibilidade rodar o
modelo diviso pela metade (split-
half) ao invs de alfa.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


As sadas adicionais, para esse modelo,
so mostradas a seguir:

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Esse resultado mostra as
estatsticas para toda a escala
A correlao entre mais as das somas das respostas
as somas dos itens de cada uma das metades.
em cada metade.

****** Method 1 (space saver) will be used for this analysis ******
R E L I A B I L I T Y A N A L Y S I S - S C A L E (S P L I T)
Statistics for Mean Variance Std Dev N of Variables
PART 1 40,0833 29,1418 5,3983 10
PART 2 36,7292 41,9038 6,4733 10
SCALE 76,8125 117,4322 10,8366 20
Reliability Coefficients
N of Cases = 48,0 N of Items = 20
Correlation between forms = ,6637 Equal-length Spearman-Brown = ,7979
Guttman Split-half = ,7900 Unequal-length Spearman-Brown = ,7979
10 Items in part 1 10 Items in part 2
Alpha for part 1 = ,7944 Alpha for part 2 = ,8781

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Dimensionalidade
possvel medir a dimensionalidade
de uma escala ou questionrio. Primeiro
se for desejado uma escala em que
todos os itens meam um nico
construto pode-se verificar qual a
carga de cada item em uma nica
componente. Itens com cargas fracas
so descartados ou reescritos.
Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/
Segundo para verificar se existe
mais de um componente na escala
pode-se utilizar a anlise de
componentes ou de fatores para
determinar a estrutura da escala.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Pode-se utilizar os itens que esto mais
fortemente relacionados a cada
componente, se existir mais de um, como
sub-escalas. Assegurar-se de que uma
escala unidimensional ou que as sub-
escalas sejam identificadas um dos
aspectos da validade de construto.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Identificando escalas
com um componente
Clique em Data Reduction,
Factor ... para realizar uma anlise de fatores, isto
, descobrir quantas sub-escalas existem.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


1. Na caixa de dilogos Factor Analysis: Extraction
marque o nmero de fatores para 1.

Mtodo de
extrao:
componentes
principais.

2. Veja outros mtodos de extrao dos fatores.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


1. Na caixa de dilogos Factor Analysis: Extraction
marque a opo Scree plot (Diagrama de
declividade) Opes para
determinar o
nmero de fatores:
pelos autovalores
(eigenvalues) ou
fixando.

2. Veja outros mtodos de extrao dos fatores.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


2. Na caixa de dilogos Factor Analysis: Options,
selecione Sorted by size.

As duas tabelas mais importantes para esse


objetivo so mostradas a seguir:

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Total Variance Explained

Initial Eigenvalues
Component Total % of Variance Cumulative %
1 7,654 38,272 38,272
2 2,416 12,081 50,353
3 1,463 7,313 57,666
4 1,185 5,924 63,590
A principal 5 1,099 5,495 69,085
6 1,059 5,297 74,381
componente 7 ,731 3,655 78,037
8 ,697 3,485 81,522
explica 9 ,659 3,295 84,817
10 ,552 2,760 87,577
apenas 38% 11 ,506 2,529 90,105
12 ,449 2,246 92,351
da varincia 13 ,332 1,658 94,009
14 ,295 1,474 95,483
15 ,266 1,332 96,815
16 ,219 1,097 97,912
17 ,161 ,803 98,714
18 ,117 ,586 99,301
19 ,107 ,537 99,838
20 ,032 ,162 100,000
Extraction Method: Principal Component Analysis.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


O diagrama de declividade (scree plot ) mostra o
nmero de dimenses do questionrio. Em geral, o nmero de
fatores determinado pelo ponto onde o grfico muda de sinal
abruptamente (autovalores acima de 1).

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A partir da anlise deve-se
descartar os itens q_s e q_n ou ento
reescrev-los. Observe que esses
itens tambm foram identificados na
anlise de confiabilidade (Estatsticas
Item_Total) anterior.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


a
Component Matrix

Com ponent
1

A regra Q_F
Q_GR
,777
,765
Q_HR ,721
prtica que Q_J ,702
Q_PR ,687
se um item Q_E ,684
Q_KR ,663
apresenta Q_D ,654
Q_SR ,777
uma carga Q_LR ,632
Q_IR ,621
inferior a 0,4 Q_QR
Q_MR
,615
,614

ele deve ser Q_A


Q_BR
,605
,597
Q_O ,589
descartado Q_T ,518
Q_C ,517
ou revisto. Q_S ,280
Q_N ,074
Extraction Method: Principal Com ponent Analysis.
a. 1 com ponents extracted.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Se um item for eliminado ento outra
anlise deve ser executada com os dados
restantes, pois a carga dos fatores ir se
alterar. Para esses dados vamos verificar que
a maior componente aumenta para 42% e
as cargas dos demais itens permanecem
acima de 0,50.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Medindo a estrutura
dos itens na escala
Entre com os 20 itens na anlise de
componentes principais da anlise de
fatores. Para isso basta repetir a anlise
anterior com exceo da opo Sorted by
size. Apenas alguns dos resultados so
mostrados.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Verifique os indicadores de
fatorabilidade. Alguns deles so razoveis. O
valor do KMO, no entanto, de apenas 0,59.
Tambm alguns dos valores individuais do
KMO na diagonal da matriz de correlao
anti-imagem esto abaixo do valor 0,50 o
que significa um desempenho pobre do
item.
Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/
KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling


Adequacy. ,594

Bartlett's Test of Approx. Chi-Square 566,695


Sphericity df 190
Sig. ,000

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A tabela da varincia total explicada
mostra que existem seis componentes com
autovalores maiores do que um. Ela tambm
mostra o percentual da varincia que
explicada aps a rotao dos
componentes.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Component Matrix a

Component
1 2 3 4 5 6
Q_A ,605 ,377 -,180 ,196 ,079 -,330
Q_C ,517 ,516 ,105 -,222 -,368 ,055
Q_D ,654 ,464 -,130 ,285 ,090 -,163
Q_E ,684 ,323 ,168 -,280 -,081 -,236
Q_F ,777 -,247 ,105 ,045 -,163 ,023
Q_J ,702 ,061 -,182 -,056 -,053 -,277
Q_N ,074 ,482 -,160 ,244 -,042 ,706
Q_O ,589 ,266 ,441 ,041 -,413 ,021
Q_S ,280 ,016 ,512 -,264 ,635 ,061
Q_T ,518 ,176 ,273 ,656 ,255 -,109
Q_BR ,597 -,536 -,144 -,136 -,082 -,098
Q_GR ,765 -,018 ,181 -,186 -,043 ,172
Q_HR ,721 -,414 ,027 ,348 -,190 ,063
Q_IR ,621 -,544 ,168 ,261 ,041 ,025
Q_KR ,663 -,291 -,506 -,119 -,092 -,064
Q_LR ,632 ,308 -,073 -,124 ,059 ,278
Q_MR ,614 -,376 -,313 ,029 ,215 ,313
Q_PR ,687 ,131 -,037 -,195 ,365 -,067
Q_QR ,615 -,357 ,383 -,185 -,065 ,192
Q_SR ,644 ,262 -,427 -,162 ,176 ,091
Extraction Method: Principal Component Analysis.
a. 6 components extracted.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A matriz dos componentes
rotacionadas anterior mostra que quatorze
dos 20 itens tem a maior carga em um dos
dois primeiros componentes, com trs itens
no terceiro. Os ltimos trs componentes
esto distribudos nos componentes quatro,
cinco e seis. Observe que os itens q_n e q_s
esto entre esse trs.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Scree Plot
10

O diagrama de
8
declividade
mostra apenas 6

dois
4
componentes

Eigenvalue
acima do limite 2

entre a parte
0
ngreme e a 1 3 5 7 9 11 13 15 17 19
2 4 6 8 10 12 14 16 18 20
parte plana da
Component Number
curva.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Discriminao
Discriminao significa que pessoas
com escores diferentes em um questionrio
devem diferir no construto de interesse. Assim
se o teste de habilidade numrica ento
pessoas com habilidade e sem habilidade
devem ter pontuaes diferentes. Existem
trs corolrios a serem considerados:

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


1. Pessoas com o mesmo escore devem ser
iguais quanto ao construto sendo
mensurado;
2. Pessoas com escores diferentes devem
ser diferentes quanto ao construto sendo
avaliado e
3. O grau de diferena entre as pessoas
deve ser proporcional aos escores.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Vis nas Respostas
Mesmo quando a formulao das
questes cuidadosa existem ainda
problemas que podem surgir na construo
de um questionrio.
Conjuntos de respostas padronizadas
ou tendenciosidade assumem vrias formas
sendo a mais comum a concordncia ao
invs da discordncia. o conhecido digo
sim. O digo no menos comum.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


O problema quando isso ocorre
no levar em conta os itens como
tal mas sim o de se obter respostas
estereotipadas a despeito do que
est sendo perguntado.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A forma de lidar com o problema se
assegurar de que no existem padres
bvios na forma em que as questes so
apresentadas. Sempre que possvel evite
categorizar questes. Tente manter o
respondente alerta apresentando questes
de forma variada de preferncia em ordem
aleatria.
Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/
Uma forma adicional de manter o vis
no mnimo tentar balanar o nmero de
declaraes positivas e negativas. Se o
respondente enfrentar um grande nmero
de questes em que uma resposta positiva
(negativa) seja necessria isso pode lev-lo
a acreditar que sempre ser assim.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


A tendncia social uma forma

de vis de resposta em que o

respondente fornece o que mais

aceito socialmente do que o que ele,

de fato, pensa. o hoje denominado

politicamente correto.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Alguns acreditam que isso um
problema individual e no do questionrio.
Para lidar com isso pode-se incorporar o que
conhecida como escala da mentira, isto
, formular questes para identificar as
pessoas que tendem a responder de forma
socialmente desejvel. Uma vez
identificados eles podem ser excludos do
estudo.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


Referncias
BOOTH, W. C. , COLOMB, G. G, WILLIAMS, J. M. A
arte da pesquisa (The Craft of Research). So
Paulo: Martins Fontes. 2000.
BRACE, Nicola, KEMP, Richard, SNELGAR, Rosemary.
SPSS for Psychologists: versions 12 and 13. New
York: Palgrave MacMillan. Third Edition, 2006.
FIFE-SCHAW, C. Questionnaire design. In: G. M.
Breakwell, S. Hammond & C. fifeshaw (Eds.).
Research Methods in Psychology (2nd ed.,
Chapter 120. London: Sage.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


FRARY, Robert B. Hints for designing
effective questionnaires. Practical
Assessment, Research & Evaluation. v. 5,
n. 3, 1996.
SCHEAFFER, Richard L., MENDENHALL,
William. Elementary Survey Sampling. New
York: Thonson, 1996. 5th Edition.

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/


http://www.chssc.salford.ac.uk/healthSci/resmeth2000/re

smeth/questatt.htm

http://www.chssc.salford.ac.uk/healthSci/resmeth2000/re

smeth/chap2.htm (Ver mtodos quantitativos)

http://home.ubalt.edu/ntsbarsh/stat-data/Surveys.htm

Prof. Lor Viali, Dr. - PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali/