Universidade do Federal do Pará

Curso de Graduação em Engenharia de Produção

Disciplina: Psicologia Organizacional
Professor: Adalberto da Cruz Lima
Turma: 2017 Semestre / Ano: 8º / 2017
Nº de matrícula: 201600540013 Nome do Aluno: Ana Beatriz Pereira dos Santos
Nº de matrícula: 201700540001 Nome do Aluno: Jackson Gonçalves Oliveira
Nº de matrícula: 201800540047 Nome do Aluno: Luana Luna Machado de Souza
Nº de matrícula: 201700540036 Nome do Aluno: Marcia Maria Santos
Nº de matrícula: 201600540045 Nome do Aluno: Valdilene Soares Coelho
Data: 30 de Agosto de 2021

Resenha técnica

Analise técnica do artigo sobre regressão múltipla stepwise e hierárquica em psicologia

organizacional

Referência:

ABBAD, Gardênia., TORRES, Cláudio V. Regressão múltipla stepwise e hierárquica em

Psicologia Organizacional: aplicações, problemas e soluções. Estudos de Psicologia, 2002, 7
(número especial). 19p-29p.

1. Introdução:

O presente artigo discorreu sobre algumas aplicações referente as aplicações das diferentes
técnicas para analisar regressões múltipla stepwise e hierárquica, sendo estás muito uteis no ramo da
psicologia organizacional. Foi discutido ao longo artigo diversas estratégias para identificar e
solucionar problemas relacionados à existência de erros dos tipos I e II, além apresentar os fenômenos
de supressão, complementaridade e redundância referente as equações de regressão múltipla. No
material também mostrados exemplos de pesquisas em que retratam os padrões de associação entre
as variáveis nas quais estão presentes e descritas as devidas estratégia utilizadas pelos pesquisadores
a fim de interpretá-las. Neste presente artigo além de tudo que já foi devidamente citado também
foram discutidas aplicações das análises no estudo de interação entre as variáveis e na elaboração de
testes para avaliar a linearidade da relação entre as variáveis. E por fim foram apresentados sugestão
para oferecer a melhor forma para lidar com as limitações presentes durante a análises de regressão
múltipla (stepwise e hierárquica).

De início o artigo começou abordando sobre a importância das pesquisas na psicologia

organizacional a fim de mensura e aperfeiçoar a relação humana no ambiente organizacional e retrata
através estudos de vários autores diferentes em que são utilizados modelos multivariados de
investigação em que são utilizadas análises por meio de regressão múltipla. Além disso, os autores
elevam a amplitude dos exemplos de estudos relacionado com os dados coletados e o trabalho
estatísticos sobre mesmo e mostram a importante da análise por meio da regressão múltipla, mesmo
havendo uma grande diversidade de análises cada vez mais sofisticada.

Outrossim, o autor abre sua colocação que apesar da alta utilidade da regressão múltipla,
dela ser muito difundida e sua grande aplicabilidade, pouco se tem conteúdo nos quais tratam sobre
os problemas em que essa metodologia de análise de dados possuí e problemas estes que podem
surgirem durante à análise, o auto cita 2 exemplos os do tipo I e II, que são relativos ao relacionamento
entre os preditores (redundância, complementaridade, supressão) e aumento considerável dos
coeficiente de regressão, por isso o artigo tem a intensão de apresente os erros mais comuns e explanar
algumas possíveis soluções.

2. Regressão múltipla definição:

A fim de facilitar o conhecimento sobre o conteúdo os autores realizaram a definição de

regressão múltipla, para tanto foi usado a definição de Tabachnick e fidell (1996) em um conjunto de
técnicas estatísticas nas quais facilitam a avaliação do relacionamento de uma variável dependente
com diversas variáveis independentes. Em mão desta definição básica é mostrado como essa técnica
é útil ao se tratar das pesquisas relacionada a Psicologia Organizacional, em que na grande maioria
dos estudos existem variáveis independentes correlacionadas entre si. Com o intuito de, facilitar o
entendimento da regressão múltipla foram mostradas algumas definições técnicas sobre o assunto em
que um resultado final é uma equação da reta no qual retrata a melhor indicador de uma variável em
função de diversas variáveis independentes, e ficou apresentada da seguinte maneira 𝑦 = 𝑎 + 𝑏𝑥𝑖 +∈
onde “𝑦” é a variável dependente ou o critério; “𝑎” é a constante ou o intercepto entre a reta e o eixo
ortogonal; “𝑏” seria o parâmetro, coeficiente padrão de regressão ou o peso, “𝑥𝑖 ” são as possíveis
variáveis independentes (preditoras) e por fim “∈” que representa o erro ou resíduo, que é a diferença
entre os valores observados e preditos.

3. Aplicações variáveis de associação entre variáveis:

Segundo os autores a RM pode ser empregada na identificação de variáveis mediadoras e

moderadoras. Em função da grande difusão desta estratégia nas pesquisas internacionais (e.g.,
Kromrey & Foster-Johnson, 1999) e na área de Psicologia Organizacional, os fenômenos de mediação
e moderação serão definidos a seguir, assim como a forma pela qual a regressão pode ser utilizada
para identificá-los

Para melhor ilustrar a definição de uma variável mediadora, os autores analisaram o

relacionamento entre três variáveis hipotéticas, sendo a variável B a mediadora do relacionamento de
A com C (A Ë B Ë C). Notaram-se que a relação entre as varáveis A e C ficará enfraquecida na
presença da variável B. No caso de uma variável mediadora pura, o relacionamento entre A e C deixa
de existir na presença da variável B.

Para testar a moderação, o pesquisador deve observar a interação entre A e B. Para tal,
procura-se observar se A é um bom preditor de C. Em caso positivo, verifica-se se A e B predizem
C, e se a interação entre A e B, calculada por meio do produto A x B, também prediz C. Caso a
interação seja uma preditora estatisticamente significativa de C, diz-se que B é uma variável
moderadora. A existência de uma interação entre A e B só é um indicador de moderação quando,
adicionada à equação, é preditora do critério. Logo, na moderação, o relacionamento entre A e C
depende do valor assumido pela variável B.

4. Tipos de regressão: uso, problemas, tipos mais comuns e seus usos:

Em relação aos tipos de regressão, seus usos e problemas, o autor desse artigo apresenta os
três tipos de regressão múltipla que são classificados em: regressão múltipla padrão; regressão
múltipla hierárquica ou sequencial; e regressão estatística (stepwise). Vale ressaltar que nesse artigo
o autor irá sistematizar suas ideias apenas nos tipos de regressão hierárquico e stepwise. Porém é
apresentado ao leitor as características que diferem todos os tipos existentes de regressão. Essas
características são quanto ao que acontece com a variabilidade sobreposta de preditores
correlacionados entre si e, além disso, de quem determina a ordem de entrada dos preditores na
equação.

De acordo com o que foi exposto sobre os tipos de regressão, o autor inicia a explanação
sobre os dois tipos de regressão escolhidas para este artigo, que são as regressões hierárquicas e
stepwise. A regressão stepwise não se baseia em uma teoria consistente e sim em estudos
exploratórios onde o pesquisador está interessado apenas em descrever relacionamentos poucos
conhecidos entre variáveis. Nesse tipo de regressão o pesquisador elabora o modelo de investigação
que inclui hipóteses sobre relacionamentos entre variáveis, porém ainda não apresenta direções exatas
sobre esses relacionamentos. Existem três formas de realizar uma regressão stepwise:
 A primeira é quando cada preditor entra, um por um, em uma equação; a segunda é quando
todos os preditores entram juntos na equação, nesse caso, no final é escolhido o melhor preditor; e a
terceira é quando os preditores entram na equação em blocos.

Quando se trata da regressão hierárquica o autor explica que esta forma de regressão se
baseia em modelos teóricos consistente que indicam a direção de relacionamentos entre as variáveis,
no que diz respeito as formas de realizar essa regressão o autor explica que o critério de entrada dos
preditores é definido pelo pesquisador que se baseia em estudos teóricos consistentes.

5. Problemas associados ao uso da regressão múltipla

O artigo aborda algumas análises técnicas usadas por pesquisadores, nas quais são muito
utilizadas na área da Pesquisa Organizacional visando encontrar soluções para problemáticas que
ocorrem entre algumas variáveis usadas para interpreta um certo dado.

Porém, apesar do uso de variadas técnicas para medição das variáveis, identifica-se alguns
gargalos, ou seja, sinais de problemas nas medições das mesmas, o fenômeno de supressão foi
estudado e a partir desse modelo, desenvolver uma estratégia que buscasse um programa linear que
melhor avalie os critérios de análise para indicar com precisão qual a melhor técnica a ser utilizada.

Com o planejamento das atividades, se obtém um resultado satisfatório sem discrepância de

dados a partir de um modelo matemático com eliminação de redundância nos modelos RM, sendo
assim criou-se a grande necessidade de medição de desempenho de colaboradores dentro da
organização se fez necessário o uso de algumas técnicas avaliativas para o desempenho das funções
com qualidade.

6. Regressão Múltipla na análise de relacionamentos indiretos e não lineares:

De acordo com os pesquisadores, a técnica mais indicada para identificar a interação entre
preditores, seria a técnica Regressão Múltipla, onde envolve a inclusão na equação do efeito principal
e do produto dos termos, que pode ser um processo simples. Exemplos desta técnica podem ser
realizados por meio do uso de uma regressão hierárquica, onde são observadas diferenças entre R2
do modelo aditivo e do modelo não aditivo. No entanto, de acordo com kromrey e Foster-Johnson
(1999) existem algumas dificuldades na área para a identificação de variáveis moderadoras, por conta
de erros de medidas e entre outros.

Através de mais pesquisas também foi possível notar que a escolha dos modelos utilizados
depende diretamente do aumento significativo ou não significativo do R2, onde os modelos podem
variar entre modelo múltiplo ou moderador (quando há um aumento significativo do R2) ou modelo
aditivo ou linear (quando não há mudanças significativas do R2). Porém, devido a erros relacionados
às medidas e na amostragem, o modelo mais indicado seria o modelo quadrático ou cúbico não linear.
Caso não seja utilizado o modelo mais adequado para o problema, podem ocorrer erros do Tipo I,
Tipo II ou de ambos. Sendo assim, para eliminar esse problema, foi feito o uso de uma regressão
stepwise que diferencia um moderador de um modelo não linear e ficou conhecido como "método de
comparação da magnitude do efeito - ME".

Quando o método ME é testado, são notados problemas provocados devido ao uso da

regressão stepwise, houve pouco controle na ocorrência do erro Tipo I e também grande ocorrência
do erro Tipo II, por conta de não haver a distinção dos modelos multiplicativos e aditivos. Esses erros
podem ser evitados ou reduzidos com o controle de alguns fatores. Por exemplo, o erro do Tipo I
pode diminuir quando há menos redundância no modelo e aumento na consistência interna das
medidas. Já o erro do Tipo II pode ser reduzido com o aumento da confiabilidade dos preditores.

Contudo, a regressão stepwise relacionada ao método ME pode ser a mais indicada, porém,
devem ser evitados altos níveis de multicolinearidade, preditores pouco relacionados. Um ponto
muito importante é o uso de preditores confiáveis para que se tenha resultados de maior qualidade,
principalmente quando se usa a regressão stepwise, do contrário pode ocorrer uma séria redução no
poder estatístico. Também se deve lembrar que o tamanho da amostra é de grande relevância, pois
quanto menor a amostra, menor será o poder estatístico, independente das outras variáveis.

7. Recomendações dos autores

É notável a preferência na utilização de técnicas estatísticas mais sofisticadas, em

comparação a análise de regressão múltipla RM, porém, isso não deve significar que apesar de terem
métodos mais avançados, os métodos mais simples como o RM não podem ser esquecidos (pois é
segura e confiável).

Quando se trata de pesquisas exploratórias o mais indicado é se utilizar a regressão múltipla

stepwise, já em pesquisas de caráter confirmatório o recomendado é o uso da regressão múltipla
hierárquica. Independente de qual tipo de RM, devem-se tomar alguns cuidados, como no momento
da interpretação dos dados resultantes, do seu contexto, se os dados estão todos corretos, pois tudo
isso irá influenciar no resultado final. Então podemos concluir que ambas as técnicas de regressão
múltipla têm seu potencial e suas peculiaridades, possui eficácia e pesquisas exploratórias e
confirmatórias, basta analisar a questão e aplicar a que mais se adequar.
 8. Conclusão:

Com base no que foi falado anteriormente, foi possível inferir sobre o artigo de como a
regressão múltipla, um conteúdo de cunho matemático pode está contribuindo positivamente para à
análise de dados e produção de conteúdo para a psicologia organizacional, na qual por meio destes
resultados poderá está realizando de maneira mais eficiente metas e visão da real situação da relação
comportamental do indivíduo com o meio organizacional.

Ademais, também foi possível concluir que apesar da regressão facilitar a análise que
relacionam itens dependentes com diversos outros itens independentes a regressão pode vim a
apresentar alguns erros e os autores ofereceram em seu estudo possíveis caminhos em que podem
estarem auxiliando os analistas a solucionarem tais problemas, nos quais são denominados de tipo I
e II relativos ao relacionamento entre os preditores (redundância, complementaridade, supressão) e
aumento considerável dos coeficiente de regressão.

Portanto, o artigo consegui explorar bem o conteúdo proposto e apresentou com maestria a
possíveis soluções para alguns problemas relacionados ao uso da regressão múltipla, com a ressalva
de que a gama de erros pode ser muito maior e estes possíveis erros não foram abordados no trabalho,
mas, como os autores foram bem específicos com relação a quais erros iriam trabalhar, o trabalhado
ficou em acordo com a proposta dos autores.