Post on 10-Dec-2018
Lorí Viali, Dr. - DESTAT/FAMAT/PUCRS
http://www.pucrs.br/famat/viali
Elaborandoum
QuestionárioPASSOS
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
O problema e os objetivos da pesquisa;
As hipóteses da pesquisa (Quantitativa);
A população a ser pesquisada;
Os métodos de análise de dados
(escolhidos e/ou disponíveis);
Estabelecer uma ligação com:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
O Conteúdo das perguntas;
Formato das respostas desejado;
Formulação das perguntas;
A seqüência das perguntas;
O fluxo e a estrutura (lay-out);
Pré-teste;
Decidir sobre:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Identificar a necessidade de informação;
Determinar o método de coleta de dados;
Planejar as principais seções;
Formular as questões de cada seção
Determinar o fluxo e a estrutura;
Revisar;
Conteúdo das questões
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A questão é realmente necessária? Onde a informação vai ser utilizada?
O assunto exige uma nova pergunta ou jáestá incluído em alguma outra?
A questão é clara e específica?
Quantas questões são necessárias sobre esse tópico? Uma é suficiente?
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Qual é a escala que será utilizada?
Uma resposta dicotômica (sim/não) ésuficiente?
A questão envolve um único tema?
O público alvo tem condições de responder a questão?
Que restrições os respondentes podem terem responder as questões?
Formatando as respostas
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A escolha do(s) tipo(s) de questão(ões) deve levar em conta a resposta que se quer e também a forma como a informação serátratada.
Quanto ao questionário
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Revise.
Obtenha todas as aprovações;
Realize um pré-teste (piloto) com amigos/colegas;
Faça as revisões baseadas no pré-teste;
Revise novamente!
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Identifique você e a organização;
Defina os objetivos do questionário;
Solicite, apele, incentive a participação;
Estime o tempo necessário para
responder;
Forneça instruções básicas (quem, como,
quando).
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Esclareça que a participação évoluntária;
Assegure a confidencialidade e o anonimato;
Questões prospectivas;
Questões avaliativas;
Questões demográficas;
Fechamento (agradecimento);
Quanto as questões
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Seja simples. Se o respondente não entender o que está sendo perguntado ele não responde ou pode responder qualquer coisa;Evite perguntar mais de uma coisa ao mesmo tempo. Por exemplo: você gosta de cinema ou teatro?Evite questões ambíguas. Você acha que os jovens deveriam ser envolver mais em causas sociais?
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Questões opinativas deve ser evitadas.
Por exemplo: com que freqüência você
pratica exercícios?
Negativas duplas podem ser difíceis de
entender. Por exemplo, não é correto
que algumas pessoas não deviam ter
permissão para dirigir?
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Evite o uso de termos técnicos que podem ser desconhecidos. Por exemplo, pressão alta é melhor do que “hipertensão”.
O nível da linguagem deve ser adequado a população sendo amostrada. Utilize um estudo piloto para poder calibrar a linguagem.
Fluxo e Layout
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Primeiro as questões fáceis;
Estabeleça uma seqüência do geral para o específico;
Deixe os tópicos sensíveis para o final, informações pessoais (demográficas);
Estabeleça o entrosamento e o ordenamento lógico dos tópicos.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Vá do real para abstrato;
Comece com as questões fechadas;
Comece com as questões relevantes
ao assunto principal;
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Utilize frases de transição entre as
principais seções, especialmente em
questionários longos:
“A seguir algumas questões sobre o
que você aprova ou desaprova” e por
último “algumas questões pessoais”.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Numere as questões;
Não divida questões/respostas entre
páginas;
Forneça instruções próximas as questões;
Utilize tamanho/estilo da fonte para dar
ênfase (negrito, itálico, sublinhado,
MAIÚSCULAS)
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Não amontoe as questões/respostas.
Deixe espaços.
Seja consistente na escolha da estrutura
(layout);
Utilize a numeração para indicar
questões que podem ser “puladas”,
fornecendo instruções claras, sinais.
Tipos de questões Abertas
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Vantagens
Boas para questionamentos;
Exercem pouca influência sobre o entrevistado;
Proporcionam aprofundamentos;
Permitem explicações;
São mais simples de fazer.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Desvantagens
Mais difíceis de codificar;
Maior possibilidade de influência do entrevistador;
Problemas com a resposta de entrevistados com dificuldade de expressão.
Fechadas
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Vantagens
São mais fáceis de codificar, processar e analisar;
São mais fáceis de responder;
Exigem menos tempo do entrevistado.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
DesvantagensPodem apresentar erros de medida caso as opções de resposta não sejam exaustivas;
Exigem mais tempo na preparação e elaboração do questionário;
Podem influenciar o entrevistado pelas alternativas apresentadas.
Exemplos
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Abertas03. Em qual escola você fez o ensino médio?
___________________________________
Fechadas04. Em que turno você prefere estudar?
( ) Manhã ( ) Tarde ( ) Noite
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
05. Qual o principal meio de comunicação que você utiliza para se manter informado?( ) Jornal( ) Rádio( ) Televisão( ) Revistas( ) WWW ( ) Outros
Quais?_______________________________________
Semi-abertas
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
06. Você exerce atividade remunerada?( ) Sim, em tempo parcial (até 30 h/s)( ) Sim, em tempo integral (mais de 30 h/s)( ) Sim, em trabalho eventual( ) Não. 06.1 Se respondeu Sim à questão anterior, indique o
tipo de atividade remunerada que exerce?( ) Estágio( ) Profissional( ) Autônomo( ) Empresa familiar
Encadeadas
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Com matriz de resposta06. Cite 2 filmes que assistiu
recentemente
Filme Nota Um ponto
Forte Fraco
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
08. O mais importante em um bom professor é:(5 – mais importante 1 – menos importante)( ) Ser simpático( ) Ter domínio do conteúdo( ) Ser assíduo( ) Ser pontual( ) Falar bem e claro( ) Vestir-se bem e na moda( ) Fazer provas fáceis
Com ordem de preferência
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
09. Nos momentos de lazer você prefere:( ) Ouvir música( ) Ler( ) Ver televisão( ) Praticar esportes( ) Ir ao cinema( ) Ir ao teatro( ) Não fazer nada
De múltipla escolha
Tipo de Pesquisa x
Tipos de questões
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A maioria das perguntas são
abertas
Pesquisa Qualitativa
Pesquisa Quantitativa
A maioria das perguntas são
fechadas
O questionário
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Validade (Validity);
Confiabilidade (Reliability)
Discriminação (Discrimination)
Um bom questionário deve ter três coisas:
Validade
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Os itens de um questionário devem
medir algo e os de um bom questionário
medem aquilo que se pretende medir, isso é,
validade. Assim validade significa medir
aquilo que se pensa que se está medindo. A
validade não é obtida facilmente e pode
assumir pelo menos três formas:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Validade de conteúdo;
Validade de critério e
Validade fatorial.
Validade de Conteúdo
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Os itens de um questionário devem estar relacionados ao
construto sendo medido. Por exemplo um questionário medindo a habil idade de se relacionar terápouco uso se os itens medirem habil idade numérica.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A validade de conteúdo é a representatividade das questões, o quanto elas medem daquilo que
realmente se quer medir.
As questões não devem ser muito parecidas e devem englobar todos os ângulos do construto.
Validade de Critério
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Se o questionário mede aquilo
que ele diz medir. As maneiras de
avaliar se um questionário
apresenta esse tipo de validade
são:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
(a) utilizar o questionário em várias situações e ver o quão preditivo ele é,
(b) ver o quanto ele se correlaciona com outros instrumentos medindo a mesma coisa e
(c) através de técnicas estatísticas como o IVI (Índice de Validade do Item).
Validade Fatorial
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Esse tipo de validade se refere
basicamente se a estrutura de
fatores do questionário faz sentido.
Essa estrutura pode ser avaliada por
meio da análise de fatores (SPSS ou
outro).
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Quando os itens estiverem
prontos e o instrumento testado,
pode-se conduzir uma análise de
fatores nos dados e verificar quanto
fatores estão sendo de fato
avaliados.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A validade énecessária, mas não éuma condição suficiente de um instrumento de medida.
Confiabilidade
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Um questionário não precisa ser apenas
válido, mas também confiável.
Confiabilidade é a propriedade de que um
instrumento de medida produza os mesmos
resultados se submetido as mesmas
condições. Para ser confiável um
questionário precisa primeiro ser válido.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A maneira mais fácil de verificar a
confiabilidade é testar o mesmo grupo de
pessoas mais de uma vez. Se o questionário
é confiável os escores das pessoas devem
ser aproximadamente os mesmos no
decorrer do tempo. Assim os escores das
duas aplicações devem ter uma correlação
perfeita ou quase perfeita.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
No entanto isso não é feito, pois podem
existir efeitos de confundimento, como a de
pessoa lembrar a resposta. Também essa
técnica não é efetiva se estivermos medindo
capacidades que se alteram com o tempo.
Existem técnicas estatísticas que podem
ser utilizadas para verificar a confiabilidade
de um instrumento.Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A mais simples é o método da divisão
pela metade (split-half method). Essa
técnica apresenta alguns problemas que
podem ser superados com o uso do alfa de
Cronbach. Esse índice é a medida de
confiabilidade mais comum. Em geral um
valor de 0,8 ou acima é aceito como um
indicativo de um bom instrumento.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Iniciou a carreira como professor de matemática e química na
escola de ensino médio de Fresno, mudando-se após para a
Universidade de Chicago, Universidade Estadual de Whashington,
Universidade de Illinois e nos últimos 37 anos lecionou na
Universidade de Stanford. Foi presidente da Associação Americana
de Pesquisa em Educação, da Sociedade Psicométrica e membro da
Academia Nacional de Ciências, da Academia Nacional de
Educação, da Sociedade Americana de
Psicologia e da Academia Americana de Artes
e Ciências. Faleceu como professor emérito de
Educação da Universidade de Stanford.
Lee Joseph CRONBACH (1916 - 2001)
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Confiável e Válido
οοο
οο
οοοο
οο
ο
ο
οο
ο
οο
ο
οο ο
ο ο
οοο
ο
οο
ο ο
οοοο
ο
οο ο ο
οο
οο
οο
ο
οο
ο
οο
ο
ο
οο
ο
ο
ο
ο
οο
ο
ο
ο
ο
οο
ο
ο
οο
οο ο
ο
οο
ο
ο οο
ο
ο οο
ο
ο
οο
ο
ο
Confiável mas não Válido
Nem confiável
e nem válido
Consistência Internaou
Confiabilidade
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Se os itens de uma escala devem medir
aspectos de um mesmo construto, então
eles devem ser todos altamente
correlacionados entre eles. Medidas de
consistência interna forma desenvolvidas e
simplificam bastante o processo.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
O alfa de Cronbach ou coeficiente alfa está
relacionado com a correlação entre cada par de
itens e o número de itens de uma escala. É a
medida de consistência mais utilizada. No entanto,
mesmo se uma escala apresenta um valor alfa alto
ela ainda pode ter itens pobremente
correlacionados entre si. Assim convém inspecionar
os seguintes valores da saída do SPSS:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A correlação parte/todo (ou correlação item/total) que é a correlação entre cada item e a soma dos outros itens.
A correlação múltipla ao quadrado para cada item, que é o r2 obtido se um item é colocado na regressão como uma variável critério com os outros itens como variáveis preditivas.
O valor do alfa de Cronbach para a escala se um item em particular é eliminado.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Clique em Ana lyze, depois em Scale e finalmente em Reliability Analysis. A seguinte caixa de diálogos irá abrir:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Mova todos os itens de interesse da escala do painel esquerdo para o direito, clicando sobre o item e depois na seta entre os painéis.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Se o modelo for processado dessa forma a única saída obtida será:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
****** Method 1 (space saver) will be used for this analysis ******
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
Reliability Coefficients
N of Cases = 48,0 N of Items = 20
Alpha = ,8994
Ou seja a única estatística de interesse será o valor do coeficiente alfa que nesse caso é 0,8994.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Para obter outros resultados de interesse clique em Statistics que abrirá a seguinte caixa de diálogos:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Marque então as seguintes opções:
Clique em Continue. Nesse caso teremos:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
***** Method 2 (covariance matrix) will be used for this analysis ******R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
Mean Std Dev Cases1. Q_A 3,9583 ,8495 48,0 2. Q_C 3,8958 1,0364 48,03. Q_D 4,2708 ,7068 48,04. Q_E 4,4583 ,6510 48,05. Q_F 4,0208 1,0617 48,06. Q_J 4,3333 ,8833 48,07. Q_N 3,6875 1,1139 48,08. Q_O 4,2292 ,7784 48,09. Q_S 3,3542 ,8377 48,0
10. Q_T 3,8750 1,0644 48,011. Q_BR 3,9583 ,9216 48,012. Q_GR 4,3958 ,7363 48,013. Q_HR 3,7917 ,7426 48,014. Q_IR 3,5833 ,9857 48,015. Q_KR 3,6042 1,1250 48,016. Q_LR 3,9167 1,0280 48,017. Q_MR 3,0208 1,1202 48,018. Q_PR 3,9583 ,7978 48,0 19. Q_QR 3,0000 ,9893 48,020. Q_SR 3,5000 ,8251 48,0
Essa tabela é a opção item da Descriptives da caixa Statistics.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
N of Cases = 48,0
Statistics for Mean Variance Std Dev N of Variables
Scale 76,8125 117,4322 10,8366 20
Esse resultado é conseqüência de ter marcado a opção Scale do item Descriptives da caixa Statistics.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Item-total StatisticsScale Scale CorrectedMean Variance Item- Squared Alphaif Item if Item Total Multiple if ItemDeleted Deleted Correlation Correlation Deleted
Q_A 72,8542 107,1059 ,5462 ,7259 ,8942Q_C 72,9167 106,4184 ,4649 ,8423 ,8966Q_D 72,5417 108,0408 ,6052 ,7828 ,8934Q_E 72,3542 108,6166 ,6185 ,7001 ,8935Q_F 72,7917 101,1472 ,7098 ,7512 ,8889Q_J 72,4792 105,1485 ,6351 ,8133 ,8918Q_N 73,1250 114,7074 ,0622 ,3800 ,9097Q_O 72,5833 108,2482 ,5296 ,8215 ,8948Q_S 73,4583 112,4663 ,2400 ,3776 ,9017Q_T 72,9375 106,0598 ,4670 ,7845 ,8967Q_BR 72,8542 106,7655 ,5155 ,7195 ,8949Q_GR 72,4167 106,1206 ,7099 ,7687 ,8909Q_HR 73,0208 106,4889 ,6781 ,7936 ,8916Q_IR 73,2292 105,3293 ,5502 ,7608 ,8940Q_KR 73,2083 102,7216 ,5896 ,8693 ,8929Q_LR 72,8958 103,7974 ,6005 ,7331 ,8925Q_MR 73,7917 103,5301 ,5548 ,7823 ,8941Q_PR 72,8542 106,4251 ,6300 ,6950 ,8923Q_QR 73,8125 105,2194 ,5535 ,7712 ,8939Q_SR 73,3125 106,5173 ,6009 ,6152 ,8929
Esse resultado éconseqüênciade se termarcado a opção Scale if item deleted dacaixa de diálogosStat istics.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Reliability Coefficients 20 itemsAlpha = ,8994 Standardized item alpha = ,9068
Continuação da tabela anterior.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
O alfa padronizado (Standardized item
alpha) é calculado com base na hipótese
(não necessariamente válida) de que as
variâncias de cada item são iguais. Ele é
resultado da opção Inter-item na caixa de
diálogo Statistics da Análise de
Confiabilidade.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Pelo valor de alfa essa escala é
confiável. Mas é possível melhorar um
pouco mais esse valor. Se forem retirados
ou refeitos os itens q_n e q_s, observe que
os valores de alfa, em cada caso,
aumentariam.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A opção por omissão é o alfa, mas na
linha modelo (model) é possível escolher
outros modelos. Uma possibilidade é rodar
o modelo divisão pela metade (split-half)
ao invés de alfa.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
As saídas adicionais, para esse modelo,
são mostradas a seguir:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
****** Method 1 (space saver) will be used for this analysis ******R E L I A B I L I T Y A N A L Y S I S - S C A L E (S P L I T)
Statistics for Mean Variance Std Dev N of VariablesPART 1 40,0833 29,1418 5,3983 10PART 2 36,7292 41,9038 6,4733 10SCALE 76,8125 117,4322 10,8366 20
Reliability CoefficientsN of Cases = 48,0 N of Items = 20Correlation between forms = ,6637 Equal-length Spearman-Brown = ,7979Guttman Split-half = ,7900 Unequal-length Spearman-Brown = ,797910 Items in part 1 10 Items in part 2Alpha for part 1 = ,7944 Alpha for part 2 = ,8781
Esse resultado mostra as estatísticas para toda a escala mais as das somas das respostas de cada uma das metades.
A correlação entre as somas dos itens em cada metade.
Dimensionalidade
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
É possível medir a dimensionalidade de uma escala ou questionário. Primeiro se for desejado uma escala em que todos os itens meçam um único construto pode-se verificar qual a carga de cada item em uma única componente. Itens com cargas fracas são descartados ou reescritos.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Segundo para verificar se existe
mais de um componente na escala
pode-se util izar a análise de
componentes ou de fatores para
determinar a estrutura da escala.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Pode-se utilizar os itens que estão mais
fortemente relacionados a cada
componente, se existir mais de um, como
sub-escalas. Assegurar-se de que uma
escala é unidimensional ou que as sub-
escalas sejam identificadas é um dos
aspectos da validade de construto.
Identificando escalascom um componente
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Entre com os itens na análise de componentes
principais. Para isso basta fazer:
1. Na caixa de diálogos Factor Analysis:
Extraction marque o número de fatores para 1.
2. Na caixa de diálogos Factor Analysis: Options,
selecione Sorted by size. A principal componente
explica apenas 38% da variância
As duas tabelas mais importantes para esse
objetivo são mostradas a seguir:Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Total Variance Explained
7,654 38,272 38,2722,416 12,081 50,3531,463 7,313 57,6661,185 5,924 63,5901,099 5,495 69,0851,059 5,297 74,381,731 3,655 78,037,697 3,485 81,522,659 3,295 84,817,552 2,760 87,577,506 2,529 90,105,449 2,246 92,351,332 1,658 94,009,295 1,474 95,483,266 1,332 96,815,219 1,097 97,912,161 ,803 98,714,117 ,586 99,301,107 ,537 99,838,032 ,162 100,000
Component1234567891011121314151617181920
Total % of Variance Cumulative %Initial Eigenvalues
Extraction Method: Principal Component Analysis.
A principal componente explica apenas 38% da variância
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A partir da análise deve-se
descartar os itens q_s e q_n ou então
reescreve-los. Observe que esses itens
também foram identificados na
análise de confiabilidade (Estatísticas
Item_Total) anterior.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Component Matrix a
,777,765,721,702,687,684,663,654,777,632,621,615,614,605,597,589,518,517,280,074
Q_FQ_GRQ_HRQ_JQ_PRQ_EQ_KRQ_DQ_SRQ_LRQ_IRQ_QRQ_MRQ_AQ_BRQ_OQ_TQ_CQ_SQ_N
1Component
Extraction Method: Principal Component Analysis.1 components extracted.a.
A regra prática é que se um item apresenta uma carga inferior a 0,4 ele deve ser descartado ou rev isto.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Se um item for eliminado então outra
análise deve ser executada com os dados
restantes, pois a carga dos fatores irá se
alterar. Para esses dados vamos verificar que
a maior componente aumenta para 42% e
as cargas dos demais itens permanecem
acima de 0,50.
Medindo a estruturados itens na escala
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Entre com os 20 itens na análise de
componentes principais da análise de
fatores. Para isso basta repetir a análise
anterior com exceção da opção Sorted by
size. Apenas alguns dos resultados são
mostrados.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Verifique os indicadores de
fatorabilidade. Alguns deles são razoáveis. O
valor do KMO, no entanto, é de apenas 0,59.
Também alguns dos valores individuais do
KMO na diagonal da matriz de correlação
anti-imagem estão abaixo do valor 0,50 o
que significa um desempenho pobre do
item.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
KMO and Bartlett's Test
,594
566,695190
,000
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A tabela da variância total explicada
mostra que existem seis componentes com
autovalores maiores do que um. Ela
também mostra o percentual da variância
que é explicada após a rotação dos
componentes.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Component Matrix a
,605 ,377 -,180 ,196 ,079 -,330,517 ,516 ,105 -,222 -,368 ,055,654 ,464 -,130 ,285 ,090 -,163,684 ,323 ,168 -,280 -,081 -,236,777 -,247 ,105 ,045 -,163 ,023,702 ,061 -,182 -,056 -,053 -,277,074 ,482 -,160 ,244 -,042 ,706,589 ,266 ,441 ,041 -,413 ,021,280 ,016 ,512 -,264 ,635 ,061,518 ,176 ,273 ,656 ,255 -,109,597 -,536 -,144 -,136 -,082 -,098,765 -,018 ,181 -,186 -,043 ,172,721 -,414 ,027 ,348 -,190 ,063,621 -,544 ,168 ,261 ,041 ,025,663 -,291 -,506 -,119 -,092 -,064,632 ,308 -,073 -,124 ,059 ,278,614 -,376 -,313 ,029 ,215 ,313,687 ,131 -,037 -,195 ,365 -,067,615 -,357 ,383 -,185 -,065 ,192,644 ,262 -,427 -,162 ,176 ,091
Q_AQ_CQ_DQ_EQ_FQ_JQ_NQ_OQ_SQ_TQ_BRQ_GRQ_HRQ_IRQ_KRQ_LRQ_MRQ_PRQ_QRQ_SR
1 2 3 4 5 6Component
Extraction Method: Principal Component Analysis.6 components extracted.a.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A matriz dos componentes
rotacionadas anterior mostra que quatorze
dos 20 itens tem a maior carga em um dos
dois primeiros componentes, com três itens
no terceiro. Os últimos três componentes
estão distribuídos nos componentes quatro,
cinco e seis. Observe que os itens q_n e q_s
estão entre esse três.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Scree Plot
Component Number
2019
1817
1615
1413
1211
109
87
65
43
21
Eige
nval
ue
10
8
6
4
2
0
O diagrama de decliv idade mostra apenas dois componentes acima do limite entre a parte íngreme e a parte plana da curva.
Discriminação
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Discriminação significa que pessoas
com escores diferentes em um questionário
devem diferir no construto de interesse. Assim
se o teste é de habilidade numérica então
pessoas com habilidade e sem habilidade
devem ter pontuações diferentes. Existem
três corolários a serem considerados:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
1. Pessoas com o mesmo escore devem ser iguais quanto ao construto sendo mensurado;
2. Pessoas com escores diferentes devem ser diferentes quanto ao construto sendo avaliado e
3. O grau de diferença entre as pessoas deve ser proporcional aos escores.
Viés nasRespostas
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Mesmo quando a formulação das questões é cuidadosa existem ainda problemas que podem surgir na construção de um questionário.
Conjuntos de respostas padronizadas ou tendenciosidade assumem várias formas sendo a mais comum a concordância ao invés da discordância. É o conhecido “digo sim”. O “digo não” é menos comum.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
O problema quando isso ocorre
é não levar em conta os itens como
tal mas sim o de se obter respostas
estereotipadas a despeito do que
está sendo perguntado.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A forma de lidar com o problema é se
assegurar de que não existem padrões
óbvios na forma em que as questões são
apresentadas. Sempre que possível evite
categorizar questões. Tente manter o
respondente alerta apresentando questões
de forma variada de preferência em ordem
aleatória.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Uma forma adicional de manter o viés
no mínimo é tentar balançar o número de
declarações positivas e negativas. Se o
respondente enfrentar um grande número
de questões em que uma resposta positiva
(negativa) seja necessária isso pode levá-lo
a acreditar que sempre será assim.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
A tendência social é uma forma
de viés de resposta em que o
respondente fornece o que é mais
aceito socialmente do que o que ele,
de fato, pensa. É o hoje denominado
politicamente correto.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
Alguns acreditam que isso é um problema individual e não do questionário. Para lidar com isso pode-se incorporar o que é conhecida como “escala da mentira”, isto é, formular questões para identificar as pessoas que tendem a responder de forma socialmente desejável. Uma vez identificados eles podem ser excluídos do estudo.
Referências
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
BOOTH, W. C. , COLOMB, G. G, WILLIAMS, J. M. A arte da pesquisa (The Craft of Research). SãoPaulo: Martins Fontes. 2000.
BRACE, Nicola, KEMP, Richard, SNELGAR, Rosemary. SPSS for Psychologists: versions 12 and 13. New York: Palgrave MacMillan. Third Edition, 2006.
FIFE-SCHAW, C. Questionnaire design. In: G. M. Breakwell, S. Hammond & C. fifeshaw (Eds.). Research Methods in Psychology (2nd ed., Chapter 120. London: Sage.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
FRARY, Robert B. Hints for designing effective questionnaires. Practical Assessment, Research & Evaluation. v. 5, n. 3, 1996.
SCHEAFFER, Richard L., MENDENHALL, William. Elementary Survey Sampling. New York: Thonson, 1996. 5th Edition.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística – viali@pucrs.br
http://www.chssc.salford.ac.uk/healthSci/resmeth2000/resmeth
/questatt.htm
http://www.chssc.salford.ac.uk/healthSci/resmeth2000/resmeth
/chap2.htm (Ver métodos quantitativos)
http://home.ubalt.edu/ntsbarsh/stat-data/Surveys.htm