ANLISE FATORIAL CONFIRMATORIA Confirmatory Factor Analysis
ANLISE FATORIAL CONFIRMATORIA - CFAConfirmatory Factor
AnalysisTHAYRO CARVALHO
Programas AMOSLISREL MSASSESBarra de Tarefas AMOS
Criar Variveis Criar VariveisExtrair Variveis do SPSSComputar
valores MoverDeletarSelecionar Copiar
Objetivo da CFAO objetivo da CFA obter estimativas para cada
parmetro do modelo medido (isto fator loadings, fatorar
discrepncias e covariances, discrepncias de erro de indicador e
possivelmente erro covariances) aquele produto. Uma discrepncia
predita-covariance matriz (simbolizado por ), isso representa a
discrepncia de amostra-covariance matriz (simbolizado to prximo
quanto possvel, simbolizado por S ) Harrington, 2009, pg. 38Uma
critica a CFA, que ela precisa de modelos (n) grandes, um n de 200
para modelos simples e de milhares para modelos complexos, como por
exemplo o modelo da Teoria dos ValoresRegra de dedo polegar
Tipicamente valores abaixo de 0.30 no so interpretados. Valores
acima de 0.71 so excelentes, 0.63 muito bons, 0.55 bons, 0.45
fraca, e 0.32 pobre (Tabachnick & Fidell, 2007)Identificar o
ModeloNa CFA os modelos de anlise devem ser identificados para
correr o modelo, podendo assim estimar parmetros. Quando um modelo
identificado, possvel encontraras estimativasoriginais para cada
parmetro. Como por exemplo: a + b = 50, essa equao simples pode ter
uma infinidade de resultadosIndicadores de Ajuste:
Nesta anlise de medidas se encaixam vrios indicadores de ajuste
( ,CFI, RMR, GFI, RMSEA, CAIC, etc) para a modelagem de equaes
estruturais.
Avaliando Confirmatoria Ajuste de Modelo de Anlise de fatorE
Reviso de Modelo Model FIT (qui-quadrado). Testa a probabilidade de
o modelo terico se ajustar aos dados; quanto maior este valor, pior
o ajustamento. Este, por ser sensvel ao tamanho da amostra
(amostras grandes, isto , n > 200 podem favorecer descartar um
modelo adequado), deve ser interpretado com alguma reserva,
valendo-se de sua razo em relao aos graus de liberdade (/g.l.).
Este valor precisar ser entre 2 e 3, preferencialmente,
admitindo-se at 5. Contudo, a prtica sugere que poder padecer de
vis quando a amostra for superior a 1.000 participantes. Em todo
caso, esta estatstica pode ser til para comparar modelos rivais,
tomando em conta a mesma amostra.
Razo / gl (graus de liberdade). considerada como uma bondade de
ajuste subjetiva. Embora no exista uma valor crtico exato para
decidir sobre a adequao ou no do modelo, na prtica se aceitam
ndices que sejam iguais ou inferiores a 5,00 (Byrne,
1989);Goodness-of-Fit Index (GFI). Este indicador, como sua verso
ponderada (Adjusted Goodness-of-Fit Index, AGFI), funciona como a
estatstica R na anlise de regresso, representando o quanto da
matriz de varincia-covarincia dos dados pode ser explicada pelo
modelo terico testado. Seus valores oscilam entre 0 (zero; ajuste
nulo) e 1 (um; ajuste perfeito), admitindo-se como aceitveis
aqueles prximos ou superiores a 0,90. Comparative Fit Index (CFI).
Compreende um indicador comparativo, adicional, de ajuste do
modelo. Seus valores variam de 0 (zero; ajuste nulo) a 1 (um;
ajuste perfeito), sendo admitidos os que so prximos ou superiores a
0,90 como indicativo de ajuste aceitvel.Root-Mean-Square Error of
Approximation (RMSEA). Este tem em conta intervalo de confiana de
90% (IC90%), referindo-se aos residuais entre o modelo terico
estimado e os dados empricos obtidos. Valores altos so indicativos
de um modelo no ajustado, recomendando-se valores prximos ou
inferiores a 0,05; 0,08 103 um valor comumente aceito, admitindo-se
at 0,10 como referncia de um modelo aceitvel.
Resultados obtidos com a validao do instrumento PBI ao contexto
parnabanoComo previamente explicitado, realizou-se a anlise
fatorial confirmatria. Neste caso, considerou-se a matriz de
covarincia, adotando-se o estimador ML, contudo, a prtica sugere
que poder padecer de vis quando a amostra for superior a 1.000
participantes. De acordo com os resultados da SEM (Structural
Equation Modeling Modelo de Equao Estrutural), observou-se quanto
aos ndices do EVP-PAI que os ndices de bondade de ajuste foram
marginalmente aceitveis: (188) = 1036,85, p < 0,00; /gl = 0,56,
GFI = 0,796, AGFI = 0,750, CFI = 0,717, RMR = 0,104 e RMSEA = 0,095
(IC90% = 0,090 0,101). No obstante, verificando os IMs (ndices de
Modificao), algumas modificaes poderiam fazer o modelo mais
adequado. Especificamente, decidiu-se correlacionar os erros de
medida entre os itens E14 e E17; E15 e E16; E7 e E10. Agindo desta
forma, percebe-se que a estrutura fatorial da EAFT obtm melhores
ndices de ajuste aos dados: (185) = 759,787, p
