amos

Qui quadrado

H0=matriz proposta é igual à matriz estimadaSempre espera-se que a hipótese nula seja aceita

Mas este qui quadrado não é impeditivo para a continuação da modelagem. O qui é influenciado pelo tamanho da amostra.

Nome das variáveis nas caixas

Analysis properties – indicar o que deve ser colocado para nos outputs

Janela das análises do output

Calcular as estimativas

Pedir o output dos resultados

Multicolinariedade: duas variáveis muito relacionadas, o que impede que o modelo distingua qual variável influencia na variável dependente

Carga padronizada superior a 0,7

Analisar a validade convergente (AVE) e Confiabilidade composta (CC)

Comparação de amostras

• Teste de invariância métrica – compara amostras que tenham sido analisadas com construtos completos e após a seleção dos indicadores

Seleciona a variável Sexo

Teste de invariância: Consistência entre os constructos

Modelo restrito: comparação entre meninos e meninas

Dist.qui(diferença;1)

Não há efeito moderador de gênero, ou seja, o sexo não modera o resultado do construto

Referência: Byrne, capítulos 7, 8 e 9

Meninas

Meninos

Comparação de construtos - Bagozzi

• Fixar variância e covariância em 1 – restrito• Fixar as variâncias em 1 – não restrito

Purificação

• Extração de indicadores com cargas fatoriais inferiores a 0,70

• Tirar do menor para o maior

- Avaliar quais caminhos são significativos

Avaliar os caminhos padronizados daRegressão

Ir purificando, retirando estimates inferiores a 0,70 (quando os construtos são bem avaliados)Após retirar, pega-se as estimativas para calcular AVE e CC

Cálculo Variância extraída (AVE) e Confiabilidade composta

• AVE = colocar as fórmulas

• CC

Validade discriminante

• Fornell: caso haja algum construto que não seja independente, então deve-se fazer o Bagozzi

• Bagozzi: discriminante de dois a dois (calcular a relação restrita e não restrita)– Restrita: colocar peso da regressão igual a 1– Não restrita: não colocar peso

Checar R2 dos construtos endógenos

Teste de Mardia: C.R. acima de 5 é indicativo de dados multivariados não normais

Como checar o ajustamento do modelo

• Índices absolutos– Qui-quadrado relativo: abaixo de 3!– GFI: goodness of fit index (bondade de

ajustamento)– RMSEA: residual mean of square error analysis

(resíduos)

– Veja a seguir:

Qui quadradoQui quadrado relativo literatura indica que seja menor que 5 mas maior que 3

Deve ser próximo a 1

Deve ser < 0,08

Análise de resíduos deve ser inferior a 0,08

Como checar o ajustamento do modelo

• Índices comparativos do modelo:- AGFI (adjusted goodness of fit index ): próximo de 1 (acima de 0,90)- NFI (normed fit index), CFI (comparative fit index), TLI (Tucker-Lewis coefficient): próximo de 1 (acima de 0,90)

Como checar o ajustamento do modelo

• Índices de parcimônia: relacionam o ajustamento de modelos rivais– PNFI: próximo de 1 (melhor)– PGFI: quanto maior melhor– AIC: quanto menor melhor