Este tópico versa sobre a avaliação do modelo de mensuração de ajustamento da construção teórica da pesquisa. O Modelo de Mensuração compõe a Modelagem de Equações Estruturais (MEE), é necessário analisar o modelo de medida, cujo submodelo, segundo Marôco (2010), define como os constructos hipotéticos ou variáveis latentes que são operacionalizados pelas variáveis observáveis ou manifestas. Assim, esta avaliação visa proporcionar índices de qualidade de ajustamento satisfatórios, por meio de um conjunto de hipóteses da pesquisa.
Para averiguar a qualidade, foi realizada análise da matriz de correlação sem outliers, onde foram consideradas para cada variável as correlações, índices de matriz de correlação anti-imagem, comunalidade e cargas fatoriais. Para Hair et. al. (2009) os procedimentos de adequação aos pressupostos são:
Matriz de correlação anti-imagem: corresponde à matriz das correlações parciais entre as variáveis após a análise fatorial, ou seja, representa o grau que os
fatores explicam um ao outro nos resultados. Ainda, segundo os autores a diagonal contém as medidas de adequação da amostra para cada variável, e os demais valores são correlações parciais entre variáveis, e os indicadores de referência devem ser igual ou maior que 0,5.
Comunalidade: quantia total da variância que uma variável compartilha com todas as outras variáveis incluídas na análise. Os indicadores de referência para esta análise devem ser igual ou maior que 0,6.
Carga Fatorial: correlação entre variáveis originais e os fatores, bem como a chave para o entendimento da natureza de um fator em particular. Os valores de referência devem ser igual ou maior que 0,5 em uma dimensão.
Na Tabela 22 são apresentados os valores da análise da matriz de correlação:
Tabela 22
Índices da análise da matriz de correlação
Variável Anti-imagem Comunalidade Cargas Fatoriais Alfa de Conbrach
Atitude 0,787 AT1 0,748 0,658 0,634 AT2 0,681 0,728 0,812 AT3 0,683 0,726 0,779 Normas Subjetivas 0,877 NS1 0,829 0,736 0,744 NS2 0,675 0,849 0,899 NS3 0,692 0,831 0,885 Controle Percebido 0,829 CP1 0,723 0,732 0,828 CP2 0,667 0,798 0,793 CP3 0,749 0,710 0,736 Imagem Afetiva 0,803 IMAAFT1 0,724 0,706 0,765 IMAAFT2 0,708 0,722 0,725 IMAAFT3 0,707 0,723 0,782 Imagem Cognitiva 0,793 IMACOG1 0,698 0,724 0,777 IMACOG2 0,714 0,707 0,739 IMACOG3 0,718 0,702 0,741
Após a análise verifica-se que os índices da Matriz de correlação anti- imagem, comunalidade, cargas fatoriais e Alfa de Cronbach estão dentro dos critérios estabelecidos, conforme autores citados anteriormente. Logo, as variáveis manifestas de todos os fatores mostraram-se adequadas para esta construção teórica.
A seguir, a Tabela 23 apresenta as definições dos índices de qualidade de ajustamento da construção teórica de mensuração para melhor compreensão.
Tabela 23
Índices e definições
Índice Definição
Índice de ajuste comparativo (CFI) Índice de ajuste incremental similar ao NFI, que faz uso de uma distribuição de qui-quadrado não central, e que procurar levar em consideração a complexidade de uma construção teórica.
Índice de ajuste normalizado (NFI) Índice de proporção da diferença de X2 para o modelo
ajustado e um modelo nulo dividida pelo valor X2 para
o modelo nulo (independente).
Índice de Tucker Lewis (TLI) Também conhecido como índice de Bentler-Bonett não-normalizado (NNFI), e é similar ao CFI.
Índice de parcimônia comparativo (PCFI) É o resultado da aplicação do ajuste de parcimônia ao CFI.
Índice de parcimônia de bondade (PGFI)
Coeficiente de determinação geral para modelos de equações estruturais. Representa valor análogo ao R2
em regressão múltipla e indica a proporção de variância-covariância explicada pela construção teórica.
Índice de parcimônia normalizado (PNFI) É o resultado da aplicação do ajuste de parcimônia ao NFI.
RMSEA
A raiz da média dos quadrados dos erros de aproximação representa um indicador de quão bem um modelo se ajusta à população, não apenas à amostra utilizada para a estimação.
CMIN/DF
Qui-quadrado sobre graus de liberdade é a discrepância mínima, dividido por seus graus de liberdade
PCLOSE É um "valor de p" para testar a hipótese nula de que a
população RMSEA não é maior que 0,05. Nota. Elaborado a partir de Hair et al. (2009)
A Tabela 24 apresenta os índices de qualidade de ajustamento do modelo de mensuração que foi realizado com o conjunto de variáveis manifestas que atenderam aos critérios citados anteriormente.
Tabela 24
Índices de qualidade de ajustamento do modelo de mensuração
Índices Grupo do índice Resultados Valores de referência (Marôco, 2010)
CFI
Índices incrementais ou relativos
0,977 ≥ 0,95 - Ajuste muito bom
NFI 0,943 [0,90 – 0,95[ Ajuste bom
TLI 0,969 ≥ 0,95 - Ajuste muito bom
PCFI
Índices de parcimônia
0,744 [0,60 - 0,80[ Ajuste bom
PGFI 0,632 0,60 - 0,80[ Ajuste bom
PNFI 0,718 0,60 - 0,80[ Ajuste bom
RMSEA
Índices Absolutos
0,047 ≤ 0,05 – Ajuste muito bom
CMIN/DF 1,648 ]1 -2] Ajuste bom
PCLOSE 0,642 ≥ 0,05 – Ajuste muito bom
Conforme se observa na Tabela 24, os índices incrementais ou relativos apresentaram valores satisfatórios. O Comparative Fit Index (CFI) de 0,977, Normed Fit Index (NFI) de 0,943 e Tucker Lewis Index (TLI) de 0,969, baseado nas indicações de Kline (2011), Byrne (2010), Hair et al. (2009), Marôco (2010), entre outros. O Parsimony Comparative Fit Index (PCFI) de 0,744, Parsimony Goodness of Fit Index (PGFI) de 0,632 e o Parsimony Normed Fit Index (PNFI) de 0,718 indicam valores que corroboram para a validade do modelo de mensuração proposto (Marôco, 2010).
Para validação dos constructos do modelo, utilizou-se os indicadores da Variância Extraída Média (VEM), de Língua Inglesa Average Variance Extracted (AVE) e a Confiabilidade Composta (CC). Os valores indicativos de CC indicam a consistência interna dos indicadores que compõem o constructo (Hair et al., 2009). Já a VEM é uma medida que, com base na CC, indica a confiabilidade do modelo (Hair et al., 2009). Para obtenção dos valores dos indicadores da VEM e da CC, a seguinte fórmula matemática foi utilizada:
Confiabilidade Composta = (∑ Cargas Padronizadas)
2
(∑ Cargas Padronizadas)2 + ∑ Erro de Mensuração dos Indicadores
Variância Extraída Média = ∑ Cargas Padronizadas
2
∑ Cargas Padronizadas2 + ∑ Erro de Mensuração dos Indicadores
O erro de mensuração dos indicadores é calculado a partir da seguinte relação matemática:
Erro = 1 – (Carga Padronizada)2
Conforme resultados, os valores estão acima do mínimo recomendado (i.e., 0.5) em todos os constructos (Tabela 25), demonstrando um bom resultado (Hair et
al., 2009), e seus carregamentos são significantes (p<0.05). Portanto, a validade
convergente é assumida para as variáveis. Quanto à Confiabilidade Composta, os valores são superiores a 0,70, indicando assim, bom resultado. (Marôco, 2010).
Tabela 25
Variância Extraída Média e Confiabilidade Composta
Variáveis Confiabilidade Composta Variância Extraída Média
Atitude 0,78 0,55 Controle Percebido 0,84 0,64 Normas Subjetivas 0,88 0,71 Imagem Afetiva 0,80 0,57 Imagem Cognitiva 0,79 0,56 Intenção Comportamental 0,88 0,71
A seguir serão apresentados os resultados dos dados da pesquisa a partir da análise do modelo estrutural: