AFC 2014 Alunos

Análise
Fato
rial
Confirmatór
ia
Algumas No
ta s
Drª Joana Carvalho e Profª Mª João Alvarez

Modelo Geral de Equações Estruturais
Conjunto de dois Submodelos
1.  Modelo de Medida – Análise Fatorial

Confirmatória (AFC)

2.  Modelo Estrutural – Relações Causais entre
Variáveis Latentes
4
4.1. Introdução
ão Os Submodelos
Análise de Equações Estruturais (dois componentes) :
1. Estruturais
Modelo de(dois
Medida: Estabelece relações hipotéticas entre os factores e as variáveis
Modelo de Medida
ões componentes) :
que são manifestações
dida: Estabelece desses factores
relações hipotéticas entre os (A AFC éeaas
factores Análise do Modelo de Medida!)
variáveis
estações desses factores
1 (A AFC é a1 Análise do Modelo de Medida!)
erro3 Saber1
1 Saber
1
erro4 Saber2
Saber1
1Saber 1 1 1
Saber2 erro5 Valor1 Performance1 erro1
1 Valor Performance
1 1
1 1
Valor1 erro6 Valor2 Performance1 erro1 Performance2 erro2
1Valor Performance
1 1
Valor2 erro7 Satisfação1 Performance2 erro2
1 Satisfação
1
erro8 Satisfação2
Satisfação1
Satisfação
Satisfação2
1. Modelo Estrutural: Estabelece relações recursivas Modelo Estrutural

Saber
e/ou não-recursivas
ural: Estabelece hipotéticas entre factores
relações recursivas
Saber
latentes e ou
sivas hipotéticas variáveis
entre manifestas
factores
Valor Performance
ariáveis manifestas
Valor Performance
Satisfação
Satisfação
Análise Fatorial Confirmatória
Propomo-‐nos:
-‐  Qualidade Global do Ajustamento (do modelo de
medida teórico à estrutura correlacional observada
entre as variáveis manifestas (itens))
-‐  Fiabilidade
-‐  Validade
-‐  Cálculo dos Scores dos Fatores

Antes de Iniciar
0  GaranOr que não existem Missing Values

0  SPSS – Transform – Replace missing Values
0  AMOS – Analyze – Data ImputaOon-‐ Impute
0  Apagar
0  Gravar uma BD sem labels/labels pequenos (cópia)
0  Se as escalas têm itens “negaOvos” – invertê-‐los
0  Se vão analisar várias escalas e depois avaliar modelos –
devem ter tudo dentro da mesma BD
0  GaranOr amostra suficiente – para cada item 5/10 sujeitos
Os Elementos Básicos
0  Variáveis Manifestas
Mensurável diretamente: itens da

escalas
0  Variáveis Latentes

Não observável diretamente:
Fatores ou Construtos, Erros
Os Elementos Básicos
Relação Causal (da causa para o efeito)
Correlação (sem hipótese de causalidade)

Relação entre os elementos básicos
3.2. Análise Factorial Confirmatória

Variável Variável
Latente De um ponto de vista formal, oManifesta
modelo geral da AFC é simplesmente o mod
modelo de equações estruturais. Por exemplo, para uma AFC com dois fac
X x
X1 x1 0
11 1
X2 x2 21
0 2
x3 31
0 1 3
X3 x4 0 42 2 4
x5 0 52 5
X4 0
x6 0 62 6
X5
Cov( i , j ) 0 i, j : i j
X6 E( i ) 0 i
Cov( i , j ) ij
i, j : i j
Cov( i , j ) ij
i, j : i j
Naturalmente, um modelo deste tipo precisa de ser identificado (p+q)(p+q+

t=22. Geralmente:
0  Método confirmatório que se uOliza

quando há informação prévia sobre a
estrutura fatorial que é preciso
confirmar
0  Serve para confirmar se o modelo de

medida teórico (a estrutura fatorial
original dos instrumentos) se verifica
no nosso estudo com outra amostra

0  Fatores comuns causam as variáveis manifestas
0  A Variância das variáveis manifestas que não é

explicada pelos fatores comuns latentes é
explicada por fatores específicos latentes (erros
de medida)
0  Os erros são geralmente independentes (mas

podem estar correlacionados indicando uma
fonte de variação comum dos itens não
explicados pelos fatores comuns presentes no
modelo)
AFC com o AMOS
1.  Instalar o AMOS -‐ hfp://recursos.fp.ul.pt/

AFC com o AMOS
1.  Abrir o AMOS Graphics – Menu INICIAR – ALL PROGRAMS

18
Exercício 1 AFC c om o A MOS
Análise Factorial Confirmatória com o AMOS
Barra de Comandos: File, Edit,
AMOS Graphics’: View, Diagram, Analyze, …
Área das Ferramentas

de desenho, selecção
Área de Desenho do
de ficheiros, método
Modelo:
de estimação, etc…
É aqui que vamos
Todas estas
“desenhar” a
ferramentas tem um
representação gráfica
equivalente na barra
do modelo
de comandos…
19
Exercício 1
AFC c om o A MOS
AMOS Graphics’:
Algumas ferramentas muito úteis: V. Latente
V. Manifesta Factor Latente com

itens e erros
Setas causais e correlacionais
Erro
Anotar titulo e macros Var. no ficheiro de dados
Seleccionar elemento (1, todos, desseleccionar) Var. na análise
Copiar Apagar
Mover Reflectir os indicadores
Ajustar dimensão
Rodar os indicadores
Seleccionar ficheiro de dados
Iniciar o Ajustamento
Definir propriedades da análise
Copiar para Clipboard Guardar o documento
Preservar Simetrias
Ver Output
Reduzir /Ampliar
Ampliar selecção Ampliar trajectória
Reajustar à pagina
AFC com o AMOS
AFC com o AMOS
0  Importar o Ficheiro de Dados
NOTAS
0  Criar um template (uma variáve latente com 4/ varáveis

manifestas) sem preenchimento de cor e com as
definições a vosso gosto – GUARDAR
0  Criar um ficheiro com a estrutura fatorial original do
instrumento – GUARDAR
0  Fazer a avaliação da qualidade de ajustamento do
modelo de medida numa cópia do ficheiro anterior
Exercício
Exemplo 1: AFC da estrutura trifactorial de MBI-SS (Maroco, Tecedeiro, Martins, Meireles, 2008).
Segundo a adaptação de Schaufeli, et al. (2002) a partir da MBI-GS de Maslach, et al. (1996) a
AFC da escala
estrutura trifactorial
MBI-SS apresenta 3 dimensõesdcorrelacionadas:
e MBI-‐SS (Maroco, Tecedeiro,
MarOns, Meireles,
I. Exaustão emocional 2008). Segundo a adaptação de Schaufeli, et al.
It1. Os meus estudos deixam-se emocionalmente exausto
(2002) aIt2.
parOr
Sinto-me ded‘rastos’
a MnoBI-‐GS
final de umddiae
naM aslach, et al. (1996) a escala MBI-‐SS
universidade.
apresenta 3 dimensões correlacionadas:

It3. Sinto-me cansado quando me levanto de manhã e penso que tenho de
enfrentar mais um dia na universidade.
It4. Estudar ou assistir a uma aula deixam-me tenso.
It5. Os meus estudos deixam-me completamente esgotado.
II. Descrença Será que a estrutura tri-
FATORES
It6. Tenho vindo a desinteressar-me pelos meus estudos
universidade.
ITENS desde que ingressei na fatorial se mantêm numa
Exaustão amostra de estudantes de
It7.ESinto-me
mocional
pouco entusiasmado comit1,
os meusit2, it3, it 4, it5
estudos.
Psicologia do ISPA?
(5 It8.itens)
Sinto-me cada vez mais cínico relativamente à utilidade potencial dos meus
estudos.
Descrença
It9. Tenho duvidas sobre o significado dos meusit6, estudos.
it7, it8, it9 É possível melhorar a
III. Eficácia Profissional
(4 itens) qualidade de medida dos
It10. Consigo resolver, de forma eficaz, os problemas que resultam dos meus constructos?
Eficácia It11.
Profissional
estudos. it 10, it11, it12, it13, it 14,
Acredito que participo, de forma positiva, nas aulas a que assisto.
(6 It12.
itens)
Sinto que sou um bom aluno. it15 O ficheiro MBI.sav tem os
It13. Sinto-me estimulado quando alcanço os meus objectivos escolares. resultados originais da
It14. Tenho aprendido muitas matérias interessantes durante o meu curso. aplicação da escala.
It15. Durante a aula, sinto que consigo acompanhar as matérias de forma eficaz.
Exercício
Exemplo 1: AFC da estrutura trifactorial de MBI-SS (Maroco, Tecedeiro, Martins, Meir
Segundo a adaptação de Schaufeli, et al. (2002) a partir da MBI-GS de Maslach, et
escala MBI-SS apresenta 3 dimensões correlacionadas:
I. Exaustão emocional
It1. Os meus estudos deixam-se emocionalmente exausto
It2. Sinto-me de ‘rastos’ no final de um dia na universidade.
It3. Sinto-me cansado quando me levanto de manhã e penso que tenho de
enfrentar mais um dia na universidade.
It4. Estudar ou assistir a uma aula deixam-me tenso.
It5. Os meus estudos deixam-me completamente esgotado.
II. Descrença Será que a
It6. Tenho vindo a desinteressar-me pelos meus estudos desde que ingressei na fatorial se m
universidade. amostra de
It7. Sinto-me pouco entusiasmado com os meus estudos.
Psicologia
It8. Sinto-me cada vez mais cínico relativamente à utilidade potencial dos meus
estudos.
It9. Tenho duvidas sobre o significado dos meus estudos. É possível
III. Eficácia Profissional qualidade d
It10. Consigo resolver, de forma eficaz, os problemas que resultam dos meus constructo
estudos.
It11. Acredito que participo, de forma positiva, nas aulas a que assisto.
It12. Sinto que sou um bom aluno.
O ficheiro M
It13. Sinto-me estimulado quando alcanço os meus objectivos escolares. resultados
It14. Tenho aprendido muitas matérias interessantes durante o meu curso. aplicação d
It15. Durante a aula, sinto que consigo acompanhar as matérias de forma eficaz.
Exercício
1.  Iniciar o AMOS

1.  START – ALL PROGRAMS – IBM SPSS STATISTICS– SPSS AMOS –
AMOS GRAPHICS – SLIDE 11

2.  Importar o ficheiro de Dados – selecionar o ficheiro
MBI.SAV -‐ FILE – DATA FILES -‐ SLIDE 15
Exercício
1.  Especificar o modelo

2.  Ajustar o modelo
3.  Avaliar a qualidade de Ajustamento do Modelo
4.  Respecificar o Modelo
5.  Comparar Modelos
6.  Reportação dos Resultados
7.  Fiabilidade
8.  Validade
9.  Cálculo dos Scores dos Fatores
Especificar o modelo
C. Especifique o modelo:
álise1.  Factorial Confirmatória

Especificar o modelo Diagram Draw Indicator variabl 115
3.2. Análise Factorial Confirmatória Seleccione

1.1 -‐ Diagram – Draw Indicator a ferramenta
Variable ou selecionar a ferramenta pa

para desenhar o fator com os itens
C da estrutura
Exemplo da estrutura
1: AFC trifactorial
trifactorial de deMBI-SS MBI-SS
1.2
C. Especifique -‐ Clicar na área do desenho Clique
o modelo: naoárea
para colocar fator. Cde
licar desenho
uma vez para onde
o modelo: fazer o circulo do meio e depois sobre esse circulo clicar o número de
clique em cima esse fdo
ator, primeiro circulo
Diagram Draw Indicator variable ou
vezes
Seleccione igual apara
a ferramenta o ndesenhar
úmero de com
o factor itens que consOtuem
os itens. para adicionar
os itens e oonde
s respeOvos
quer o factor, e erros.
Clique na
Drawclique
Indicator
área de desenho
variable
em cima do primeiro circulo para ou
adicionar os itens e os respectivos erros:
os itens e os respectivos erros:
e a ferramenta para devedesenhar o factor com os itens.
Para o primeiro factor (Exaustão)
Para o primeiro factor (Exaustão)
obter algo semelhante a:
área de desenho onde quer o factor, e

cima do primeiro circulo para adicionar
os respectivos erros:
meiro factor (Exaustão) deve obter algo semelhante a:
Especificar o modelo 116

1. 3 Exemplo
-‐ Clicar
1: AFCno da
botão direito
estrutura trifactorialdde
o MBI-SS
rato que define o fator. Selecionar a
opção “ProperUes”. Digitar na caixa “Variable Name” o nome do fator
“Exaustão”
Clique com o botão direito do rato no circulo que define o factor Seleccione a opção
‘Properties’ e digite na caixa ‘Variable name’ o nome do factor “Exaustão”
Exemplo 1: AFCEspecificar o modelo
da estrutura trifactorial de MBI-SS
C. 1.  Especificar
Especifique oomodelo:
modelo 117
AnáliseClique
1. 4Factorial
– Clicar Confirmatória
no botão para
n o b otão para sseleccionar
elecionar os itens
os da itens
base de
na dados
base d
e arrastá-‐los para o retângulo correspondentes às varáveis manifestas
dados e arraste-as para o rectângulo correspondentes às
1: AFC da estrutura trifactorial de MBI-SS
v. manifestas.
cifique o modelo:
que no botão para seleccionar os itens na base de

s e arraste-as para o rectângulo correspondentes às
anifestas.
Caso não o tenho feito ainda, fixe a trajectória de um do

uma trajectória, e seleccione ‘Parameters’.
aso não o tenho feito ainda, fixe a trajectória de um dos itens em 4.1. Clique
Digite 1
em cima de
na caixa
rajectória, e seleccione ‘Parameters’. Digite 1 na caixa ‘Regression weight’:
Exemplo 1: AFC da estrutura trifactorial de MBI-SS
Clique no botão para seleccionar os itens na base de

1.  eEspecificar
dados arraste-as para o
o rectângulo
modelo correspondentes às
v. manifestas.
1. 5 -‐ Fixar a trajetória de um dos itens em 1 (normalmente o 1º). Clicar
no botão direito do rato em cima de uma trajetória (seta) e selecionar
“Parameters”. Digitar 1 na caixa “Regression Weight”
Caso não o tenho feito ainda, fixe a trajectória de um dos itens em 4.1. Clique em cima de
uma trajectória, e seleccione ‘Parameters’. Digite 1 na caixa ‘Regression weight’:

1.6 -‐ Fazer o mesmo para os outros dois fatores da mesma forma ou
1.7 -‐ Clicar no botão para selecionar todos os objetos e depois
clicar no botão e arrastar para copiar o desenho anterior.
1.8 -‐ Se for preciso rodar a orientação dos itens do fator selecionar o
botão e clicar sobre o circulo do fator até obter a orientação

pretendida
emplo 1: AFC da estrutura trifactorial de MBI-S
Especifique o modelo:
1.  Especificar
Proceda o mforma
de odelo semelhante para os restant

factores.
1.9 -‐ UOlizar o botão para especificar as correlações entre os fatores
Use
ou o botão para especificar as correlaçõ
entre 1.10 os factores.
-‐ Selecionar cada um dos fatores (círculos) com o botão
e a seguir selecionar o Menu “Plug-‐ins” e escolher a opção “Draw
Clique
Covariances” no botão , e clique na área de des
Na caixa ‘Figure Caption’ dê um titulo ao mod
e seleccione algumas estatísticas de qualidade
ajustamento:
Exercício 1

Desenhe o modelo tri-factorial recorrendo às ferramentas de desenho
1.11 -‐ Definir os nomes para os fatores específicos (erros): Selecionar o menu
Defina finalmente os nomes para os factores específicos:
“Plugins” – “Name Unobserved Variables”
 Plugins ’Name observed variables’
Proceda de forma semelhante para os restantes 3
factores. Especificar o modelo
Use o botão para especificar as correlações
entre 3.2.
os Análise Factorial Confirmatóri
factores.
Clique no botãoo modelo:, e clique na área de desenho

1.12 -‐ Selecionar o botão e clicar na parte superior da área do desenho
C. Especifique
1.13 -‐ Na caixa “Figue CapUon” dar um rtulo ao modelo e selecionar algumas
NacaracterísOcas
caixa ‘Figure Caption’ dêescrevendo
um titulo ao modelo
Proceda de forma semelhante para os restantes 3
factores.
de qualidade de ajustamento o seguinte:
Use o botão para especificar as correlações
e seleccione entre osalgumas
X2(\df)=\cmin;
factores.
p=\p; X2/gl=\cmindf; estatísticas de qualidade
CFI=\cfi; PCFI=\pcfi; GFI=\gfi; TLI\tli; de
Clique no RMSEA=\rmsea;
botão ,Pe
(rmsea<=0.05)=\pclose
clique na área de desenho
ajustamento: Na caixa ‘Figure Caption’ dê um titulo ao modelo
e seleccione algumas estatísticas de qualidade de
ajustamento:
4.5. AFC com o AMOS
Ajustar o Modelo
4.5. AFC
Desenhe o modelo com
tri-factorial o AMOS
recorrendo às ferramentas de desenho
 Clique no botão para definir o tipo de ajustamento, valores a mostrar, etc…

 Seleccione as opções
Desenhe o modelo ‘Standardized
tri-factorial estimates’,
recorrendo às ferramentas de desenho
2. ‘Squared
Ajustar multiple correlations’…
o modelo
 Clique nobotão Clique
2. 1 -‐ Clicar no no botão para
botão definir o tipo de ajustamento, valores a mostrar, etc…
para
 Clique nobotão para iniciar ‘Standardized estimates’,
definir o Seleccione as opções
Opo de ajustamento,
o Ajustamento do modelo
valores a mAFC
4.5. ostrar, com
‘Squared etc – Polanilha
multiple correlations’…
AMOS
OUPUT  Clique no botão
 Clique nobotão Clique no botão para ver ospara iniciar

coef. de trajectória na área de
o Ajustamento dodesenho
modelo

2.2 -‐
Clique no botão
S elecionar
Desenhe o as
modelo o pções
tri-factorial
para ver o output completo recorrendo às ferramentas de desenho
“Standardized EsUmates”, “Square
 Clique no botão para ver os
MulUple  C orrelaUons”,
Clique no botão “Test parafor
definir o tipo de ajustamento, valores a mostrar, etc…
normality coef. de trajectória
and outliers” na área de desenho
 Seleccione as opções ‘Standardized estimates’,
 Clique no botão para ver o output completo
‘Squared multiple correlations’…
2.3 -‐ C
licar
Cliqueno bno
otão
botão
 Clique no botão para iniciar
o Ajustamento do modelo
4.5.o AFC
Desenhe com
modelo o AMOSrecorrendo às ferramentas de dese
tri-factorial
Ajustar o Modelo
 Clique Desenhe no obotão modelo tri-factorial para definir recorrendo o tipo de ajustamento,
às ferramentas de desenho valores
 Clique no botão para definir o tipo de ajustamento, valores a mostrar, et
‘Squared multiple correlations’…
2.  Ajustar
Cliqueo‘Squared no
modelo
botão
multiple correlations’…
2.4 -‐Clique
 Clicar
 Clique nnoo bbotão
otão
no botão para
para iiniciar niciar o Ajustamento do
Modelo  Clique no botão para iniciar
o Ajustamento
o Ajustamento dodomodelo modelo

2.5 -‐ Clicar
 Clique no bno otão
botão para
pver
ara
osver os coeficientes de
 Clique no botão para ver os
trajétória na área de desenho
coef. de trajectória na área de desenho
coef.  de
Clique trajectória
no botão napara área verde desenho
o output completo
 Clique no botão para ver o output completo
27
4.5. AFC com o AMOS Ajustar o Modelo

2.  Ajustar o modelo
Clique em “Standardized Estimates” para ver os coef. de trajectoria
2.6-‐ Clicar em “Standardized
estandardizados:(pesos factoriais) EsUmates” para ver os coeficientes de
trajetória estandardizados (pesos fatoriais)
Coeficientes não estandardizados Coeficientes estandardizados
37
Avaliação
1.4.4. da
Avaliação daQqualidade
ualidade
dodmodelo
o Modelo
Mas, mas… é mesmo preciso usar todos os índices? Não! Os índices mais recomendados/usados são:
Estatística Valores de Referência

X2 e p-value (H0: O Ajustamento é perfeito) Quanto menor melhor
(Macro do AMOS: \cmin; \p) p>0.05
X2/df (Macro do AMOS: \cmindf) > 3 - 5 – ajustamento sofrível
2 - 3 - ajustamento bom
~ 1 – ajustamento muito bom
CFI (Macro do AMOS: \cfi) <0.8 – ajustamento mau
GFI (Macro do AMOS: \gfi) [0.8;0.9[ – ajustamento sofrível
0.9 – ajustamento bom
PGFI (Macro do AMOS: \pgfi) < 0.6 – Ajustamento mau
PCFI (Macro do AMOS: \pcfi) [06; 0.8[ - Ajustamento bom
0.8 – Ajustamento muito bom
RMSEA (com I.C. 90%) > 0.10 - Inaceitável
e ]0.05;0.10] – ajustamento sofrível
p-value (H0: rmsea 0.05) 0.05 – ajustamento bom
(Macro do AMOS: \rmsea; \pclose) p-value 0.05 ( 0.5 segundo Jöreskog)
AIC (Macro do AMOS: \aic) Só para comparar modelos
ECVI (Macro do AMOS: \ecvi) Quanto menor, melhor…
4.5. AFC com o AMOS
Ajustar o Modelo 28
4.5. AFC com o AMOS

2.7 -‐Clique no botão (ou em
 Clicar no botão para ver ‘View
o output
Text completo:
output’) para ve
 Clique no botão (ou em ‘View Text output’) para ver o output completo:
Área de Navegação pelo

ficheiro de output
Área de Navegação pelo
ficheiro de output
Output seleccionado
Avaliar a Qualidade de Ajustamento
Exercício 1
29

3.  Avaliar a Qualidade de Ajustamento do Modelo
3.1 -‐ Explorar a área do output “EsUmates” para ver os pesos
 Explore a área do output “Estimates” para ver os pesos factoriais e a significância
fatoriais
dos mesmos: e a significância dos mesmos
Critical ratio=Estimativa / SE.

CR~aproximada N(0,1) para
Trajectória amostras de grande dimensão
e.g. Exaustão  It2
Coeficiente de trajectória P-value para o teste
não estandardizado H0: CR=0 vs. H1: CR0
***=p<0.001
Erro-padrão do coef. de
trajectória (SE)
Estimativas estandardizadas
31
Exercício 1
 Explore a área do output “Assessment of normality” para analisar os coeficientes de
3.2 -‐ Explorar a área do output “Assessment of normality” para analisar os
assimetria
coeficientes e achatamento e avaliar
de assimetria a severidade
e achatamento e ados desvios
valiar à distribuição
a severidade normalà
dos desvios
dos itens:
distribuição normal dos itens: !
Assimetria.
Valores superiores a 3
indicam desvios sérios à Kurtose (achatamento).
Normalidade? Valores superiores a 7
indicam desvios sérios à
Normalidade?
C.R.=Est/SD
Não é pacifica a Para amostras grandes
utilização da AFC com CR~N.
ML para itens ordinais. Serve para testar
Alternativas: H0: Ku=0 vs. H1: Ku0
CR≥2 indicam desvios
1. AMOS – Bootstrap
significativos à
2. LISREL, MPLUS,
normalidade para
EQS: Correlações =0.05
Policóricas com
WLS
Kurtose multivariada
CR≥2 indicam desvios significativos à
normalidade para =0.05
30
3.  Avaliar a Exercício

Qualidade
1 de Ajustamento do Modelo
3.3 -‐ Explorar a área do output “Model Fit” para ver
os índices
 Explore a área do output “Model
de qualidade do aFit” para ver os índices de qualidade do
justamento
ajustamento:
Estatística do teste X2
Rácio X2/df
GFI=0.886
Como classifica o ajustamento?
CFI=0.902
Ajustamento Bom?
NFI=0.870
P(rmsea<0.05)<0.001
RMSEA=0.088
Avaliar a Qualidade de Ajustamento 121

3.4 -‐ Outliers
D. Ajuste o modelo
Outliers:
Vários Outliers moderados

(observações 253,297,158, 211)
Vários Outliers moderados (observações
Que fazer?
253,297,158, 211)
1. Será sensato eliminar os outliers e

Que fazer?
1. Será sensato eliminar os outliers e
refazer a osanálise?
refazer a análise?
2. Eliminemos 4 maiores outliers e
comparemos os resultados com e sem
2. Eoutliers
liminemos os 4 maiores outliers e
comparemos os resultados com e sem
outliers
Ma
3.  Avaliar a Qualidade de Ajustamento do Modelo 122

3.4 – Outliers
Análise Não
Factorial Confirmatória
se observam grandes melhorias no modelo com vs sem outliers
: AFC da estrutura trifactorial de MBI-SS
servam
elhorias
com vs
s
Respecificação do Modelo
4.  Respecificação do Modelo

4.1 -‐ Como melhorar a qualidade do ajustamento do modelo

Recorrendo aos Índices de Modificação (estratégia exploratória) para
idenOficar:
0  parâmetros que é possível libertar,
0  correlacionar erros,
0  eliminar itens com baixos pesos fatoriais ou que saturem em mais do que
um factor (pesos factoriais >0.5 em mais do que um factor)
considerando os MI >11 (p=0.001) [ou MI >4 (p=0.05)]:

Exemplo
Exemplo 1: AFC1: da
AFCestrutura
da estrutura trifactorial de
trifactorial deMBI-SS
MBI-SS
D. 3.2.do Análise
D. Respecificação
Respecificação Respecificação do Modelo
do modelo Factorial Confirmatória
modelo
Exemplo 1: AFC da estrutura
D. Respecificação trifactorial de MBI-SS
do modelo
D.Como Como melhorar

melhorar
Respecificação 1:aAFC
qualidade
a qualidade
do modelo
Exemplo dodoajustamento
da estruturaajustamento dodo
modelo?
modelo?
trifactorial de MBI-SS
Como melhorar a qualidade do ajustamento do modelo?
4.  Respecificação do Mdo
D. Respecificação odelo
modelo
4.2
Recorrendo -‐ Índices
Recorrendo
Recorrendo aos aos daos
e Como
Índices MÍndices
odificação
dede
Índices de
Modificação:
Modificação:
Modificação:
melhorar a qualidade do ajustamento do modelo?

Recorrendo aos Índices de Modificação:
0  Clicar nno
o no
bbotão
otão
botão e seleccione seleccione
e sde elecionar a planilha ‘Output’
Recorrendo aos Índices Modificação:
Clique Cliqueno botão
Clique eeseleccione aa patilha
patilha
patilha‘Output’ ‘Output’
‘Output’
Clique
Seleccione no botão
Seleccione
Seleccione a opção a aopção
Clique opção enoseleccione botão e seleccionea patilha a‘Output’ eedigite
digite
digite
epatilha ’11’
’11’
’11’
‘Output’ nanacaixana
caixa caixa
0  Seleccione
44, Scap. elecionar
44,44, cap.
1)cap.1) aa 1)
opção
opção
Seleccione a opção
ee digite
escrever
e’11’
digite ’na
11’ nna
caixa
’11’ a ccaixa
aixa (v
44, cap. 1) o ommodelo 44, cap. 1)
0 
ReajusteR eajustar
Reajuste o modelo odelo clicando clicando
clicando eem m
em em
Reajuste o modelo clicando em em
Reajuste o modelo clicando
Reajuste o modelo clicando
0  Clicar
Clique Cliquenono botão
botão
no no
botão para
botão
para
para abrir apara
abrir brir o oabrirooutput output
output eeenavegue
e n avegar até
navegue até
até aos
até a‘os
aos ‘ Modification
‘ Indices’:Indices
Modification
Indices’: In
Clique o output navegue aos Modification
CliqueClique no botão no botãopara abrir para abrir o output o output e naveguee navegue até aos até aos ‘ Modification
‘ Modification Indices’:
ModificaOon Indices’:
124
Respecificação do
3.2. Análise Factorial ConfirmatóriaM odelo
Índices
D. de
Modificação:
Respecificação do modelo
Índices de Modificação:
O it14 apresenta
erros
O it14 correlacionados
apresenta
com o factor
erros correlacionados
comDescrença,
o factor e o it10.
Idem para eoo
Descrença,
it4it10.
Idem para o it4
O it14 e o it4 são

problemáOcos: apresenta
Otrajectórias
it14 e o it4 com são
vários
problemáticos:
outros itens com MI >11
apresenta trajectórias
com vários outros
itens com MI >11
Respecificação do Modelo
4.2 -‐ Fiabilidade Individual
D. Respecificação do modelo
Fiabilidade individual:
O it14 apresenta a
menor fiabilidade
individual
O it14 apresenta a
menor fiabilidade
individual
O it4 apresenta
também dos menores
Ovalores
it4 apresenta
de fiabilidade
também dos menores
valores de fiabilidade
Respecificação do modelo
4.  Respecificação do modelo
A análise dos índices de modificação e da fiabilidade
individual sugerem que os itens:

It4.4. Estudar ou assis9r a uma aula deixam-‐me tenso.
It14.4. Tenho aprendido muitas matérias interessantes durante
o meu curso.

São itens ‘problemáOcos’ na estrutura tri-‐factorial. O it14
está relacionado com outros itens, e com o factor Descrença
(apesar de estar originalmente no factor Realização). De
forma semelhante o it4 aparece no factor ‘Descrença’ o que
carece de jusOficação teórica
4.  Respecificação do modelo

O que fazer?
Correlacionar erros?
É JusOficável a existência de outros factores
que não os que são propostos na MBI-‐SS?
Eliminar itens? Há problemas com a tradução?
Com a formulação? Com a interpretação
dos itens?
aparece no factor ‘Descrença’ o que carece de justificação teórica? Blá, blá, blá….
O que fazer?

Correlacionar erros? É Justificável a existência de outros factores que não os que são propostos
na MBI-SS?
Eliminar itens? Há problemas com a tradução? Com a formulação? Com a interpretação dos
itens?
D. Respecificação do modelo 127
3.2.
4.  Análise Factorial
Respecificação
Eliminemos Confirmatória
do os
mitens
odelo
4 e 14 da análise.
4.3 -‐ Eliminar os itens 4 e 14 da análise.
Clique
0  Clicar
D. Respecificação do modelo no bno botão
otão e e eelimine
liminar os
os itens
itens 4 e 114,
4, as 127
trajectórias
as trajectórias
Eliminemos os itens 4 e 14 da análise. e o3.2.
s eresíduos
os
Análiseresíduos correspondentes.
correspondentes.
0 Alterar
Clique no botão Altere
e elimine
oos Oitens
otulo
titulo para
14, para
4 eExemplo
‘AFC
1: AFC da ‘AFC
MBI-‐SS
MBI-SS
estrutura trifactorial
modificado’
de MBI-SS modificado’
as trajectórias e os resíduos correspondentes.
D. Respecificação do modelo
Altere o titulo para ‘AFC MBI-SS modificado’
Eliminemos os itens 4 e 14 da análise.
Clique no botão e elimine os itens 4 e 14,

as trajectórias e os resíduos correspondentes.
Altere o titulo para ‘AFC MBI-SS modificado’

Recorrendo aos Índices de Modificação:
Exercício 1
39
a comClique
o AMOS
no Análise
botão eFactorial
seleccione a Confirmatória
patilha ‘Output’ com o AMOS
Seleccione a opção e digite ’11’ na caixa (
Respecificação
4.  cap.
44, 1) do modelo
BI-SS 4.4 o-‐ modelo
Reajuste Clicar clicando
no botão
em para ajustar o modelo
Clique no botão E. Avaliaçãopara da Qualidade
abrir o output do modelo e navegue até aos ‘ Modification Indices’:

 Clique no botão para ajustar o modelo.
4.5 – Clicar em e no botão para visualizar
 Clique em e no botão para visualizar o modelo ajustado
o modelo Como ajustado

se compara
ra visualizar o modelo ajustado
o modelo modificado
com o modelo original?
O modelo modificado tem todos

os índices de qualidade de
Ajustamento com valores
indicativos de um bom ajustamento
O RMSEA ainda está acima de
0.05, mas a P(rmsea £≤0.05) não
é significativa.
Comparação dos modelos

E. Avaliação da Qualidade do modelo
Comparação
5.  Clique no botão de ajustar
para modelos
o modelo.
 Clique em e no botão para visualizar o modelo ajustado
Como se compara
o modelo modificado
Ocom
modelo modificado
o modelo original? tem
todos
Ajustamento com valores
O modelo modificado tem todos
indicativos de um bom
ajustamento
Ajustamento com O valores
RMSEA ainda
está acima
indicativos de de
um 0.05, mas a
bom ajustamento
P(rmsea
O RMSEA ainda≤0.05)
estánão
acima de
é0.05,
significativa.
mas a P(rmsea £≤0.05) não
é significativa.
ria com o AMOS
Exercício 1
Comparação dos modelos 40
MBI-SS
Análise Factorial Confirmatória com o AMOS 40
5.  Comparação de modelos
Para
Exemplo 1: com o AMOS
avaliar se a qualidade do modelo modificado é
40
Exercício 1 AFC da estrutura trifactorial de MBI-SS
significaOva
significativa? f
Façamos azer o
o
E. Avaliação da Qualidade do modelo t este
teste d
daa d iferença
diferença d
dos os
cχ 2:
FCAda da qualidade
estrutura
variação
trifactorial de MBI-SS
do modelo modificado é significativa? Façamos o teste da diferença dos cχ : 2
a147Qualidadecom
Hip’s:do 87-62
H : cχ2o= cχ
0modelo =252
m vs.gl.H(o m2oodelo
0: cχ ¹≠ cχ2m simplificado e o modelo original tem a mesma qualiade
ExemploE.T.: X1:2difAFC da 2estrutura
=X2o-−X m=252.034de atrifactorial
justamento)
-134.887=117.147 de MBI-SS com 87-62 =25 gl.
cel)
ualidade
E.
do modelo modificado
p-value<0.001
Avaliação da (=CHIDIST(117.47;
Qualidade do
é significativa?
modelo
Façamos o teste da diferença dos cχ2:
25) no MS-Excel)
0: cχ o¹≠ cχ m
2 2
(a qualidade de ajustamento nos dois modelos é diferente)
cχ2o= cχ2m vs. HNota: também é possível fazer este teste com o AMOS, mas é mais trabalhoso…
e com o AMOS,
=X2Ao-−X variação damodificado
2 =252.034
O modelo
m qualidade m as é mais trabalhoso…
-134.887=117.147do um
tem modelo com
ajustamentomodificado
87-62 =25 é significativa?
gl.
significativamente melhorFaçamos do que o teste
o modelo original. dos cχ :
da diferença 2
0: cχmelhor
2 = cχ2 cχ2os
icativamente é maisHparcimonioso?
EHip’s:
001 (=CHIDIST(117.47; o 25) no vs.doH0:que
Vejamos
m MS-Excel) o¹≠índices
ocχ2mmodelode parcimónia: original.
E.T.: XAIC2 2 -−X m=252.034
=X o=318.034 2
252.034-‐134.887=
a: também é possível fazer este teste com o AMOS, -134.887=117.147 mAIC 1com
17.147
87-62
=192.887
as é mais trabalhoso… com
=258gl. 7-‐62 =27gl
arcimónia: diforiginal
BCC = 321.766 BCCdo
modificado
odificadop-value<0.001
tem um ajustamento
original(=CHIDIST(117.47;
significativamente 25) no melhor
MS-Excel) que o =195.736
modificado modelo original.
Ccimonioso?
modificado =192.887
MECVI
Vejamos
Nota: os
Através d
índices
original
a c
=1.076
de parcimónia:
onsulta d a t abela A
MECVImodificado=0.655
também é possível fazer este teste com o AMOS,
2 ( Maroco, 2
mas é mais trabalhoso…
010), para α=0.05, observa-‐se que
riginal=318.034
O modelo modificado tem AIC
um ajustamento =192.887 significativamente melhor do que o modelo original.
CC
Coriginal
Χ
modificado
=E321.766
2 =195.736
é mais
Fiabilidade 0.95;(27) =
deparcimonioso? 4 0.113. S endo
modificado
BCCmodificado
Vejamos
Compósita: O instrumento mede Χ 2 =117.147 > Χ2
dif=195.736
os índices dde parcimónia:
e forma 0.95;(27) = 40.113
consistente e fiável o “factor”? rejeita-‐se H0.
ECVI
CVIFactor
modificado=0.655
Exaustão:
original=1.076 original
AIC =318.034MECVImodificado=0.655 AICmodificado=192.887
( )
2
BCC
O modelo = 321.766 0.782 BCC+ 0.611 + 0.510
=195.736 + 0.836
FC Exaustão =
simplificado ajusta-‐se m2 elhor
original à estrutura correlacional observada entre
modificado os
= 0.785
MECVI (0.782
ompósita: O instrumento mede =1.076
itens
+ 0.611
original +n0.510
de forma + 0.836)eem
a acmostra
onsistente MECVI
+ estudo
[(1 -−o0.612)
fiável +=0.655
do
“factor”?
modificado q(1ue o modelo
-− 0.374) + (1-−o0.260)
riginal
+ (1 -− 0.699)]
rma FC
 consistente e fiável
= 0.867
Descrença

FC o “factor”?
= 0.702 Realização 2
Comparação dos modelos
5.  Comparação de modelos
E é mais parcimonioso? Vejamos os índices de parcimónia:
AIC =318.034 AIC =192.887
original modificado
BCC = 321.766 BCC =195.736

MECVI =1.076 MECVI =0.655
O melhor modelo será, de entre os avaliados, aquele que apresentar os menores
valores em um ou mais destes índices
Reportação dos Dados
Análise EstajsUca
A análise factorial confirmatória da estrutura tri-‐factorial da MBI-‐SS foi efectuada com o so•ware AMOS 17 (SPSS Inc, Chicago, Il).
Para avaliar a qualidade do ajustamento global do modelo à estrutura correlacional consideram-‐se valores indicaOvos de bom
ajustamento CFI e GFI superiores a 0.9 e PCFI e PGFI superiores a 0.6. Considerou-‐se ainda que c2/gl ~2 e RMSEA inferior a 0.5
com uma probabilidade P[rmsea£≤≤ 0.05] não significaOva indicam um bom ajustamento do modelo (v. exemplo Schumacker &
Lomax, 1996) p. 119-‐137). O refinamento do modelo foi efectuado a parOr dos valores dos índices de modificação pelos
mulOplicadores de Lagrange (LM), considerando-‐se que trajectórias e/ou correlações com LM>11 (p<0.001) eram indicadores de
variação significaOva da qualidade do modelo. A fiabilidade de constructo foi avaliada com a fiabilidade compósita (Fornell and
Laker, 1981) e a validade de constructo foi avaliada com a validade factorial, com a validade convergente (esOmada pela variância
média extraída -‐ VME ) e com a validade discriminante avaliada pelo teste de diferença do c2. Considera-‐se que uma fiabilidade
compósita superior ou igual a 0.7, uma VME superior ou igual a 0.5, e um teste da diferença de c2 significaOvo são indicadores de
constructos fiáveis e válidos (Fornell and Laker, 1981). Os pressupostos do modelo factorial confirmatório, nomeadamente a
normalidade dos itens mulOvariados e a inexistência de outliers foram avaliados pelos coeficientes de forma (Sk e Ku) e pela
distância de Mahanalobis quadrada respecOvamente.
Resultados
A análise factorial confirmatória da estrutura tri-‐factorial da MBI-‐SS indicou que o modelo original proposto por Schaufli et al. apresentava uma ajustamento
medíocre à amostra sob estudo (X2/gl= 2.9;CFI=0.903, PCFI=0.748, GFI=0.898, PGFI=0.651, RMSEA=0.08 ; P[rmsea≤0.05]<0.001) . De acordo com os índices
de Modificação (LM>11, p<0.001) e com considerações teóricas (…) removeram-‐se os itens 4 e 14 da análise. O novo modelo (com menos dois itens)
apresentou valores dos índices de qualidade de ajustamento indicadores de um bom ajustamento do novo modelo aos dados (X2/gl= 2.1;CFI=0.948,
PCFI=0.753, GFI=0.936, PGFI=0.638, RMSEA=0.063 ; [rmsea<=0.05]<0.072). A diferença da qualidade de ajustamento dos dois modelos revelou-‐se altamente
significaOva (X2dif(25)=252.034; p<0.001) tendo o modelo modificado valores consideravelmente menores de AIC, BCC e MECVI ( 192.9, 195.7 e 0.655
respecOvamente) consideravelmente menores do que o modelo original ( 318.0, 321.8 e 1.076 respeOvamente).

Reportação dos Dados 132
Na figura 1 apresentam-‐se
Exemplo 1: os pAFC
esos da
factoriais
estrutura e a fitrifactorial
abilidade individual
de MBI-SS dos itens de cada p( )
.61
factor, bem como as correlações entre factores. De acordo com a proposta inicial de .78
It1 e1
F. e
Maslach, a Exaustão Relatório
stá correlacionada posiOvamente com a Descrença (r=0.32, p<0.001) e .61 It2
.37
e2
respectivamente). Na figura 1 apresentam-se os pesos factoriais e a fiabilidade Exaustão
.51 .26
It3 e3
negaOvamente com aindividual Realização
dos(itens
r=-‐0.19; p=0.009).
de cada factor, bem Finalmente, a Descrença
como as correlações entre está
factores. De
acordo com a proposta inicial de Maslach, a Exaustão está correlacionada .84
correlacionada negaOvamente
positivamente com
com a Raealização
Descrença ((r=0.32,
r=-‐0.44; p<0.001)
p<0.001).
e negativamente com a .70
It5 e5
Realização (r=-0.19; p=0.009). Finalmente, a Descrença está correlacionada
A fiabilidade de constructo é superior
negativamente com aa 0 .7 para todos
Realização (r=-0.44;os factores,
p<0.001).sendo respecOvamente
.32
.64
A fiabilidade de constructo é superior a 0.7 para todos os factores, sendo It6 e6
de 0.785, 0.867 e 0.702 para a Exaustão,
respectivamente de 0.785, Descrença e Realização
0.867 e 0.702 respecOvamente.
para a Exaustão, Descrença e A
.80
.72 .52
It7 e7
Realização respectivamente. A variância média extraída
variância média extraída foi de 0.486, 0.620 e 0.424 para os factores Exaustão, foi de 0.486, 0.620 e e
Descrença -.19 Descrença .82 .66
0.424 para os factores Exaustão, Descrença e Realização. Com a excepção da It8 e8
.80
Realização. Com a excepção
Descrença da osDvalores
escrença os valores
de VEM atestam de a Vfraca
EM avalidade
testam convergente
a fraca validade
dos
It9
.65
e9
factores sob estudo. Relativamente à validade divergente, o teste do X2 da
convergente dos factores
diferençasob revelou-se
estudo. Raltamente
elaOvamente à validade
significativo, divergente,
demonstrando o teste do X2 da
a validade .48
divergente dos factores. -.44 It10 e10
diferença revelou-‐se altamente significaOvo, demonstrando a validade divergente dos .70
It11
.35
e11
.59
factores. .76 It12
.58
e12
Realização .55
.31
It13 e13
Figura 4.1. Pesos factoriais, fiabilidades individuais de cada item em cada factor e
.63
correlações entre factores da escala MBI-SS adaptada a uma amostra portuguesa de
estudantes de psicologia (X2/gl= 2.1;CFI=0.948, PCFI=0.753, GFI=0.936, PGFI=0.638, .40
It15 e15
RMSEA=0.063 ; [rmsea<=0.05]<0.072).
Figura 1. Pesos factoriais, fiabilidades individuais de cada item em cada factor e
correlações entre factores da escala MBI-‐SS adaptada a uma amostra portuguesa de
estudantes de psicologia (X2/gl= 2.1;CFI=0.948, PCFI=0.753, GFI=0.936, PGFI=0.638,
RMSEA=0.063 ; [rmsea<=0.05]<0.072).
133
“We have to continue to learn.
We have to be open.
And we have to be ready to release our
knowledge in order to come to a
higher understanding of reality.”
Thich Nhat Hanh

AFC 2014 Alunos

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

AFC 2014 Alunos

Enviado por

Direitos autorais:

Formatos disponíveis

Análise

Drª Joana Carvalho e Profª Mª João Alvarez

Conjunto de dois Submodelos

1. Modelo de Medida – Análise Fatorial

1. Modelo Estrutural: Estabelece relações recursivas Modelo Estrutural

0 GaranOr que não existem Missing Values

Mensurável diretamente: itens da

Relação Causal (da causa para o efeito)

Correlação (sem hipótese de causalidade)

3.2. Análise Factorial Confirmatória

Naturalmente, um modelo deste tipo precisa de ser identificado (p+q)(p+q+

0 Método conﬁrmatório que se uOliza

0 Serve para conﬁrmar se o modelo de

0 A Variância das variáveis manifestas que não é

0 Os erros são geralmente independentes (mas

1. Instalar o AMOS -­‐ hfp://recursos.fp.ul.pt/

1. Abrir o AMOS Graphics – Menu INICIAR – ALL PROGRAMS

Área das Ferramentas

V. Manifesta Factor Latente com

0 Criar um template (uma variáve latente com 4/ varáveis

apresenta 3 dimensões correlacionadas:

1. Iniciar o AMOS

1. Especiﬁcar o modelo

álise1. Factorial Confirmatória

3.2. Análise Factorial Confirmatória Seleccione

área de desenho onde quer o factor, e

3.2. Análise Factorial Confirmatória

que no botão para seleccionar os itens na base de

Caso não o tenho feito ainda, fixe a trajectória de um do

Clique no botão para seleccionar os itens na base de

1. Especiﬁcar o modelo

1. Especiﬁcar o modelo

Clique no botãoo modelo:, e clique na área de desenho

 Clique no botão para definir o tipo de ajustamento, valores a mostrar, etc…

4.5. AFC com o AMOS Ajustar o Modelo

Estatística Valores de Referência

4.5. AFC com o AMOS

Área de Navegação pelo

Análise Factorial Confirmatória com o AMOS

Critical ratio=Estimativa / SE.

3. Avaliar a Exercício

3.2. Análise Factorial Confirmatória

Vários Outliers moderados

1. Será sensato eliminar os outliers e

3. Avaliar a Qualidade de Ajustamento do Modelo 122

: AFC da estrutura trifactorial de MBI-SS

4. Respeciﬁcação do Modelo

considerando os MI >11 (p=0.001) [ou MI >4 (p=0.05)]:

D.Como Como melhorar

O it14 e o it4 são

4. Respeciﬁcação do modelo

Exemplo 1: AFC da estrutura trifactorial de MBI-SS

D. Respecificação do modelo 127

Clique no botão e elimine os itens 4 e 14,

Respeciﬁcação do modelo

o modelo Como ajustado

O modelo modificado tem todos

Comparação dos modelos

E. Avaliação da Qualidade do modelo

3.2. Análise Factorial Confirmatória

Thich Nhat Hanh

Você também pode gostar

1.  Modelo de Medida – Análise Fatorial

0  GaranOr que não existem Missing Values

0  Método conﬁrmatório que se uOliza

0  Serve para conﬁrmar se o modelo de

0  A Variância das variáveis manifestas que não é

0  Os erros são geralmente independentes (mas

1.  Instalar o AMOS -‐ hfp://recursos.fp.ul.pt/

1.  Abrir o AMOS Graphics – Menu INICIAR – ALL PROGRAMS

0  Criar um template (uma variáve latente com 4/ varáveis

1.  Iniciar o AMOS

1.  Especiﬁcar o modelo

álise1.  Factorial Confirmatória

1.  Especiﬁcar o modelo

1.  Especiﬁcar o modelo

3.  Avaliar a Exercício

3.  Avaliar a Qualidade de Ajustamento do Modelo 122

4.  Respeciﬁcação do Modelo

4.  Respeciﬁcação do modelo