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”.














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

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

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

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

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful