A modelação de equações estruturais é uma técnica de análise estatística multivariada que é utilizada para analisar relações estruturais. Esta técnica é a combinação de análise de factores e análise de regressão múltipla, e é utilizada para analisar a relação estrutural entre as variáveis medidas e as construções latentes. Este método é preferido pelo investigador porque estima a dependência múltipla e inter-relacionada numa única análise. Nesta análise, são utilizados dois tipos de variáveis endógenas e variáveis exógenas. As variáveis endógenas são equivalentes às variáveis dependentes e são iguais à variável independente.
Teoria:
Isto pode ser pensado como um conjunto de relações que fornece consistência e explicações abrangentes dos fenómenos reais. Existem dois tipos de modelos:
Modelo de medição: O modelo de medição representa a teoria que especifica como as variáveis medidas se unem para representar a teoria.
Modelo estrutural: Representa a teoria que mostra como as construções estão relacionadas com outras construções.
Modelagem de equações estruturais é também chamada modelagem casual porque testa as relações casuais propostas. As seguintes suposições são assumidas:
Multivariada distribuição normal: O método da máxima verosimilhança é utilizado e assumido para a distribuição normal multivariada. Pequenas alterações na normalidade multivariada podem levar a uma grande diferença no teste qui-quadrado.
Linearidade: É assumida uma relação linear entre variáveis endógenas e exógenas.
Outro: Os dados devem ser livres de aberrações. Os outliers afectam o significado do modelo.
Sequência: Deve haver uma relação de causa e efeito entre variáveis endógenas e exógenas, e uma causa tem de ocorrer antes do evento.
Relação não poluente: A covariância observada deve ser verdadeira.
Identificação do modelo: As equações devem ser maiores do que os parâmetros ou modelos estimados devem ser sobre-identificados ou identificados com precisão. Sob modelos identificados não são considerados.
tamanho da amostra: A maioria dos investigadores prefere um tamanho de amostra de 200 a 400 com 10 a 15 indicadores. Como regra geral, ou seja, 10 a 20 vezes mais casos do que as variáveis.
Termos de erro relacionados com a Incorrecção: Os termos de erro são assumidos sem correlação com outros termos de erro de variáveis.
Dados: São utilizados dados de intervalo.
P>Passos:
Definir construções individuais: O primeiro passo é definir os construtos teoricamente. Conduzir um pré-teste para avaliar o item. É realizado um teste de confirmação do modelo de medição utilizando CFA.
Desenvolver o modelo de medição global: O modelo de medição é também conhecido como análise do caminho. A análise de trajectória é um conjunto de relações entre variáveis exógenas e endógenas. Isto é demonstrado pelo uso de uma seta. O modelo de medição segue o pressuposto de unidimensionalidade. A teoria da medição baseia-se na ideia de que as construções latentes causam a variável medida e que o termo de erro não está correlacionado dentro das variáveis medidas. Num modelo de medição, uma seta é desenhada da variável medida para as construções.
Desenhar o estudo para produzir os resultados empíricos: Nesta etapa, o investigador deve especificar o modelo. O investigador deve conceber o estudo de modo a minimizar a probabilidade de um problema de identificação. Os métodos de condição de ordem e condição de classificação são utilizados para minimizar o problema de identificação.
Avaliar a validade do modelo de medição: A avaliação do modelo de medição é também chamada CFA. No CFA, um investigador compara a medição teórica com o modelo de realidade. O resultado do CFA deve ser associado à validade das construções.
Especificar o modelo estrutural: Nesta etapa, são traçados caminhos estruturais entre as construções. No modelo estrutural, nenhuma seta pode entrar numa construção exógena. Uma seta de uma cabeça é utilizada para representar uma relação estrutural hipotética entre uma construção e outra. Isto mostra a relação de causa e efeito. Cada relação hipotética usa um grau de liberdade. O modelo pode ser recursivo ou não recursivo.
Examinar a validade do modelo estrutural: No último passo, um investigador examina a validade do modelo estrutural. Um modelo é considerado um bom ajuste se o valor do teste do qui-quadrado for insignificante, e pelo menos um índice de ajuste incremental (como CFI, GFI, TLI, AGFI, etc.) e um índice de ajuste negativo (como RMR, RMSEA, SRMR, etc.) satisfizerem os critérios pré-determinados.
Recursos
Bentler, P. M.., & Chou, C. -P. (1987). Questões práticas na modelação estrutural. Métodos Sociológicos & Research, 16(1), 78-117.
Bollen, K. A. (1989). Equações estruturais com variáveis latentes. Nova Iorque: John Wiley & Sons. View
Hatcher, L. (1994). Uma abordagem passo a passo da utilização do sistema SAS para análise de factores e modelação de equações estruturais. Cary, NC: SAS Institute.
Hoyle, R. H. (Ed.). (1995). Modelação de equações estruturais: Conceitos, questões, e aplicações. Thousand Oaks, CA: Sage Publications.
Kline, R. B. (2005). Princípios e prática da modelação de equações estruturais (2ª ed.). Nova Iorque: Guilford Press. View
Lee, S. (2007). Modelação de equações estruturais: Uma abordagem Bayesiana. Nova Iorque: John Wiley & Sons. View
Maruyama, G. M. (1998). Noções básicas de modelação de equações estruturais. Thousand Oaks, CA: Sage Publications. View
Mulaik, S. A., & Millsap, R. E. (2000). Fazendo os quatro passos para a direita. Structural Equation Modeling, 7(1), 36-73.
Raykov, T. (2000). Sobre o viés de grande amostra, variância, e erro quadrático médio do estimador convencional de parâmetros de não centralidade dos modelos de estrutura de covariância. Structural Equation Modeling, 7(3), 431-441.
Schumacker, R. E. (2002). Modelação de interacção variável latente. Modelação de Equações Estruturais, 9(1), 40-54.
Schumacker, R. E., & Lomax, R. G. (2004). Um guia para principiantes na modelação de equações estruturais (2ª ed.). Londres: Routledge. View
Shipley, B. (2000). Causa e correlação em Biologia: Um guia do utilizador para análise do percurso, equações estruturais e inferência causal. Cambridge, UK: Cambridge University Press. View
Páginas relacionadas:
p>Análise de percurso
Conduzir e interpretar uma Análise Fatorial