Le détecteur en transmission d’IBA : Compass

O modelo de mensuração especifica como as variáveis latentes (ou constructos) se medem em função de variáveis observadas, e descreve as propriedades de mensuração das variáveis observadas. Dessa forma, cada constructo do modelo de mensuração foi definido por meio de um conjunto de variáveis observadas associadas a eles. Segundo Hair Jr. et al. (2009), o modelo de mensuração pode ser representado tanto de forma gráfica quanto matemática, e sua finalidade é verificar se os itens operacionais utilizados para medir os constructos são significativos e realmente medem aquilo que se esperava que medissem no sentido de avaliar todo o conjunto de relações interligadas (HAIR JR. et al., 2009).

4.6.2.1 Modelo de mensuração

O modelo de mensuração obtido e utilizado nesta pesquisa foi estabelecido pelas dimensões e variáveis e é representado pela Figura 16.

Figura 16 - Modelo de mensuração

Fonte: Elaborado pelo autor.

Para a validação dos modelos de mensuração e estrutural foi utilizado o método proposto por Hair Jr. et al. (2009) e Kline (2015), através de três grandes grupos de medidas de ajuste: absolutas, incrementais e de parcimônia, que são apresentadas no item 4.6.2.2.1.

4.6.2.2 Validade do modelo de mensuração

A qualidade do ajuste (GOF – Goodness-of-fit) indica o quão bem o modelo especificado reproduz a matriz de covariância entre os itens indicadores, ou seja, a similaridade entre as matrizes de covariância estimada e observada. Diversas medidas alternativas de GOF estão à disposição dos pesquisadores, classificadas em medidas de ajuste absolutas, incrementais e de parcimônia. Estes índices de ajuste são utilizados para estabelecer a aceitabilidade de um modelo SEM.

As medidas de adequação absolutas determinam o grau em que o modelo geral (tanto o estrutural quanto o de mensuração) prediz a matriz de covariância ou de correlação.

As medidas de ajuste incrementais comparam o modelo proposto a algum modelo básico, chamado de modelo nulo, aquele em que um único constructo, com seus indicadores, mede perfeitamente o referido constructo. Em outras palavras, representa o valor da estatística χ² associado à variância total em um grupo de correlações e de covariâncias (HAIR JR. et al., 2009).

As medidas de ajuste de parcimônia relacionam o ajuste do modelo ao número de coeficientes estimados requeridos para atingir o nível de adequação obtido. O objetivo básico é diagnosticar se o ajuste do modelo foi atingido pelo sobreajuste dos dados com o uso de muitos coeficientes.

4.6.2.2.1 Medidas de ajuste

Conforme descrito anteriormente, vários índices são utilizados para avaliar a qualidade de ajuste do modelo. Para atender aos procedimentos teóricos, na Tabela 24 podem-se observar os índices de ajustes avaliados no modelo de mensuração desta pesquisa.

Tabela 24 - Medidas de ajuste do modelo de mensuração

Tipo de medida Índice analisado Referência Fonte Resultados

Ajuste absoluto

GFI > 0,90 Hair Jr. et al. (2009) 0,910

RMSEA < 0,05 Kline (2015) 0,036

SRMR < 0,10 Kline (2015) 0,044

χ²/df < 3 Hair Jr. et al. (2009) 1,163

Ajuste incremental

NFI ~1 Hair Jr. et al. (2009) 0,912

TLI ~1 Hair Jr. et al. (2009) 0,980

CFI ~1 Kline (2015) 0,986

Ajuste de parcimônia

AGFI ~1 Byrne (2010) 0,860

PNFI ~1 Hair Jr. et al. (2009) 0,656

PCFI ~1 Hair Jr. et al. (2009) 0,709

Fonte: Elaborado pelo autor.

Conforme Hair Jr. et al. (2009), estes índices são utilizados para avaliar a qualidade de ajuste do modelo, e devem especialmente incluir o χ²/df (qui-quadrado e os graus de liberdade associados), no mínimo um índice de ajuste absoluto, um índice de ajuste incremental, e pelo menos um dos índices deve ser de má qualidade de ajuste. O valor do χ2 e os graus de liberdade associados são sugeridos por vários autores como uma medida de ajuste e com a relação próxima a um para os modelos mais adequados. Hair Jr. et al. (2009) apresentam esse indicador como sendo a medida mais fundamental de ajuste geral, uma vez que valores elevados de χ²/df sugerem que as matrizes observadas e estimadas diferem consideravelmente, quanto menor o valor de χ²/df, maior é a adequabilidade do modelo.

Com relação aos índices de ajuste absoluto, foram apresentados quatro índices, dentre eles o χ²/df, todos se mostrando adequados para o presente estudo. A seguir são apresentados os outros três índices:

a) O GFI (Goodness-of-fit Index ou Índice de Qualidade de Ajuste) mede o ajustamento global pela comparação entre os resíduos quadrados dos dados do modelo predito com os dados reais. Seu valor pode variar entre 0 e 1, sendo que valores maiores significam melhor ajuste. Segundo Hair Jr.

et al. (2009, p. 569), no passado, valores GFI maiores que 0,90 eram

b) O RMSEA (Root Mean Square Error of Approximation ou Raiz do Erro Quadrático Médio de Aproximação) é utilizado para corrigir a tendência do χ² de rejeitar algum modelo especificado a partir de grandes amostras com grande número de variáveis observadas. Esse índice avalia o ajuste do modelo à uma população, ao invés da amostra usada na estimação. Índices com valor igual ou inferior a 0,05 podem indicar uma boa adequação (KLINE, 2015).

c) O SRMR (Standardized Root Mean Residual ou Raiz do Resíduo Médio Padronizado) representa a média dos resíduos derivados da adequação entre a matriz observada e a estimada. Esse valor deve ser inferior a 0,10 (KLINE, 2015).

Em seguida, foram analisados quatro índices de ajuste incremental, todos se apresentando adequados conforme a literatura demonstrada na Tabela 24. Os índices de ajuste incremental são descritos a seguir:

a) NFI: o Índice de Ajuste Normado (NFI – Normed Fit Index) compara o valor do χ² do modelo proposto com o modelo nulo. Essa medida demonstra a proporção de covariância existente entre as variáveis observadas explicadas no modelo proposto, comparando-o ao modelo nulo. Segundo Hair Jr. et al. (2009), um valor igual a 1 representa um ‘ajuste perfeito’, e valores próximos a 1 indicam um melhor ajuste.

b) TLI: o Índice de Tucker-Lewis (TLI - Tucker-Lewis Index) representa a relação entre as estatísticas χ², normalizadas, do modelo proposto com o modelo nulo. Segundo Hair Jr. et al. (2009), um valor igual a 1 representa um ‘ajuste perfeito’, e valores próximos a 1 indicam um melhor ajuste. c) CFI: o Índice de Ajuste Comparativo (CFI - Comparative Fit Index) é

conceitualmente semelhante ao TLI, no sentido de que também envolve uma comparação matemática do modelo teórico com um modelo nulo. Representa a relação padronizada entre o χ² do modelo proposto com o modelo nulo. Valores próximos a 1 indicam um melhor ajuste, sendo 1 o melhor resultado (KLINE, 2015).

Por fim, foram analisados índices de má qualidade de ajuste: os índices RMSEA e SRMR, apresentados anteriormente, são índices de má qualidade de ajuste (HAIR JR. et al., 2009), apresentados para avaliação de qualidade de ajuste do modelo de mensuração.

Apesar dos índices de ajuste de parcimônia apresentarem certa fragilidade, de acordo com HAIR JR. et al. (2009), o modelo demonstra adequação uma vez que apresenta o χ²/df aceitável, pelo menos um índice de ajuste absoluto e um índice de ajuste incremental também adequados, e um dos índices de má qualidade de ajuste, como o RMSEA e o SRMR, os quais se demonstram também adequados.