Machine Translated by Google

COMENTÁRIO DE PESQUISA

PROCEDIMENTOS DE MEDIÇÃO E VALIDAÇÃO DE CONSTRUÇÃO

EM PESQUISA DE MIS E COMPORTAMENTO : INTEGRANDO
TÉCNICAS NOVAS E EXISTENTES1

Scott B. MacKenzie
Departamento de Marketing, Kelley School of Business, Indiana University,
Bloomington, IN 47405 USA {mackez@indiana.edu}

Philip M. Podsakoff
Departamento de Administração, Kelley School of Business, Indiana
University, Bloomington, IN 47405 USA {podsakof@indiana.edu}

Nathan P. Podsakoff
Departamento de Gestão e Organizações, Eller College of Management,
Universidade do Arizona, Tucson, AZ 85721 EUA {podsakoff@email.arizona.edu}

Apesar de validar as medidas de construtos ser fundamental para a construção de conhecimento cumulativo em MIS e
nas ciências comportamentais, o processo de desenvolvimento e validação de escalas continua sendo uma atividade
desafiadora. Sem dúvida, parte do problema é que muitos dos procedimentos de desenvolvimento de escala defendidos
na literatura são limitados pelo fato de que (1) falham em discutir adequadamente como desenvolver definições conceituais
apropriadas do construto focal, (2) muitas vezes falham em especificar o modelo de mensuração que relaciona o construto
latente aos seus indicadores e (3) subutilizar técnicas que forneçam evidências de que o conjunto de itens usados para
representar o construto focal realmente mede o que se propõe a medir. Portanto, o objetivo do presente artigo é integrar
técnicas novas e existentes em um conjunto abrangente de recomendações que podem ser usadas para fornecer aos
pesquisadores em MIS e nas ciências comportamentais uma estrutura para o desenvolvimento de medidas válidas.
Primeiro, elaboramos brevemente algumas das limitações das práticas atuais de desenvolvimento de escala. Em seguida,
discutimos cada uma das etapas do processo de desenvolvimento de escala, prestando atenção especial às diferenças
que são necessárias quando se tenta desenvolver escalas para construtos com indicadores formativos em oposição a
construtos com indicadores reflexivos. Finalmente, discutimos várias coisas que devem ser feitas após o desenvolvimento
inicial de uma escala para examinar sua generalização e aumentar sua utilidade.

Palavras-chave: Procedimentos de validação de construto; Desenvolvimento e validação da escala; validade de

conteúdo, convergente, discriminante e nomológica; modelos de indicadores formativos e reflexivos

1
Detmar Straub foi o editor sênior aceitante para este jornal. Thomas Os apêndices deste documento estão localizados na seção “Suplementos
Stafford atuou como editor associado. Online” do site da MIS Quarterly (http://www.misq.org).

MIS Trimestral Vol. 35 Nº 2 pp. 293-334/ junho de 2011 293

Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Introdução
Já se passaram mais de 20 anos desde que Straub (1989) fez a
seguinte observação sobre a literatura MIS:
A validação do instrumento foi inadequadamente abordada
na pesquisa do MIS. Apenas alguns pesquisadores
dedicaram atenção séria às questões de medição nas
últimas décadas... e enquanto a conveniência de verificar
os resultados por meio de verificações de validade interna
foi argumentada por Jarvenpaa, et al. (1984), o valor
primário e prévio da validação do instrumento ainda não foi
amplamente reconhecido (p. 147).
Aproximadamente doze anos depois, em uma retrospectiva do artigo
de Straub, Boudreau et al. (2001) pesquisou a literatura MIS
novamente para avaliar se houve alguma melhoria no uso de técnicas
de validação de construto e concluiu que seus “achados sugerem que
o campo avançou em muitas áreas, mas, em geral, parece que a
maioria dos estudos publicados ainda não estão validando
suficientemente seus instrumentos”. (pág. 1). Preocupações
semelhantes em relação às práticas usadas para validar construtos
também foram expressas no campo da gestão por Scandura e Williams
(2000), que compararam as práticas metodológicas relatadas em três
principais periódicos em dois períodos diferentes (1985-1987 e
1995-1997). ), e concluíram que realmente houve uma diminuição na
proporção de estudos que relataram informações sobre validade de
construto e relatos de validade discriminante, convergente e preditiva.
Portanto, a observação que Bagozzi e Phillips (1982, p. 468) fizeram
há mais de 25 anos ainda soa verdadeira: “Os cientistas acharam
muito difícil traduzir essa noção aparentemente simples [de validade
de construção] em termos operacionais”.
A razão para a aparente falta de progresso nesta área certamente
não se deve à escassez de artigos escritos sobre os procedimentos
técnicos que devem ser usados para validar escalas (por exemplo,
Anderson e Gerbing 1988; Anderson et al. 1987; Bagozzi et al. al.
1991; Diamantopoulos e Winklhofer 2001; Edwards 2001; Fornell e
Larcker 1981; Gerbing e Anderson 1988; Nunnally e Bernstein 1994;
Straub et al. 2004). No entanto, uma possibilidade é que os
pesquisadores que lêem esses artigos absorvam apenas uma parte
do que é dito, porque muitos desses artigos são complexos e exigem
um conhecimento técnico bastante bem desenvolvido dos
procedimentos de modelagem de equações estruturais.
O resultado é que os leitores podem não entender como implementar
as recomendações feitas nesses artigos. Uma possibilidade ainda
mais provável é que simplesmente haja tanto trabalho no tópico de
desenvolvimento e avaliação de escala que seja difícil para os
pesquisadores priorizar o que precisa ser feito.
De fato, acreditamos que uma das razões pelas quais Churchill (1979)
294 MIS Trimestral Vol. 35 nº 2/ junho de 2011
artigo provou ser tão útil para os pesquisadores é que ele delineou
um conjunto organizado de atividades que definem prioridades para o
que precisa ser feito no processo de desenvolvimento e avaliação da
escala. Portanto, no espírito de Churchill, o objetivo desta pesquisa é
fornecer um conjunto atualizado de recomendações que podem ser
usadas para fornecer aos pesquisadores uma estrutura para o
desenvolvimento de escalas válidas.
Acreditamos que há várias razões pelas quais um conjunto atualizado
de recomendações seria útil. Primeiro, muitos dos procedimentos de
desenvolvimento de escala defendidos na literatura falham em discutir
adequadamente como desenvolver definições conceituais apropriadas
de um construto focal. Em segundo lugar, muitas das recomendações
são baseadas em uma especificação imprópria do modelo de
medição2 que relaciona a variável latente que representa um construto
às suas medidas . nas literaturas de gestão e MIS. Nas seções a
seguir, detalharemos brevemente cada uma das limitações identificadas
acima.
Em seguida, discutiremos cada uma das etapas do processo de
desenvolvimento de escala, prestando atenção especial às diferenças
que são necessárias quando se tenta desenvolver escalas para
construtos com indicadores formativos em oposição a construtos com
indicadores reflexivos. Finalmente, discutimos várias etapas que
devem ser tomadas após o desenvolvimento inicial de uma escala
para examinar sua generalização e aumentar sua utilidade.
Limitações da Escala Atual
Procedimentos de Desenvolvimento
Falha em definir adequadamente o
Construir domínio
Embora praticamente todas as discussões sobre o processo de
validação de construto ou desenvolvimento de escala assumam que
ele começa com uma articulação clara do domínio do construto, o
2
Para os propósitos de nosso artigo, usamos o termo modelo de medição para nos
referirmos a um modelo que especifica as relações entre um construto latente e seus
indicadores. Observe que alguns (por exemplo, Borsboom 2005) preferem usar o termo
modelo de medição em um sentido mais restrito para se referir apenas a instâncias em
que um construto latente tem um impacto causal em seus indicadores.
3
Para os propósitos de nosso artigo, usamos o termo medida para nos referirmos a um
padrão usado para determinar ou avaliar a magnitude de um atributo possuído por uma
entidade. Este termo às vezes será usado de forma intercambiável com os termos item
e indicador dependendo do contexto, porque um item é uma medida de um atributo e
uma resposta a ele pode ser usada como um indicador de um construto latente.
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
a literatura não faz um trabalho muito bom em descrever as
características de uma boa definição de construto e as implicações
dessa definição para a especificação do modelo de medição. Isso
é importante porque, como observa DeVellis (1991, p. 51),
muitos pesquisadores acham que têm uma ideia clara do
que desejam medir, apenas para descobrir que suas
ideias são mais vagas do que pensavam. Frequentemente,
essa percepção ocorre após um esforço considerável ter
sido investido na geração de itens e na coleta de dados
- uma época em que as mudanças são muito mais caras
do que se descobertas no início do processo.
De acordo com Nunnally e Bernstein (1994, 86-87),
Existem três aspectos principais da validação de
construto: (1) especificar o domínio dos observáveis
relacionados ao construto; (2) determinar até que ponto
os observáveis tendem a medir a mesma coisa... a partir
de pesquisas empíricas e análises estatísticas; e (3)
realizar estudos e/ou experimentos de diferenças
individuais subsequentes para determinar até que ponto
as supostas medidas do construto são “melhores
suposições” consistentes sobre o construto.
Desses aspectos, Nunnally e Bernstein argumentam que
especificar o domínio do construto é o mais importante porque
não há como saber testar a adequação com que um
construto é medido sem um domínio bem especificado.
Em outras palavras, o aspecto 1 (especificar o domínio)
é importante para dizer o que fazer no aspecto 2
(investigar as relações entre as diferentes medidas
propostas de um construto (p. 88).
De fato, acrescentaríamos que não há como saber o que fazer no
aspecto 3 sem uma definição conceitual clara do construto.
Deixar de definir adequadamente o domínio conceitual de um
construto causa vários problemas (MacKenzie 2003). Primeiro,
uma definição pobre de construto leva a (1) confusão sobre o que
o construto faz e não se refere, e as semelhanças e diferenças
entre ele e outros construtos que já existem no campo; (2)
indicadores que podem ser deficientes porque a definição do
construto focal não está adequadamente desenvolvida, ou
contaminados porque a definição se sobrepõe a outros construtos
já existentes no campo; e (3) conclusões inválidas sobre
relacionamentos com outros construtos que posteriormente devem
ser rejeitados porque os indicadores de
as construções focais não estão realmente capturando o que
pretendem capturar.
Dada a importância de definir claramente o domínio conceitual do
construto, é surpreendente que tantos pesquisadores negligenciem
essa etapa do processo ou não a implementem adequadamente.
Uma razão pela qual isso pode acontecer é porque é difícil de
fazer. Escrever boas definições de construto requer pensamento e
organização conceitual claros, cuja falta se torna aparente assim
que o pesquisador tenta escrever uma definição conceitual rígida
do construto. Além disso, é difícil encontrar uma descrição
detalhada do que um pesquisador precisa fazer para definir
adequadamente um construto. Mesmo aqueles artigos que
enfatizam a importância de desenvolver uma definição conceitual
adequada nem sempre dizem aos pesquisadores como fazer isso.
De fato, como lamentado por Nunnally e Bernstein, “nenhum
método preciso pode ser declarado para delinear adequadamente
o domínio das variáveis para um construto... o processo de
teorização é necessariamente intuitivo” (p. 88). No entanto, mesmo
que isso possa ser um processo intuitivo, acreditamos que existem
maneiras de estruturar e orientar essa teorização e discutiremos
isso em uma seção posterior do artigo.
Falha ao especificar corretamente o
Modelo de medição
A maioria dos procedimentos de desenvolvimento de escala
recomendados até hoje (por exemplo, Anastasi e Urbina 1997;
Bagozzi et al. 1991; Hinkin 1995; Nunnally e Bernstein 1994;
Schwab 1980; Spector 1992) são baseados na suposição de que
a pontuação de uma pessoa em uma medida de um construto
latente é uma função de sua verdadeira posição no construto
latente, mais o erro. De acordo com essa abordagem de medição,
a causalidade flui do construto latente para as medidas no sentido de que cada me
visto como um reflexo imperfeito da construção latente subjacente
(ver Bollen 1989; Nunnally e Bernstein 1994).
Embora este tipo de modelo de medição seja conceitualmente
apropriado em muitos casos, Bollen e Lennox (1991) notaram que
não faz sentido para todos os construtos.
De fato, eles argumentam que os indicadores nem sempre refletem
construtos latentes subjacentes, mas às vezes eles se combinam
para formá -los. Isso é consistente com os pontos de vista de vários
outros pesquisadores (por exemplo, Blalock 1964; Borsboom 2005;
Edwards e Bagozzi 2000; Goertz 2006; Law e Wong 1999;
MacCallum e Browne 1993; MacKenzie et al. 2005), que
argumentam que para alguns construtos, faz mais sentido ver o
significado como emanando dos indicadores para o construto em
um sentido de definição, em vez de vice-versa.
A distinção entre modelos de medição formativa e reflexiva é
criticamente importante por várias razões. Primeiro, há
MIS Trimestral Vol. 35 nº 2/ junho de 2011 295
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
são razões conceituais sólidas para acreditar que muitas das
medidas mais amplamente utilizadas em marketing (Jarvis et al.
2003), gestão (Podsakoff et al. 2003b) e MIS (Petter et al. 2007)
provavelmente devem ser vistas como indicadores formativos de os
construtos que representam, e não como indicadores reflexivos. Em
segundo lugar, as recentes simulações de Monte Carlo relatadas
por Jarvis et al. (2003), MacKenzie et al. (2005), e Petter et al.
(2007) sugerem que as estimativas de parâmetros estruturais podem
ser tendenciosas quando indicadores que deveriam ser modelados
como tendo relações formativas com um construto são modelados
como tendo relações reflexivas. Por fim, a maioria dos procedimentos
de desenvolvimento de escalas recomendados na literatura se
aplicam apenas a construtos latentes com indicadores reflexivos e,
se aplicados a construtos latentes com indicadores formativos ,
podem comprometer a validade do construto. Por exemplo, a maioria
dos artigos e textos sobre processos de desenvolvimento de escala
(ver Churchill 1979; DeVellis 1991; Schwab 1980; Spector 1992)
recomendam que os itens que possuem baixas correlações item-
total sejam retirados de uma escala para aumentar a confiabilidade
da consistência interna. Embora esta recomendação seja adequada
no caso de indicadores reflexivos, porque se supõe que todos os
itens são amostrados do mesmo domínio de conteúdo, se esta
recomendação for seguida para construtos com indicadores
formativos, pode resultar na eliminação precisamente dos itens que
são mais relevantes. provavelmente alterará o significado empírico
e conceitual do construto. Assim, como observado por Bollen e
Lennox (1991), a sabedoria convencional sobre seleção de itens e
desenvolvimento e avaliação de escalas deve ser qualificada pela
consideração da natureza da relação entre os indicadores e o
construto latente que eles pretendem representar. Em uma seção
posterior do artigo, discutimos as implicações dessa distinção para
os procedimentos de validação de construto.
Subutilização de algumas técnicas que são
Útil no estabelecimento da validade do construto
Depois que um construto foi definido conceitualmente e medidas
provisórias foram desenvolvidas, um dos próximos passos é testar
se as medidas se comportam como seria de esperar se fossem
válidas. Normalmente, isso é avaliado testando se as medidas do
construto focal se relacionam com medidas de outros construtos na
rede nomológica especificada pelo pesquisador (Cronbach e Meehl
1955). Embora esta seja certamente uma forma de avaliar a validade
das medidas de um construto, a desvantagem dessa técnica é que
ela não pode descartar causas espúrias como explicação para os
achados.
Por exemplo, vieses metodológicos não podem ser descartados
como uma explicação potencial, a menos que o pesquisador
possíveis que podem ser úteis em cada etapa do construto
implemente controles procedimentais ou estatísticos (Podsakoff et al. 2003a).
Da mesma forma, pode haver outras construções de um não
296 MIS Trimestral Vol. 35 nº 2/ junho de 2011
natureza metodológica que pudesse explicar de forma plausível as
relações observadas entre as medidas do construto focal e as
medidas de outros construtos incluídos na rede nomológica. Essas
desvantagens decorrem do fato de que os dados são de natureza
correlacional. Consequentemente, uma maneira de eliminar ou
reduzir a plausibilidade dessas explicações rivais seria manipular
diretamente algo que o pesquisador espera influenciar o construto
focal para ver se isso afeta os escores nas medidas do construto.
Isso é consistente com a visão de Borsboom (2005) de que “um
teste é válido para medir um atributo [de um construto] se e somente
se a) o atributo existe, e b) variações no atributo produzem variações
nos resultados da medida. procedimento de avaliação” (p. 150).
Outra maneira de obter evidências de validade de construto seria
identificar grupos conhecidos por serem altos ou baixos no construto
focal e então comparar as pontuações desses grupos nas medidas
do construto focal que você está tentando avaliar. Embora esses
dois métodos alternativos de obtenção de evidências de validade de
construto tenham uma longa história de uso em pesquisa
comportamental (ver Cronbach e Meehl 1955), essas técnicas não
são usadas com muita frequência nas literaturas de MIS e
administração. Portanto, neste artigo vamos discutir essas técnicas
subutilizadas e como elas se comparam ao método comumente
usado para testar a validade nomológica.
Visão geral da escala
Processo de desenvolvimento
A Figura 1 fornece uma visão geral das etapas do processo de
desenvolvimento de escala. Conforme mostrado na figura, esse
processo envolve uma série de etapas que começam com a
conceituação do construto (ou reconceituação de um construto
existente) e culminam no desenvolvimento de normas para a escala.
Cada uma dessas etapas será discutida nas seções a seguir. Em
nossa discussão, tentaremos focar mais nas etapas que não
receberam tanta atenção na literatura. Isso não sugere que as outras
etapas do processo de validação sejam menos importantes.
Além disso, é importante ter em mente duas advertências sobre as
etapas que descrevemos na Figura 1. Primeiro, tentamos encontrar
um equilíbrio entre a profundidade do tratamento e a amplitude da
cobertura. Sem dúvida, há leitores que discordarão das trocas que
fizemos, e reconhecemos que pode haver outras técnicas valiosas
que podem ser utilizadas durante algumas das etapas do processo
de validação mostrado na Figura 1 que não conhecemos ou optou
por excluir. No entanto, sentimos que descrever todas as técnicas
Machine Translated by Google

MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental

Conceituação Desenvolva um conceito Passo 1

Definição da construção

Gerar itens para

Desenvolvimento de Passo 2
Representar
Medidas a construção

Avalie a validade do conteúdo

dos itens
etapa 3

Especificação modelo Especificar formalmente o

Modelo de medição Passo 4

Avaliação e Colete Dados para Conduzir

Etapa 5
Refinamento da Escala Pré-teste

Purificação de Escala e
Etapa 6
Refinamento

Reúna dados de novos

Validação
Amostra e Reexaminar Etapa 7
Propriedades da escala

Avaliar a validade da escala Etapa 8

Validação cruzada da escala Etapa 9

Elaborar Normas para o

Desenvolvimento de Normas Etapa 10
Escala

Figura 1. Visão geral do procedimento de desenvolvimento de escala

processo de validação prejudicaria nosso objetivo principal de Etapa 1. Desenvolva um Conceitual

delineando um conjunto organizado de atividades que definem prioridades para
o que precisa ser feito no desenvolvimento da escala e
Processo de avaliação. Em segundo lugar, é importante ter em mente
que pode haver limitações práticas que impedem os pesquisadores
de poder seguir todas as recomendações
discutido neste artigo em um único estudo, seja por uma
falta de tempo ou recursos, ou ambos. Ainda assim, como notado por
Vince Lombardi, o treinador do Hall da Fama da NFL, perseguindo
a perfeição serve a um propósito útil: “A perfeição não é alcançável,
mas se perseguirmos a perfeição podemos alcançar a excelência”.
Definição da construção
De acordo com Nunnally e Bernstein (1994, p. 85),
Na medida em que uma variável é abstrata e latente
em vez de concreto e observável (como o
classificação em si), é chamado de “construção”. Tal variável
é literalmente algo que os cientistas “construem”
(reunidos a partir de suas próprias imaginações) e
que não existe como uma dimensão observável de

MIS Trimestral Vol. 35 nº 2/ junho de 2011 297

Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
comportamento... Quase todas as teorias dizem respeito a afirmações
sobre construtos e não sobre variáveis específicas e observáveis,
porque os construtos são mais gerais
do que comportamentos específicos por definição.
A primeira etapa do processo de desenvolvimento e validação da escala
envolve a definição do domínio conceitual do construto.
Conforme observado por vários autores (Nunnally e Bernstein 1994;
Schwab 1980; Spector 1992), este estágio de desenvolvimento de escala
não requer apenas a identificação do que é o construto
pretende representar ou capturar conceitualmente, mas também uma
discussão de como o construto difere de outros construtos relacionados. Mais
especificamente, nesta etapa, o pesquisador
deve especificar a natureza do construto e sua
tema em termos inequívocos e de forma consistente com pesquisas anteriores
(MacKenzie 2003). Cada um desses
elementos é essencial. É importante nesta fase do processo de desenvolvimento
e validação do construto que os investigadores
ser o mais claro e conciso possível em sua definição
(Churchill 1979; Hinkin 1995). Por exemplo, em sua discussão sobre o
processo de desenvolvimento de escala, Clark e Watson
(1995, p. 310) afirmam que
Um primeiro passo crítico é desenvolver um método preciso e
concepção detalhada do construto alvo e sua
contexto teórico. Descobrimos que escrever
uma breve descrição formal do construto é muito
útil para cristalizar o modelo conceitual de alguém... pensar sobre
essas questões teóricas antes do
processo real de construção em escala aumenta a
probabilidade de que a escala resultante faça uma contribuição
substancial para a literatura psicológica.
Esses pontos são válidos e importantes de serem lembrados. No entanto,
mesmo em nossa própria experiência, esta etapa do processo de validação
de construto é a que muitas vezes é negligenciada ou tratada
de forma superficial (por exemplo, assumindo que a rotulagem ou
nomear a construção é equivalente a defini-la). Isso leva
para uma quantidade significativa de problemas mais tarde na validação
processo. De fato, como observado por MacKenzie (2003, p. 323),
a falha em especificar adequadamente o conceito
significado dos constructos focais de um estudo...
sequência de eventos que prejudica a validade do construto
(principalmente devido à deficiência de medida), estatística
validade de conclusão (devido aos efeitos de viés de
especificação incorreta do modelo de medição) e, em última
análise, validade interna (devido a uma combinação de
fatores).
Por esta razão, vamos detalhar brevemente cada um dos principais
fatores a ter em mente na conceituação do construto
estágio (ver Tabela 1).
298 MIS Trimestral Vol. 35 nº 2/ junho de 2011
Conforme indicado na Tabela 1, a primeira coisa que o pesquisador precisa
fazer é examinar como o constructo focal foi definido em
pesquisas anteriores e para realizar entrevistas com profissionais
e/ou especialistas no assunto. O objetivo da revisão da literatura é identificar
usos anteriores do termo, rudimentares ou
definições de dicionários, construções intimamente relacionadas, etc. Sartori
(1984) recomenda que os pesquisadores coletem um conjunto representativo de
definições, extrair suas características e construir matrizes que organizam tais
características de forma significativa. o
objetivo na realização de entrevistas com profissionais ou especialistas é
identificar os principais aspectos (ou atributos) do construto
domínio.
Em seguida, os pesquisadores precisam especificar formalmente a natureza do
construto, incluindo (1) o domínio conceitual para o qual o
construção focal pertence e (2) a entidade à qual ela se aplica.
Isso é consistente com Sartori, que argumentou que ao definir
construtos, os pesquisadores devem especificar os fenômenos aos quais
o construto se refere (ou seja, a intenção) e os referentes a
qual a construção se aplica (ou seja, a extensão). Por domínio conceitual,
queremos dizer que a definição deve especificar o
tipo geral de propriedade a que o construto focal se refere.
Por exemplo, a definição deve especificar se o construto se refere a um
pensamento (por exemplo, cognição, valor, intenção,
norma subjetiva), um sentimento (por exemplo, atitude, emoção, atitude
para o compartilhamento de conhecimento), uma percepção (por exemplo, facilidade percebida
de uso da tecnologia, utilidade percebida da tecnologia, percepções de
justiça), uma ação (por exemplo, comportamento, atividade), um resultado
(por exemplo, grau de uso, retorno sobre o investimento, preço de uma ação,
desempenho), ou uma característica intrínseca (p.
habilidade, estrutura, velocidade, consciência). A importância
de especificar o tipo geral de propriedade para o qual um constructo
refere foi previamente reconhecido por Schwab (1980), que
argumentou que, ao definir construtos, é importante
especificar se uma construção representa um
propriedade estrutural das organizações, percepções de
a propriedade (e em caso afirmativo, por quem), ou empregado
afetar para a propriedade... Muita confusão tem
foi criado porque o referente de construção não foi
ficou claro na definição e/ou na mudança
da definição à medição (pp. 12-13).
Por entidade queremos dizer o objeto ao qual a propriedade se aplica
(por exemplo, uma pessoa, uma tarefa, um processo, um relacionamento, uma díade, um
grupo/equipe, uma rede, uma organização, uma cultura). Como observado
por Kozlowski e Klein (2000, p. 27), a falha em especificar
a entidade à qual um construto se aplica é um problema comum:
Esse problema, observamos, uma vez atormentou a literatura
climática. Pesquisadores e críticos perguntaram
se o clima deveria ser conceituado e medido como um construto
organizacional (unidade) ou como um
Machine Translated by Google

MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental

Tabela 1. Resumo dos Fatores a Considerar na Conceituação do Construto

Fator Considerações

Examine como o foco
construção foi
usado em pesquisas
anteriores ou por profissionais
Especifique a natureza
do domínio conceitual do
construto
• Revisão da literatura de pesquisas teóricas e empíricas anteriores sobre o construto focal • Revisão da
literatura sobre o significado de construtos relacionados • Realizar pesquisas preliminares usando
abordagem indutiva com especialistas no assunto ou
praticantes
Identifique o tipo de propriedade que o construto representa e a entidade a que se aplica • Satisfação
no trabalho: Entidade = pessoa; propriedade geral = sentimentos positivos sobre o trabalho • Satisfação
do usuário final: Entidade = pessoa; propriedade geral = sentimentos positivos sobre o computador
tecnologia
• Facilidade de uso da tecnologia percebida: Entidade = pessoa; propriedade geral = percepção ou crença sobre o
uso da tecnologia • capacidades de TI: Entidade = organização; propriedade geral = habilidades e competências
de TI • Justiça processual: Entidade = pessoa; propriedade geral = percepção de justiça dos procedimentos •
Ambiguidade de papéis: Entidade = pessoa; propriedade geral = clareza de percepção dos requisitos do papel •
Medo de avanços tecnológicos: Entidade = pessoa; propriedade geral = medo de tecnologia

mudanças
• Desempenho no cargo: Entidade = pessoa; propriedade geral = resultados do
trabalho • Desempenho da empresa: Entidade = organização; propriedade geral = resultados
organizacionais • Capital social: Entidade = organização; propriedade geral = recursos provenientes da rede
relacionamentos

Especifique o tema Descreva os atributos/características necessários e suficientes da forma mais restrita possível • Atributos/
conceitual da construção características comuns
• Atributos/características únicas •
Amplitude/inclusão

Dimensionalidade
• Unidimensional
• Multidimensional

Estabilidade
• Ao longo do tempo

Defina a construção em
termos inequívocos
• Em todas as situações
• Entre casos
• Fornecer definição conceitual clara e concisa do construto • Não deve
ser sujeito a múltiplas interpretações • Não deve ser excessivamente
técnico (termos técnicos com significados restritos) • Deve definir o construto
positivamente, não pela negação de outras coisas; A negação de uma coisa não implica a afirmação de outra

• Não deve ser circular ou tautológico ou autorreferencial

psicológico (individual). Os pesquisadores do clima importante no estágio inicial da conceituação de um construto.

resolveram essa questão, diferenciando explicitamente
entre um clima de unidade consensual e suas origens
no clima psicológico. No entanto, a questão do nível
[entidade] muitas vezes não é feita em outras pesquisas.
Assim, especificar o tipo geral de propriedade a que se refere o
construto focal e a entidade à qual se aplica é
Por exemplo, de acordo com Doll e Torkzadeh (1988), a definição
de satisfação do usuário final deve se concentrar nos sentimentos
positivos de uma pessoa (entidade) sobre tecnologia de
computador (propriedade geral); e de acordo com Davis (1989) a
definição de facilidade percebida de uso da tecnologia deve focar
na percepção de uma pessoa (entidade) em relação ao uso da
tecnologia da informação (propriedade geral). Em contrapartida, segundo

MIS Trimestral Vol. 35 nº 2/ junho de 2011 299

Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Bharadwaj (2000), capacidades de TI é um construto que se refere às
habilidades ou competências de uma empresa (entidade) na área de
TI (propriedade geral).
Em seguida, o pesquisador precisa esclarecer a intenção do construto
focal, descrevendo seu tema conceitual. O tema conceitual de um
construto consiste no conjunto de atributos/características fundamentais
que são necessários e suficientes para que algo seja um exemplar do
construto. Por exemplo, um submarino pode ser definido como um
barco (1) capaz de operar sobre ou abaixo da superfície da água; (2)
que pode flutuar; (3) possuir um baú de escape de emergência
subaquático; e (4) feito de aço. Desses atributos/características,
apenas o primeiro é necessário e suficiente; os outros são necessários
mas não suficientes, suficientes mas não necessários, ou nem
necessários nem suficientes, respectivamente.
Idealmente, cada atributo/característica especificado no tema
conceitual seria comum a todos os exemplares do construto e
possuído de forma única pelos exemplares do construto.
No entanto, isso muitas vezes se mostra difícil de fazer, porque requer
uma clareza de pensamento que pode estar faltando nos estágios
iniciais do desenvolvimento de um construto devido a ambiguidades
na intenção e/ou extensão do construto. Além disso, Goertz (2006)
argumentou que alguns construtos obedecem a uma “estrutura de
semelhança familiar”, que postula uma série de atributos/características
suficientes, mas não necessários.
Consequentemente, o tema conceitual às vezes é expresso
exclusivamente em termos de atributos/características que são
comuns, mas não únicos, ou exclusivamente em termos de atributos/
características que são únicos, mas não comuns.
No entanto, o perigo de definir um construto apenas em termos de
características comuns, ignorando sua singularidade, é que outros
pesquisadores podem acreditar falsamente que todas as entidades
que possuem essas características se qualificariam como uma
instância do construto. Isso leva a uma definição excessivamente
ampla do construto. Por exemplo, o comprometimento organizacional
pode ser definido como um sentimento positivo sobre a organização,
mas a lealdade organizacional e o envolvimento organizacional
também são sentimentos positivos sobre a organização. Para distingui-
los, suas características ou atributos únicos também devem ser
especificados. Por outro lado, o perigo de definir um construto
exclusivamente em termos de características únicas, independentemente
da semelhança, é que outros pesquisadores podem acreditar
falsamente que, a menos que um objeto possua essa característica
particular, ele não pode se qualificar como um exemplo do construto.
Por exemplo, se o construto de desvio no local de trabalho fosse
simplesmente definido como roubar da empresa, assediar sexualmente
um colega de trabalho e consumir álcool ou drogas no trabalho, outros
pesquisadores não teriam como saber se sair do trabalho mais cedo
sem permissão, ligar para doente
300 MIS Trimestral Vol. 35 nº 2/ junho de 2011
quando você não está, ou trabalhando em um assunto pessoal durante
o horário de trabalho são exemplos de desvio no local de trabalho. É
por isso que definir um construto apenas em termos de exemplos,
sem articular as características comuns que os unem, é um problema.
Além disso, ao especificar o tema conceitual de um construto, também
é importante especificar o quanto se espera que ele seja estável ao
longo do tempo, em todas as situações e em todos os casos (ver
Chaplin et al. 1988). Por exemplo, espera-se que o construto seja
relativamente estável ao longo do tempo como um traço de
personalidade, ou espera-se que varie ao longo do tempo como um
estado de humor? Espera-se que o construto se aplique apenas em
uma situação particular e não em outras, como autoeficácia em tarefas
específicas, ou espera-se que seja geralmente aplicável em diferentes
situações, como autoestima generalizada? Espera-se que o construto
seja aplicável apenas a casos específicos, como comportamento
militar, ou generalizado em casos como comprometimento organizacional?
Por fim, tudo isso deve ser feito com uma linguagem clara e concisa,
que não esteja sujeita a múltiplas interpretações e que não seja
excessivamente técnica. Além disso, é importante que a definição (1)
não seja tautológica ou auto-referencial, e (2) descreva o construto
positivamente em termos do que ele é (e não exclusivamente pela
negação de outras coisas, ou em termos de sua antecedentes e/ou
consequências).
Construir Dimensionalidade
Uma vez que o construto tenha sido cuidadosamente definido, é
importante dar um passo atrás e avaliar se existem múltiplas
subdimensões do construto focal e como elas se relacionam com o
construto focal e entre si. Nesta seção, exploraremos cada uma
dessas questões.
A primeira questão é se existem múltiplas subdimensões do construto
focal, ou, em outras palavras, o construto tem mais de uma faceta,
aspecto ou subdimensão conceitualmente distinguível? Muitos
construtos são definidos como tendo múltiplas e distintas
subdimensões. Por exemplo, a confiabilidade foi definida por Serva et
al. (2005) como tendo três subdimensões distintas (integridade,
benevolência e habilidade); o desempenho da empresa foi definido
por Rai et al. (2006) em função da excelência operacional,
relacionamento com clientes e crescimento da receita; e Yi e Davis
(2003) definiram os processos de aprendizagem observacional como
tendo várias facetas distintas (atenção, retenção, produção e
motivação). Se um construto é multidimensional, é importante definir
cada uma das subdimensões com o mesmo cuidado que foi usado no
caso do próprio construto focal.
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Para determinar se o construto focal é multidimensional, achamos
útil listar as características essenciais do construto e responder às
seguintes perguntas:
(1) Quão distintas são as características essenciais umas das
outras (além de seu tema comum)?
(2) A eliminação de qualquer um deles restringiria o domínio do
construto de forma significativa ou importante?
Se as características essenciais não possuem aspectos únicos, e
a eliminação de qualquer uma delas não restringiria o domínio
conceitual do construto, então o construto é unidimensional do
ponto de vista conceitual. Em contraste, se as características
essenciais descrevem aspectos relativamente únicos do construto,
e a eliminação de qualquer um deles restringiria o domínio
conceitual do construto, então o construto é multidimensional do
ponto de vista conceitual. Por exemplo, Bagozzi et al. (1979)
notaram que uma conceitualização tripartite da atitude de uma
pessoa em relação a um objeto vê a construção focal como sendo
multidimensional e consistindo de componentes afetivos, cognitivos
e conativos; enquanto uma conceituação unidimensional de atitude
vê esse construto como consistindo apenas de afeto.
Se o construto é multidimensional, uma segunda questão conceitual
que deve ser considerada é a natureza da relação entre as
subdimensões e o construto de ordem superior (mais geral).
Conforme observado por Edwards (2001),
As relações entre um construto multidimensional e suas
[sub-]dimensões não são forças causais que ligam
entidades conceituais separadas, mas representam
associações entre um conceito geral e as [sub-]dimensões
que representam ou constituem o construto (p. 146).
Ao tomar a decisão sobre como as subdimensões se relacionam
com o construto focal mais geral, vários autores (Bollen e Lennox
1991; Jarvis et al. 2003; Wong et al. 2008) notaram que é útil
perguntar
(1) As subdimensões são vistas como manifestações do construto
focal ou como características definidoras dele?
(2) O construto focal existe separadamente em um nível mais
profundo e mais embutido do que suas subdimensões, ou o
construto focal é uma função de suas subdimensões?
(3) Uma mudança no construto focal estaria associada a mudanças
em todas as subdimensões, ou é possível que
uma mudança no construto focal a ser associada a uma
mudança em apenas uma das subdimensões (mas não nas
outras)?
Se as subdimensões são vistas como características definidoras,
o construto focal é uma função de suas subdimensões, e uma
mudança em apenas uma das subdimensões pode estar associada
a uma mudança no construto focal, então as subdimensões são
mais bem pensados como indicadores formativos do construto
focal de segunda ordem. Por exemplo, a liderança transformacional
é frequentemente conceituada (veja Avolio et al. 1999; Howell e
Hall-Merenda 1999) como tendo múltiplas subdimensões
comportamentais (por exemplo, consideração individualizada,
influência idealizada, estimulação intelectual, etc.) significa ser um
líder transformacional e determinar o nível de liderança
transformacional de um líder. Estes são vistos como indicadores
formativos, e não como indicadores reflexivos, porque parece
razoável que um aumento no nível de comportamento de
consideração individualizada de um líder possa estar associado a
um aumento de seu nível de liderança transformacional, sem
necessariamente estar associado a quaisquer mudanças no
comportamento de estimulação intelectual do líder ou
comportamento de influência idealizado.
Em contraste, se as subdimensões são vistas como manifestações
de um construto focal, o construto focal existe separadamente em
um nível mais profundo e mais embutido do que suas subdimensões,
e uma mudança no construto focal deve produzir uma mudança.
em todas as suas subdimensões, então as subdimensões são mais
bem pensadas como refletindo a construção focal de segunda
ordem. Por exemplo, a tendência geral de um líder de exibir um
comportamento de recompensa contingente em relação a seus
subordinados pode ser medida pedindo aos subordinados de um
líder que respondam em vários momentos diferentes aos seguintes
tipos de itens: “meu supervisor fornece feedback positivo quando
eu fazer bem meu trabalho”, “meu supervisor me elogia quando
meu trabalho é especialmente bom”, e assim por diante. As
respostas a esses itens são indicadores reflexivos da tendência do
líder de exibir essa forma de comportamento em um determinado
momento, e as tendências do líder nesses momentos específicos
refletem sua tendência geral de exibir essa forma de
comportamento. . Mais geralmente, um modelo de medição de
segunda ordem com múltiplas subdimensões de primeira ordem
como indicadores reflexivos pode ser apropriado quando um
pesquisador (1) está interessado em medir um construto focal
estável (por exemplo, uma variável de diferença individual) ao
longo do tempo ou entre situações , ou (2) tem vários lotes de itens
selecionados aleatoriamente, cada um dos quais reflete um
construto focal. Observe, no entanto, que este último procedimento
não está isento de limitações (ver Bandalos 2002), como discutiremos mais adiant
Para construtos com múltiplas subdimensões como indicadores
formativos, uma terceira questão que precisa ser considerada é como
MIS Trimestral Vol. 35 nº 2/ junho de 2011 301
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
as subdimensões se combinam para formar a construção focal. Em
todos esses modelos, o construto focal é função das subdimensões
que o definem em conjunto. A questão é: que tipo de função? É
aditiva ou multiplicativa?
Goertz (2006) argumenta que “os conceitos têm teorias causais
embutidas neles” (p. 12) no sentido de que “os atributos centrais de
um conceito constituem uma teoria da ontologia do fenômeno em
consideração”. (pág. 27). Para ele, uma parte essencial da
conceituação de um construto é a especificação da maneira pela
qual as subdimensões se combinam para dar significado ao construto.
Para alguns construtos, as subdimensões se combinam de forma
compensatória para produzir o significado do construto focal de tal
forma que o efeito de cada subdimensão no construto focal seja
independente dos efeitos das outras subdimensões. Implicitamente,
essa estrutura sugere que uma mudança em cada subdimensão
individual é suficiente (mas não necessária) para produzir uma
mudança no significado do construto focal. Essa estrutura pode ser
apropriada para um construto como desempenho no trabalho (por
exemplo, Rotundo e Sackett 2001), se alguém levantar a hipótese
de que cada uma de suas subdimensões (desempenho da tarefa,
comportamento de cidadania organizacional e comportamentos de
desvio no local de trabalho) contribuem para mudanças no
desempenho no trabalho, a magnitude do efeito de cada subdimensão
não está relacionada aos efeitos de qualquer uma das outras
subdimensões, e as subdimensões são substituíveis no sentido de
que uma pode compensar a outra. Nesse tipo de modelo, as
subdimensões são somadas para formar o construto focal. Por
exemplo, um funcionário pode aumentar seu desempenho no trabalho
aumentando o desempenho da tarefa ou aumentando o
comportamento de cidadania organizacional ou diminuindo o
comportamento de desvio no local de trabalho. Conceitualmente,
isso significa que o construto focal representa a união de suas
subdimensões.
No entanto, este modelo não é adequado para todos os construtos.
Para alguns construtos, as subdimensões representam atributos/
características que são necessárias e conjuntamente suficientes
para o significado do construto. Essa estrutura conceitual sugere que
o construto focal representa a interseção da subdimensão 1 e
subdimensão 2 e subdimensão 3, etc. Na prática, esse tipo de
estrutura pode ser representado por uma interação multiplicativa
entre as subdimensões. Isso é consistente com Goertz (2006, p. 7),
que observou que esse tipo de modelo
remonta a Aristóteles e constrói conceitos usando a
estrutura de condições necessárias e suficientes. Na lógica
filosófica clássica, definir um conceito é dar as condições
necessárias e suficientes para que algo se encaixe na
categoria. Cada um desses
302 MIS Trimestral Vol. 35 nº 2/ junho de 2011
condições necessárias é uma [subdimensão]: a cola
estrutural que une as [subdimensões] para formar o nível
básico é a matemática das condições necessárias e
suficientes.
Por exemplo, por mais de 50 anos, os cientistas sociais conceituaram
a credibilidade da fonte como exigindo tanto conhecimento quanto
confiabilidade (Hovland et al. 1953). Isso implica que uma fonte deve
ter algum nível mínimo de ambos os atributos para possuir
credibilidade. Em outras palavras, uma fonte que possui expertise,
mas que não é confiável, não é crível. Da mesma forma, uma fonte
que é confiável, mas não tem experiência, também não é credível.
Assim, quando um construto é composto por vários atributos
necessários, o construto deve ser visto como sendo formado pela
interação entre esses atributos, e deve ser modelado de forma
consistente com essa lógica. É importante notar que, conceitualmente,
a credibilidade da fonte não é um construto distinto causado por
confiabilidade e experiência; em vez disso, é definido como sendo o
produto de confiabilidade e experiência. Outro exemplo de um
construto em que múltiplas e distintas subdimensões interagem para
formar um construto focal pode ser a força de Vroom (1964) para
realizar um construto de ato (que é visto como a valência do resultado
vezes a força da expectativa de que um determinado ato será
seguido pela obtenção desse resultado). Embora não tenhamos
conhecimento de nenhum exemplo específico do uso dessa estrutura
multiplicativa para um modelo de medição, acreditamos que esse
tipo de modelo de medição é apropriado para alguns construtos e
deve ser explorado em pesquisas futuras.
Construções não são inerentemente formativas ou
reflexivas
É importante notar que os termos formativo e reflexivo descrevem a
relação entre um indicador e o construto latente ao qual ele está
associado. Os construtos não são inerentemente formativos ou
reflexivos por natureza, e a maioria pode ser modelada como tendo
indicadores formativos ou reflexivos, dependendo das expectativas
teóricas do pesquisador sobre como eles devem se relacionar com
base na definição conceitual do construto. Por exemplo, a satisfação
no trabalho foi conceituada tanto como um construto unidimensional
(Cammann et al. 1983) quanto um construto multidimensional com
várias facetas distintas (Smith et al. 1969). No primeiro caso, a
satisfação no trabalho é medida com três indicadores reflexivos;
enquanto no segundo caso, a satisfação no trabalho tem vários
indicadores formativos, cada um dos quais representa uma das
facetas (por exemplo, Law e Wong 1999). O ponto chave é que a
forma como o construto e os indicadores estão ligados depende do
conteúdo do indicador e de como o construto é conceituado pelo
pesquisador. Isso é consistente com
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Borsboom (2005), que argumentou que mesmo um construto como
status socioeconômico (SES), que é frequentemente usado como
exemplo prototípico de um construto com indicadores formativos,
pode ser medido com indicadores reflexivos:
Pode-se também imaginar que poderia haver
procedimentos para medir construtos como SES
reflexivamente – por exemplo, por meio de uma série de
perguntas como “o quão alto você está na escala social?”
Assim, o fato de atributos [construtos] como SES serem
tipicamente abordados com modelos formativos não
significa que eles não possam ser avaliados reflexivamente (p. 169).
Problemas Ontológicos
Um último ponto a ser destacado é que os modelos de mensuração
formativa e reflexiva possuem diferentes pressupostos ontológicos
que raramente têm sido discutidos na literatura, mas, no entanto,
têm implicações importantes. Como observado por Borsboom
(2005, p. 63), a teoria da variável latente é ontologicamente
ambígua dependendo se um modelo de indicador reflexivo ou
formativo é assumido: “a interpretação realista de uma variável
latente implica um modelo reflexivo, enquanto construtivista,
operacionalista, ou interpretações instrumentalistas são mais
compatíveis com um modelo formativo”.
Vários autores (por exemplo, Borsboom 2005; Howell et al. 2007b)
raciocinaram que modelos de medição com indicadores reflexivos
implicam que o construto latente (1) é uma entidade real que existe
independentemente de uma pessoa e da maneira como ela
encontra sobre isso, e (2) causa a variação observada nas
respostas aos itens usados para medi-la. Embora acreditemos que
uma interpretação realista seja razoável para muitos construtos
representados por modelos de medição de indicadores reflexivos,
suspeitamos que alguns pesquisadores relutariam em endossar
essa interpretação estrita no caso de fatores latentes “descobertos”
por meio de análise fatorial exploratória, e talvez no caso de certos
tipos de construções psicológicas. Por exemplo, Bagozzi questionou
recentemente essas duas suposições amplamente aceitas (ou
seja, a suposição de que um construto latente deve sempre
representar uma entidade real e independente da mente, e a
suposição de que causa as respostas de uma pessoa às suas
medidas):
Uma concepção estritamente realista de variáveis
latentes torna-se menos sustentável quando consideramos
conceitos abstratos ou teóricos como atitudes, atribuições,
crenças, desejos, emoções, objetivos, intenções,
motivação e traços de personalidade. Esses eventos e
estados mentais são amplamente estudados e
provavelmente constituem a maioria das aplicações da equação estrutural.
modelos (SEMs) por psicólogos. Não foi possível
relacionar tais eventos e estados mentais de perto com
processos físicos no cérebro ou fazer afirmações sobre
como os eventos ou estados mentais funcionam no
sentido físico. De fato, é uma questão em aberto se isso
será possível, se assumirmos que há algo mais nas
atitudes, intenções e assim por diante do que o disparo
de neurônios e outros processos físicos (Bagozzi 2007,
p. 230).
Agora, à afirmação de que a relação entre uma variável
latente e suas variáveis manifestas ou medidas é
causal... Parece-me que a relação em questão não é
causal, per se, mas sim de mensuração hipotética. Ou
seja, a relação é entre um conceito abstrato, não
observado, e uma medida concreta, observada,
hipotetizada para medir o conceito; a relação é parte
lógica, parte empírica e parte teórica (conceitual), com a
carga fatorial inferida representando, por si só, apenas
parte do significado empírico da relação (Bagozzi 2010,
p. 210).
Em contraste, os modelos de medição com indicadores formativos
não precisam assumir que o construto latente composto é uma
entidade real. Normalmente, os construtos com indicadores
formativos são vistos como construções teóricas (em vez de
entidades reais) que resumem (e, portanto, dependem) das
respostas das pessoas aos itens usados para representar o
construto. Este ponto foi bem articulado por Borsboom (2005, p.
62), que observou que
As variáveis latentes do tipo formativo não são
conceituadas como determinantes de nossas medidas,
mas como um resumo dessas medidas. Essas medidas
podem muito bem ser consideradas determinadas por
uma série de variáveis latentes subjacentes (o que daria
origem ao modelo espúrio com múltiplas causas comuns
de Edwards e Bagozzi 2000), mas não somos forçados
de forma alguma a fazer tal suposição. Agora, se
quiséssemos saber como ponderar a importância relativa
de cada uma das medidas que compõem o SES na
previsão, digamos, da saúde, poderíamos usar um
modelo formativo... Nesse modelo, também poderíamos
testar se o SES atua como um variável única na previsão
de saúde. De fato, esse valor preditivo seria a principal
motivação para conceituar o SES como uma única
variável latente. No entanto, em nenhum lugar neste
desenvolvimento fomos forçados a admitir que o SES
existe independente de nossas medidas... O modelo
formativo, portanto, não requer necessariamente uma
interpretação realista do latente.
MIS Trimestral Vol. 35 nº 2/ junho de 2011 303
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
variável que ele invoca. De fato, se fosse dada uma
interpretação realista, seria natural conceituá-la como um
modelo espúrio com múltiplas causas comuns no sentido
de Edwards e Bagozzi (2000). Isso introduziria novamente
uma parte reflexiva do modelo no modelo, que corresponderia
àquela parte do modelo que tem uma interpretação realista.
Etapa 2: gerar itens para
Represente a construção
Uma vez que o construto focal tenha sido definido conceitualmente, o
próximo passo no processo é gerar um conjunto de itens que
represente totalmente o domínio conceitual do construto. Esses itens
podem vir de uma variedade de fontes (ver Churchill 1979; Haynes et
al. 1995; Nunnally e Bernstein 1994), incluindo revisões da literatura,
dedução da definição teórica do construto, pesquisas teóricas e
empíricas anteriores sobre o construto focal , sugestões de especialistas
na área, entrevistas ou discussões de grupos focais com representantes
da(s) população(ões) para a qual se espera que o construto focal se
generalize e um exame de outras medidas do construto já existentes.
Independentemente de o construto focal ser unidimensional ou
multidimensional, o objetivo final do processo de geração de itens é
produzir um conjunto de itens que capture totalmente todos os aspectos
essenciais do domínio do construto focal, minimizando a extensão em
que os itens explorar conceitos fora do domínio da construção focal.
Para construtos multidimensionais, isso significaria desenvolver um
conjunto de itens para cada subdimensão individual, além de garantir
que as subdimensões incluam todos os aspectos essenciais da
definição do construto focal. É importante ressaltar que isso é verdade
independentemente de como as subdimensões se relacionam com o
construto focal (ou seja, como indicadores formativos ou reflexivos).
Em ambos os casos, o objetivo final na geração do conjunto inicial de
itens é o mesmo. Com efeito, como assinalam Diamantopoulos e
Sigauw (2006, p. 267),
Em suma, de acordo com a literatura existente, parece não
haver nenhuma razão convincente para que o conjunto
inicial de itens difira puramente por causa da escolha da
perspectiva de medição. Assumindo que as diretrizes da
literatura sobre abrangência e inclusão sejam seguidas
diligentemente [por exemplo, Bollen e Lennox 1991; De
Vellis 1991; Diamantopoulos e Winklhofer 2001; Spector
1992], não se espera que a geração de itens sob cada
perspectiva resulte em pools de itens amplamente
divergentes.
304 MIS Trimestral Vol. 35 nº 2/ junho de 2011
Além disso, existem várias outras considerações sobre os itens que
devem ser levados em consideração nesta etapa do processo de
desenvolvimento da escala. Uma consideração diz respeito à maneira
como os itens são escritos (Peterson 2000; Podsakoff et al. 2003a;
Spector 1992; Torangeau et al. 2000).
De um modo geral, cada item deve ser escrito de forma que sua
redação seja o mais simples e precisa possível. Itens de duplo sentido
(por exemplo, “Oradores confiáveis possuem experiência e são
confiáveis”) devem ser divididos em duas declarações de ideia única
e, se isso for impossível, o item deve ser eliminado completamente.
Os itens que contêm termos ambíguos ou desconhecidos devem ser
esclarecidos, e os itens que possuem sintaxe complicada devem ser
simplificados e tornados mais específicos e concisos.
Finalmente, esforços também devem ser feitos para refinar ou remover
itens que contenham desejo social óbvio (ver Nederhof 1985).
Etapa 3: avaliar o conteúdo
Validade dos itens
Uma vez que os itens tenham sido gerados para representar o
construto focal, eles devem ser avaliados quanto à sua validade de conteúdo.
De acordo com Straub e cols. (2004, p. 424), a validade de conteúdo
diz respeito “ao grau em que os itens de um instrumento refletem o
universo de conteúdo para o qual o instrumento será generalizado”.
Da mesma forma, Kerlinger (1973, p. 459), define validade de conteúdo
como “a 'representatividade' ou 'adequação da amostragem' do
conteúdo – a substância, a matéria, os tópicos – de um instrumento
de medição”. Assim, dois julgamentos relacionados devem ser feitos
ao avaliar a validade de conteúdo:
(1) O item individual é representativo de um aspecto do domínio de
conteúdo do construto?
(2) Os itens como um conjunto representam coletivamente todo o
domínio de conteúdo do construto?
Embora haja uma variedade de métodos desenvolvidos para avaliar a
adequação do conteúdo de novas medidas (Anderson e Gerbing 1991;
Hinkin e Tracey 1999; Lawshe 1975; Schriesheim et al. 1999;
Schriesheim et al. 1993), recomendamos o procedimento sugerido por
Hinkin e Tracey (1999) como ilustrado por Yao et al. (2008). Até onde
sabemos, essa técnica não foi utilizada na literatura de MIS. Nesse
procedimento, o pesquisador constrói uma matriz na qual as definições
de diferentes aspectos do domínio do construto são listadas no topo
das colunas e os itens são listados nas linhas (ver Tabela 2). Em
seguida, os avaliadores são solicitados a avaliar até que ponto cada
item captura cada aspecto do domínio do construto usando uma escala
do tipo Likert de cinco pontos, variando de 1 (nada) a 5 (completamente).
Esta informação na Tabela 2 pode ser transposta para produzir uma
matriz
Machine Translated by Google

MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental

Tabela 2. Exemplo hipotético de tarefa de classificação de itens para avaliar a adequação do conteúdo

Número do avaliador = 001 A capacidade da outra parte de Integridade é a percepção

A benevolência é o grau
em que o credor acredita
que o síndico tem boa vontade
ou intenções positivas para
o confiador (Serva et al.
Itens da Escala de Confiabilidade† 2005, pág. 630).
1. A equipe de gerenciamento realmente olhou
para o que era importante para o nosso 421
equipe de desenvolvimento.
realizar uma tarefa importante
ao credor, onde a capacidade é
o conjunto de habilidades ou atributos
que permitem ao síndico
têm influência (Serva et al.
2005, págs. 629-630).
de um trustor de que o
trustee segue valores aceitáveis,
que pode incluir problemas
como consistência,
honestidade e justiça (Serva
et ai. 2005, pág. 630).

2. Nossa equipe de desenvolvimento sentiu que o

equipe de gestão foi muito capaz 152
de realizar seu trabalho.
3. Nossa equipe de desenvolvimento acreditava que
a equipe de gestão tentou ser justa 115
no trato com os outros.
4. As necessidades da nossa equipe de desenvolvimento e

desejos eram muito importantes para o 512

time de gerenciamento.
5. Nossa equipe de desenvolvimento tinha
confiança nas habilidades do 152
time de gerenciamento.
6. A equipe de gestão tinha um forte 214
senso de justiça.
7. A equipe de gestão saiu do seu 522
maneira de ajudar nossa equipe de desenvolvimento.

8. Nossa equipe de desenvolvimento acreditava que

a equipe de gestão foi bem 151
qualificado.

9. Nossa equipe de desenvolvimento gostou do

215
valores da equipe de gestão.
† Os itens de confiabilidade utilizados para fins ilustrativos foram retirados de Serva et al. (2005).

Tabela 3. Exemplo de uma matriz de dados para pontuações de adequação de conteúdo

Avaliador Aspectos de
Número Confiabilidade Item #1 Item #2 Item #3 Item #4 Item #5 Item #6 Item #7 Item #8 Item #9
001 Benevolência 411512512
Habilidade 251151251
Integridade 1 2 5 2 2 4 2 1 5
002 Benevolência 521521511
Habilidade 151141152
Integridade 1 1 5 1 2 5 2 1 4
n... Benevolência
Habilidade

Integridade

MIS Trimestral Vol. 35 nº 2/ junho de 2011 305

Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
de dados de classificações semelhantes ao mostrado na Tabela 3.
Nessa tabela, cada caso consiste em várias linhas de dados (uma
para cada aspecto do domínio do construto). A primeira linha de
cada caso consiste nas avaliações do avaliador de cada um dos
itens no primeiro aspecto do domínio do construto (ou seja,
benevolência), a segunda linha contém as avaliações do avaliador
de cada um dos itens no segundo aspecto do domínio do construto
(ou seja, habilidade), e assim por diante. Uma ANOVA de medidas
repetidas unidirecionais é então usada para avaliar se a classificação
média de um item em um aspecto do domínio do construto difere de
suas classificações em outros aspectos do domínio do construto.
Assumindo que a estatística F é significativa, um contraste planejado
é realizado para testar se a média da classificação para o item no
aspecto hipotético do domínio do construto é maior do que a
classificação média para este item em todos os outros aspectos do domínioaos
Ao usar a técnica descrita acima, é importante manter várias coisas
em mente. Primeiro, porque cada avaliador faz várias avaliações
para cada item, é essencial usar uma ANOVA de medidas repetidas
unidirecionais, para que seja feito um ajuste no termo de erro (ver
Winer 1971, p. 270). Só seria apropriado usar uma ANOVA
unidirecional entre sujeitos para analisar os dados se as classificações
de cada item em cada aspecto do domínio do construto fossem
fornecidas por avaliadores diferentes. As desvantagens de uma
abordagem entre sujeitos é que ela exigiria substancialmente mais
sujeitos e o teste das diferenças de classificação do item entre os
aspectos do domínio do construto seria menos poderoso porque as
diferenças individuais entre os avaliadores seriam agrupadas no
termo de erro.
Em segundo lugar, é importante lembrar que a eficácia de qualquer
técnica de avaliação de adequação de conteúdo é tão boa quanto as
definições do construto (e dos itens) que são desenvolvidas pelo
pesquisador em primeiro lugar. Assim, como observamos
anteriormente, boas definições de construto são um elemento crítico
do processo de validação de construto.
Terceiro, ao selecionar pessoas para atuar como avaliadores, é
importante certificar-se de que eles tenham capacidade intelectual
suficiente para avaliar a correspondência entre os itens e as
definições teóricas. Anderson e Gerbing (1991) argumentaram que,
além disso, também é importante que os avaliadores sejam
representantes da principal população de interesse; enquanto
Schriesheim et al. (1993) e Hinkin e Tracey (1999) não consideram
que esta seja uma questão crítica e que os estudantes universitários
possam ser utilizados para esta tarefa. Em princípio, tendemos a
concordar com a posição de Anderson e Gerbing, pois acreditamos
ser importante desenvolver itens que sejam conceitualmente
compreendidos pela população de interesse. No entanto,
reconhecemos que, em muitos casos, os estudantes universitários
podem ser representativos da população para a qual se deseja generalizar. o construto focal e/ou subdimensão a que se destinam.
306 MIS Trimestral Vol. 35 nº 2/ junho de 2011
Quarto, também é importante evitar sobrecarregar os avaliadores.
Com base em evidências de pesquisas de julgamento psicofísico,
Schreisheim et al. (1993) sugerem que os avaliadores podem
distinguir de forma confiável entre um máximo de apenas oito a dez
aspectos do domínio de conteúdo por vez. No entanto, mesmo isso
pode ser demais quando o número de itens também é grande.
Nesses casos, pode ser necessário que os avaliadores avaliem
apenas um subconjunto dos itens para reduzir os encargos gerais da tarefa.
Quinto, o procedimento descrito acima pode ser usado não apenas
para determinar se os itens capturam o construto hipotético, mas
também se eles capturam construtos não intencionais (ou seja, se
os itens estão contaminados). Isso pode ser feito incluindo definições
de outros construtos nos títulos das colunas da Tabela 2 e pedindo
do construto . que avaliem até que ponto os itens representam
avaliadores
esses outros construtos.
De fato, como observado por Schreisheim et al. (1993, p. 406), ao
construir novas escalas,
o desenvolvedor pode ser aconselhado a empregar não
apenas as categorias e definições das escalas ou
subescalas que estão sendo desenvolvidas, mas também
aquelas de construtos relacionados ou de construtos que
foram fontes problemáticas de confusão de conteúdo no
passado... O uso dessas categorias de conteúdo adicionais
devem ajudar a garantir que quaisquer novas medidas
desenvolvidas tenham conteúdo de item livre de itens de
domínios problemáticos e/ou estranhos.
Finalmente, é importante reconhecer que esta técnica não faz
suposições implícitas sobre a direção da relação entre os itens e
seus fatores correspondentes ou sobre as correlações entre os
próprios itens.
Por isso, pode ser usado para avaliar a validade de conteúdo de
indicadores formativos ou reflexivos. Esta é uma vantagem chave
desta técnica em relação à abordagem do método Q para avaliação
de conteúdo discutida por Schriesheim et al. (1993), e é
particularmente importante porque Petter et al. (2007) notaram que
a falta de validade de conteúdo é um problema particularmente sério
para construtos com indicadores formativos.
Etapa 4: Especifique formalmente o
Modelo de medição
Uma vez que um conjunto de itens válidos de conteúdo tenha sido
gerado, o próximo passo é especificar formalmente um modelo de
medição que capture as relações esperadas entre os indicadores e
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
represent.4 Isso é complicado pela necessidade de definir a escala
de medição e garantir que os parâmetros do modelo sejam todos
identificados. A escala de medição para um construto de primeira
ordem com vários indicadores reflexivos ou formativos pode ser
definida (1) fixando um caminho entre o construto latente e um de
seus indicadores em algum valor diferente de zero ou (2) fixando a
variância do construto em algum valor diferente de zero (Bollen
1989; MacCallum e Browne 1993). Em ambos os casos, o valor
diferente de zero é geralmente 1,0 para auxiliar na interpretação.
Qualquer uma dessas duas soluções é aceitável. Também é
necessário definir a escala de medição para um construto de
segunda ordem com múltiplas subdimensões de primeira ordem
reflexivas ou formativas como indicadores. Isso pode ser feito (1)
fixando um caminho entre a construção de segunda ordem e uma
de suas subdimensões em algum valor diferente de zero (geralmente
1,0) ou (2) fixando a variância da construção de segunda ordem em
algum valor diferente de zero (novamente, geralmente 1,0). Mais
uma vez, qualquer uma dessas soluções é aceitável. A vantagem
de fixar o caminho em 1,0 é que ajuda na interpretação, fazendo
com que a escala de medição para o construto de segunda ordem
seja a mesma de uma de suas subdimensões. A vantagem de fixar
a variância em 1,0 é que ajuda na interpretação padronizando o construto.
Uma segunda questão importante que dificulta a especificação de
construtos com indicadores formativos é que, dependendo da
estrutura do modelo, nem sempre é possível identificar o termo de
erro em nível de construto (Bollen e Davis 2009; MacCallum e
Browne 1993). Em casos raros, pode ser apropriado resolver essa
indeterminação fixando o termo de erro em nível de construção (ÿ)
em zero. Por exemplo, no caso de um construto “exógeno” de
segunda ordem com múltiplas subdimensões de primeira ordem
como indicadores formativos e com vários indicadores reflexivos de
cada subdimensão de primeira ordem, pode ser apropriado corrigir
o termo de erro associado com o construto latente de segunda
ordem em zero, desde que se tenha certeza de que (1) os
indicadores de primeira ordem do construto latente composto de
segunda ordem estão livres de erro de medição, (2) todas as
subdimensões essenciais do construtos de segunda ordem são
representados e (3) as subdimensões não interagem entre si. Com
relação ao primeiro ponto, neste tipo de modelo pode ser razoável
supor que os indicadores de primeira ordem estão livres de erro de
medição, uma vez que o erro de medição aleatório foi parcialmente
excluído desses indicadores. Em relação ao segundo e terceiro
4
Observe que nossa discussão aqui se concentra no uso de SEM baseado em covariância
técnicas em vez de técnicas baseadas em componentes para especificar e testar modelos
de medição (para uma discussão sobre os méritos de cada abordagem, ver Diamantopoulos
2011). Além disso, nossa discussão não se aplica a construções multidimensionais que
são especificadas como “perfis” ou combinações discretas de vários níveis de suas
dimensões (para uma discussão mais extensa de modelos de perfis multidimensionais, ver
Law et al. 1998).
pontos, se o procedimento descrito na etapa 1 do nosso processo
de desenvolvimento de escala foi seguido, pode haver casos em
que alguém pode estar disposto a assumir que todas as
subdimensões essenciais dos construtos estão representadas e as
subdimensões influenciam independentemente o construção latente
composta. Nessas circunstâncias, pode fazer sentido fixar o termo
de erro associado ao construto latente composto de segunda ordem
em zero. Com efeito, como assinala Diamantopoulos (2006, p. 11),
Será lembrado da discussão anterior que o termo de erro
em um modelo de medição formativo representa o
impacto de todas as causas restantes além daquelas
representadas pelos indicadores incluídos no modelo...
Dada essa interpretação do termo de erro, torna-se
evidente que ele seria legítimo definir ÿ = 0 desde que
todas as causas possíveis no construto fossem incluídas
como indicadores no modelo. Isso não é tão absurdo
quanto pode parecer inicialmente. Considere, por
exemplo, a medida de covisualização de televisão de
Carlson e Grossbart (1988), que indica a frequência de
assistir televisão com os filhos (1 – “muito raramente” 5
– “muito frequentemente”). Essa medida contém três
itens (dias da semana, sábados e domingos,
respectivamente) que esgotam coletivamente todas as
possibilidades de assistir televisão em uma semana. Se
fôssemos aplicar o modelo... a essa medida, então ÿ teria
que ser definido como zero, pois nenhuma ocasião
adicional poderia ser especificada para capturar o
comportamento de covisualização. Assim, em alguns
casos, a melhor forma de lidar com o termo de erro seria
simplesmente excluí-lo do modelo.
No entanto, um termo de erro é necessário sempre que o construto
latente composto está na posição endógena, ou quando os
indicadores formativos não representam totalmente o domínio do
construto, como é frequentemente o caso. O último pode ocorrer
quando os indicadores formativos consistem em vários determinantes
suficientes do construto latente composto (Goertz 2006), mas
existem outros determinantes conceitualmente apropriados do
construto latente composto que não estão incluídos no conjunto de indicadores.
Bollen e Davis (2009, p. 503) mostraram que para que o termo de
erro em nível de construção seja identificado, “toda variável latente
com variância irrestrita (ou variância de erro) deve emitir pelo
menos dois caminhos direcionados para variáveis quando estas
últimas variáveis têm variâncias de erro irrestritas.” Praticamente
falando, esta condição é satisfeita se o construto latente emite
caminhos para (1) pelo menos dois indicadores reflexivos
teoricamente apropriados, (2) pelo menos dois outros construtos
latentes com indicadores reflexivos, ou (3) um indicador reflexivo e
pelo menos um outro construto latente com indicadores reflexivos.
No entanto, porque satisfazer este requisito é necessário, mas não
MIS Trimestral Vol. 35 nº 2/ junho de 2011 307
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
suficiente para identificação, condições adicionais também devem
ser atendidas (por exemplo, satisfazer a regra de escala, a regra t e
certas restrições nas covariâncias de erro).5
Sempre recomendamos (ver Jarvis et al. 2003; MacKenzie et al.
2005) que os pesquisadores resolvam esse problema de identificação
incluindo dois indicadores reflexivos globais do construto latente
composto, juntamente com os indicadores formativos. Por exemplo,
consistente com as conceituações multidimensionais de satisfação
no trabalho (Law e Wong 1999; Smith et al. 1969; Spector 1997),
vamos supor que a satisfação no trabalho é definida como uma
construção latente composta composta de três facetas (por exemplo,
satisfação salarial, satisfação no trabalho e satisfação com a
promoção) e essas três facetas foram medidas com os seguintes
itens: “Estou muito satisfeito com meu salário”
(X1), “Estou muito satisfeito com a natureza do meu trabalho” (X2) e
“Estou muito satisfeito com minhas oportunidades de promoção”
(X3), respectivamente. Nesse caso, o problema de identificação
poderia ser resolvido adicionando dois indicadores reflexivos com
termos de erro não correlacionados ao modelo de medição: “No
geral, estou muito satisfeito com meu trabalho” (Y1) e “De um modo
geral, estou satisfeito com todas as facetas do meu trabalho” (Y2). A
adição desses dois indicadores reflexivos produz o que Jöreskog e
Golberger (1975) chamaram de estrutura de modelo MIMIC
(indicadores múltiplos, causas múltiplas).
Se a natureza conceitual dos indicadores for ignorada, existem
várias maneiras de interpretar essa estrutura. Uma maneira é como
um construto latente composto (com indicadores formativos) que
causa dois outros construtos conceitualmente distintos (Figura 2,
Painel A). Outra maneira pela qual essa estrutura pode ser
interpretada é como um construto latente medido reflexivamente que
é causado por vários construtos antecedentes conceitualmente
distintos (Figura 2, Painel B). Finalmente, essa estrutura pode ser
interpretada como um único construto latente com uma mistura de
indicadores formativos e reflexivos (Figura 2, Painel C). É importante
notar que todas essas três interpretações são empiricamente
indistinguíveis porque produzem matrizes de covariância preditas idênticas. outros métodos para alcançar a identificação (por exemplo, emitir
No entanto, se for considerada a natureza conceitual dos indicadores,
nem todas essas interpretações são igualmente plausíveis. Por
exemplo, não faz sentido interpretar a estrutura MIMIC como é
mostrada no Painel A porque neste painel os dois indicadores
reflexivos (Y1 e Y2) são tratados como se fossem indicadores de
dois construtos diferentes. No caso em questão, isso não faz sentido
porque ambos os indicadores foram
5
Embora Bollen e Davis (2009) tenham notado que “não existe nenhuma condição
abrangente de identificação necessária e suficiente para modelos de equações
estruturais com variáveis latentes” (p. 501), sua “Regra do X Exógeno” fornece um
conjunto útil de informações suficientes (mas não necessárias) ) condições de
identificação para modelos de indicadores formativos com estruturas do tipo MIMIC.
308 MIS Trimestral Vol. 35 nº 2/ junho de 2011
selecionados para refletir a definição conceitual de satisfação no
trabalho, e é difícil imaginar que esses indicadores (“No geral, estou
muito satisfeito com meu trabalho” e “De um modo geral, estou
satisfeito com todas as facetas do meu trabalho”) reflitam diferentes
estruturas. Da mesma forma, se todas as medidas forem
operacionalizações válidas de conteúdo do mesmo construto focal,
não achamos que seja desejável interpretar a estrutura MIMIC como
é mostrada no Painel B. Neste painel, o modelo é interpretado como
se houvesse São quatro construtos conceitualmente distintos
representados: cada um dos construtos antecedentes é visto como
tendo um único indicador reflexivo, o construto consequência tem
dois indicadores reflexivos e os construtos antecedentes causam o
construto consequência. Esta interpretação da estrutura MIMIC é a
preferida por Wilcox et al. (2008, pág. 1226).
No entanto, de nossa perspectiva, essa interpretação é indesejável
porque (1) ignora a natureza multidimensional do construto
superordenado e requer uma mudança na definição conceitual do
construto, e (2) trata as subdimensões do construto superordenado
como causas distintas que são
não é diferente conceitualmente de quaisquer outras causas do
construto superordenado (por exemplo, de uma perspectiva
conceitual, a satisfação salarial não é vista como sendo mais
intimamente relacionada ou parte da satisfação no trabalho do que a
ambiguidade de papéis, conflito de papéis, etc.) . Em vez disso,
acreditamos que faz mais sentido interpretar toda essa estrutura
como um modelo de medição para um único construto latente, como
mostrado no Painel C, porque cada uma das medidas, seja formativa
ou reflexiva, é uma operacionalização válida de conteúdo do mesmo
foco multidimensional. construir.
Conforme observado por Jarvis, et al. (2003), existem várias
vantagens importantes para resolver o problema de identificação
adicionando pelo menos dois indicadores reflexivos do construto
latente composto (como mostrado na Figura 2, Painel C). Primeiro,
ele pode ser usado independentemente de o construto focal estar
em uma posição endógena ou exógena, ou mesmo sozinho. Os
caminhos para pelo menos dois outros construtos latentes com
indicadores reflexivos ou emitir caminhos para um indicador reflexivo
e pelo menos um outro construto latente com indicadores reflexivos)
exigem que o construto focal cause pelo menos um outro construção latente no
modelo. Isso pode não ser conceitualmente apropriado ou desejável
em alguns casos. Em segundo lugar, ao contrário dos outros dois
métodos, adicionar dois indicadores reflexivos do construto focal
permite que ele seja incluído junto com outros construtos em um
modelo de fator confirmatório que poderia ser usado para avaliar
suas propriedades de medida e validade discriminante (ver Anderson
e Gerbing 1988).
Terceiro, Jarvis et al. (2003, p. 213) notaram que este procedimento
diminui a probabilidade de confusão interpretativa
Machine Translated by Google
Painel A Painel B
Y1 Y2 Y1
Consequência 1 Consequência 2
Consequência
Antecedente
Antecedente 1 Antecedente 2
X1 X2 X3 X1 X2
Figura 2. Interpretações alternativas de uma estrutura MIMIC
porque, “os parâmetros de medição devem ser mais estáveis
e menos sensível a mudanças nas relações estruturais
emana da construção formativa”. Interpretação
confusão (Burt 1976) é um problema sério decorrente de uma
discrepância entre o significado nominal de um construto
(baseado em sua conceituação) e o significado empírico de
o construto (com base em sua operacionalização) que pode afetar
modelos com indicadores formativos ou reflexivos (Anderson e
Gerb 1988; Bollen 2007; Burt 1976). Howell et ai.
(2007b, p. 207) descrevem esse problema da seguinte forma:
No contexto da medição reflexiva, Burt
(1976), seguindo Hempel (1970, pp. 654-666), distinguiu
entre o significado nominal e o
significado empírico de uma construção. Um construto
significado nominal é aquele significado atribuído sem
referência a informações empíricas. Ou seja, é o
natureza de definição inerente do construto que
forma a base para a hipótese de ligações com outros
construtos, desenvolvendo indicadores observáveis, e assim
adiante. O significado empírico de um construto deriva de
suas relações com uma ou mais variáveis observadas.
Estas podem ser medidas do próprio construto (epistêmicas)
ou relações com medidas observáveis de
outras construções em um modelo (estrutural)....
medida em que os significados nominais e empíricos de um
construto divergem, há uma questão de interpretação
confuso.
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Painel C
Y2 Y1 Y2
Construção focal
Antecedente 3 Faceta 1 Faceta 2 Faceta 3
X3 X1 X2 X3
Em geral, a confusão interpretativa está presente para o
medida em que os coeficientes que ligam a forma formativa ou reflexiva
indicadores com uma construção focal mudam significativamente
dependendo das outras variáveis endógenas no modelo
(ou seja, aqueles causados pela construção focal). Vários pesquisadores
(Howell et al. 2007b; Kim et al. 2010; Wilcox et al. 2008)
demonstraram recentemente que a confusão interpretativa
pode ser um grande problema em modelos com indicadores formativos,
quando a identificação do termo de erro de nível de construção é
alcançado por meio de relações estruturais com “outros
constrói.” Concordamos (Jarvis et al. 2003), e recomendamos
que se a identificação for alcançada por meio de relações estruturais
com outros construtos, deve-se tentar
avaliar o grau de confusão interpretativa presente. Como
observado por Bollen (2007), isso pode ser feito de uma maneira que
semelhante ao usado para modelos com indicadores refletivos (ou seja,
examinando o efeito no parâmetro de medição
estimativas de adicionar outras construções latentes ao modelo que
são afetados pelo construto focal); a principal diferença é
que “verificamos as mudanças nas cargas fatoriais (ÿs) com efeito
indicadores (reflexivos) e mudanças em ÿs para indicadores causais
(formativos)” (p. 223).
No entanto, discordamos de Wilcox et al. (2008, p. 1227)
generalização não qualificada que
O significado empírico de uma medida formativamente
construção depende das variáveis de resultado no
MIS Trimestral Vol. 35 nº 2/ junho de 2011 309
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
modelo, de modo que enquanto o nome de um construto
medido formativamente pode permanecer o mesmo, a
realização empírica do construto irá variar de modelo para
modelo e estudo para estudo.
Também discordamos da conclusão geral de Kim et al. (2010, p. 363)
de que
O uso de medição formativa, portanto, pode ter repercussões
negativas na qualidade da pesquisa em SI....A reutilização
do construto pode ser especialmente prejudicada, levando à
inconsistência nos testes teóricos e barreiras à construção
de conhecimento cumulativo.
Quando a identificação do termo de erro em nível de construção é
alcançado através do uso de dois indicadores reflexivos válidos de
conteúdo, como recomendamos acima, Bollen (2007, pp. 223-224)
demonstrou de forma convincente que é improvável que a confusão
interpretativa seja um problema. De fato, Howell et al. (2007a, p. 243)
reconhecem que “o uso de itens reflexivos, de fato, ajuda muito a
resolver o problema da confusão interpretativa, e concordamos
fortemente com essa abordagem”. A razão pela qual a confusão
interpretativa provavelmente não será um problema neste caso é que a
confusão interpretativa surge principalmente da combinação de
especificação incorreta e subidentificação do modelo, e nossa
recomendação resolve o problema de subidentificação de uma maneira
que provavelmente resultará em um modelo corretamente especificado
do ponto de vista teórico. Isso porque, se esse método for utilizado, o
significado empírico do construto latente será baseado apenas em
relações epistêmicas. Ou seja, o significado empírico será baseado
apenas nas relações entre o construto latente e um conjunto de variáveis
observadas que são todos indicadores de conteúdo válido do domínio
do construto (ver Figura 2, Painel C).
A próxima decisão que precisa ser tomada ao especificar um construto
com indicadores formativos é estimar livremente as covariâncias entre
os indicadores formativos e entre esses indicadores e outras variáveis
exógenas.
Embora seja possível restringir todas essas covariâncias para serem
iguais a zero, MacCallum e Browne (1993) notaram que liberá-las é
mais consistente com a prática de modelagem tradicional. Recomendamos
estimar as covariâncias entre os indicadores formativos de um construto.
No entanto, antes de liberar as covariâncias entre os indicadores
formativos de um construto e outros construtos ou medidas exógenas,
deve-se considerar o significado teórico e o impacto empírico da
estimativa dessas covariâncias (Jarvis et al. 2003; Petter et al. 2007).
310 MIS Trimestral Vol. 35 nº 2/ junho de 2011
Um último ponto digno de nota diz respeito ao uso de parcelas que
combinam vários itens em um único índice como indicadores.
De um modo geral, as parcelas às vezes são usadas em modelos de
indicadores reflexivos para (1) melhorar a confiabilidade ou propriedades
distributivas dos indicadores, (2) simplificar a interpretação dos
parâmetros do modelo de medição ou (3) melhorar a qualidade do ajuste
da medição modelo (Bandalos e Finney 2001). No entanto, Bandalos
(2002) argumentou que as parcelas não são recomendadas quando o
objetivo do estudo é o desenvolvimento, refinamento ou teste de escala.
Ela fornece várias razões para isso. Primeiro, usar uma parcela para
representar um conjunto de itens só é apropriado quando os itens são
conhecidos como unidimensionais.
Quando itens que não são unidimensionais são combinados em
parcelas, isso pode enviesar as estimativas dos parâmetros de medição
e obscurecer a verdadeira estrutura fatorial (Hall et al. 1999; West et al.
1995), e enviesar as estimativas dos parâmetros estruturais em alguns casos.
Em segundo lugar, quando as parcelas são usadas, o teste geral do
ajuste do modelo de medição não é tão rigoroso quanto quando o
conjunto completo de itens individuais é usado, porque menos
covariâncias devem ser ajustadas. Isso, é claro, torna mais provável
que o modelo de medição pareça se ajustar aos dados. Terceiro, o
parcelamento pode mascarar fontes de desajuste do modelo. Portanto,
ela recomenda que os pacotes sejam usados apenas se os itens usados
para criar cada pacote já tiverem demonstrado ser de conteúdo válido e
unidimensional.
Etapa 5: coletar dados para realizar o pré-teste
Uma vez que o modelo de mensuração tenha sido formalmente
especificado, os dados precisam ser obtidos de uma amostra de
respondentes para examinar as propriedades psicométricas da escala
e avaliar sua validade convergente, discriminante e nomológica. Ao
escolher esta amostra, a questão chave é quão bem a amostra
representa a população para a qual as medidas são desenhadas. Isso
é importante, porque as propriedades de medição podem diferir entre
as subpopulações. Por exemplo, as propriedades da escala podem
diferir culturalmente, entre grupos demográficos, por experiência, por
nível de educação, por posição dentro de uma organização, etc. Outro
fator que é tradicionalmente considerado nesta fase é o tamanho da
amostra. Na análise fatorial exploratória (EFA), as recomendações do
tamanho mínimo da amostra variam de 100 a 500 (Comrey e Lee 1992;
Gorsuch 1983), e as recomendações da razão mínima do número de
respondentes para o número de itens na escala variam de 3:1 a 10:1
(Cattell 1978; Everitt 1975).
No entanto, MacCallum et al. (1999) apontam que
Um equívoco fundamental sobre essa questão é que o
tamanho mínimo da amostra ou a razão mínima entre o
tamanho da amostra e o número de variáveis é invariável
entre os estudos. Na verdade, o tamanho da amostra necessário é
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
depende de vários aspectos de qualquer estudo, incluindo
o nível de comunalidade das variáveis e o nível de
sobredeterminação dos fatores (p. 84).
Mais especificamente, as descobertas de MacCallum et al. 300 a
500) são necessários quando as comunidades são baixas e os
fatores são fracamente determinados.
Para avaliar a validade convergente, medidas alternativas do
mesmo construto devem ser incluídas como parte desse esforço
de coleta de dados. Para avaliar a validade nomológica, devem ser
obtidas medidas de construtos teoricamente relacionados ao
construto focal. Por fim, para avaliar a validade discriminante,
devem ser obtidas medidas de construtos semelhantes
potencialmente confundidos com o construto focal.
Uma consideração final na coleta de dados diz respeito à
expectativa de estabilidade do construto ao longo do tempo ou não.
Por exemplo, espera-se que alguns construtos como traços de
personalidade sejam relativamente estáveis ao longo do tempo e/
ou entre situações, enquanto outros construtos capturam estados
que devem variar dependendo do tempo ou local em que são medidos.
Conforme observado por Baumgartner e Steenkamp (2006), essa
questão pode ser levada em consideração na etapa de coleta de
dados e especificação do modelo. Isso requer várias ondas de
dados nas quais os mesmos construtos são medidos em vários
pontos no tempo. Embora isso obviamente exija muito esforço
adicional por parte do pesquisador, pode ser a melhor maneira de
determinar se as medidas que devem permanecer estáveis (ou
variar) ao longo do tempo e entre as situações por razões teóricas
realmente o fazem.
Etapa 6: Purificação e refinamento da escala
Os métodos para avaliar uma escala recém-desenvolvida têm sido
amplamente discutidos na literatura (Anderson e Gerbing 1988;
Bagozzi 1980; Baggozi et al. 1991; Bollen 1989; Fornell e Larcker
1981; Gefen 2003; MacCallum e Austin 2000; Segars 1997; Spector
1992). No entanto, existem duas lacunas nesta literatura. Em
primeiro lugar, esta pesquisa concentrou-se muito mais nos critérios
de avaliação de modelos de medição de indicadores reflexivos do
que em modelos de medição de indicadores formativos. Uma
segunda lacuna é que há pouca discussão sobre como aplicar
esses critérios para tomar decisões sobre quais itens omitir para
purificar a escala (veja o artigo de Bollen nesta edição para uma
exceção). Portanto, nesta seção vamos resumir os procedimentos
para avaliação de escala que foram recomendados anteriormente
na pesquisa
literatura e, ao fazê-lo, daremos especial atenção a (1) métodos
de avaliação de construtos com indicadores formativos e (2)
critérios para eliminação de indicadores problemáticos.
O Apêndice A fornece um resumo detalhado das etapas do
processo de purificação e refinamento da escala, e a Figura 3
fornece exemplos dos tipos de modelos de medição de primeira e
segunda ordem aos quais essas etapas se aplicam. Os painéis A e
B retratam construtos de primeira ordem com indicadores reflexivos
e formativos (respectivamente). O construto de segunda ordem no
Painel C foi chamado de construto totalmente desagregado por
Bagozzi e Heatherton (1994), um construto superordenado por
Edwards (2001) e um construto Tipo I por Jarvis et al.
(2003). O construto de segunda ordem no Painel D possui múltiplas
subdimensões de primeira ordem como indicadores formativos e
as subdimensões possuem múltiplos indicadores reflexivos.
Construções de segunda ordem com esta forma de modelo foram
chamadas de modelo espúrio com múltiplas causas comuns por
Edwards e Bagozzi (2000), uma construção agregada por Edwards
(2001) e uma construção Tipo II por Jarvis et al. (2003). Embora
existam outros tipos de construtos de segunda ordem que possuem
diferentes combinações de indicadores formativos e reflexivos
(Edwards e Bagozzi 2000; Jarvis et al. 2003), focamos nesses dois
modelos de medição porque há alguma evidência de que eles são
os tipos mais comuns. Finalmente, é importante notar que os
modelos nos Painéis B e D não são identificados como mostrado,
mas podem ser estimados após a resolução do problema de
identificação conforme recomendado na Etapa 4 (ou seja,
adicionando 2+ indicadores reflexivos ao construto focal).
Avaliando a qualidade do ajuste do
modelo de medição
Independentemente do tipo de modelo de medição estimado (por
exemplo, Figura 3, Painéis A–D), o primeiro passo é determinar se
(1) a solução é adequada, (2) as relações individuais hipotetizadas
são estatisticamente significativas e (3) os relacionamentos (como
um grupo) são consistentes com os dados da amostra. Uma
solução é adequada se o procedimento de estimativa converge e
nenhuma das estimativas de variância é negativa, ambas as quais
podem ser verificadas examinando a saída. As razões críticas para
as estimativas das relações individuais podem ser avaliadas com
testes z no nível apropriado de significância (por exemplo, p < 0,05
ou 0,01). A estatística qui-quadrado pode ser usada para testar se
o modelo considera adequadamente os dados da amostra. No
entanto, neste caso, uma estatística qui-quadrado não significativa
(p > 0,10) é indicativa de um bom ajuste porque significa que as
covariâncias previstas pelo modelo não são significativamente
diferentes das covariâncias da amostra.6 No geral, uma solução adequada, signific
6
Observe que, se uma estrutura média também for incluída no modelo, uma estatística
qui-quadrado não significativa indicaria que as covariâncias e médias previstas pelo
modelo não diferem das covariâncias e médias da amostra.
MIS Trimestral Vol. 35 nº 2/ junho de 2011 311
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Nota: Os modelos nos Painéis B e D não são identificados como mostrado, mas podem ser estimados após a resolução do problema de identificação conforme
recomendado na Etapa 4.
Figura 3. Exemplos de modelos de medição de primeira e segunda ordem
razões críticas para as relações individuais hipotetizadas e uma
estatística qui-quadrado não significativa são evidências da validade
do modelo de medição hipotetizado.
Um meio alternativo de testar o ajuste geral de um modelo de
medição, chamado análise de tetrad confirmatória (CTA), foi proposto
por Bollen e Ting (2000). Uma tétrade é a diferença entre o produto
de um par de covariâncias e o produto de outro par de covariâncias
entre quatro variáveis aleatórias. O CTA baseia-se na ideia de que a
estrutura de um
O modelo muitas vezes implica que certas tétrades de populações
específicas devem “desaparecer” (ou seja, ser igual a zero) e, por
causa disso, um teste simultâneo das tétrades de fuga implícitas em
um modelo pode fornecer um teste útil do ajuste do modelo. Se este
teste do qui-quadrado indica que as tétrades que deveriam ser iguais
a zero são significativamente diferentes de zero, é evidência de que
o modelo é inconsistente com os dados. Um resultado não significativo
indica que as previsões de tétrade de desaparecimento implícitas no
modelo são consistentes com os dados e podem ser interpretadas
como evidência da validade do modelo hipotético. Embora uma
descrição completa do CTA não possa ser fornecida aqui, os leitores
interessados são encorajados a consultar
312 MIS Trimestral Vol. 35 nº 2/ junho de 2011
O artigo de Bollen e Ting para obter instruções detalhadas sobre
como identificar e testar as tétrades em fuga implícitas em muitos
modelos de medição de primeira ordem que incluem indicadores refletivos.
Infelizmente, embora a estatística qui-quadrado forneça o melhor
teste inferencial de ajuste geral do modelo, sua utilidade é bastante
prejudicada pelo fato de estar relacionada ao tamanho da amostra,
complexidade do modelo e não normalidade (ver Hu e Bentler 1999). .
Consequentemente, é necessário contar com outros índices de
bondade de ajuste para avaliar até que ponto as relações
hipotetizadas no modelo de medição são consistentes com os dados
da amostra. Alguns desses índices alternativos de bondade de ajuste
avaliam o ajuste absoluto de um modelo (por exemplo, GFI, RMSEA,
SRMR) e alguns avaliam seu ajuste em relação a um modelo de
comparação adequadamente enquadrado (por exemplo, CFI, NFI,
TLI). Hu e Bentler (1999) conduziram uma série de simulações de
Monte Carlo que mostraram que, para equilibrar as taxas de erro
Tipo I e Tipo II, é melhor confiar em múltiplas medidas de bondade
de ajuste de diferentes famílias de índices de ajuste.
Embora observem que é difícil designar um valor de corte específico
para cada índice de ajuste, porque o melhor valor depende da
combinação dos índices de ajuste utilizados, em geral
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
um valor de corte próximo a 0,95 para CFI, 0,08 para SRMR e 0,06
para RMSEA é indicativo de um bom modelo de ajuste e pode ser
interpretado como evidência a favor da validade do modelo hipotético.
Avaliando a validade do conjunto de indicadores no nível
de construção
Para construtos latentes de primeira ordem com indicadores reflexivos
(ver Figura 3, Painel A), a validade convergente pode ser avaliada
calculando a variância média nos indicadores que são contabilizados
pelo construto focal. No caso típico em que cada indicador está
relacionado a apenas um construto, a variância média extraída (AVE)
pelo construto focal pode ser calculada pela média das cargas fatoriais
ao quadrado completamente padronizadas (ÿ2 ) para os indicadores,
ou pela média do quadrado múltiplas correlações para os indicadores
(ver Fornell e Larcker 1981). Uma AVE maior que 0,50 é desejável
porque sugere que o construto latente responde pela maioria da
variância em seus indicadores em média.
Para construtos latentes de segunda ordem com indicadores reflexivos
(ver Figura 3, Painel C), também é importante examinar a validade
convergente do conjunto de subdimensões de primeira ordem como
indicadores reflexivos do construto de segunda ordem. Conforme
observado por Edwards (2001, p. 163), isso pode ser avaliado usando
o coeficiente de determinação multivariado (R2 m), que é
calculado tomando o determinante da matriz de covariância
do construto multidimensional e suas subdimensões,
dividindo essa quantidade pela variância do construto
multidimensional vezes o determinante da matriz de
covariância das subdimensões e subtraindo a quantidade
resultante da unidade
(Para uma fórmula equivalente para R2 , veja
m, Edwards 2003.)
Alternativamente, o AVE pode ser calculado para o construto de
segunda ordem, calculando a média das múltiplas correlações
quadradas para as subdimensões de primeira ordem (ou calculando a
média do quadrado da carga completamente padronizada de cada
subdimensão no construto de segunda ordem). Em ambos os casos,
valores maiores que 0,50 significam que, em média, a maioria da
variância nas subdimensões de primeira ordem é compartilhada com
o construto latente de segunda ordem.
Para construtos latentes de primeira ordem com indicadores formativos
(ver Figura 3, Painel B), a validade convergente não é relevante
porque o modelo de construto latente composto não implica que os
indicadores devam necessariamente ser correlacionados. Em vez
disso, Diaman topoulos et al. (2008, p. 1216) propuseram usar o
magnitude do termo de erro no nível do construto para avaliar a
validade do construto com base no raciocínio de que, “se o conjunto
de indicadores é abrangente no sentido de que inclui todas as facetas
importantes do construto, o significado do construto é capturado de
forma válida; consequentemente, a variância residual provavelmente
será pequena.” Isso é consistente com a visão de Williams et al.
(2003, p. 908) que, “à medida que a variância do resíduo aumenta, o
significado do construto se torna progressivamente ambíguo...
Certamente, o significado de um construto é elusivo quando a maior
parte de sua variância é atribuível a fatores desconhecidos”. Esse
raciocínio sugere que a variância do erro no nível do construto deve
ser pequena e constituir não mais da metade da variância total do
construto.7 Alternativamente (mas com base em raciocínio semelhante),
Edwards (2001, p. 163) propõe que a força do construto relação entre
um conjunto de indicadores formativos e um construto latente composto
pode ser avaliado com o coeficiente de adequação (R2 a),
que é usado na análise de correlação canônica para avaliar
a relação entre um conjunto de variáveis e sua variável
canônica associada... R2 é calculado
uma
somando as correlações quadradas entre o construto e
suas dimensões [ie, indicadores] e dividindo pelo número
de dimensões [ie, indicadores].
R2 valores superiores a 0,50 significariam que, em média, a maior
uma
parte da variância dos indicadores é compartilhada com o construto.
No entanto, deve-se reconhecer que há pouca pesquisa usando
qualquer um desses métodos e um consenso não foi alcançado
quanto à sua adequação. Portanto, pode ser prudente usá-los em
conjunto com outros métodos de avaliação da validade de construto
(por exemplo, validade nomológica, validade relacionada a critérios,
etc.) até que mais evidências dessas técnicas sejam acumuladas.
Para construtos latentes de segunda ordem com subdimensões de
primeira ordem como indicadores formativos (veja a Figura 3, Painel
D), comece avaliando se a variância média extraída (AVE) para os
indicadores reflexivos de cada subdimensão de primeira ordem
individual é maior que .50 (como descrito anteriormente para
construtos de primeira ordem com indicadores reflexivos).
Em seguida, avalie a validade do conjunto de subdimensões servindo
como indicadores formativos do construto latente de segunda ordem
usando o coeficiente de adequação de Edwards (2001) (R2 a), que
pode ser calculado pela soma das correlações quadradas entre cada
subdimensão e o construto focal, e então dividindo pelo número de
subdimensões. As informações necessárias
7
Observe que esse método se destina a ser usado em modelos em que os únicos
antecedentes do construto latente composto são seus próprios indicadores formativos.
MIS Trimestral Vol. 35 nº 2/ junho de 2011 313
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
para este cálculo pode ser obtido a partir da saída completamente
padronizada relatada pela maioria dos programas SEM (por exemplo,
LISREL).
Avaliando a confiabilidade do conjunto de indicadores
no nível de construção
Para construtos de primeira ordem com indicadores reflexivos
(Figura 3, Painel A), o alfa de Cronbach tem sido tradicionalmente Larcker não são adequadas, e se aplicadas podem resultar na
utilizado para estimar a confiabilidade da consistência interna das medidas.remoção de indicadores essenciais ao domínio do construto
Isso é apropriado, pois esse tipo de modelo de medição implica
consistência interna entre as medidas (ver Bollen e Lennox 1991).
Além disso, Fornell e Larcker (1981) fornecem um índice um pouco
diferente de confiabilidade de construto com base na razão da
variância contabilizada pelo construto latente para a variância total
nas medidas.8 De modo geral, o padrão aceito para ambos os
índices é 0,70 ou superior para medidas recentemente desenvolvidas
(Nunnally e Bernstein 1994). No entanto, é amplamente conhecido
que o alfa aumenta à medida que o número de medidas aumenta,
portanto, um valor mais alto pode ser apropriado nos casos em que
o número de medidas é grande (Cortina 1993).
Para construções de segunda ordem com indicadores reflexivos
(Figura 3, Painel C), comece examinando a confiabilidade dos
indicadores para cada subdimensão individual de primeira ordem
usando um ou mais dos métodos descritos. Então, se desejado, a
confiabilidade das subdimensões de primeira ordem como indicadores
do construto de segunda ordem pode ser examinada pelo cálculo do
índice de confiabilidade de construto de Fornell e Larcker para o
construto de segunda ordem. Isso pode ser feito usando as
estimativas completamente padronizadas das cargas fatoriais de
segunda ordem e variâncias de erro associadas às subdimensões
de primeira ordem. Um procedimento semelhante foi recomendado
por Baumgartner e Steenkamp (2006), e acreditamos que esta
técnica faz sentido conceitualmente em alguns casos (por exemplo,
quando o construto de segunda ordem é um indivíduo estável
referência que foi medida com o mesmo conjunto de itens em vários
pontos diferentes no tempo).
8 ao quadrado do carregamento completamente padronizado do
Um índice alternativo de confiabilidade (coeficiente H) proposto por Hancock e Mueller
(2001) é a correlação quadrada entre o construto latente e o composto linear ótimo
formado a partir dos indicadores medidos. Este índice tem várias propriedades
desejáveis: (1) o sinal de uma carga não pode afetar a avaliação da confiabilidade do
construto, (2) o mínimo é 0 e o valor máximo é 1 quando uma única carga padronizada
é 1 (ou -1), e (3) adicionar um indicador adicional nunca diminuirá o valor do coeficiente.
Ao contrário do índice de confiabilidade de Fornell e Larcker, o valor do coeficiente H
nunca pode ser inferior à confiabilidade do melhor indicador.
314 MIS Trimestral Vol. 35 nº 2/ junho de 2011
Para construções de primeira ordem com indicadores formativos
(ver Figura 3, Painel B), a noção tradicional de confiabilidade de
consistência interna não se aplica porque o modelo não prevê que
os indicadores serão correlacionados (Bollen 1989; Bollen e Lennox
1991). Os indicadores formativos podem ser correlacionados
negativamente, positivamente correlacionados ou completamente
não correlacionados entre si. Consequentemente, medidas de
confiabilidade baseadas na ideia de consistência interna como o alfa
de Cronbach e o índice de confiabilidade do construto de Fornell e
(Diamantopolous e Winklhofer 2001; MacKenzie 2003).
Para construtos latentes de segunda ordem com subdimensões de
primeira ordem como indicadores formativos (veja a Figura 3, Painel
D), a confiabilidade dos indicadores para cada subdimensão
individual de primeira ordem pode ser avaliada usando o
procedimento descrito para construtos de primeira ordem com
indicadores reflexivos. No entanto, as noções tradicionais de
confiabilidade de consistência interna não se aplicam ao conjunto
de subdimensões que servem como indicadores formativos de um
construto de segunda ordem porque o modelo de medição de
segunda ordem não prevê que as subdimensões serão
correlacionadas (Bollen e Lennox 1991; Edwards 2003). De fato,
Edwards (2001, p. 160) argumenta que “a confiabilidade não é uma
questão de debate quando um construto multidimensional e suas
dimensões são tratados como variáveis latentes que não contêm erros de medição”.
Avaliando a validade e confiabilidade do
indicador individual
Para construtos de primeira ordem com indicadores reflexivos
(Figura 3, Painel A), a validade dos indicadores individuais pode ser
avaliada a partir do modelo de medição, determinando se a relação
entre cada indicador e seu construto latente hipotético é grande e
estatisticamente significativa. A significância da estimativa (ÿ) de
uma relação entre um indicador e o construto latente pode ser
testada com um teste z da razão crítica da estimativa. O grau de
validade de cada indicador pode ser avaliado examinando a
proporção única de variância no indicador contabilizada pelo
construto latente (Bollen 1989). No caso típico em que cada indicador
é hipotetizado para carregar em apenas um construto, isso será igual
indicador (ÿ2 ). Um valor superior a 0,50 sugeriria um nível adequado
de validade (ver Fornell e Larcker 1981). A confiabilidade de cada
indicador pode ser avaliada examinando a correlação múltipla ao
quadrado para o indicador (Bollen 1989). Normalmente, um valor
maior que 0,50 é desejado porque sugere que a maior parte da
variação em
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
o indicador se deve ao construto latente. É claro que em modelos onde
cada indicador carrega em apenas um construto, a correlação múltipla
ao quadrado e o quadrado do carregamento completamente padronizado
serão iguais.
Para construtos de segunda ordem com subdimensões de primeira
ordem como indicadores reflexivos (Figura 3, Painel C), a validade dos
indicadores das subdimensões de primeira ordem pode ser avaliada
conforme descrito anteriormente. Então, a validade de cada subdimensão
de primeira ordem pode ser testada examinando se ela está
significativamente relacionada ao construto latente de segunda ordem;
e o grau de validade de cada subdimensão pode ser avaliado
examinando a proporção única de variância na subdimensão
contabilizada pelo construto de segunda ordem. O último será
normalmente igual ao quadrado da carga completamente padronizada
da subdimensão no construto de segunda ordem (ou seja, quando cada
subdimensão tem a hipótese de carregar apenas um construto de
segunda ordem), e seu valor deve ser maior que 0,50 (ver Fornell e
Larcker 1981). A confiabilidade de cada subdimensão pode ser avaliada
examinando a correlação múltipla ao quadrado para a subdimensão.
Valores maiores que 0,50 são desejados, pois indicam que o construto
latente de segunda ordem é responsável pela maior parte da variância
na subdimensão (Fornell e Larcker 1981).
Para construtos de primeira ordem com indicadores formativos (Figura
3, Painel B), a validade do indicador é capturada pela significância e
força do caminho do indicador para o construto latente composto
(Bollen 1989; Bollen e Lennox 1991).9 A significância de a estimativa
de uma relação entre um indicador formativo e um construto latente
pode ser testada com um teste z da razão crítica da estimativa. O grau
de validade de cada indicador formativo pode ser avaliado examinando
a proporção única de variância no construto contabilizada pelo indicador.
Isso é calculado subtraindo a proporção de variância no construto
explicada por todos os indicadores, exceto o de interesse, da proporção
de variância no construto explicada por todos os indicadores, incluindo
o de interesse (ver Bollen 1989, pág. 200 e
9
Uma visão alternativa defendida por Borsboom (2005, p. 169) é que o
conceito de validade não se aplica à relação entre indicadores formativos e
um construto latente composto:
Como a validade diz respeito explicitamente à relação de medição,
pergunta-se se é apropriado ver os modelos formativos como
modelos de medição em primeiro lugar. Eles podem ser mais
bem conceituados como modelos para indexar ou resumir os
indicadores, ou como modelos causais que não envolvem uma
estrutura de mensuração para a qual se pode questionar a validade.
222).10 Não existe um padrão mínimo comumente aceito para quanto
da variância no construto latente deve ser contabilizado exclusivamente
por cada indicador formativo. No entanto, é importante reconhecer que
a multicolinearidade entre os indicadores apresenta os mesmos
problemas aqui que em qualquer outro modelo de regressão múltipla,
porque o construto latente é regredido nos indicadores (e não vice-
versa). Isso implica que o padrão adotado deve, de alguma forma, levar
em conta o número de indicadores formativos relacionados ao construto
latente e a força de suas intercorrelações.
A confiabilidade de cada indicador individual pode ser avaliada usando
(1) confiabilidade teste-reteste (se espera-se que o indicador seja
estável ao longo do tempo) e/ou (2) confiabilidade entre avaliadores (se
espera-se que diferentes avaliadores concordem).
Um método final para avaliar a validade de um indicador formativo pode
ser aplicado a modelos que também incluem alguns indicadores
reflexivos globais que capturam o significado do construto latente
“geral” (ver Diamantopoulos e Winkl hofer 2001). Nesses modelos, uma
estimativa do efeito indireto de cada indicador formativo no indicador
refletivo global pode ser obtida multiplicando (1) a estimativa do impacto
do indicador formativo no construto latente composto e (2) a estimativa
do impacto do construto latente composto no indicador refletivo global
(ver Bollen 1989).
A significância estatística deste efeito indireto pode então ser avaliada
usando um teste de Sobel (1982), ou criando um intervalo de confiança
usando uma estimativa de erro padrão bootstrap (MacKinnon 2008).
Se a estimativa desse efeito indireto for grande e estatisticamente
significativa, sugere que o indicador formativo é válido. Se dois ou mais
indicadores reflexivos globais estiverem disponíveis para o construto
latente, os efeitos indiretos completamente padronizados de um
determinado indicador formativo em cada um dos indicadores reflexivos
podem ser calculados para fornecer uma estimativa mais robusta da
validade do indicador. Duas coisas são dignas de nota sobre este
procedimento. Primeiro, as estimativas desse tipo de efeito indireto
podem ser solicitadas como parte do resultado da maioria dos programas
de modelagem de equações estruturais. Em segundo lugar, essa
técnica valoriza a validade de conteúdo dos indicadores reflexivos
globais porque eles estão sendo usados essencialmente como medidas
de critério para estabelecer a validade relacionada ao critério dos
indicadores formativos. Consequentemente, esse teste de validade só
fornecerá informações úteis na medida em que os indicadores reflexivos
globais capturarem fielmente o domínio conceitual do construto focal.
10Observe que isso só será igual ao quadrado da correlação entre o indicador
formativo e o construto latente quando o indicador de interesse não estiver
correlacionado com os demais indicadores formativos (Bollen 1989, p. 202;
Edwards e Bagozzi 2000, p. 165) .
MIS Trimestral Vol. 35 nº 2/ junho de 2011 315
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Para construtos latentes de segunda ordem com subdimensões de
primeira ordem como indicadores formativos (Figura 3, Painel D), a
validade e confiabilidade dos indicadores individuais das subdimensões
de primeira ordem podem ser avaliadas conforme descrito para
construtos de primeira ordem com indicadores reflexivos . Em seguida,
a validade de cada subdimensão individual como um indicador do
construto latente de segunda ordem pode ser testada examinando se
cada subdimensão está significativamente relacionada ao construto
latente de segunda ordem (Bollen 1989; Bollen e Lennox 1991 ). O
grau de validade de cada subdimensão pode ser avaliado usando a
proporção única de variância no construto contabilizada pela
subdimensão. Isso pode ser calculado subtraindo a proporção de
variância no construto de segunda ordem contabilizada por todas as
subdimensões, exceto a de interesse, da proporção de variância no
construto de segunda ordem contabilizada por todas as subdimensões
incluindo o de interesse (ver Bollen 1989, pp. 200 e 222). A
confiabilidade de cada subdimensão individual pode ser avaliada
usando o índice de confiabilidade de construção de Fornell e Larcker.
Elimine indicadores problemáticos
As análises anteriores podem ser usadas para começar a identificar
indicadores problemáticos. Indicadores problemáticos são aqueles
que têm baixa validade, baixa confiabilidade, covariâncias de erro de
medição fortes e significativas e/ou carregamentos cruzados não
hipotéticos que são fortes e significativos. Indicadores reflexivos de
um construto de primeira ordem (Figura 3, Painel A) que têm relações
não significativas (z < 1,96) ou fracas ( ÿ2 completamente padronizada
menor que 0,50) com o construto latente, ou covariâncias de erro de
medição fortes e significativas (modificação índice maior que 3,84 e
grandes estimativas de mudança esperada) são candidatos à
eliminação, desde que todos os aspectos essenciais do domínio do
construto sejam capturados pelos itens restantes. Carregamentos não
significativos ou fracos são uma indicação de falta de validade, e as
covariâncias de erro de medição podem ser um sinal de
multidimensionalidade (Gerbing e Anderson 1984). Covariâncias
significativas de erro de medição podem ser identificadas observando
os índices de modificação e sua magnitude pode ser avaliada
examinando as estimativas de mudança esperadas completamente
padronizadas.
Além disso, se os itens são indicadores reflexivos de uma
subdimensão de primeira ordem de um construto de segunda ordem
(Figura 3, Painel C), outra consideração é se os indicadores têm
cargas cruzadas significativas (z > 1,96) em um não- subdimensão
hipotética que são semelhantes em magnitude ao seu carregamento
na subdimensão hipotética. Cargas cruzadas significativas podem ser
identificadas observando a modificação
316 MIS Trimestral Vol. 35 nº 2/ junho de 2011
os índices e sua magnitude podem ser avaliados comparando-se o
carregamento completamente padronizado (ÿ) do indicador na
subdimensão hipotética com as estimativas de mudança esperadas
completamente padronizadas para os carregamentos nas
subdimensões não hipotéticas. Carregamentos cruzados grandes e
significativos são problemáticos porque sugerem que o item é
conceitualmente confuso devido ao fato de refletir mais de uma
subdimensão. Finalmente, deve-se também considerar a eliminação
de subdimensões de primeira ordem que não tenham cargas
significativas no construto de segunda ordem, ou subdimensões de
primeira ordem com cargas fracas (mas significativas) se a variância
média extraída pelo construto de segunda ordem construção de ordem
é inferior a 0,50 (Fornell e Larcker 1981). Mais uma vez, é importante
lembrar que as subdimensões não devem ser eliminadas a menos
que todos os aspectos essenciais do domínio do construto focal sejam
capturados pelas subdimensões restantes.
Instâncias em que uma subdimensão inteira pode ser descartada sem
eliminar um aspecto essencial do domínio de construção provavelmente
serão raras.
Em resumo, argumentamos que indicadores reflexivos com baixa
validade, baixa confiabilidade, covariâncias de erros de medição fortes
e significativas e/ou cargas cruzadas não hipotéticas que são fortes e
significativas são candidatos à eliminação. No entanto, uma abordagem
alternativa para selecionar o conjunto final de indicadores reflexivos
foi defendida por Little et al. (1999). Eles argumentam que, do ponto
de vista de amostragem de domínio, os indicadores reflexivos são
amostrados aleatoriamente a partir do universo de possíveis
indicadores que representam o domínio do construto. Alguns desses
indicadores estão mais próximos do significado central do construto
(ou seja, seu centroide) do que outros.
Sua ideia-chave é que as informações da rede nomológica podem ser
usadas para identificar o melhor subconjunto de indicadores.
Mais especificamente, eles recomendam que (1) com base na teoria e
em pesquisas anteriores, o pesquisador especifique como o construto
focal deve se relacionar com um conjunto de construtos marcadores-
chave em sua rede nomológica; (2) usando um amplo conjunto de
indicadores potenciais do construto focal, estimar as correlações entre
o construto focal e os construtos marcadores-chave com uma análise
fatorial confirmatória; (3) descartar um dos indicadores do construto
focal e reestimar o
construir intercorrelações usando uma análise de fábrica confirmatória;
e (4) comparar as novas intercorrelações com as obtidas da análise
fatorial confirmatória do conjunto completo de indicadores e, se
corresponderem, o indicador poderá ser excluído com segurança. O
objetivo final deste procedimento é identificar um subconjunto de
indicadores parcimonioso que seja capaz de reproduzir as
intercorrelações de construtos obtidas a partir da análise fatorial
confirmatória do conjunto completo de indicadores.
Observe que esse subconjunto “pode ou não ser o mesmo subconjunto
de indicadores que produziria as mais altas consistências internas”
(Little et al. 1999, p. 208). Os leitores interessados são encorajados
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
consultar Little et al. artigo para detalhes adicionais porque, em
nossa opinião, este procedimento alternativo tem algum mérito.11
Os procedimentos para eliminar indicadores formativos são um
pouco diferentes. Para indicadores formativos de um construto de
primeira ordem (Figura 3, Painel B), recomendamos que os
indicadores que não tenham cargas fortes e significativas no
construto sejam considerados para eliminação. No entanto, como a
aridade multicolina pode dificultar a separação da influência distinta
dos indicadores individuais no construto, a redundância nos
indicadores deve ser examinada usando o fator de inflação de
variância (VIF). Indicadores com carga não significativa e VIF maior
que 10 são redundantes e podem ser considerados para eliminação
(Diamantopoulos et al. 2008; Diamantopoulos e Winklhofer 2001;
Neter et al. 1996); embora alguns (por exemplo, Petter et al. 2007)
tenham recomendado um nível de corte VIF inferior de 3. No entanto,
é particularmente importante para construtos com indicadores
formativos garantir que todos os aspectos essenciais do domínio do
construto sejam capturados pelos indicadores restantes (Bollen e
Lennox 1991; Diamantopoulos e Winklhofer 2001; MacKenzie 2003).
Finalmente, para construtos de segunda ordem com subdimensões
de primeira ordem como indicadores formativos (Figura 3, Painel
D), elimine indicadores que tenham (1) cargas não significativas na
subdimensão hipotética, (2) cargas cruzadas grandes e significativas
em subdimensões não hipotéticas e/ou (3) grandes e significativas
covariâncias de erro de medição com indicadores de outras
subdimensões. Covariâncias significativas de erro de medição e
carregamentos cruzados podem ser identificadas observando os
índices de modificação (MI > 3,84) e sua magnitude pode ser
avaliada examinando as estimativas de mudança esperadas
completamente padronizadas. Se algumas das subdimensões de
primeira ordem não tiverem cargas significativas no construto de
segunda ordem, calcule o VIF para examinar a multicolinearidade
entre as subdimensões. Novamente, o VIF deve ser menor que
10,0; embora Petter et al. (2007) recomendaram um nível de corte
VIF inferior a 3. No entanto, não podemos enfatizar o suficiente que
para construtos com indicadores formativos, é importante garantir
que todos os aspectos essenciais do domínio do construto sejam
capturados pelos indicadores restantes e subdimensões (Bollen e
Lennox 1991; Diamantopoulos et al. 2008; MacKenzie 2003).
Instâncias em que uma subdimensão inteira pode ser descartada
sem eliminar um aspecto essencial do domínio de construção
provavelmente serão raras.
11De fato, acreditamos que o procedimento de Little et al. também pode ser
adaptado para selecionar o subconjunto de indicadores que maximiza a correlação
entre o construto focal e uma manipulação direta do mesmo.
Etapa 7: coletar dados da nova amostra e
Reexaminar as propriedades da escala
Como os itens são frequentemente adicionados, descartados ou
reformulados no processo de purificação da balança, o próximo
passo é reestimar o modelo de medição usando uma nova amostra
de dados. Isso é importante para avaliar até que ponto as
propriedades psicométricas da escala podem ter sido baseadas em
idiossincrasias na amostra de dados de desenvolvimento e para
permitir um teste estatístico válido do ajuste do modelo de medição.
Devido aos objetivos limitados desta etapa no processo de validação
da escala, isso pode ser feito usando uma amostra semelhante à
usada para purificar os itens. Nos casos em que os itens foram
descartados, mas não adicionados ou reformulados, esta etapa
pode usar dados de uma amostra de validação dos dados originais.
Usando esta nova amostra, o modelo de medição seria reestimado,
seu ajuste reexaminado e as propriedades psicométricas reavaliadas.
Etapa 8: avaliar a validade da escala
Assumindo que as propriedades psicométricas da escala purificada
são aceitáveis, o próximo passo no processo de validação do
construto é avaliar se as respostas da escala se comportam como
seria de esperar se fossem indicadores válidos do construto focal.
De um modo geral, o objetivo é avaliar se os indicadores do
construto focal (1) são representações precisas do construto
subjacente (através de manipulação experimental ou comparação
de grupos conhecidos por diferirem no construto), (2) capturam
adequadamente a natureza multidimensional de do construto, (3)
são distinguíveis dos indicadores de outros construtos (validade
discriminante) e (4) estão relacionados às medidas de outros
construtos especificados na rede teórica do construto (validade
nomológica). Na seção a seguir, discutiremos como cada um desses
tipos de validade pode ser examinado no contexto de construtos
com indicadores formativos e reflexivos. Um resumo desses tipos
de validade é fornecido no Apêndice B.
Manipulação Experimental do Construto
De um modo geral, para os construtos com indicadores reflexivos
(Painéis A e C da Figura 3) é importante estabelecer se as medidas
realmente representam o fenômeno que pretendem representar.
Por exemplo, se uma escala pretende representar o comportamento
de ajuda, então é importante determinar se as pontuações nesta
escala estão correlacionadas com
instâncias reais de comportamento de ajuda. Isso é consistente
com a observação de Stogdill (1969) de que “A validade implica que um
MIS Trimestral Vol. 35 nº 2/ junho de 2011 317
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
determinada subescala mede o padrão de comportamento que se
pretende medir” (p. 153). Mais especificamente, como observado por
Borsboom (2005, p. 150), “um teste é válido para medir um atributo
[construto] se e somente se a) o atributo existe, e b) variações no
atributo [construto] produzem variações causalmente nos resultados
do procedimento de medição”.
Nesse sentido, validade refere-se à medida em que os escores de
uma escala estão correlacionados com manipulações diretas ou
medidas do fenômeno que a escala se propõe a medir, e quando
uma escala está altamente correlacionada com o fenômeno que se
pretende medir, ela pode-se dizer que possui veracidade (ou seja,
que as pontuações na escala estão de acordo com as propriedades
reais do objeto). Isso é diferente das avaliações de validade de
conteúdo, que se concentram na medida em que os indicadores
representam o domínio conceitual do construto. No caso da validade
de conteúdo, a questão é se os indicadores capturam adequadamente
todo o domínio do construto. Aqui, a preocupação é se os indicadores
capturam com precisão os fenômenos do mundo real aos quais se
referem. Por essa razão, Borsboom argumentou que esse tipo de
evidência é o mais importante para estabelecer a validade das
medidas de um construto.
Embora estabelecer a validade de uma medida pela manipulação
direta do construto focal seja um aspecto frequentemente
negligenciado no processo de desenvolvimento da escala, uma
exceção é o estudo conduzido por Stogdill. Neste estudo, Stogdill
estava interessado em determinar se as subescalas do Questionário
de Descrição do Comportamento de Liderança (LBDQ) mediam com
precisão (validamente) o padrão de comportamentos que pretendiam
medir. Para examinar isso, ele (1) preparou um cenário que mostrava
um líder agindo de acordo com o padrão de comportamento descrito
em cada uma das subescalas (ou seja, consideração, estrutura,
ênfase na produção, tolerância à liberdade, influência com os
superiores e representação). (2) fez um filme de um líder (e
seguidores) desempenhando o papel descrito no cenário, (3) mostrou
o filme para observadores que foram solicitados a avaliar o
comportamento do líder no LBDQ, e (4) testou se o líder no filme foi
classificado significativamente mais alto no comportamento focal do
LBDQ retratado no filme do que em outras subescalas do LBDQ.
Para garantir que foram os comportamentos dos líderes retratados
nos filmes que causaram as classificações, e não o ator que os
interpretou, Stogdill treinou dois atores diferentes para interpretar os
papéis. Consistente com suas expectativas, ele geralmente descobriu
que os mesmos atores desempenhando papéis diferentes eram
descritos como significativamente diferentes nas subescalas dos dois
papéis, e que os dois atores desempenhando o mesmo papel não
eram descritos como diferentes na subescala para aquele papel.
Com base nesses resultados, Stogdill argumentou que suas
descobertas “constituem evidência de que as subescalas do
Questionário de Descrição do Comportamento do Líder medem o
que pretendem medir” (p. 157).
318 MIS Trimestral Vol. 35 nº 2/ junho de 2011
O desenho do estudo de Stogdill é instrutivo porque incorpora
muitas das etapas que são necessárias para os pesquisadores
usarem para estabelecer a validade de uma escala usando
procedimentos experimentais, neste caso específico com estímulos de videotape.
De um modo geral, os primeiros passos do processo são decidir
sobre o roteiro, os atores e o contexto do vídeo. Depois disso, o
pesquisador precisa testar o roteiro usando especialistas no assunto
para garantir que os eventos do roteiro retratem com precisão o
construto focal. O próximo passo é filmar e editar a fita de vídeo.
Finalmente, a fita de vídeo completa deve ser testada com sujeitos
semelhantes ao público-alvo pretendido.
O uso de fitas de vídeo pode ser mais apropriado para validar
medidas comportamentais/de desempenho (por exemplo,
comportamentos de liderança, desempenho de tarefas, atendimento
ao cliente, etc.), escalas projetadas para medir interações
interpessoais (por exemplo, conflito, atração, etc.), processos de
grupo ( por exemplo, comunicação entre os membros da equipe,
encorajamento de outros membros do grupo, etc.), ou demonstrações
emocionais (por exemplo, raiva, desgosto, frustração, etc.) etc.) e
traços de personalidade. No entanto, é importante notar que os
traços de personalidade podem ser conceituados de duas maneiras
diferentes (Barrick et al. 2001; Hogan et al. 1996; Johnson 1997).
Por um lado, pode-se definir um traço de personalidade
genotipicamente como algo que existe dentro de uma pessoa que
causa um padrão distinto de comportamento (ao longo do tempo e
através das situações). Por outro lado, pode-se definir um traço de
personalidade fenotipicamente como a tendência a exibir um padrão
de comportamento distinto particular (ao longo do tempo e em todas
as situações). Assim, independentemente de qual conceituação seja
adotada, espera-se que as pessoas com alto traço de “extroversão”
exibam um padrão de comportamento distintamente extrovertido (ao
longo do tempo e em todas as situações). No entanto, as duas
diferentes conceituações têm diferentes implicações metodológicas.
Se a personalidade é definida genotipicamente, então a própria
pessoa é a melhor fonte de informação sobre até que ponto a pessoa
possui o traço que produz o padrão distintivo de comportamento.
Mas se a personalidade é definida fenotipicamente, então outros que
conhecem bem a pessoa também podem ser boas fontes de
informação sobre até que ponto a pessoa exibe o padrão distinto de
comportamento. Isso sugere que, se tomarmos a perspectiva
fenotípica, os cenários de fitas de vídeo podem ser usados para
descrever o padrão de comportamento que a escala de personalidade
pretende representar.
medir.
É claro que os vídeos não são o único meio que pode ser usado
para manipular experimentalmente um construto para validar suas
medidas. De fato, qualquer representação escrita, em áudio ou
visual da construção focal também pode ser usada para esse fim.
Isso é importante, porque alguns construtos podem ser
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
manipulação através de cenários escritos ou histórias de casos, mas
não através de apresentações em vídeo. Por exemplo, medidas de
estratégias como o poder de barganha dos compradores (Porter
1998) pode ser validado pela apresentação de assuntos
com uma história de caso fictícia em que os principais eventos e
fatores situacionais relacionados ao construto são manipulados.
No entanto, a verdadeira chave é que a representação deve ser fielmente
representar a construção de interesse.
A discussão acima refere-se principalmente a construções com
indicadores refletivos como os Painéis A e C da Figura 3.
No entanto, para construtos com indicadores formativos, como em
Painéis B e D na Figura 3, um procedimento diferente para
é necessário avaliar a validade experimental. No caso de
Painel B, recomendamos que a validade seja avaliada no nível
dos indicadores formativos. Isso envolveria uma manipulação experimental
do atributo que é medido pelo
indicador formativo, e um teste para saber se essa manipulação
influencia as pontuações na medida do atributo. Observação
que isso implica que quando o modelo de medição é como o
uma no Painel D da Figura 3, são as subdimensões que servem
como os indicadores formativos do construto de segunda ordem que
devem ser manipulados individualmente. Essa abordagem é consistente
com Borsboom (2005), que argumenta que
Considere, como exemplo de uma construção tipicamente
abordada com modelos formativos,
Estado (SES). Um modelo formativo conceitua
SES como uma variável latente que é regredida em indicadores
como renda anual, nível educacional, etc.
Agora, seria estranho perguntar se a questão
"Qual é sua renda anual?" é uma medida válida de
SES, pois, de acordo com a teoria proposta
aqui, essa questão não mede SES; em vez disso, é
mede um dos determinantes do SES, ou seja,
rendimento anual. E neste nível, pode-se consistentemente
colocar a questão da validade, ou seja, quando alguém
pergunta se a variação na renda anual tem um efeito causal
efeito sobre a variação nas respostas à pergunta
(pág. 169).
Comparações de grupos conhecidos
Outro método, um pouco mais fraco, de avaliar se um
conjunto de indicadores reflexivos mede com precisão o fenômeno de
interesse foi descrito por Cronbach e Meehl (1955,
pág. 287),
Se nossa compreensão de um construto nos leva a esperar
dois grupos diferirem no teste [escala], essa expectativa pode
ser testada diretamente. Assim, Thurstone e
Chave validou a Escala de Medição de Atitude
Em direção à Igreja, mostrando diferenças de pontuação
entre os membros da igreja e os que não frequentam a igreja.
Ir à igreja não é o critério de atitude, pois o
objetivo do teste [escala] é medir algo
além do fato sociológico bruto da igreja
comparecimento; por outro lado, a falha em encontrar uma
diferença teria desafiado seriamente o teste.
Conforme indicado no exemplo de Cronbach e Meehl, essa técnica requer
o uso de grupos com diferenças reconhecidas em
o construto de interesse e testando se os níveis médios
das medidas diferem entre esses grupos na hipótese
direção. Embora este método de usar diferenças de grupo conhecidas
para avaliar a validade de uma escala não tenha sido amplamente
utilizados em pesquisa de gestão e/ou MIS, existem vários
exemplos que foram relatados em disciplinas relacionadas, como
como marketing (ver Lastovicka et al. 1999; Netemeyer et al.
1995; Tian et ai. 2001) e personalidade e psicologia social
(Greenwald e Farnham 2000; Heimberg e Holaway
2007; Webster e Kruglanski 1994).
Por exemplo, Webster e Kruglanski (1994) testaram a
validade de sua necessidade de escala de fechamento (NFCS) comparando
grupos de indivíduos que escolheram carreiras na Holanda
(1985) domínios convencionais ou artísticos da carreira. Baseado em
A tipologia da carreira da Holanda, Webster e Kruglanski raciocinaram
que as pessoas do tipo convencional, que escolheram carreiras
caracterizadas por tarefas explícitas, ordenadas e estruturadas,
pontuação mais alta no NFCS do que pessoas do tipo artístico, que escolheram
carreiras caracterizadas por tarefas ambíguas e não estruturadas.
Essa expectativa se confirmou, dando suporte para a
validade do NFCS. Outros exemplos do uso dessa técnica incluem o
estudo de Lastovicka et al. (1999), que
validaram sua escala de frugalidade do consumidor comparando um
amostra aleatória de adultos para uma amostra de adultos assinando
uma publicação chamada Tightwad Gazette; Netemeyer et ai.
(1995), que validou o componente de preocupação física de
sua escala de vaidade comparando uma amostra de pessoas que
cirurgia estética para uma amostra que não o fez; e Tian et ai.
(2001), que validou os vários subcomponentes da necessidade
para a escala de singularidade comparando uma amostra aleatória de adultos
a grupos de tatuadores e artistas de body-piercing, proprietários de
automóveis low-rider personalizados, membros da Society for
Anacronismo criativo, cursos de graduação em arte e recentes
compradores de cartazes de nouveau art.
Conforme indicado pelos exemplos acima, os grupos conhecidos
A técnica de comparação tem uma longa história de uso em
pesquisa em uma variedade de disciplinas diferentes, e fornece
um meio de avaliar até que ponto a escala
capta o fenômeno de interesse. Embora este método
MIS Trimestral Vol. 35 nº 2/ junho de 2011 319
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
de avaliar a validade é mais fraco do que a abordagem experimental
porque fornece apenas evidência correlacional (em vez de causal),
pode ser particularmente útil nas situações em que é difícil manipular
experimentalmente o atributo, propriedade, etc. de interesse. Assim, é
surpreendente que este método raramente tenha sido usado em gestão
e pesquisa de MIS. De fato, não encontramos nenhum exemplo em
nossa revisão da literatura. Consequentemente, este é um método que
a administração e os estudiosos do MIS podem querer adicionar ao seu
conjunto de ferramentas metodológicas. Por exemplo, Allen e Meyer
(1990) identificaram três aspectos do comprometimento organizacional
(afetivo, de continuidade e normativo), mas argumentaram que
fundamental para todos eles “é um vínculo entre o funcionário e a
organização que diminui a probabilidade de rotatividade” (p. pág. 3).
Isso pode sugerir que as seguintes diferenças de grupo seriam
observadas: (1) funcionários em tempo integral devem expressar níveis
mais altos de comprometimento organizacional do que funcionários
temporários; (2) os executivos que recebem opções de compra de
ações como parte de sua remuneração devem estar mais comprometidos
com a organização do que os executivos que não recebem tal
remuneração; (3) as pessoas que se voluntariam ou contribuem para
organizações políticas devem estar mais comprometidas com essas
organizações do que as pessoas meramente registradas como membros
dessas organizações; e (4) pode-se esperar que os funcionários do
sindicato sejam menos comprometidos com a organização para a qual
trabalham do que os gerentes dessa organização.
Mais uma vez, é importante notar que esse procedimento difere para
construtos com indicadores formativos. Neste caso, o primeiro passo é
identificar grupos de indivíduos, organizações, etc. que são altos ou
baixos no atributo, propriedade, etc. medidos pelo indicador formativo.
Em seguida, deve ser realizado um teste para verificar se uma variável
dummy que representa a participação no grupo está significativamente
relacionada às pontuações do indicador. Observe que isso implica que,
quando o modelo de medição é como o do Painel D da Figura 3, são
as subdimensões individuais que servem como indicadores formativos
do construto de segunda ordem em que os grupos devem diferir. Isso
significa que diferentes grupos podem ser necessários para estabelecer
a validade de grupos conhecidos de diferentes subdimensões.
Avaliar o Critério Nomológico e/ou
Validade Relacionada
Além de estabelecer a validade dos indicadores do construto focal
usando os métodos de validade baseados em experimentos ou grupos
conhecidos, também é importante (1) especificar a natureza das
relações legais entre o construto focal e outros construtos e ( 2) testar
se os indicadores do construto focal se relacionam com medidas de
outros construtos no
320 MIS Trimestral Vol. 35 nº 2/ junho de 2011
maneira esperada. Segundo Cronbach e Meehl (1955, p. 290), “'tornar
claro o que algo é' significa estabelecer as leis em que ele ocorre.
Vamos nos referir ao sistema entrelaçado de leis que constituem uma
teoria como uma rede nomológica”. Como observado por Bagozzi
(1980, p. 129), é importante especificar uma rede nomológica porque
não é suficiente para determinar a validade de construto
focar apenas nos critérios semânticos da linguagem utilizada
para representar conceitos e na relação entre conceitos e
operacionalizações. Tampouco é suficiente examinar apenas
os critérios empíricos de consistência interna das
operacionalizações ou mesmo validade convergente e
discriminante. Em vez disso, deve-se também considerar a
relação do conceito sob investigação com outros conceitos
em um contexto geral de uma estrutura teórica. Isso
envolverá ... o uso de critérios sintáticos em combinação com
a modelagem de relações teóricas e empíricas .... A validade
nomológica pode ser interpretada como uma extensão dos
critérios anteriores para validade de construto - dada a
satisfação do significado teórico e observacional , a
consistência interna das operacionalizações e a validade
convergente e discriminante – o significado de um conceito
teórico repousa, em parte, em seu papel nas sentenças que
compõem as... proposições [teóricas].
Por exemplo, a confiança na validade das medidas de “comprometimento
organizacional” deve aumentar se elas estiverem relacionadas a
medidas de outros construtos de maneira consistente com a teoria
anterior. Os demais construtos podem ser antecedentes, correlatos ou
consequências do construto de interesse identificado em pesquisas
anteriores. Isso é mostrado na Figura 4. Antecedentes são construções
que são hipotetizadas para causar a construção focal. Consequências
são construtos que se supõe serem causados pelo construto focal. Cor
relaciona são construtos cujas definições conceituais se sobrepõem ao
construto focal. Nos estágios iniciais do desenvolvimento de um
construto, a especificação da rede nomológica pode incluir apenas
alguns outros construtos que deveriam servir como antecedentes,
consequências e/ou correlatos do construto focal, porque nenhuma
pesquisa anterior envolvendo o construto e pouca discussão teórica
sobre por que ele pode estar relacionado a outros construtos. Isso é
ilustrado pelas linhas sólidas na Figura 4.
No entanto, conforme indicado pelas linhas tracejadas nesta figura,
pesquisas adicionais sobre o construto muitas vezes resultam em uma
expansão da rede nomológica para incluir antecedentes, correlatos e
consequências adicionais do construto focal, bem como potenciais
mediadores e moderadores de seu construto. relações com outras
variáveis. De fato, Cronbach e Meehl (1955, pp. 290-291) argumentam
que
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Figura 4. Exemplo de uma rede nomológica de um construto focal nos estágios iniciais e mais avançados do desenvolvimento
do construto
“Aprender mais sobre” uma construção teórica é uma
questão de elaborar a rede nomológica na qual ela ocorre,
ou de aumentar a definição dos componentes. Pelo menos
no início da história de um construto, a rede será limitada,
e o construto ainda terá poucas conexões... Quando um
construto é relativamente novo, pode haver poucas
associações especificáveis para definir o conceito. À
medida que a pesquisa avança, o construto lança raízes
em muitas direções, que o ligam a mais e mais fatos ou
outros construtos.
Pesquisas adicionais também podem levar a um refinamento do
construto focal, seja expandindo sua dimensionalidade ou estreitando
sua definição ao longo do tempo, devido a novas descobertas
empíricas e/ou a uma compreensão teórica mais precisa de como o
construto focal se relaciona com outros construtos.
Por exemplo, Mathieu e Zajac (1990) articulam uma rede nomológica
bastante bem desenvolvida para a construção do comprometimento
organizacional que inclui antecedentes (por exemplo, características
pessoais, estados de papel, características do trabalho, relações
grupo/líder e características organizacionais), correlatos ( por
exemplo, envolvimento no trabalho) ou consequências (por exemplo,
desempenho no trabalho, rotatividade e assiduidade). No entanto,
nos estágios iniciais da pesquisa sobre comprometimento
organizacional (Mowday et al. 1979), a rede nomológica era muito
mais simples e incluía apenas um dos 26 antecedentes, seis dos 14 correlatos e três
das 8 consequências identificadas por Mathieu e Zajac.
De fato, como este exemplo ilustra, é natural que as redes
nomológicas se expandam à medida que a pesquisa sobre o
construto focal aumenta.
Independentemente de se estar avaliando a validade nomológica de
construtos com indicadores formativos ou reflexivos, o procedimento
é o mesmo. Implica estimar os construtos latentes (de modo que o
erro de medição seja controlado) e testar se as estimativas de suas
relações com antecedentes, correlatos e consequências hipotéticos
são significativamente diferentes de zero (com o sinal antecipado).
Por exemplo, todos os modelos mostrados na Figura 5 retratam as
relações entre o construto focal (representado como um construto
latente de segunda ordem) e seus antecedentes ou consequências.
Em cada uma dessas figuras, a relação entre o construto focal e um
de seus antecedentes ou consequências é marcada com um
asterisco (*). A significância estatística dos coeficientes para esses
caminhos fornece o teste-chave da validade nomológica dos
indicadores do construto focal. Se esses caminhos forem significativos,
sugere que o construto focal se relaciona com outros construtos
conforme especificado na rede nomológica, aumentando assim a
confiança na validade dos indicadores. Além disso, a magnitude do
coeficiente completamente padronizado associado a esses caminhos
fornece uma indicação da força da relação entre o construto focal e
seus antecedentes ou consequências, que podem ser avaliadas
quanto à consistência com as expectativas teóricas. Por exemplo, se
a construção focal
MIS Trimestral Vol. 35 nº 2/ junho de 2011 321
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Painel A
Antecedente * Focal
Construir
Painel C
Focal
Construir * Consequência
Figura 5. Ilustração das Relações entre um Construto Focal Multidimensional e seus Antecedentes
ou Consequências
espera-se que esteja fortemente relacionado a um dos outros construtos
da rede nomológica devido a
similaridade, então os coeficientes não devem ser apenas
significativamente diferentes de zero, mas também grandes em magnitude.
Finalmente, é importante controlar vieses de métodos comuns
ao realizar esses testes (DeVellis 1991). Caso contrário, o
relações observadas em apoio da validade nomológica
dos indicadores do construto focal com outros construtos
pode ser espúrio. Conforme discutido por Podsakoff et al. (2003a),
vieses do método podem ser pelo menos parcialmente controlados
processualmente ou estatisticamente usando uma variedade de técnicas. Por
construtos com indicadores reflexivos, seja um meio de controle
pode ser usado. Para construtos com indicadores formativos, o
meios processuais de controle podem ser prontamente aplicados, mas nem todos
dos métodos de controle estatístico pode ser usado em todos os modelos
estrutura devido a problemas de identificação.
Usando a Rede Nomológica para Avaliar a
Validade da Estrutura Multidimensional
Edwards (2001) notou que as relações na rede nomológica também
podem ser bastante úteis para uma avaliação mais aprofundada.
322 MIS Trimestral Vol. 35 nº 2/ junho de 2011
Painel B
Antecedente
* Focal
Construir
Painel D
Focal
Construir * Consequência
a adequação da estrutura multidimensional do foco
construir. No caso de uma multidimensionalidade endógena
construto focal com indicadores reflexivos (Figura 5, Painel A),
isso pode ser feito avaliando se um construto antecedente
tem um efeito direto nas subdimensões do construto focal além dos
efeitos indiretos que esse antecedente
O constructo tem nas subdimensões através do próprio constructo focal.
(Esses efeitos diretos estão representados no Painel A
da Figura 5 por linhas tracejadas.) Se os caminhos diretos são
significativos, significa que o construto antecedente é responsável por
variação adicional em uma ou mais das subdimensões sobre
e acima daquela explicada pelo construto focal, e é
provável que a subdimensão tenha alguma variação única que
não é capturado pela construção focal. Isso pode ser interpretado
como evidência de que a estrutura multidimensional hipotética
é inconsistente com os dados. No entanto, se as grandezas de
os efeitos indiretos do antecedente nas subdimensões do
os construtos focais são substancialmente maiores do que as magnitudes
dos efeitos diretos do antecedente nas subdimensões, então ainda pode
ser razoável concluir que
o modelo de medição hipotético é suportado.
Da mesma forma, no caso de um foco multidimensional exógeno
construto com indicadores reflexivos (Figura 5, Painel C), este
Machine Translated by Google
pode ser feito avaliando se as subdimensões do construto
multidimensional têm efeitos diretos significativos em um construto
de consequência além do efeito direto que o construto focal tem
na consequência (veja as linhas tracejadas Painel C da Figura 5).
Em ambos os casos, a significância dos caminhos diretos pode
ser testada com um teste de diferença qui-quadrado dos modelos
com e sem esses caminhos, ou examinando os índices de
modificação, que mostram a melhoria esperada no ajuste se um
parâmetro restrito for liberado. No entanto, é importante notar que,
para que os modelos sejam identificados, todos os caminhos
tracejados não podem ser somados ao mesmo tempo (Edwards
2001, p. 186). Se os caminhos diretos são significativos, isso
significa que as subdimensões do construto levam em conta a
variância adicional no construto consequência além daquela
explicada pelo construto focal, e isso sugere que o construto focal
não captura adequadamente todas as aspectos importantes de
suas subdimensões (Edwards 2001). No entanto, se a magnitude
do efeito do construto focal na consequência for substancialmente
maior do que as magnitudes combinadas dos efeitos diretos das
subdimensões no construto consequência, então ainda pode ser
razoável concluir que o modelo de medição é suportado.
No caso de um construto focal multidimensional endógeno com
indicadores formativos (Figura 5, Painel B), o teste da estrutura
multidimensional é complicado pelo fato de que esse modelo inclui
implicitamente relacionamentos entre todos os construtos
exógenos, sugerindo assim que os efeitos diretos de o antecedente
nas subdimensões não pode ser utilizado para testar a adequação
do modelo de mensuração hipotético. Em vez disso, Edwards
(2001) argumenta que a adequação da estrutura multidimensional
hipotética pode ser avaliada usando um intervalo de confiança
(baseado em erros padrão obtidos de procedimentos de bootstrap)
para avaliar se o R2 para o efeito do antecedente no construto
focal é igual ao R2 das subdimensões do construto focal. Se ospor
dois são equivalentes, pode ser interpretado como suporte para a
estrutura multidimensional hipotética do construto focal.
Alternativamente, ele sugere que essa estrutura multidimensional
pode ser testada examinando se os efeitos diretos do antecedente
em cada subdimensão (sem o construto focal no modelo) são
iguais. Se forem, ele raciocina que nenhuma informação é perdida
ao usar o constructo focal para representar as subdimensões no
modelo. Este teste é baseado na suposição de que um único
coeficiente (o coeficiente do efeito do antecedente no construto
focal) deve representar completamente o efeito do antecedente
em todas as subdimensões, ou o construto focal está ocultando
informações potencialmente úteis. 12
12No entanto, é importante notar que, embora este teste seja razoável, não está
necessariamente implícito na estrutura do modelo, pelo que a sua adequação depende
se faz sentido conceptualmente. Alguém poderia argumentar que este
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
No caso de um construto focal multidimensional exógeno com
indicadores formativos (Figura 5, Painel D), a adequação da
estrutura multidimensional hipotética pode ser avaliada testando
se as subdimensões do construto focal multidimensional têm
efeitos diretos significativos em uma consequência construto, além
do efeito direto que o construto focal tem na consequência (veja
as linhas tracejadas no Painel D da Figura 5).13 Como observado
acima, a significância desses caminhos diretos pode ser testada
com um teste de diferença qui-quadrado de os modelos com e
sem esses caminhos, ou examinando os índices de modificação,
que mostram a melhoria esperada no ajuste se um parâmetro
restrito for liberado. Mais uma vez, é importante notar que (1) para
que o modelo no Painel D seja identificado, todos os caminhos
tracejados não podem ser adicionados ao mesmo tempo, e
consequências adicionais (ou medidas reflexivas gerais) teriam
que ser adicionadas ( Edwards 2001, p. 186), e (2) se a magnitude
do efeito do constructo focal sobre o constructo consequência for
substancialmente maior do que as magnitudes combinadas dos
efeitos diretos das subdimensões sobre a consequência, então
ainda pode ser razão capaz de concluir que o modelo de medição
é suportado.
Avaliar a validade discriminante
Além de mostrar que os indicadores fornecem uma representação
precisa do construto focal, e que eles se comportam em
O requisito é muito rigoroso, particularmente se o coeficiente único captura a grande
maioria do efeito do antecedente em todas as subdimensões do construto. Por
exemplo, se 80 a 90 por cento do efeito do antecedente em todas as subdimensões
for adequadamente capturado pelo construto focal, isso parece sugerir que o construto
focal é útil. Claro, é verdade que você poderia explicar 100 por cento do efeito do
antecedente nas subdimensões tratando cada subdimensão como uma construção
separada, mas esse poder explicativo adicional tem um preço. Teoricamente, seria
m
necessário desenvolver razões teóricas únicas pelas quais cada antecedente influencia
cada subdimensão sem referência ao construto focal de ordem superior anteriormente
pensado para ligar as subdimensões. Da mesma forma, seriam necessários raciocínios
teóricos únicos sobre por que cada subdimensão influencia outros construtos de
consequências. Além disso, tratar as subdimensões como construtos não relacionados
eliminaria qualquer sentido do construto focal de ordem superior. Isso é problemático
porque, como observamos anteriormente neste artigo, muitos dos construtos em
gestão e MIS são conceituados em um nível de ordem superior.
13Para uma perspectiva alternativa, ver Franke et al. (2008). Eles argumentam que
uma especificação de modelo de medição formativa implica que o construto latente
deve mediar completamente o efeito de seus indicadores em todas as outras variáveis
de resultado (por exemplo, em indicadores reflexivos ou outros construtos de
consequência com indicadores reflexivos) e que, se esse não for o caso , então o
modelo de medição deve ser rejeitado. Mais especificamente, com base em Bollen e
Davis (2009), eles argumentam que, se o construto latente medeia completamente os
efeitos dos indicadores em todas as variáveis de resultado, então certas restrições de
proporcionalidade nos coeficientes do modelo devem ser mantidas. Se essas
restrições de proporcionalidade não são válidas para um determinado indicador, há
motivos para duvidar de sua validade.
MIS Trimestral Vol. 35 nº 2/ junho de 2011 323
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
de forma consistente com a rede nomológica, também é importante
mostrar que esses indicadores são distinguíveis dos indicadores de
outros construtos. Como observado por Campbell e Fiske (1959, p.
84), “não se pode definir sem implicar distinções, e a verificação
dessas distinções é uma parte importante do processo de validação”.
Isso é chamado de validade discriminante. Depois de definir a escala
de medição para cada construto, fixando sua variância em 1,0, a
validade discriminante pode ser avaliada para qualquer par de
construtos (1) restringindo a correlação estimada entre os construtos
a 1,0 e, em seguida, realizando um teste de diferença qui-quadrado
no valores obtidos para os modelos restrito e irrestrito, ou (2)
construindo um intervalo de confiança em torno da estimativa de
correlação e verificando se inclui o valor de 1,0.
Observe que, embora uma correlação inferior a 1,0 seja uma
condição necessária para demonstrar a validade discriminante, é
melhor não considerá-la uma condição suficiente. Um método mais
rigoroso de avaliação da validade discriminante pode ser testar se a
intercorrelação do construto é menor que 0,71.
Embora não tenhamos conhecimento de nenhum uso desse
procedimento na literatura, pode fazer sentido porque testaria se os
construtos têm significativamente menos da metade de sua variância
em comum.
Alternativamente, para construtos com indicadores reflexivos, Fornell
e Larcker (1981) sugeriram examinar se a variância média extraída
(AVE) para cada construto é maior que o quadrado da correlação
entre os construtos.
Conceitualmente, isso requer que cada construto latente seja
responsável por mais variância em seus próprios indicadores do que
compartilha com outro construto. Este teste deve ser realizado para
um par de construtos de cada vez, calculando a média das múltiplas
correlações quadradas (ou calculando a média de suas cargas
quadradas de itens completamente padronizados) para cada um dos
dois indicadores do construto (separadamente), e então comparando
os valores de AVE ao quadrado da intercorrelação entre os dois
construtos de interesse. Se os dois construtos são distintos, então a
correlação múltipla quadrática média para cada um deles deve ser
maior que o quadrado de sua intercorrelação.
Para construtos com indicadores formativos, a validade discriminante
pode ser avaliada usando os primeiros procedimentos descritos
acima para construtos com indicadores reflexivos (ou seja, testar se
os construtos são menos do que perfeitamente correlacionados ou
têm menos da metade de sua variância em comum), desde que o
construto latente O construto foi identificado usando dois indicadores
reflexivos e a escala de medição para o construto foi definida fixando
a variância do construto em 1,00. Uma alternativa que pode ser
usada quando essa condição não é atendida (ou seja, quando o
construto latente não é identificado) é calcular uma pontuação da
escala para o construto focal e testar se ele é menos do que
perfeitamente correlacionado com uma medida de outro construto
distinto . No entanto, a desvantagem de usar este procedimento
324 MIS Trimestral Vol. 35 nº 2/ junho de 2011
é que ignora o erro de medição, o que pode atenuar a relação entre
a pontuação da escala que representa o construto focal e outros
construtos. Isso é obviamente problemático, uma vez que a
atenuação torna mais provável concluir que os construtos são
distintos.
Etapa 9: Validação cruzada da escala
O próximo passo no processo de desenvolvimento da escala é
validar cruzadamente as propriedades psicométricas usando novas
amostras. Isso é particularmente importante se as modificações do
modelo foram feitas no processo de desenvolvimento e refinamento
da escala. As novas amostras devem ser outra população à qual se
espera que o construto se aplique. Para construtos com indicadores
reflexivos, as estimativas de medidas obtidas da amostra de
desenvolvimento podem ser comparadas com as estimativas obtidas
das amostras de validação usando os procedimentos recomendados
por Steenkamp e Baumgartner (1998) e Vandenberg e Lance (2000).
Esses autores recomendam o uso de análise multigrupo para
comparar uma série de modelos aninhados com restrições de
igualdade sistematicamente crescentes entre grupos para testar (1)
a equivalência das matrizes de covariância, (2) a equivalência
configural da estrutura fatorial, (3) a equivalência métrica das cargas
fatoriais e (4) a equivalência escalar dos interceptos dos itens. Em
seguida, esses autores apresentam várias opções de como proceder
no teste da equivalência da variância do fator e da média nas
amostras de desenvolvimento e validação. Steenkamp e Baumgartner
observam que muitas vezes a equivalência métrica completa das
cargas fatoriais não será suportada e, nesses casos, os pesquisadores
devem testar se a equivalência métrica parcial é suportada.
Observe que este procedimento se aplica a uma estrutura fatorial
de primeira ordem. No entanto, sua lógica pode ser aplicada a uma
estrutura fatorial de segunda ordem como a representada na Figura
3 Painel C usando uma variação desse procedimento geral descrito
por Byrne e Stewart (2006). Os leitores interessados são encorajados
a consultar o seu artigo.
Embora os testes de equivalência discutidos acima tenham sido
originalmente desenvolvidos para construtos com indicadores
reflexivos, procedimentos análogos podem ser usados para
construtos com indicadores formativos como o mostrado na Figura
2, Painel C. Com exceção do artigo recente de Diaman topoulos e
Papadopoulos (2010), esta é uma questão que não tem recebido
muita atenção na literatura. Eles recomendam que os pesquisadores
testem (1) a equivalência configuracional do padrão de relações
entre os indicadores formativos e reflexivos e o construto latente
composto, (2) a equivalência métrica das estimativas das relações
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
entre o construto latente composto e seus indicadores reflexivos, (3)
a equivalência das estimativas dos efeitos dos indicadores formativos
sobre o construto latente composto e (4) a equivalência do termo de
erro residual. Uma limitação desse procedimento (como o
descrevemos) é que ele não permite testar se a relação entre o
construto latente e a variável usada para definir a escala de medição
é equivalente entre os grupos, pois esse parâmetro é fixado em 1.
Diamantopoulos e Papadopoulos recomendam um procedimento para
determinar se este parâmetro é equivalente entre os grupos antes de
fazer as comparações descritas acima. No entanto, seus detalhes não
são descritos aqui porque outros argumentaram que a equivalência
métrica parcial entre grupos é suficiente (Byrne et al. 1989; Reise et
al.
1993; Steenkamp e Baumgartner 1998). Mais especificamente, esses
autores sugeriram que a invariância métrica completa não é necessária
para que testes adicionais de invariância e análises substantivas
sejam significativos, desde que pelo menos um item (além do fixado
na unidade para definir a escala de cada construto latente) seja
metricamente invariável.
Mais uma vez, é importante notar que este procedimento se aplica a
uma estrutura fatorial de primeira ordem. No entanto, sua lógica pode
ser adaptada para validar cruzadamente uma estrutura fatorial de
segunda ordem semelhante à representada na Figura 3, Painel D,
mas com dois indicadores reflexivos do construto de segunda ordem
adicionados para fins de identificação. Para esse tipo de modelo,
especulamos que os pesquisadores podem testar (1) a equivalência
configuracional da estrutura completa, (2) a equivalência métrica das
estimativas das relações entre os fatores de primeira ordem e seus
indicadores reflexivos, (3) a equivalência métrica das estimativas das
relações entre o construto latente composto de segunda ordem e seus
indicadores reflexivos, (4) a equivalência das estimativas dos efeitos
dos indicadores formativos de primeira ordem no construto latente
composto e (5) ) a equivalência do termo de erro residual. Se testes
para diferenças nos interceptos dos indicadores reflexivos e/ou as
médias dos fatores de primeira ordem neste modelo também forem
desejados, a lógica do procedimento de Byrne e Stewart (2006) pode
ser usada para modificar os passos acima.
Outro meio de avaliar até que ponto os parâmetros do modelo de
medição serão validados de forma cruzada com outras amostras é
calculando o índice de validação cruzada (CVI) de Browne e Cudeck
(1983). O processo de cálculo do IVC é o seguinte: (1) dividir a
amostra em amostras de desenvolvimento e de validação; (2) estimar
o modelo utilizando a amostra de desenvolvimento mental (SDev)
para obter a matriz de covariância prevista (ÿ Dev); e (3) calcular o
^
valor mínimo
amostra deda função de
validação ajuste
(SVal) e apara a diferença
matriz entre os
de covariância dadosda
prevista da
amostra de desenvolvimento (ÿ Dev). Os índices de validação cruzada
dupla podem ser
^
criado estimando primeiro o modelo usando os dados de amostra de
validação (SVal) para obter a matriz de covariância prevista (ÿ val) e,
^
emdiferença
seguida, entre
calculando o valor
os dados mínimo da
de amostra de função de ajuste para
desenvolvimento a e
(SDev)
a matriz de covariância prevista da amostra de validação (ÿ val). O
CVI pode ser multiplicado por n-1 para produzir uma estatística qui-
^
quadrado que reflete quão bem adematriz
amostra de covariância
desenvolvimento prevista
(ÿ Dev) é da
responsável pelos dados da amostra de validação (SVal). Da mesma
forma, o índice de validação cruzada dupla pode ser multiplicado por
^
n-1apara produzir
matriz uma estatística
de covariância previstaqui-quadrado que
da amostra de reflete quão
validação bem
(ÿ Val) é
responsável pelos dados da amostra de desenvolvimento (SDev). Em
princípio, os valores mínimos das funções de ajuste para as
^
comparações de validação cruzada e validação cruzada dupla podem
ser
usados para calcular uma variedade de diferentes índices de qualidade
de ajuste, incluindo a estatística qui-quadrado e GFI. Idealmente, seria
desejável que os qui-quadrados não fossem significativos e os GFIs
fossem acima de 0,90. Embora, até onde sabemos, esse procedimento
tenha sido aplicado apenas a modelos com construtos com indicadores
reflexivos, pode ser aplicável também para construtos com indicadores
formativos. Pesquisas futuras devem explorar essa questão.
Passo 10: Desenvolva Normas para a Escala
A etapa final no processo de desenvolvimento da escala é desenvolver
normas para auxiliar na interpretação dos escores na escala. Este
passo é importante porque, como observado por Spector (1992, p. 67),
Para interpretar o significado dos escores, é útil saber algo
sobre a distribuição dos escores em várias populações. A
escala de medição para a maioria dos construtos nas
ciências sociais é arbitrária. O significado de uma pontuação
só pode ser determinado em relação a algum quadro de
referência.
A abordagem normativa, que forma a base para muitas
medições das ciências sociais, usa a distribuição de
pontuações como esse quadro de referência. Assim, a
pontuação de um indivíduo é comparada com a distribuição
de pontuações. A pontuação é considerada alta se for maior
que a maior parte da distribuição, e é considerada baixa se
for menor que a maior parte da distribuição.
Estimar a distribuição da população requer administrar a escala a uma
amostra representativa de membros da população de interesse
(Urbina 2004). Se a população de interesse são gerentes em um
determinado nível da hierarquia organizacional, então uma amostra
representativa dessa população deve ser obtida. Por outro lado, se
uma escala é projetada para medir atributos ou características dos
trabalhadores de TI, então um
MIS Trimestral Vol. 35 nº 2/ junho de 2011 325
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
deve ser obtida uma amostra representativa dessa população.
As normas para uma dada população podem ser obtidas calculando
a média e o desvio padrão dos escores. Além disso, a forma da
distribuição (por exemplo, assimetria ou curtose) também deve ser
examinada. Além do esforço extra associado à coleta desses dados
(que não é trivial), talvez a maior barreira para o desenvolvimento de
normas de escala seja a dificuldade de obter amostras “representativas”
da população para a qual se deseja generalizar.
Outra consideração importante no desenvolvimento de normas de
escala é o tamanho das amostras normativas. Conforme observado
por Urbina (2004), a amostra precisa ser grande o suficiente para
garantir que os escores da escala obtidos sejam estáveis. No entanto,
o tamanho da amostra normativa necessária varia de acordo com o
tamanho da população para a qual o pesquisador deseja gerar
normas. Por exemplo, medidas de habilidade generalizadas que são
usadas para admissão em faculdades podem exigir amostras
normativas que chegam a dezenas de milhares, enquanto amostras
normativas para medidas que são aplicáveis apenas a membros de
grupos ocupacionais especializados podem exigir apenas centenas.
Uma consideração final no desenvolvimento e uso de normas de
escala é reconhecer que as normas podem mudar ao longo do tempo.
Por exemplo, sabe-se que as normas para o Scholastic Aptitude Test
(SAT) mudaram ao longo do tempo, e isso é, sem dúvida, verdade
para muitos outros tipos de escalas. Isso sugere que as normas
precisam ser atualizadas periodicamente e que o prazo durante o
qual as normas foram estabelecidas precisa ser especificado.
Para informações adicionais sobre o desenvolvimento de normas, os
leitores são encorajados a consultar a extensa literatura sobre este
tópico (por exemplo, Jaeger 1984; Levy e Lemeshow 1999; Sudman
1976). No entanto, devido à dificuldade em obter amostras
representativas de tamanho suficiente, provavelmente é justo dizer
que poucas escalas relatadas na área de sistemas de informação
gerencial possuem normas bem estabelecidas. No entanto, esta é
uma informação útil e ter alguns dados sobre a distribuição de
pontuações em diferentes amostras pode ser útil, uma vez que ter
algum contexto é provavelmente melhor do que não ter nenhum.
Questões Adicionais Relacionadas a Construções
com Indicadores Formativos
Nossa discussão das etapas do processo de validação de construto
acima é baseada na suposição de que considerações conceituais
determinam a especificação do modelo de medição para o construto
focal. Argumentamos que, por razões conceituais,
326 MIS Trimestral Vol. 35 nº 2/ junho de 2011
às vezes pode ser desejável usar indicadores formativos para
representar fiel e completamente um determinado construto.
No entanto, outros (Howell et al. 2007a, 2007b; Kim et al.
2010; Wilcox 2008) argumentam que o uso de indicadores formativos
deve ser evitado sempre que possível. Por exemplo, Howell et ai.
(2007b) argumentaram que
a medida formativa não é uma alternativa igualmente
atraente à medida reflexiva e que sempre que possível, ao
desenvolver novas medidas ou escolher entre medidas
alternativas existentes, os pesquisadores devem optar pela
medida reflexiva (p. 205).
Eles vão para
sugerem fortemente que, ao projetar um estudo, os
pesquisadores devem tentar medir seus construtos
reflexivamente com pelo menos três, e de preferência o
maior número (praticamente) possível, indicadores
fortemente correlacionados que são unidimensionais para
o mesmo construto (p. 216).
Em nossa opinião, sua recomendação de medir tudo exclusivamente
com indicadores reflexivos pode às vezes levar a problemas. Em
primeiro lugar, como observado por Bollen (2007), as medidas
reflexivas apropriadas podem nem sempre estar disponíveis. Esse
pode ser o caso se um pesquisador tiver acesso apenas a dados
secundários e apenas indicadores formativos do construto focal estiverem disponíveis
Em segundo lugar, para capturar todo o domínio conceitual de um
construto multidimensional complexo, geralmente é necessário que
as medidas reflexivas gerais sejam mais gerais do que os indicadores
formativos usados para representar as subdimensões. Infelizmente,
como observado por Converse e Presser (1986),
Quanto mais geral a questão, mais ampla a gama de
interpretações que ela pode dar. Em contraste, palavras
específicas e concretas são mais aptas a comunicar um
significado uniforme (p. 31).
Relacionado a isso, outra desvantagem de confiar exclusivamente
em medidas reflexivas geralmente formuladas é que a pesquisa
mostrou que esses tipos de medidas estão mais sujeitos a efeitos de
contexto do que medidas formuladas mais especificamente (Schuman
e Presser 1996). Em quarto lugar, Bollen (2007) observou que confiar
exclusivamente em indicadores reflexivos globais para representar
um construto que tradicionalmente tem sido medido com indicadores
formativos pode mudar a natureza (ou o significado) do construto:
status socioeconômico (SES) pode ser mensurável através
de avaliações subjetivas de uma pessoa
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
ficar com auto-relatos ou relatos de outros.
Infelizmente, isso confunde o SES subjetivo com o SES
objetivo, em que o primeiro explora percepções, enquanto
o segundo chega à posição de uma pessoa por meio de
variáveis mais objetivas, como educação, renda, ocupação
e assim por diante. SES subjetivo e SES objetivo são
construtos diferentes, possivelmente com causas e
consequências diferentes. Posso imaginar medir o SES
subjetivo com indicadores de efeito (reflexivos) mais
facilmente do que posso imaginar medir o SES objetivo
com indicadores de efeito (reflexivos). Ou considere a
exposição real à violência na mídia como uma variável
latente. Poderíamos perguntar aos indivíduos suas
percepções sobre a quantidade total de violência que eles
normalmente observam na mídia, e indicadores de efeito
(reflexivos) poderiam explorar essa percepção de exposição
à violência. Mas essas percepções podem diferir da
exposição total real à violência na mídia. Esta última
variável latente pode exigir indicadores causais (formativos)
que medem a quantidade de tempo gasto assistindo a
filmes violentos, televisão violenta, jogos violentos, revistas
violentas e assim por diante.
Se a exposição real ou percebida deve ser usada depende
das hipóteses a serem testadas, mas esses conceitos não
são necessariamente intercambiáveis (p. 227).
Quinto, usar apenas indicadores reflexivos globais no lugar dos
indicadores formativos de um construto de ordem superior pode
diminuir a correspondência entre o significado empírico do construto
e seu significado nominal, porque não sabemos se o respondente
está considerando todas as subdimensões (facetas) do construto
focal que fazem parte da definição nominal ao responder à questão
global.
Isso pode ser ilustrado no caso em que a satisfação no trabalho é
nominalmente definida como um construto multidimensional. Por
exemplo, de acordo com Smith et al. (1969), a satisfação no trabalho
pode ser definida como consistindo em cinco facetas distintas
(satisfação com o trabalho, remuneração, promoção, supervisão e
colegas de trabalho). Se medirmos esse construto exclusivamente
com um item reflexivo global como “No geral, quão satisfeito você
está com seu trabalho”, uma pessoa pode considerar o quanto está
satisfeita com a natureza do trabalho e/ou o nível de remuneração
que ela recebe e relata um valor de 5 na medida global de satisfação no trabalho de sete pontos.
Outra pessoa pode considerar o quanto está satisfeita com seus
colegas de trabalho e/ou as oportunidades de avanço na organização
e relatar um valor de 4 na medida global de satisfação no trabalho.
Ainda outra pessoa pode avaliar como se sente agora enquanto está
sentado no trabalho preenchendo um questionário bastante chato de
um pesquisador que ele não conhece e relatar um valor de 2 na
medida global de satisfação no trabalho.
Dois pontos não valem nada. Primeiro, em nenhum dos casos o
significado empírico do construto latente (ou seja, os valores de 5, 4
e 2) corresponde ao significado nominal do construto conforme
definido com base na teoria. Em segundo lugar, nesses casos, as
diferenças no significado empírico do construto se devem a diferentes
percepções do significado da pergunta (ou seja, diferentes
interpretações do que está sendo medido), e não a quaisquer
diferenças no nível geral de desempenho dos respondentes.
satisfação no trabalho. Se, em vez disso, essas pessoas tivessem
sido solicitadas a relatar o quão satisfeitas estavam com cada uma
das facetas incluídas na definição do construto, e esses itens fossem
usados como indicadores formativos do construto satisfação no
trabalho, o significado empírico do construto teria correspondido mais
de perto ao significado nominal de construto conforme definido por
Smith et al. Assim, em casos como este, confiar exclusivamente em
indicadores reflexivos globais do construto focal pode produzir uma
discrepância maior entre o significado nominal do construto e seu
significado empírico do que se forem utilizados indicadores formativos,
ou uma combinação de indicadores formativos e reflexivos.
À primeira vista, pode-se pensar que uma forma de reduzir a
discrepância entre o significado empírico e nominal do construto focal
seria referir-se explicitamente a todas as facetas do indicador reflexivo
“global”. Por exemplo, uma medida global de satisfação no trabalho
pode ser formulada de tal forma que peça aos respondentes que
pensem explicitamente em quão satisfeitos eles estão com vários
aspectos de seu trabalho quando estão avaliando sua satisfação
geral (por exemplo, “De um modo geral, quão satisfeitos eles estão?
você está com seu trabalho, remuneração, colegas de trabalho,
supervisor e oportunidades de promoção?”). No entanto, a
desvantagem dessa abordagem é que (1) ela torna a questão
cognitivamente complexa porque é de duplo, triplo ou quádruplo
(Tourangeau et al. 2000), e (2) o pesquisador não tem como dizer
precisamente como o facetas estão sendo combinadas pelos
respondentes para gerar sua resposta à pergunta.
Embora isso não sugira que mencionar explicitamente as
subdimensões seja uma má ideia, sugere que não se pode confiar
exclusivamente nesse tipo de pergunta para medir o construto.
Alternativamente, pode-se tentar reduzir a discrepância entre o
significado empírico e nominal do construto medindo cada
subdimensão com itens separados e, em seguida, usando o conjunto
de itens como indicadores reflexivos do construto focal. No entanto,
neste caso, onde as subdimensões são vistas como características
definidoras do construto focal, o uso de medidas formativas como se
fossem medidas reflexivas resultará (1) em erro de especificação do
modelo de medição e viés de estimativa (Jarvis et al. 2003; MacKenzie
et al. 2005; Petter et al. 2007), e (2) causar a
MIS Trimestral Vol. 35 nº 2/ junho de 2011 327
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
o significado do construto deve ser definido em termos de variância
comum, ao invés de variância total14 (Law e Wong 1999).
Assim, embora confiar exclusivamente em indicadores reflexivos
possa funcionar bem para alguns construtos, para outros a
representação do construto seria melhorada complementando os
indicadores reflexivos com indicadores formativos, e para outros ainda
os indicadores formativos podem ser a única escolha do pesquisador.
Howell et ai. (2007b) recomendaram que, quando a medição reflexiva
de um construto é inviável ou impossível, os indicadores formativos
devem ser modelados como construtos unidimensionais separados. A
principal vantagem dessa abordagem é que ela evita os problemas
associados ao uso de modelos de medição com indicadores formativos.
No entanto, essa abordagem apresentaria vários desafios.
Primeiro, tratar as subdimensões como construtos separados exigiria
que os pesquisadores esclarecessem o raciocínio teórico para as
relações entre cada uma das subdimensões individuais e os outros
construtos que elas incluem em seu modelo hipotético. Embora isso
possa levar a teorias mais bem articuladas, pode representar um
desafio considerável para os pesquisadores, particularmente nos
casos em que existem vários construtos multidimensionais em um
modelo ou quando os construtos multidimensionais são novos. Em
segundo lugar, é importante notar que se um pesquisador trata as
subdimensões como construtos separados, então ele não pode
decompor o efeito total de cada subdimensão em uma variável de
resultado na proporção do efeito que é devido ao superordenado.
construto e a proporção que se deve a fatores específicos da
subdimensão, sem modelar explicitamente o construto superordenado.
Finalmente, talvez o problema mais sério com essa abordagem seja
que ela ignora o fato de que muitos dos construtos mais amplamente
estudados nas áreas de SIG (por exemplo, credibilidade da fonte,
recursos percebidos pelo usuário, desempenho do vendedor,
aprendizado observacional, desempenho da empresa) e gerenciamento
(por exemplo, satisfação no trabalho, comprometimento organizacional,
confiança, desempenho no trabalho, liderança transformacional) são
frequentemente conceituados como multidimensionais ou multifacetados.
Isso representa um problema porque as construções multidimensionais
são valorizadas por sua generalidade, amplitude e simplicidade
(Edwards 2001). Quando as subdimensões são modeladas como
construtos separados, o modelo empírico testado não reconhece
nenhuma conexão conceitual entre essas subdimensões e o construto
superordenado. Uma maneira pela qual essa conexão conceitual pode
ser levada em consideração foi discutida por Edwards
14Observe que definir empiricamente o construto latente em termos de
variância total seria mais consistente com a definição conceitual do
construto do que definir o construto latente em termos de variância comum.
328 MIS Trimestral Vol. 35 nº 2/ junho de 2011
(2001). Ele sugere que o coeficiente de determinação total ou R2
multivariado que representa a proporção da variância generalizada em
um conjunto de variáveis dependentes explicadas por uma ou mais
variáveis independentes pode ser usado como uma estimativa do
efeito total de um antecedente em um conjunto de variáveis
independentes. subdimensões de um construto. Da mesma forma,
uma estimativa do efeito total de um conjunto de subdimensões em
um construto de consequência pode ser avaliada pela soma das
correlações quadradas entre o construto de consequência e as
subdimensões e dividindo pelo número de subdimensões. Observe,
no entanto, que este procedimento assume que todo o efeito das
subdimensões em um construto consequência, ou todo o efeito de um
construto antecedente no conjunto de subdimensões, pode ser
atribuído ao construto superordenado hipoteticamente associado ao
subdimensões. A única maneira de decompor o efeito de (sobre) o
constructo superordenado sobre (de) um constructo consequência (um
antecedente), dos efeitos totais de (sobre) as subdimensões sobre (de)
a consequência (um antecedente) construto seria estimar um modelo
que inclui um construto de segunda ordem.
Assim, embora tratar as subdimensões de um construto
multidimensional como construtos separados tenha algumas
vantagens, também apresenta algumas desvantagens. Acreditamos
que a decisão de incluir explicitamente um construto multidimensional
superordenado em um modelo ou não é uma decisão que os
pesquisadores terão que decidir com base em suas necessidades
conceituais. Concordamos com Edwards (2001, p. 152) que ambas as
abordagens têm mérito:
Defensores de construções multidimensionais endossam
generalidade, amplitude e simplicidade, enquanto os críticos
promovem especificidade, precisão e exatidão. Dado que
ambos os conjuntos de objetivos são louváveis, os
pesquisadores seriam mais bem servidos por uma
abordagem integrativa do que por admoestações para adotar um lado do debate.
Discussão Geral e Conclusão
Acreditamos que este artigo traz várias contribuições para a literatura.
Primeiro, há pouca orientação na literatura sobre como definir
construtos teóricos. Esta é uma omissão grave, porque a falha em
definir adequadamente um construto cria uma série de problemas que
prejudicam não apenas a validade do construto, mas também a
validade interna e a validade estatística da conclusão (MacKenzie
2003). Em segundo lugar, embora existam alguns artigos escritos
sobre processos de desenvolvimento de escala e validação de
construtos nas últimas décadas, esses artigos tendem a se concentrar
mais em modelos de medição reflexivos do que em modelos de
medição formativos.
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Portanto, uma das contribuições desta pesquisa é que ela fornece
um conjunto mais abrangente de recomendações sobre como o
processo de desenvolvimento da escala deve levar em conta a
relação direcional entre os indicadores e o construto latente que se
pretende medir. Em terceiro lugar, este artigo identifica uma limitação
fundamental dos testes de validade nomológica amplamente
utilizados e discute como as técnicas de comparação de grupos
experimentais e conhecidos podem ser usadas para obter
informações críticas que não sofrem dessa limitação. Ambas as
técnicas para estabelecer a validade de construto têm uma longa
tradição nas ciências sociais (Cronbach e Meehl 1955), mas
raramente são usadas nas áreas de gestão ou MIS.
Finalmente, este artigo aborda essas questões e as integra em um
conjunto abrangente de etapas que os pesquisadores podem usar
para orientar seu desenvolvimento de escala e construir esforços de
validação.
Todos os 10 passos que descrevemos são importantes para o
desenvolvimento de escalas válidas. Sem uma definição clara, é
difícil evitar contaminação e deficiências no conjunto de itens
utilizados para representar o construto ou para especificar a relação
entre o construto e seus indicadores. Se os indicadores não
capturarem adequadamente o domínio do construto, pode haver
pouco valor em examinar suas propriedades psicométricas ou as
relações entre esses indicadores e os indicadores de outros
construtos. Se o modelo de medição for especificado de forma
inadequada, pode levar a descartar de forma inadequada itens que
são necessários para capturar o domínio completo do construto,
resultar no uso de índices de avaliação de escala inadequados e
estimativas de viés das relações entre o construto e outros
construtos . Se o pesquisador não testar adequadamente o modelo
de medição e avaliar a escala, é difícil determinar se as relações de
medição hipotéticas são consistentes com os dados ou saber como
refinar a escala para melhorar suas propriedades psicométricas. A
menos que a validade da escala seja avaliada adequadamente
usando manipulações experimentais, comparando grupos conhecidos
por diferirem no construto, testando as relações entre o construto
focal e outros construtos em sua rede nomológica e examinando se
o construto focal é distinto de outros semelhantes. construtos, o
pesquisador não terá certeza se as pontuações na escala covariam
com o fenômeno que a escala pretende medir.
A menos que a escala seja validada de forma cruzada entre
populações, situações e tempo, será difícil avaliar os limites de sua
generalização ou sua utilidade em outros contextos.
Finalmente, sem normas adequadamente estabelecidas para a
escala, é difícil determinar em sentido absoluto o significado de uma
determinada pontuação na escala.
Dito isso, reconhecemos que limitações práticas podem impedir os
pesquisadores de acompanhar todos os
recomendações discutidas neste artigo em um único estudo, seja
por falta de tempo ou recursos, ou ambos. De fato, como observado
por Nunnally e Bernstein (1994),
Cada cientista pode realizar apenas um número
relativamente pequeno de grandes estudos durante a vida.
Isso deixa tempo insuficiente para fazer tudo o que é
necessário para especificar o domínio de um construto,
desenvolver medidas do construto e relacionar essas
medidas a outras variáveis de interesse (pp. 87-88).
Com isso em mente, gostaríamos de oferecer algumas sugestões
para estabelecer prioridades em situações em que não é prático
realizar todas as etapas.
Primeiro, porque muitas coisas dependem de uma definição
conceitual clara, essa é uma etapa do processo que nunca deve ser
negligenciada em um estudo de validação de escala. De maneira
mais geral, recomendamos focar mais atenção no front-end do
processo - fornecer uma definição conceitual clara e desenvolver
indicadores que explorem adequadamente o domínio do construto e
especificar adequadamente o modelo de medição - do que na
validação cruzada da escala e no desenvolvimento de normas para
isto. Outra maneira de economizar pode ser combinar algumas das
etapas do processo. Por exemplo, um pesquisador pode coletar
dados de uma grande amostra e dividir essa amostra em subamostras
de desenvolvimento e validação. A amostra de desenvolvimento
pode então ser usada para purificar e refinar a escala, e a amostra
de validação pode ser usada para examinar a validade nomológica,
discriminante e convergente. No entanto, como observamos
anteriormente, essa estratégia só funcionará se o pesquisador estiver
retirando itens da escala, em vez de adicionar ou modificar os itens.
Da mesma forma, os pesquisadores também podem combinar
esforços de validação cruzada com o desenvolvimento de normas
de escala porque essas duas etapas são sinérgicas, pois ambas
exigem a coleta de dados de amostras diferentes. Finalmente, os
pesquisadores podem optar por omitir algumas das técnicas mais
sofisticadas, como o procedimento que descrevemos para usar a
rede nomológica para avaliar a validade de uma estrutura
multidimensional. Dito isto, um conjunto de atividades que achamos
que não devem ser omitidas é testar rigorosamente se os escores
da escala covariam com o fenômeno que a escala pretende medir,
seja por meio de manipulações experimentais do construto focal,
comparações de grupos conhecidos por diferirem no construto focal,
ou testes das relações entre o construto focal e outros construtos.
Em resumo, o objetivo deste artigo não era articular todas as técnicas
possíveis que os pesquisadores deveriam usar para validar escalas
recém-desenvolvidas, mas seguir a liderança de Churchill (1979)
fornecendo um conjunto atualizado de diretrizes que
MIS Trimestral Vol. 35 nº 2/ junho de 2011 329
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
pesquisadores poderiam usar para melhorar a qualidade das medidas
usadas na pesquisa nas ciências comportamentais. Esperançosamente,
eles serão úteis para aqueles que realizam pesquisas em MIS e nas
ciências comportamentais.
Referências
Allen, NJ, e Meyer, JP 1990. “A Medição e Antecedentes do Compromisso
Afetivo, de Continuidade e Normativo com a Organização”, Journal of
Occupational Psychology (63:1), pp. 1-18.
Anastasi, A., e Urbina, S. 1997. Testes Psicológicos (7ª ed.).
Upper Saddle River, NJ: Prentice Hall.
Anderson, JC, e Gerbing, DW 1988. “Modelagem de Equações Estruturais
na Prática – Uma Revisão e Abordagem Recomendada em Duas Etapas”,
Psychological Bulletin (103:3), pp. 411-423.
Anderson, JC, e Gerbing, DW 1991. “Prevendo o desempenho de medidas
em uma análise fatorial confirmatória com uma avaliação pré-teste de
suas validades substantivas”, Journal of Applied Psychology (76:5), pp.
732-740.
Anderson, JC, Gerbing, DW, e Hunter, JE 1987. “Sobre a avaliação da
medição unidimensional – consistência interna e externa e critérios de
consistência geral”, Journal of Marketing Research (24:4), pp. 432-437.
Avolio, BJ, Bass, BM e Jung, DI 1999. “Reexaminando os Componentes da
Liderança Transformacional e Transacional Usando o Questionário de
Liderança Multifatorial”, Journal of Occupational and Organizational
Psychology (72:4), pp. 441- 462.
Bagozzi, RP 1980. Modelos Causais em Marketing, Nova York: John
Wiley.
Bagozzi, RP 2007. “Sobre o significado da medição formativa e como ela
difere da medição reflexiva: Comentário sobre
Howell, Breivik e Wilcox (2007),” Psychological Methods (12:2), pp.
229-237.
Bagozzi, RP 2010. “Modelos de equações estruturais são ferramentas de
modelagem com muitas ambiguidades: comentários reconhecendo a
necessidade de cautela e humildade em seu uso”, Journal of Consumer
Psychology (20:2), pp. 208-214.
Bagozzi, RP, e Heatherton, TF 1994. “Uma Abordagem Geral para
Representar Construções de Personalidade Multifacetadas: Aplicação à
Autoestima do Estado”, Modelagem de Equações Estruturais (1:1), pp.
35-67.
Bagozzi, RP, e Phillips, LW 1982. "Representando e Testando Teorias
Organizacionais: A Holistic Construal," Admin istrative Science Quarterly
(27:3), pp. 459-489.
Bagozzi, RP, Yi, Y., e Phillips, LW 1991. “Avaliando a validade do construto
na pesquisa organizacional”, Administrative Science Quarterly (36:3), pp.
421-458.
Bagozzi, RP, Tybout, AM, Craig, CS e Sternthal, B. 1979.
“A validade construtiva da classificação tripartida de atitudes”, Journal of
Marketing Research (16:1), pp. 88-95.
Bandalos, DL 2002. “Os Efeitos do Parcelamento de Itens na Qualidade de
Ajuste e Viés de Estimativa de Parâmetros em Estruturas
330 MIS Trimestral Vol. 35 nº 2/ junho de 2011
Modelagem de Equações”, Modelagem de Equações Estruturais (9:1),
pp. 78-102.
Bandalos, DL, e Finney, SJ 2001. “Questões de Parcelamento de Itens em
Modelagem de Equações Estruturais”, em Modelagem Avançada de
Equações Estruturais: Novos Desenvolvimentos e Técnicas, GA Marcou
lides e RE Schumacker (eds.), Mahwah, NJ: Lawrence Erlbaum, pp
269-296.
Barrick, MR, Mount, MK e Judge, TA 2001. “Personalidade e desempenho
no trabalho no início do novo milênio: o que sabemos e para onde vamos
em seguida?”, International Journal of Selection and Assessment (9:1 -2),
pp. 9-30.
Baumgartner, H., e Steenkamp, JB. EM 2006. “Um Paradigma Estendido
para Análise de Medição de Construções de Marketing Aplicáveis a
Dados de Painel”, Journal of Marketing Research (43:3), pp. 431-442.
Bharadwaj, AS 2000. “A Resource-Based Perspective on Information
Technology Capability and Firm Performance: An Empiriical Study,” MIS
Quarterly (24:1), pp.169-196.
Blalock, HM, Jr. 1964. Inferências Causais em Não Experimental
Research, Nova York: WW Norton.
Bollen, KA 1989. Equações estruturais com variáveis latentes, Nova York:
John Wiley.
Bollen, KA 2007. “Interpretational Confounding Is Due to Mis Specification,
Not to Type of Indicator: Comment on Howell, Breivik e Wilcox (2007)”,
Psychological Methods (12:2), pp. 219-228.
Bollen, KA 2011. “Avaliando Efeitos, Compostos e Indicadores Causais em
Modelos de Equações Estruturais”, MIS Quarterly (35:2), pp. 359-372.
Bollen, KA e Davis, WR 2009. “Modelos de indicadores causais: identificação,
estimativa e teste”, Modelagem de Equações Estruturais (16:3), pp.
498-522.
Bollen, KA, e Lennox, R. 1991. "Sabedoria Convencional sobre Medição:
Uma Perspectiva de Equação Estrutural", Psychological Bulletin (110:2),
pp. 305-314.
Bollen, KA, e Ting, KF. 2000. “A Tetrad Test for Causal Indicators,”
Psychological Methods (5:1), pp. 3-22.
Borsboom, D. 2005. Medindo a Mente: Questões Conceituais em Psicometria
Contemporânea, Cambridge, Reino Unido: Cambridge University Press.
Boudreau, MC., Gefen, D., e Straub, DW 2001. “Validation in Information
Systems Research: A State-of-the-Art Assessment”, MIS Quarterly (25:1),
pp. 1-16.
Browne, MW, e Cudeck R. 1983. "Cross-Validation of Covariance Structures",
Multivariate Behavioral Research (18:2), pp. 147-167.
Burt, RS 1976. “Interpretational Confounding of Unobserved Variables in
Structural Equation Models”, Sociological Methods and Research (5), pp.
3-52.
Byrne, BM, Shavelson, RI, e Muthen, B. 1989. “Teste para a equivalência de
covariância de fatores e estruturas médias: a questão da invariância de
medição parcial”, Psychological Bulletin (105:3), pp. 456-466.
Byrne, BM, e Stewart, SA 2006. “A Abordagem MACS para Teste de
Invariância Multigrupo de uma Estrutura de Segunda Ordem:
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
A Walk Through the Process”, Structural Equation Modeling—A
Multidisciplinary Journal (13:2), pp. 287-321.
Cammann, C., Fichman, M., Jenkins, D. e Klesh, J. 1983.
“Avaliando as Atitudes e Percepções dos Membros Organizacionais”,
em Avaliação da Mudança Organizacional: Um Guia para Métodos,
Medidas e Práticas, S. Seashore, EE Lawler, P. Mirvis e C. Cammann
(eds.), Nova York: John Wiley & Sons, pp. 71-138.
Campbell, DT, e Fiske, DW 1959. “Validação convergente e discriminante
pela matriz multitraço-multimétodo”,
Psychological Bulletin (56:2), pp. 81-105.
Carlson, L., e Grossbart, S. 1988. “Parental Style and Consumer Socialization
of Children”, Journal of Consumer Research (15:1), pp. 77-94.
Cattell, RB 1978. The Scientific Use of Factor Analysis, New
York: Plenum Press.
Chaplin, WF, John, OP e Goldberg, LR 1988. “Concepções de Estados e
Traços: Atributos Dimensionais com Ideais como
Protótipos”, Journal of Personality and Social Psychology (54:4), pp.
541-557.
Churchill, GA, Jr. 1979. “Um Paradigma para o Desenvolvimento de Melhores
Medidas de Construções de Marketing”, Journal of Marketing Research
(16:1), pp. 64-73.
Clark, LA, e Watson, D. 1995. “Construindo Validade: Questões Básicas no
Desenvolvimento de Escalas Objetivas”, Avaliação Psicológica (7:3), pp.
309-319.
Comrey, AL, e Lee, HB 2002. Um primeiro curso em fator
Análise, Hillsdale, NJ: Lawrence Erlbaum.
Converse, JM, e Presser, S. 1996. Perguntas da Pesquisa: Elaboração do
Questionário Padronizado, Newbury Park, CA: Sage Publications.
Cortina, JM 1993. “O que é coeficiente alfa? Um Exame de Teoria e
Aplicação”, Journal of Applied Psychology (78:1), pp. 98-104.
Cronbach, LJ, e Meehl, PE 1955. “Construir Validade em Testes
Psicológicos”, Psychological Bulletin (52:4), pp. 281-302.
Davis, FD 1989. "Utilidade percebida, facilidade de uso percebida e
aceitação do usuário da tecnologia da informação", MIS Quarterly (13:3),
pp. 318-346.
DeVellis, RF 1991. Desenvolvimento de Escala: Teoria e Aplicações,
Newbury Park, CA: Sage Publications.
Diamantopoulos, A. 2006. “O Termo de Erro em Modelos de Medição
Formativa: Interpretação e Implicações de Modelagem,”
Journal of Modeling in Management (1:1), pp. 7-17.
Diamantopoulos, A. 2011. “Incorporando Medidas Formativas em Modelos
de Equações Estruturais Baseados em Covariância”, MIS Quarterly
(35:2), pp. 335-358.
Diamantopoulos, A., e Papadopoulos, N. 2010. “Avaliando a Invariância
Transnacional de Medidas Formativas: Diretrizes
para Pesquisadores de Negócios Internacionais”, Journal of International
Business Studies (41:2), pp. 360-370.
Diamantopoulos, A., Reifler, P., e Roth, KP 2008. “Advancing Formative
Measurement Models”, Journal of Business Research (61:12), pp.
1203-1218.
Diamantopoulos, A., e Siguaw, JA 2006. “Indicadores Formativos Versus
Reflexivos no Desenvolvimento de Medidas Organizacionais:
Uma comparação e ilustração empírica”, British Journal of Management
(17:4), pp. 263-282.
Diamantopoulos, A., e Winklhofer, HM 2001. “Construção de Índices com
Indicadores Formativos: Uma Alternativa ao Desenvolvimento de Escala”,
Journal of Marketing Research (38:2), pp. 269-277
Doll, WJ, e Torkzadeh, G. 1988. “The Measurement of End-User Satisfaction”,
MIS Quarterly (12:2), pp. 259-274.
Edwards, JR 2001. “Multidimensional Constructs in Organizational Behavior
Research: An Integrative Analytical Frame work”, Organizational
Research Methods (4:2), pp. 141-192.
Edwards, JR 2003. “Construir Validação na Pesquisa do Comportamento
Organizacional”, em Comportamento Organizacional: O Estado da
Ciência, J. Greenberg (ed.), Mahwah, NJ: Lawrence Erlbaum Associates,
pp. 327-371.
Edwards, JR, e Bagozzi, RP 2000. “Sobre a natureza e a direção das
relações entre construções e medidas”,
Métodos Psicológicos (5:2), pp. 155-174.
Everitt, BS 1975. "Análise Multivariada: A Necessidade de Dados e Outros
Problemas", British Journal of Psychiatry (126:2), pp. 237-240.
Fornell, C., e Larcker, DF 1981. “Avaliando Modelos de Equações
Estruturais com Variáveis Inobserváveis e Erro de Medição”, Journal of
Marketing Research (18:1), pp. 39-50.
Franke, GR, Preacher, KJ e Rigdon, EE 2008. “Efeitos estruturais
proporcionais de indicadores formativos”, Journal of Business Research
(61:12), pp. 1229-1237.
Gefen, D. 2003. “Validade Unidimensional: Uma Explicação e um Exemplo,”
Comunicações do AIS (12:2), pp. 23-47.
Gerbing, DW e Anderson, JC 1984. “Sobre o significado dos erros de
medição correlacionados dentro do fator”, Journal of Consumer Research
(11:1), pp. 572-580.
Gerbing, DW e Anderson, JC 1988. “Um Paradigma Atualizado para
Desenvolvimento de Escala Incorporando Unidimensionalidade e sua
Avaliação”, Journal of Marketing Research (25:2), pp. 186-192.
Goertz, G. 2006. Conceitos de Ciências Sociais: Um Guia do Usuário,
Princeton, NJ: Princeton University Press.
Gorsuch, RL 1983. Factor Analysis (2ª ed.), Hillsdale, NJ:
Lawrence Erlbum.
Greenwald, AG, e Farnham, SD 2000. “Usando o Teste de Associação
Implícita para Medir a Autoestima e o Autoconceito”,
Journal of Personality and Social Psychology (79:6), pp. 1022-1038.
Hall, RJ, Snell, AF, e Singer-Foust, M. 1999. "Estratégias de Parcelamento
de Itens em SEM: Investigando os Efeitos Sutis de Construções
Secundárias Não Modeladas", Métodos de Pesquisa Organizacional
(2:3), pp. 233-256.
Hancock, GR, e Mueller, RO 2001. “Repensando a Confiabilidade Construída
em Sistemas de Variáveis Latentes”, em Modelagem de Equações
Estruturais: Presente e Futuro – A Festschrift em homenagem a Karl
Jöreskog, R. Cudeck, S. du Toit e D. Sörbom (eds.), Lincolnwood, IL:
Scientific Software International Inc., pp. 195-216.
Haynes, SN, Richard, DCS e Kubany, ES 1995. “Validade de conteúdo na
avaliação psicológica: uma abordagem funcional
MIS Trimestral Vol. 35 nº 2/ junho de 2011 331
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
a Conceitos e Métodos”, Avaliação Psicológica (7:3), pp. 238-247.
Heimberg, RG, e Holaway, RM 2007. “Exame da Validade de Grupos
Conhecidos da Escala de Ansiedade Social de Liebowitz,”
Depressão e Ansiedade (24:7), pp. 447-454.
Hempel, CG 1970. “Fundamentos da Formação de Conceitos na Ciência
Empírica”, em Fundamentos da Unidade da Ciência (Vol.
2), O. Neurath, R. Carnap e C. Morris (eds.), Chicago: University of
Chicago Press, pp. 653-740.
Hinkin, TR 1995. "Uma Revisão de Práticas de Desenvolvimento de Escala
no Estudo de Organizações", Journal of Management (21:5), pp. 967-988.
Hinkin, TR, e Tracey, JB 1999. “An Analysis of Variance Approach to
Content Validation”, Organizational Research Methods (2:2), 175-186.
Hogan, R., Hogan, J., e Roberts, BW 1996. "Medição de Personalidade e
Decisões de Emprego", American Psychologist (51:5), pp. 469-477.
Holland, JL 1985. Fazendo Escolhas Vocacionais: Uma Teoria das
Personalidades Vocacionais e Ambientes de Trabalho, Englewood Cliffs,
NJ: Prentice Hall.
Hovland, C., Janis, I., e Kelley, H. 1953. Comunicação e Persuasão, New
Haven, CT: Yale University Press.
Howell, JM, e Hall-Merenda, KE 1999. “The Ties That Bind: The Impact of
Leader-Member Exchange, Transformational and Transactional
Leadership, and Distance on Predicter Follower Performance,” Journal
of Applied Psychology (84:5), págs. 680-694.
Howell, RD, Breivik, E., e Wilcox, JB 2007a. “A medição formativa é
realmente medição? Resposta a Bollen (2007) e Bagozzi (2007)”,
Psychological Methods (12:2), pp. 238-245.
Howell, RD, Breivik, E., e Wilcox, JB 2007b. “Reconsidering Formative
Measurement,” Psychological Methods (12:2), pp. 205-218.
Hu, LT e Bentler, PM 1999. "Critérios de corte para índices de ajuste na
análise de estrutura de covariância: critérios convencionais versus novas
alternativas", Modelagem de Equações Estruturais (6:1), pp. 1-55.
Jaeger, RM 1984. Amostragem em Educação e Ciências Sociais,
Nova York: Longman, Green and Co.
Jarvenpaa, SL, Dickson, GW, e DeSanctis, GL 1984.
“Questões Metodológicas na Pesquisa Experimental de SI: Experiências
e Recomendações”, em Anais da Quinta Conferência Internacional
sobre Sistemas de Informação, Tucson, AZ, pp. 1-30.
Jarvis, CB, MacKenzie, S B., e Podsakoff, PM 2003. “Uma Revisão Crítica
de Indicadores de Construção e Modelo de Medição
Erro de especificação em Marketing e Pesquisa do Consumidor”, Journal
of Consumer Research (30:2), pp. 199-218.
Johnson, JA 1997. "Unidades de Análise para a Descrição e Explicação da
Personalidade", em Handbook of Personality Psychology, R. Hogan, J.
Johnson e S. Briggs (eds.), San Diego: Academic Press, pp. 73 -93.
Jöreskog, KG, e Goldberger, AS 1975. “Estimativa de um Modelo com
Múltiplos Indicadores e Múltiplas Causas de uma Única Variável Latente”,
Journal of the American Statistical Association (70:351), pp. 631-639.
332 MIS Trimestral Vol. 35 nº 2/ junho de 2011
Kerlinger, FN 1973. Fundamentos da Pesquisa Comportamental (2º
ed.), Nova York: Holt McDougal.
Kim, G., Shin, B. e Grover, V. 2010. “Investigando duas visões contraditórias
de medição formativa na pesquisa de sistemas de informação”, MIS
Quarterly (34:2), pp. 345-365.
Kozlowski, SWJ, e Klein, KJ 2000. “A Multilevel Approach to Theory and
Research in Organizations: Contextual, Temporal, and Emergent
Processes,” em Multilevel Theory, Research, and Methods in
Organizations: Foundations, Extensions, and New Direction, KJ Klein e
SWJ Kozlowski (eds.), San Francisco: Jossey-Bass, pp. 3-90.
Lastovicka, JL, Betencourt, LA, Hughner, RS, e Kuntze, RJ 1999. “Estilo de
Vida do Apertado e Frugal: Teoria e Medição”, Journal of Consumer
Research (26:1), pp. 85-98.
Law, KS e Wong, CS 1999. “Construções Multidimensionais na Análise de
Equações Estruturais: Uma Ilustração Usando a Percepção de Trabalho
e Construções de Satisfação no Trabalho”, Journal of Management
(25:2), pp. 143-160.
Law, KS, Wong, CS e Mobley, WH 1998. “Toward a Taxonomy of
Multidimensional Constructs”, Academy of Management Review (23:4),
pp. 741-755.
Lawshe, CH 1975. “A Quantitative Approach to Content Validity”, Personal
Psychology (28:4), pp. 563-575.
Levy, PS, e Lemeshow, S. 1999. Amostragem de Populações: Métodos e
Aplicações (3ª ed.), Nova York: John Wiley.
Little, TD, Lindenberger, U., e Nesselrode, JR 1999. “Sobre a seleção de
indicadores para medição multivariada e modelagem de variáveis
latentes: quando indicadores 'bons' são ruins e 'ruins'
Indicadores são bons”, Psychological Methods (4:2), pp. 192-211.
MacCallum, RC, e Austin, JT 2000. “Aplicações de Modelagem de
Equações Estruturais em Pesquisa Psicológica”, Revisão Anual de
Psicologia (51:1), pp. 201-226.
MacCallum, RC, e Browne, MW 1993. “O Uso de Indicadores Causais em
Modelos de Estrutura de Covariância: Algumas Práticas
Questões”, Psychological Bulletin (114:3), pp. 533-541.
MacCallum, RC, Widaman, KF, Zhang, S., e Hong, S. 1999.
“Tamanho da amostra na análise fatorial”, Psychological Methods (4:1),
pp. 84-99.
MacKenzie, SB 2003. “Os Perigos da Conceitualização de Construções
Pobres”, Journal of the Academy of Marketing Science (31:3), pp.
323-326.
MacKenzie, SB, Podsakoff, PM e Jarvis, CB 2005. “O problema da
especificação incorreta do modelo de medição em pesquisa
comportamental e organizacional e algumas soluções recomendadas”,
Journal of Applied Psychology (90:4), pp. 710-730.
MacKinnon, DP 2008. Introdução à Análise de Mediação Estatística, Nova
York: Taylor & Francis Group.
Mathieu, JE, e Zajac, DM 1990. “Uma Revisão e Meta-Análise dos
Antecedentes, Correlatos e Consequências do Compromisso
Organizacional”, Psychological Bulletin (108:2), pp. 171-194.
Mowday, RT, Steers, RM e Porter, LW 1979. “A Medição do Compromisso
Organizacional”, Journal of Vocational Behavior (14:2), pp. 224-247.
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Nederhof, AJ 1985. “Métodos de enfrentamento com viés de desejo social:
uma revisão”, European Journal of Social Psychology (15:3), pp.
263-280.
Netemeyer, RG, Burton, S., e Lichtenstein, DR 1995. "Aspectos Traços da
Vaidade: Medição e Relevância para o Comportamento do Consumidor",
Journal of Consumer Research (21:4), pp. 612-626.
Neter, J., Kutner, MH, Nachtsheim, CJ, e Wasserman, W.
1996. Modelos Estatísticos Lineares Aplicados (4ª ed.), Boston:
McGraw-Hill.
Nunnally, JC, e Bernstein, IH 1994. Teoria Psicométrica
(3ª ed.), Nova York: McGraw Hill.
Peterson, RA 2000. Construindo Questionários Eficazes, Thousand Oaks,
CA: Sage Publications.
Petter, S., Straub, D., e Rai, A. 2007. “Especificando Construções
Formativas na Pesquisa de Sistemas de Informação”, MIS Quarterly
(31:4), pp. 623-656.
Podsakoff, PM, MacKenzie, SB, Lee, JY e Podsakoff, NP 2003a. “Viés de
Método Comum na Pesquisa Comportamental: Uma
Revisão Crítica da Literatura e Remédios Recomendados”,
Journal of Applied Psychology (88:5), pp. 879-903.
Podsakoff, PM, MacKenzie, SB, Podsakoff, NP, and Lee, JY 2003b. “The
Mismeasure of Management (agement) and its Impli cations for
Leadership Research,” Leadership Quarterly (14:6), pp. 615-656.
Porter, ME 1998. Estratégia Competitiva, Nova York: Free Press.
Rai, A., Patnayakuni, R., e Seth, N. 2006. “Impactos no desempenho das
capacidades de integração da cadeia de suprimentos habilitadas
digitalmente”, MIS Quarterly (30:2), pp.225-246.
Reise, SP, Widaman, KF, e Pugh, RH 1993. “Confirmtory Factor Analysis
and Item Response Theory: Two Approaches for Exploring Measurement
Invariance,” Psychological Bulletin (114:3), pp. 552-566.
Rotundo, M., e Sackett, PR 2001. “A Importância Relativa da Tarefa,
Cidadania e Desempenho Contraproducente para Classificações
Sudman, S. 1976. Applied Sampling, Nova York: Academic Press.
Globais de Desempenho no Trabalho: Uma Abordagem de Captura de Políticas”,
Journal of Applied Psychology (87:1), pp. 66-80.
Sartori, G. 1984. “Guidelines for Concept Analysis”, em Social Science
Concepts: A Systematic Analysis, G. Sartori (ed.), Beverly Hills, CA:
Sage Publications, pp. 15-85.
Scandura, TA, e Williams, EA 2000. “Metodologia de Pesquisa em
Administração: Práticas Atuais, Tendências e Implicações para
Pesquisas Futuras”, Academy of Management Journal (43:6), pp.
1248-1264.
Schuman, H., e Presser, S. 1996. Perguntas e Respostas em Pesquisas
de Atitude: Experimentos em Perguntas Forma, Redação e Contexto,
Thousand Oaks, CA: . Sage Publicações.
Schwab, DP 1980. "Construir Validade em Comportamento Organizacional",
em Pesquisa em Comportamento Organizacional (Vol. 2), BM Staw e
LL Cummings (eds.), Greenwich, CT: JAI Press, pp. 3-43.
Schriesheim, CA, Cogliser, CC, Scandura, TA, Lankau, MJ e Powers, KJ
1999. "Uma comparação empírica de abordagens para avaliar
quantitativamente a adequação do conteúdo de instrumentos de
medição de papel e lápis", Métodos de Pesquisa Organizacional (2: 2),
págs. 140-156.
Schriesheim, CA, Powers, KJ, Scandura, TA, Gardiner, CC e Lankau, MJ
1993. “Melhorando a Medição de Construto na Pesquisa Gerencial:
Comentários e uma Abordagem Quantitativa para Avaliar a Adequação
Teórica de Instrumentos do Tipo Papel e Lápis de Pesquisa ”, Journal
of Management (19:2), pp. 385-417.
Segars, AH 1997. "Avaliando a Unidimensionalidade da Medição: Um
Paradigma e Ilustração Dentro do Contexto da Pesquisa de Sistemas
de Informação", Omega (25:1), pp 107-121.
Serva, MA, Fuller, MA e Mayer, RC 2005. “A Natureza Recíproca da
Confiança: Um Estudo Longitudinal de Equipes Interagindo”,
Journal of Organizational Behavior (26:6), pp. 625-648.
Smith, PC, Kendall, LM e Hulin, CL 1969. A Medição da Satisfação no
Trabalho e na Aposentadoria: Uma Estratégia para o Estudo das
Atitudes, Chicago: Rand McNally.
Sobel, ME 1982. "Intervalos de Confiança Assintóticos para Efeitos
Indiretos em Modelos de Equações Estruturais", em Metodologia
Sociológica 1982, S. Leinhardt (ed.), Washington, DC: Associação
Americana de Sociologia, pp. 290-312.
Spector, PE 1992. Construção da Escala de Avaliação Resumida: Uma
Introdução, Newbury Park, CA: Sage Publications.
Spector, PE 1997. Satisfação no Trabalho: Aplicação, Avaliação, Causas
e Consequências, Thousand Oaks, CA: Sage Publications.
Steenkamp, JB. EM, e Baumgartner, H. 1998. "Avaliando a Invariância de
Medição na Pesquisa do Consumidor Transnacional",
Journal of Consumer Research (25:1), pp. 78-90.
Stogdill, RM 1969. “Validade das Descrições do Comportamento do Líder”,
Psicologia Pessoal (22:2), pp. 153-158.
Straub, DW 1989. “Validating Instruments in MIS Research,”
MIS Quarterly (13:2), pp. 147-169.
Straub, DW, Boudreau, MC, e Gefen, D. 2004. “Diretrizes de validação
para pesquisa positivista de SI”, Comunicações do AIS (13), pp.
380-427.
Tian, KT, Beardon, WO e Hunter, GL 2001. “Necessidade do consumidor
de exclusividade: desenvolvimento e validação de escala”,
Journal of Consumer Research (28:1), pp. 50-66.
Tourrangeau, R., Rips, LJ, e Rasinski, K. 2000. A Psicologia da Resposta
à Pesquisa, Cambridge, Reino Unido: Cambridge University Press.
Urbina, S. 2004. Essentials of Psychological Testing, Hoboken, NJ:
John Wiley & Filhos.
Vandenberg, RJ, e Lance, CE 2000. “Uma Revisão e Síntese da Literatura
de Invariância de Medição: Sugestões, Práticas e Recomendações
para Pesquisa Organizacional”, Métodos de Pesquisa Organizacional
(3:1), pp. 4-70.
Vroom, VH 1964. Trabalho e Motivação, Nova York; John Wiley
& Filhos.
Webster, DM, e Kruglanski, AW 1994. “Diferenças Individuais na
Necessidade de Fechamento Cognitivo”, Processos de Personalidade
e Diferenças Individuais (67:6), pp. 1049-1062.
West, SG, Finch, JF e Curran, PJ 1995. "Modelagem de Equações
Estruturais com Variáveis Não-Normais: Problemas e Remédios", em
Modelagem de Equações Estruturais: Conceitos, Questões,
MIS Trimestral Vol. 35 nº 2/ junho de 2011 333
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
and Applications, RH Hoyle (ed.), Thousand Oaks, CA: Sage
Publications, pp. 56-75.
Wilcox, JB, Howell, RD, e Breivik, E. 2008. “Questões sobre Medição
Formativa”, Journal of Business Research (61:12), pp. 1219-1228.
Williams, LJ, Edwards, JR, and Vandenberg, RJ 2003.
“Recentes Avanços em Métodos de Modelagem Causal para
Pesquisa Organizacional e Gerencial”, Journal of Management (29:6),
pp. 903-936.
Winer, BJ 1971. Princípios Estatísticos em Projeto Experimental, Nova
York: McGraw-Hill.
Wong, CS, Law KS e Huang, GH 2008. “Sobre a Importância da
Condução de Análises em Nível de Construto para Construções
Multidimensionais no Desenvolvimento e Teste de Teorias”, Journal
of Management (34:4), pp. 744-764.
Yao, G., Wu, CH., e Yang, CT. 2008. “Examinando a validade de
conteúdo do WHOQOL-BREF na perspectiva dos entrevistados por
métodos quantitativos”, Social Indicators Research (85:3), pp. 483-498.
Yi, MY e Davis FD 2003. “Desenvolvendo e validando um modelo de
aprendizagem observacional de treinamento de software de
computador e aquisição de habilidades”, Information Systems
Research (14:2), pp. 146-169.
sobre os autores
Scott B. MacKenzie (Ph.D., University of California, Los Angeles), é o
Neal Gilliatt Chair e Professor de Marketing na Kelley
334 MIS Trimestral Vol. 35 nº 2/ junho de 2011
Escola de Negócios da Universidade de Indiana. Sua pesquisa atual se
concentra em metodologia de pesquisa, eficácia da publicidade,
desempenho da equipe de vendas, liderança e comportamento de
cidadania organizacional. Atualmente, ele atua nos conselhos de revisão
editorial do Journal of Marketing Research, Journal of Marketing, Journal
of Consumer Research e vários outros periódicos.
Philip M. Podsakoff (DBA, Universidade de Indiana) é professor de
comportamento organizacional e gestão de recursos humanos, e titular
da cátedra de gestão John F. Mee na Kelley School of Business da
Universidade de Indiana. Sua pesquisa atual se concentra nos
determinantes da eficácia da liderança, os antecedentes e as
consequências dos comportamentos de cidadania organizacional, as
relações entre as atitudes e os comportamentos dos funcionários e as
questões metodológicas nas ciências sociais e comportamentais. Ele
atualmente atua nos conselhos de revisão editorial do Journal of Applied
Psychology, Organizational Behavior and Human Decision Processes,
Personnel Psychology e Journal of Management.
Nathan Podsakoff (Ph.D., University of Florida) é professor assistente
na Eller College of Management da University of Arizona. Sua pesquisa
se concentra nos efeitos dos estressores relacionados ao trabalho, os
efeitos dos comportamentos de cidadania no local de trabalho,
identificando e explicando o impacto acadêmico no campo do
comportamento organizacional e questões relacionadas à medição e
modelagem de construtos nas ciências comportamentais. Atualmente,
ele atua nos conselhos de revisão editorial do Academy of Management
Journal, Journal of Applied Psychology e Organizational Behavior and
Human Decision Processes.
Machine Translated by Google

COMENTÁRIO DE PESQUISA

PROCEDIMENTOS DE MEDIÇÃO E VALIDAÇÃO DE CONSTRUÇÃO

EM PESQUISA DE MIS E COMPORTAMENTO : INTEGRANDO
TÉCNICAS NOVAS E EXISTENTES

Scott B. MacKenzie
Departamento de Marketing, Kelley School of Business, Indiana University,
Bloomington, IN 47405 USA {mackez@indiana.edu}

Philip M. Podsakoff
Departamento de Administração, Kelley School of Business, Indiana
University, Bloomington, IN 47405 USA {podsakof@indiana.edu}

Nathan P. Podsakoff
Departamento de Gestão e Organizações, Eller College of Management, Universidade
do Arizona, Tucson, AZ 85721 EUA {podsakoff@email.arizona.edu}

Apêndice A
Resumo das etapas para purificação e refinamento de incrustações

Construções com indicadores reflexivos Construções com Indicadores Formativos

Avalie a Examine a significância do ÿ2 (p > 0,10), CFI (> 0,95),
qualidade de ajuste do
RMSEA (< 0,06) e SRMR (< 0,08). Conduza um teste
medição simultâneo das tétrades de fuga implícitas no modelo (Bollen
modelo e Ting 2000).
Avalie a validade Para construções de primeira ordem (Figura 3,
do conjunto de Painel A): Examine se a variância média extraída
indicadores no nível (AVE) para o conjunto de indicadores é maior que 0,50
de construção (Fornell e Larcker 1981).
Para construtos de segunda ordem (Figura 3, Painel
C): Avalie a validade do conjunto de subdimensões usando
o coeficiente de determinação multivariado de Edwards
(2001) (R2 m). Alternativamente, a variância média
Examine a significância do ÿ2 (p > 0,10), CFI (> 0,95), RMSEA (<
0,06) e SRMR (< 0,08). Para modelos que incluem 2+ indicadores
refletivos, realize um teste simultâneo das tétrades de fuga implícitas
no modelo (Bollen e Ting 2000).
Para construtos de primeira ordem (Figura 3, Painel B): Avalie a
validade do conjunto de indicadores usando o coeficiente de
maior
adequação de Edwards (2001) (R2 a). Valores
uma deque
R2 0,50 seria que,
significam
em média, a maioria da variância dos indicadores é compartilhada
com o construto. Alternativamente, se os únicos antecedentes do
construto latente composto são seus próprios indicadores formativos,
a magnitude do termo de erro do nível do construto pode ser usada
para avaliar a validade (Diamantopoulos et al.
2008; Williams et ai. 2003). A variância do erro no nível de construção
deve ser pequena e não constituir mais da metade do total.
variância do construto (quanto menor, melhor).
Para construtos de segunda ordem (Figura 3, Painel D): Avalie
a validade do conjunto de subdimensões usando o coeficiente de
adequação de Edwards (2001) (R2 a). Valores maior
de R2 que
uma 0,50
significariam que,
em média, a maioria da variância no

MIS Trimestral Vol. 35 Nº 2 – Anexos/ Junho de 2011 A1

Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Construções com indicadores reflexivos
extraído (AVE) pode ser calculado para o construto de segunda
ordem pela média do quadrado múltiplo
correlações para os indicadores de primeira ordem. Em ambos
caso, valores maiores que 0,50 significariam que, em
média, a maioria da variância na primeira ordem
subdimensões é compartilhada com o latente de segunda ordem
construir.
Avalie a confiabilidade Para construções de primeira ordem (Figura 3, Painel A): Avalie
do conjunto de a confiabilidade do conjunto de indicadores examinando
indicadores no se (1) a confiabilidade da consistência interna (Cronbach 1951)
nível de construção do conjunto de indicadores é maior que 0,70;
e/ou (2) o índice de confiabilidade de construção de Fornell e
Larcker (1981) é maior que 0,70 (Netemeyer et al.
2003).
Para construções de segunda ordem (Figura 3, Painel C): A
confiabilidade das subdimensões de primeira ordem como
indicadores da construção de segunda ordem pode ser examinada
calculando o índice de Fornell e Larcker (1981) de
construir confiabilidade para o construto de segunda ordem.
Isso pode ser feito usando o totalmente padronizado
estimativas das cargas fatoriais de segunda ordem e erro
variações associadas com o sub de primeira ordem
dimensões.
Avalie Para construções de primeira ordem (Figura 3, Painel A): Teste
Individual validade do indicador examinando se cada indicador
validade do indicador está significativamente relacionado com o construto latente. Avaliar
e confiabilidade o grau de validade de cada indicador, examinando
(isso pressupõe a proporção única de variação no indicador
que cada um explicada pelo construto latente. No típico
indicador é caso em que cada indicador é hipotetizado para carregar em
associado com apenas um construto, este será igual ao quadrado de
apenas um fator) o carregamento totalmente padronizado do indicador; e os seus
valor deve ser maior que 0,50 (veja Fornell e
Larcker 1981). A confiabilidade de cada indicador pode ser
avaliada pelo exame da correlação múltipla ao quadrado para o
indicador; normalmente um valor maior que 0,50
é desejado porque sugere que a maioria dos
a variância do indicador se deve ao construto latente.
(Claro, em modelos onde cada indicador carrega em
apenas um construto, a correlação múltipla ao quadrado
e o quadrado do carregamento completamente padronizado
será igual.)
Para construções de segunda ordem (Figura 3, Painel C):
Teste a validade de cada subdimensão de primeira ordem por
examinar se está significativamente relacionado com o
construção latente de segunda ordem. Avalie o grau de
validade de cada subdimensão examinando a
proporção única de variação na subdimensão
explicada pelo construto de segunda ordem. Isso vai
ser igual ao quadrado da subdimensão
carregamento completamente padronizado na segunda ordem
construto no caso típico em que cada subdimensão é
hipotetizada para carregar apenas um construto de segunda ordem;
e seu valor deve ser maior que
0,50 (ver Fornell e Larcker 1981). Avalie o
confiabilidade de cada subdimensão, determinando
A2 MIS Trimestral Vol. 35 Nº 2 – Anexos/ Junho de 2011
Construções com Indicadores Formativos
subdimensões de primeira ordem são compartilhadas com as de segunda ordem
construção latente. Alternativamente, se os únicos antecedentes do
construção de segunda ordem são suas próprias subdimensões de primeira ordem,
a magnitude do termo de erro de nível de construção de segunda ordem
poderia ser usado para avaliar a validade (Diamantopoulos et al. 2008;
Williams et ai. 2003). Uma variância de erro menor que a metade de
A variância total de um construto sugere que a maioria dos
a variância do construto se deve aos indicadores.
Para construções de primeira ordem (Figura 3, Painel B): Tradicional
noções de confiabilidade de consistência interna não se aplicam a modelos de
medição de indicadores formativos, porque o modelo não
não prever que os indicadores serão correlacionados (Bollen 1989;
Bollen e Lennox 1991). Consequentemente, nem o Cronbach
alfa nem Fornell e índice de confiabilidade de construto de Larcker são
relevante.
Para construções de segunda ordem (Figura 3, Painel D): As noções
tradicionais de confiabilidade de consistência interna não se aplicam a
o conjunto de subdimensões que servem como indicadores formativos de uma
construção de segunda ordem porque o modelo de medição não
não prever que as subdimensões serão correlacionadas (Bollen
e Lennox 1991; Eduardo 2003). De fato, Edwards (2001, p.
160) argumenta que “a confiabilidade não é uma questão de debate quando um
construção multidimensional e suas dimensões são tratadas como
variáveis latentes que não contêm erros de medição”.
Para construtos de primeira ordem (Figura 3, Painel B): Teste a
validade do indicador examinando se cada indicador está significativamente
relacionado ao construto latente (Bollen 1989; Bollen e
Lennox 1991). Avalie o grau de validade de cada indicador
usando a proporção única de variância na construção
contabilizado pelo indicador. Isso é calculado subtraindo a proporção
de variância no construto contabilizado
por todos os indicadores, exceto pelo de interesse de
a proporção de variância no construto explicada por todos
dos indicadores (ver Bollen 1989, pp. 200 e 222). Examinar
confiabilidade do indicador usando (1) confiabilidade teste-reteste (se
espera-se que o indicador seja estável ao longo do tempo) e/ou (2) entre avaliadores
confiabilidade (se espera-se que diferentes avaliadores concordem).
Para construções de segunda ordem (Figura 3, Painel D): teste a validade
da subdimensão examinando se cada subdimensão
está significativamente relacionado com o construto latente de segunda ordem
(Bollen 1989; Bollen e Lennox 1991). Avalie o grau de
validade de cada subdimensão usando a proporção única de
variância no construto explicada pela subdimensão.
Isso é calculado subtraindo a proporção da variância em
o construto contabilizado por todas as subdimensões
exceto o de interesse da proporção de variância em
a construção explicada por todas as subdimensões (ver
Bollen 1989, pp. 200, 222). A confiabilidade de cada subdimensão
pode ser avaliada usando o método de Fornell e Larcker.
construir índice de confiabilidade.
Machine Translated by Google
MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental
Construções com indicadores reflexivos
se o construto latente de segunda ordem é responsável por
a maior parte de sua variância; isso será mostrado por um
correlação múltipla ao quadrado para a subdimensão que
é maior que 0,50 (Fornell e Larcker 1981).
Eliminar Para construtos de primeira ordem (Figura 3, Painel A): Desde
Problemático que todos os aspectos essenciais do construto
Indicadores domínio são capturados pelos indicadores restantes, considere
eliminar os indicadores que têm (1)
cargas no construto hipotético, (2) ao quadrado
cargas completamente padronizadas que são menores que
0,50 e (3) erro de medição grande e significativo
covariâncias com outras medidas. Não significativo ou
cargas fracas são uma indicação de falta de validade,
e as covariâncias de erro de medição podem ser um sinal de
multidimensionalidade (Gerbing e Anderson 1984).
Covariâncias de erro de medição significativas podem ser
identificados olhando para os índices de modificação e
sua magnitude pode ser avaliada examinando a
estimativas de mudanças esperadas completamente padronizadas.
Para construções de segunda ordem (Figura 3, Painel C): O
primeiro passo no processo é eliminar
indicadores de cada subdimensão individual de primeira ordem.
Desde que todos os aspectos essenciais do domínio da
subdimensão sejam capturados pelos demais
itens, considere eliminar os indicadores que
(1) cargas não significativas nas subdimensões hipotéticas, (2)
quadrados completamente padronizados
carregamentos inferiores a 0,50, (3) grandes e significativos
covariâncias de erro de medição com outras medidas
(especialmente medidas de outras subdimensões), e
(4) cargas cruzadas grandes e significativas em subdimensões não
hipotéticas. Insignificante ou fraco
cargas são uma indicação de falta de validade, covariâncias de
erro de medição podem ser um sinal de multidimensionalidade
e cargas cruzadas fortes e significativas são uma indicação de
confusão conceitual.
Covariâncias significativas de erro de medição e cargas cruzadas
podem ser identificadas observando os índices de modificação e
sua magnitude pode ser avaliada por
examinando o esperado completamente padronizado
alterar as estimativas.
Além disso, subdimensões de primeira ordem que têm
ou cargas não significativas na segunda ordem
construto pode ser candidato à eliminação porque
isso sugeriria que a subdimensão carece
validade. No entanto, instâncias em que uma subdimensão
inteira pode ser descartada sem eliminar uma
aspecto essencial do domínio de construção pode ser raro.
Construções com Indicadores Formativos
Para construções de primeira ordem (Figura 3, Painel B): Indicadores
que têm relações fracas ou insignificantes com o latente
construto podem ser candidatos para eliminação porque isso pode
sugerem que o indicador carece de validade. No entanto, porque
isso também pode ser devido à multicolinearidade, é importante
calcular o VIF para examinar a multicolinearidade entre os
indicadores antes de decidir se deve eliminá-los.
Indicadores com relação não significativa com o latente
construto e um VIF maior que 10 são redundantes e devem
ser considerado para eliminação sequencial (Diamantopoulos et
al. 2008; Diamantopoulos e Winklhofer 2001; Neter et ai.
1996). No entanto, isso só deve ser feito se todos os elementos essenciais
aspectos do domínio de construção são capturados pelos restantes
indicadores (Bollen e Lennox 1991; Diamantopoulos e
Winklhofer 2001; MacKenzie 2003).
Para construções de segunda ordem (Figura 3, Painel D): A primeira
passo no processo é eliminar indicadores problemáticos de
cada subdimensão individual de primeira ordem. Desde que todos
os aspectos essenciais do domínio da subdimensão são
capturado pelos itens restantes, considere eliminar indicadores que
tenham (1) cargas não significativas nas subdimensões hipotéticas, (2)
quadrados completamente padronizados
cargas inferiores a 0,50, (3) covariâncias de erro de medição grandes e
significativas com outras medidas (especialmente
medidas de outras subdimensões) e (4) grandes e significativos
carregamentos cruzados em subdimensões não hipotéticas.
Cargas não significativas ou fracas são uma indicação de falta de
validade, as covariâncias de erro de medição podem ser um sinal de
multidimensionalidade e cargas cruzadas fortes e significativas
são uma indicação de confusão conceitual. Significativo
covariâncias de erro de medição e carregamentos cruzados podem ser
identificados olhando para os índices de modificação e seus
magnitude pode ser avaliada examinando-se completamente
estimativas de mudanças esperadas padronizadas.
Além disso, as subdimensões de primeira ordem que possuem valores fracos ou
relações não significativas com o construto de segunda ordem
podem ser candidatos à eliminação porque isso pode sugerir
que a subdimensão carece de validade. No entanto, porque esta
também pode ser devido à multicolinearidade, é importante calcular o
VIF para examinar a multicolinearidade entre as subdimensões antes de
decidir se deve eliminar alguma delas.
Subdimensões com relação não significativa com o
construto de segunda ordem e VIF maior que 10 são redundantes e devem
ser considerados para eliminação sequencial
(Diamantopoulos et al. 2008, Diamantopoulos e Winklhofer
2001; Neter et ai. 1996). No entanto, isso só deve ser feito se
todos os aspectos essenciais do domínio do construto são
capturado pelas restantes subdimensões (Bollen e Lennox
1991; Diamantopoulos e Winklhofer 2001; Mackenzie
2003). Instâncias em que uma subdimensão inteira pode ser
caiu sem eliminar um aspecto essencial da
domínio de construção pode ser raro.
MIS Trimestral Vol. 35 Nº 2 – Anexos/ Junho de 2011 A3
Machine Translated by Google

MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental

Apêndice B
Resumo das técnicas para avaliar a validade da escala
Construções com indicadores reflexivos Construções com Indicadores Formativos
Avalie o efeito Desenvolva uma manipulação experimental que teoricamente Desenvolva uma manipulação experimental do atributo/característica que
de deveria causar mudanças no construto focal. é medido pelo indicador formativo e teste se essa manipulação influencia
uma Teste se uma variável dummy representando a as pontuações do indicador. Observe que isso implica que quando o
manipulação manipulação experimental está significativamente relacionada modelo de medição é como o do Painel D da Figura 3, são as subdimensões
experimental sobre a construção
com os escores da escala. que servem como indicadores formativos do construto de segunda ordem
que devem ser manipuladas individualmente.

Avaliar conhecido Identifique grupos de indivíduos, organizações, etc. que Identifique grupos de indivíduos, organizações, etc. que teoricamente
validade de grupo teoricamente deveriam diferir no construto focal. deveriam diferir no atributo/característica medido pelo indicador formativo,
do construto Teste se uma variável fictícia que representa a associação e teste se uma variável fictícia que representa a associação ao grupo está
ao grupo está significativamente relacionada às pontuações significativamente relacionada às pontuações na medida. Observe que
na escala. isso implica que quando o modelo de medição é como o do Painel D da
Figura 3, são as subdimensões individuais que servem como indicadores
formativos do
construção de segunda ordem sobre a qual os grupos devem diferir. Isso
significa que diferentes grupos podem ser usados para estabelecer a
validade de grupos conhecidos de diferentes subdimensões.
Avaliar Teste se o construto focal está significativamente Teste se o construto focal está significativamente relacionado a outros
nomológico e/ relacionado a outros construtos hipotetizados em sua rede construtos hipotetizados em sua rede nomológica.
ou critério nomológica.
validade relacionada
do construto
Use a Para construtos endógenos [Ver Figura 5, Painel Construções endógenas [Ver Figura 5, Painel B]: Teste se o R2
rede A]: Teste se um construto antecedente tem efeitos diretos nas para o efeito do construto antecedente no construto focal é maior que o
nomológica subdimensões do construto focal além dos efeitos indiretos R²m para as subdimensões do construto focal usando um intervalo de
para avaliar a que esse antecessor confiança baseado em erros padrão obtidos usando procedimentos de
validade do cedente tem por meio do construto focal. Isso pode ser testado bootstrap (Eduardo 2001). Se os dois são equivalentes, pode ser interpretado
multidimensional com um teste de diferença qui-quadrado do modelo com e como suporte para a estrutura multidimensional hipotética do construto focal.
estrutura sem os caminhos diretos, ou examinando os índices de
modificação. Este teste é baseado na suposição de que um único coeficiente (ou seja,
o coeficiente do efeito do antecedente no constructo focal), deve
representar completamente o efeito do antecedente em todas as
subdimensões, ou o constructo focal está ocultando informações
potencialmente úteis. Um teste alternativo da estrutura multidimensional
(também baseado nessa suposição) é examinar se os efeitos diretos do
antecedente em cada
subdimensão (sem a construção focal no modelo) são iguais (Edwards
2001). Se os efeitos diretos forem iguais, pode ser interpretado como
suporte para a estrutura multidimensional hipotética do construto focal. No
entanto, é importante notar que, embora este teste seja razoável, ele não
está necessariamente implícito na estrutura do modelo, de modo que sua
adequação depende se faz sentido conceitualmente. Pode-se argumentar
que esse requisito é muito rigoroso; particularmente se o coeficiente único
captura a grande maioria do efeito do antecedente em todas as subdimensões
do construto.

Para construções exógenas [Ver Figura 5, Painel
C]: Teste se as subdimensões do construto multidimensional
têm efeitos diretos significativos no construto de consequência
além dos efeitos diretos que o construto focal tem neste
Para construções exógenas [Ver Figura 5, Painel D]: Teste se as
subdimensões da construção multidimensional
têm efeitos diretos significativos no construto de consequência além dos
efeitos indiretos que essas subdimensões
tem através da construção focal. Isso pode ser testado com um chi

A4 MIS Trimestral Vol. 35 Nº 2 – Anexos/ Junho de 2011

Machine Translated by Google

MacKenzie et al./ Procedimentos de Validação em MIS & Pesquisa Comportamental

Construções com indicadores reflexivos Construções com Indicadores Formativos

consequência. Isso pode ser testado com um teste de teste de diferença quadrada do modelo com e sem os caminhos
diferença qui-quadrado do modelo com e sem o diretos, ou examinando os índices de modificação.
caminhos diretos, ou examinando os índices de
modificação.
Avaliar Teste se o construto focal é menos do que perfeitamente Teste se o construto focal é menos do que perfeitamente correlacionado
discriminante correlacionado com construtos conceitualmente semelhantes com construtos conceitualmente semelhantes (Anderson e Gerbing 1988).
validade do (Anderson e Gerbing 1988). Para um teste mais rigoroso, Para um teste mais rigoroso, examine se a correlação é menor que 0,71
construto examine se a variância média explicada (AVE) nos (o que significaria que eles têm menos da metade de sua variância em
indicadores por seu construto latente subjacente é maior do comum).
que a correlação quadrada entre o construto focal e
construtos conceitualmente semelhantes (Fornell e Larcker
1981).

Referências
Bollen, KA 1989. Equações estruturais com variáveis latentes, Nova York: John Wiley.
Bollen, KA, e Lennox, R. 1991. “Sabedoria Convencional sobre Medição: Uma Perspectiva de Equação Estrutural”, Psychological Bulletin
(110:2), pp. 305-314.
Bollen, KA, e Ting, KF. 2000. “A Tetrad Test for Causal Indicators,” Psychological Methods (5:1), pp. 3-22.
Cronbach, LJ, e Meehl, PE 1955. “Construir Validade em Testes Psicológicos”, Psychological Bulletin (52:4), pp. 281-302.
Diamantopoulos, A., Reifler, P., e Roth, KP 2008. “Advancing Formative Measurement Models”, Journal of Business Research (61:12),
págs. 1203-1218.
Diamantopoulos, A., e Winklhofer, HM 2001. “Construção de Índices com Indicadores Formativos: Uma Alternativa ao Desenvolvimento de Escala”,
Journal of Marketing Research (38:2), pp. 269-277
Edwards, JR 2001. “Construções Multidimensionais na Pesquisa do Comportamento Organizacional: Uma Estrutura Analítica Integrativa”,
Métodos de Pesquisa Organizacional (4:2), pp. 141-192.
Edwards, JR 2003. “Construir Validação na Pesquisa do Comportamento Organizacional”, em Comportamento Organizacional: O Estado da Ciência, J.
Greenberg (ed.), Mahwah, NJ: Lawrence Erlbaum Associates, pp. 327-371.
Fornell, C., e Larcker, DF 1981. "Avaliando Modelos de Equações Estruturais com Variáveis Inobserváveis e Erro de Medição", Journal of Marketing Research
(18:1), pp. 39-50.
Gerbing, DW e Anderson, JC 1984. "Sobre o significado de erros de medição correlacionados dentro do fator", Journal of Consumer
Pesquisa (11:1), pp. 572-580.
MacKenzie, SB 2003. “Os Perigos da Conceituação de Construção Pobre”, Journal of the Academy of Marketing Science (31:3), pp.
323-326.
Netemeyer, RG, Burton, S., e Lichtenstein, DR 1995. "Aspectos Traços da Vaidade: Medição e Relevância para o Comportamento do Consumidor",
Journal of Consumer Research (21:4), pp. 612-626.
Neter, J., Kutner, MH, Nachtsheim, CJ, e Wasserman, W. 1996. Applied Linear Statistical Models (4ª ed.), Boston: McGraw-Hill.
Williams, LJ, Edwards, JR, e Vandenberg, RJ 2003. “Avanços Recentes em Métodos de Modelagem Causal para
Management Research”, Journal of Management (29:6), pp. 903-936.

MIS Trimestral Vol. 35 Nº 2 – Anexos/ Junho de 2011 A5

Machine Translated by Google

Os direitos autorais da MIS Quarterly são de propriedade da MIS Quarterly & The Society for Information Management e seu conteúdo

não pode ser copiado ou enviado por e-mail para vários sites ou postado em um listserv sem a permissão expressa por escrito do

detentor dos direitos autorais. No entanto, os usuários podem imprimir, baixar ou enviar artigos por e-mail para uso individual.