Motivasyon Teorileri

Os modelos de proposições desenvolvidos somente poderão ser avaliados por meio da técnica Modelagem de Equações Estruturais. Esta técnica de análise tem sido amplamen

o

a avaliação de uma série de relações simultâneas, nas quais uma determinada variável pode ser avaliada na condição de dependente e também de independente (HAIR et al. 2005, p. 466).

A Modelagem de Equações Estruturais é caracterizada por Hair et al. (2005) como uma técnica de análise multivariada, a qual combina elementos relacionados à regressão múltipla com a análise fatorial, visando estimar uma série de relações de dependência

p

Os mesmos autores informam a existência de três diferentes estratégias de modelagem: 1. a primeira é a estratégia de modelagem confirmatória, a partir da

seg con est des me ral e de que eve pel A s seg dia mo e entrada e ava mo ass des , ersão 4.

Com relação à terceira etapa, Hair et al. (2005) indicam a necessidade de dois rocedimentos: a especificação e análise do modelo de mensuração, e do modelo est

con

dad dos, e da avaliação da confiabilidade do construto. Tal avaliação se dá al Confirmatória, a partir das análises, para cada ajustamento, da unidimensionalidade, da confiabilidade e da

Assim, considerando os resultados da Análise Fatorial Exploratória e da análise de qual um só modelo é proposto, e são realizados os testes de adequação; 2. a

unda é a estratégia de modelos concorrentes (ou de modelos rivais), que siste na análise de alternativas de avaliação de um dado modelo, mesmo que e tenha sido considerado ajustado; 3. e a última é a estratégia de

envolvimento de modelos, que consiste em propor um modelo para ser lhorado por meio de sucessivas modificações nos modelos estrutu

mensuração. A terceira estratégia é a mais comum, pois parte do pressuposto de os modelos devem ser progressivamente melhorados, viabilizando análise de ntuais condicionamentos setoriais, ou vieses diversos. Para esta tese, optou-se a utilização desta estratégia.

eqüência de etapas da modelagem, conforme sugerida por Hair et al. (2005) é a uinte: 1. especificação do modelo estrutural e de mensuração; 2. construção do grama de caminhos; 3. conversão do diagrama de caminhos em um conjunto de delos estrutural e de mensuração; 4. escolha do tipo de matriz d

estimação do modelo proposto; 5. avaliação da identificação do modelo estrutural; 6. liação de critérios de qualidade de ajuste; 7. interpretação e modificação do delo. As etapas 1 e 2 foram desenvolvidas no capítulo 2, com as proposições de

ociação reforçadas no item 3.1. As decisões sobre as demais etapas estão critas a seguir. As ações procedidas foram realizados com o software AMOS v

p

rutural. A primeira envolve a especificação das variáveis que constituem um dado struto, a partir do apontamento de quais são as variáveis a partir do conjunto de os coleta

por meio da Análise Fatori construto, das medidas de

con cuj

ƒ ento,

a partir da qual se asseguravam condições para os procedimentos subseqüentes

lises subseqüentes; ƒ em rea sig pel

de valores acima de 2,58, o que indicaria a falta de unidimensionalidade; ou pela

sup des ƒ A c ind late de con

fiabilidade das escalas (item 3.4.2), procedeu-se à Análise Fatorial Confirmatória, os detalhes estão detalhados a seguir:

Primeiramente foi procedida a extração e avaliação das medidas de ajustam

(ver etapa 5). Para cada construto, as variáveis foram avaliadas a partir da definição inicial, e, caso houvesse necessidade de reorientações, seguia-se com a averiguação de alternativas de melhoria. Depois de alcançadas as condições adequadas nestas medidas, seguia-se para as aná

A unidimensionalidade avalia se o conjunto de indicadores possui um conceito comum (HAIR et al. 2005). A avaliação da unidimensionalidade pode ser lizada de três diferentes formas: pela avaliação das cargas estimadas e sua nificância estatística (a não significância indica falta de unidimensionalidade); a avaliação da matriz de resíduos padronizados, na qual se avalia a existência

avaliação do índice de ajustamento comparativo (CFI), a partir do qual valores eriores a 0,9 indicam unidimensionalidade. Dada a facilidade de avaliação te índice, optou-se aqui pela avaliação nesta terceira alternativa;

onfiabilidade composta consiste em uma “medida de consistência interna dos icadores do construto, descrevendo o grau em que estes indicam o construto nte em comum” (HAIR et al., 2005, p 489). Sua aferição é feita pela medida confiabilidade de construto, e da variância extraída. A confiabilidade de struto é medida pela seguinte fórmula:

∑

∑

+

∑

= ) mensuração de erros ( as)² padronizad cargas ( as)² padronizad cargas ( construto de dade Confiabili

Já a variância extraída reflete quantidade geral dos indicadores que é explicada pelo construto latente. A medição da variância extraída é feita a partir da seguinte fórmula:

∑

∑

+

∑

= ) mensuração de erros ( as²) padronizad (cargas as²) padronizad (cargas extraída Variância

software utilizado, e os erros de mensuração para cada indicador são obtidos pelo seguinte cálculo: [1 – (carga fatorial padronizada do indicador)²]. Segundo recomendações da literatura, o valor de confiabilidade de construto deve ser maior que 0,7, e a variância extraída deve exceder 0,5 (HAIR et al, 2005).

ƒ A análise de validade consiste em verificar quão bem os indicadores estão medindo aquilo a que se propõem a medir. Para efeito de averiguação em Análise Fatorial Confirmatória, faz-se necessário que sejam verificadas a validade convergente e a validade discriminante.

to não se correlaciona com outros construtos os quais deve diferir (MALHOTRA, 1999,

A e pro de ade cov Ne par mé

estimação padrão (default) na maioria dos programas de modelagem de equações estruturais.

• A validade convergente indica até que ponto as variáveis da escala se correlacionam positivamente com outras medidas do mesmo construto (MALHOTRA, 1999, p. 283). Esta pode ser acessada a partir da significância das cargas fatoriais dos indicadores, pela análise dos t-values (no software AMOS pela análise dos critical ratios – CR), sendo que valores superiores a 1,96 indicam resultados adequados.

• Já a validade discriminante indica o quanto a medida de um constru

p. 283). Nestes termos, a validade discriminante é assegurada quando a medida de um construto não apresentar correlação muito elevada com as outras medidas. Nesta tese, a validade discriminante foi medida pela comparação entre a variância extraída em cada construto, e a variância compartilhada com os demais construtos (medida pelo quadrado do coeficiente de correlação de Pearson).

tapa 4 consiste na escolha do tipo de matriz de entrada e estimação do modelo

posto. Conforme argumentam Hair et al. (2005, p. 484), há dois tipos de matrizes entrada de dados: correlação e covariância. A matriz de covariância é a mais quada para se proceder ao “teste de teoria”, uma vez que as variâncias e ariâncias são as formas apropriadas dos dados para validar relações causais. stes termos, optou-se nesta pesquisa pela utilização da matriz de covariância a a entrada dos dados. Com relação ao método de estimação, optou-se pelo todo Maximum Likelihood (ML; máxima verossimilhança), que é método de

Par elo estrutural, faz-se ava mu alte dos “ap

absoluto está disponível, e o pesquisador deve, em ultima instância, decidir se o

Ha que pre de

referência (o modelo nulo)” (p. 523); 3. medidas de ajuste parcimonioso, que

coe

Ca da

apresentou alguns índices em comum. Considerando a recomendação técnica

200 200 ƒ

que 0,05 ou 0,01, indicam que as

a a etapa 5, de avaliação da identificação do mod

necessário inicialmente o apontamento dos critérios de medição adotados. A liação do ajuste de um modelo estrutural, diferentemente das demais técnicas ltivariadas, não se dá a partir de um único parâmetro. A literatura é rica em rnativas de avaliação, sendo diversos os índices que se geram a partir da análise modelos (ARBUCKLE, 2006). Segundo informam Hair et al. (2005, p. 521), esar de em muitos casos orientações terem sido sugeridas, nenhum teste

ajuste é aceitável”.

ir et al. (2005) distinguem três tipos de medida: 1. as medidas de ajuste absoluto, “determinam o grau de em que o modelo geral (estrutural e de mensuração) vê a matriz de covariância ou de correlação observada” (p. 521); 2. as medidas ajuste incremental, que “compraram o modelo proposto com algum modelo de

“relacionam o índice de qualidade de ajuste do modelo com o número de ficientes estimados exigidos para atingir esse nível de ajuste” (p. 524).

da uma destas medidas é realizada a partir de diferentes índices, e a avaliação literatura apontou a utilização de variadas medidas. A mesma literatura

(HAIR et al., 2005) e as práticas em outros trabalhos desenvolvidos (SAMPAIO, 0; COSTA, 2002; MIGUEL, 2004; SANTOS, 2004; BRASIL, 2005; GUARITA, 5), para esta tese decidiu-se pela utilização dos seguintes indicadores:

Estatística Qui-Quadrado (X_{²): segundo informam Hair et al. (2005), o qui-}

quadrado é a medida de ajuste mais fundamental em Modelagem de Equações Estruturais. Sua averiguação se dá a partir da razão pelo número de graus de liberdade (X²/gl). Segundo os autores “baixos valores de qui-quadrado73, que resultam em níveis de significância maiores

matrizes de entrada real e prevista não são estatisticamente distintas”, ou seja, é adequado que não haja significância estatística do teste. Por outro lado, o teste qui-quadrado é muito sensível ao tamanho da amostra, especialmente para

literatura pesquisada aponta que uma valor de X²/gl menor que 5 indica boa adequação.

aquelas com tamanho maior que 200 respondentes, que é o caso desta tese. Assim, outras medidas complementares são necessárias;

o Ajustamento (GFI): é um índice de ajuste absoluto, que é baseado na porcentagem das covariâncias observadas que são explicadas pelas covariâncias presentes no modelo. O índice varia de 0 a 1, sendo desejáveis valores próximos a 1. A maioria dos autores aponta valores acima de 0,9 como adequados, havendo alguns outros que apontam medidas acima de 0,8 como sendo também aceitáveis (SAMPAIO, 2000; PERIN; SAMPAIO; FALEIRO, 2004);

ƒ Índice de Adequação do Ajustamento Calibrado (AGFI): trata-se de uma medida de ajuste incremental, desenvolvida a partir de uma extensão do GFI ajustada ao número de graus de liberdade do modelo proposto e do modelo nulo (HAIR et al., 2005). Também varia de 0 a 1, e, assim como o GFI, será adequado com valores próximos a 1, havendo autores apontando valores adequados somente a partir de 0,8, e outros a partir de 0,9.

ƒ Índice Tucker-Lewis (TLI), também conhecido como Índice de ajuste não- normado (NNFI), é considerado um indicador bastante robusto, e combina uma medida de parcimônia em um índice comparativo entre os modelos proposto e o nulo. Os valores ficam tipicamente entre 0 e 1, mas não necessariamente limitado a estes valores. Arbuckle (2006) informa que valores próximos a 1 indicam um bom ajustamento. A maioria dos autores sugere valores adequados acima de 0,9, e outros apontam a necessidade de um valor de TLI acima de 0,95 (HU; BENTLER, 1999; ITS/UTEXAS, 2006);

ƒ Índice de Ajuste comparativo (CFI): é um índice de ajuste incremental, e representa uma comparação “entre o modelo estimado e um modelo nulo ou de independência” (HAIR et al. 2005). O CFI varia de 0 a 1, e a maioria dos autores entende como adequados os valores de 0,9, havendo ainda aqueles que vêem ƒ Raiz do erro quadrático médio aproximado (RMSEA): trata-se de uma medida que “tenta corrigir a tendência da estatística qui-quadrado em rejeitar qualquer modelo especificado com uma amostra suficientemente grande”. A literatura não é homogênea quanto ao entendimento de valores adequados desta medida, porém a maioria aponta como adequados valores entre 0,05 e 0,08, havendo ainda autores que recomendam valores abaixo de 0,05 (HU; BENTLER, 1999; ITS/UTEXAS, 2006; ARBUCKLE, 2006).

adequação em valores acima de 0,8 (SAMPAIO, 2000; PERIN; SAMPAIO; FALEIRO, 2004);

delo. Nesta etapa foram levadas em consideração rincipalmente as recomendações geradas pelo software AMOS, a partir da função A etapa 6, que consiste na avaliação de critérios de qualidade de ajuste, envolve a análise dos indicadores acima apontados, tanto para o modelo de mensuração quanto para o modelo estrutural proposto. Por fim, a etapa 7 envolve a interpretação dos resultados, à luz dos determinantes teóricos definidos, e das possíveis modificações do mo

p

modification indices, que apontam alternativas de alteração para mudanças nos

Belgede Sosyal baltalama ile çalışan motivasyonu ilişkisinde örgütsel sessizliğin aracı rolü (sayfa 30-42)