UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

INSTITUTO DE MATEMÁTICA
DEPARTAMENTO DE ESTATÍSTICA

Modelagem de Equações Estruturais no Software R

Autora: Suziane dos Santos Pereira

Orientadora: Profª. Drª. Lisiane Priscila Roldão Selau

Porto Alegre, dezembro de 2013.

 Universidade Federal do Rio Grande do Sul
Instituto de Matemática
Departamento de Estatística

Modelagem de Equações Estruturais no Software R

Autora: Suziane dos Santos Pereira

Monografia apresentada para obtenção

do grau de Bacharel em Estatística.

Banca Examinadora:
Profª. Drª. Lisiane Priscila Roldão Selau
Prof. Dr. João Riboldi

Porto Alegre, dezembro de 2013.

2
 Agradecimentos

Agradeço a todas as pessoas que de alguma forma colaboraram com este

trabalho ou estiveram comigo durante todo o processo de desenvolvimento. Em especial
aos meus pais Telmo e Eliete e ao meu irmão Diego: muito obrigada por toda a
paciência, apoio e carinho. Aos professores que participaram e transmitiram seus
conhecimentos, principalmente à professora Lisiane por ser tão amável e prestativa na
orientação deste trabalho. Ao amigo Cristiano por todo incentivo, suporte e dedicação
para a concretização desta etapa.

3
 Resumo

Modelagem de Equações Estruturais ou SEM (Structural Equation Modeling) é

um conjunto de técnicas e procedimentos que abordam uma extensão de outras técnicas
multivariadas, avaliando relações simultâneas, ou seja, relações de dependência e
independência entre uma ou mais variáveis. Além disso, consegue representar variáveis,
que não podem ser medidas diretamente, através de grupos de outras variáveis,
denominados construtos latentes. Nesse sentido, o objetivo geral deste trabalho é
apresentar os variados usos da Modelagem de Equações Estruturais a partir de um
software livre que tenha suporte para a técnica, seja de fácil acesso e com uma
linguagem já conhecida dos Estatísticos. Para isso será utilizado o Software R versão
3.0.1 e os pacotes Lavaan 0.5 e semPlot 0.3.2. As técnicas relacionadas à Modelagem
de Equações Estruturais abordadas nesse trabalho são: Análise de Regressão
Multivariada, Análise Fatorial Confirmatória e Análise de Múltiplos Grupos. É
apresentada a aplicação em dados publicados na literatura e na análise de um
instrumento de medida realizado para entender o relacionamento de uma empresa com
seus clientes.

Palavras-chave: Modelagem de Equações Estruturais, Regressão Multivariada, Análise

Fatorial Confirmatória, Análise de Múltiplos Grupos, Software R.

4
 Sumário

1. INTRODUÇÃO .................................................................................................................... 7
1.1 Motivação e Objetivos .................................................................................................. 8
1.2 Estrutura do Trabalho .................................................................................................... 9
2. MODELAGEM DE EQUAÇÕES ESTRUTURAIS .......................................................... 10
2.1 Tipos de Variáveis....................................................................................................... 10
2.2 Escala de Medida ........................................................................................................ 10
2.3 Associação entre as Variáveis ..................................................................................... 11
2.4 Análise Fatorial ........................................................................................................... 12
2.5 Modelo de Equações Estruturais ................................................................................. 13
2.5.1 Submodelos ......................................................................................................... 13
2.5.2 Representação Gráfica do Modelo ...................................................................... 14
2.6 Pressupostos para a Modelagem de Equações Estruturais .......................................... 15
2.6.1 Independência das Observações .......................................................................... 15
2.6.2 Normalidade Multivariada .................................................................................. 16
2.6.3 Covariâncias Amostrais Não Nulas ..................................................................... 16
2.6.4 Ausência de Multicolinearidade .......................................................................... 17
2.6.5 Inexistência de Outliers ....................................................................................... 17
3. ETAPAS DA MODELAGEM DE EQUAÇÕES ESTRUTURAIS ................................... 18
3.1 Construção do Modelo Teórico ................................................................................... 18
3.2 Obtenção dos Dados .................................................................................................... 19
3.3 Especificação e Identificação do Modelo .................................................................... 19
3.4 Estimação do Modelo .................................................................................................. 22
3.4.1 Método de Máxima Verossimilhança (ML) ........................................................ 22
3.4.2 Mínimos Quadrados Generalizados (GLS) ......................................................... 23
3.4.3 Distribuição Assintótica Livre ou Mínimos Quadrados Ponderados .................. 23
3.5 Avaliação do Ajuste do Modelo e Validação do Modelo............................................ 24
3.5.1 Teste de Ajustamento...................................................................................... 24
3.5.2 Índices de Avaliação do Ajuste do Modelo......................................................... 25
3.5.3 Validação do Modelo .......................................................................................... 31
4. O SOFTWARE R E O PACOTE LAVAAN ...................................................................... 32
4.1 O Pacote Lavaan ......................................................................................................... 32
4.2 Especificando Modelos no Lavaan ............................................................................. 33

5
 4.3 Resultados dos Modelos .............................................................................................. 35
4.4 Medidas de Ajuste ....................................................................................................... 38
4.5 Análise de Múltiplos Grupos....................................................................................... 39
4.6 Modificação do Modelo .............................................................................................. 39
4.7 Outros Recursos .......................................................................................................... 40
5. APLICAÇÕES DA MODELAGEM DE EQUAÇÕES ESTRUTURAIS .......................... 41
5.1 Regressão Linear Multivariada ................................................................................... 41
5.2 Análise Fatorial Confirmatória.................................................................................... 47
5.3 Análise de Múltiplos Grupos (Multiple-Group Analyses)........................................... 57
5.4 Análise de um Instrumento de Medida........................................................................ 68
6. CONSIDERAÇÕES FINAIS .............................................................................................. 86
REFERÊNCIAS BIBLIOGRÁFICAS ........................................................................................ 88

6
 1. INTRODUÇÃO

Modelagem de Equações Estruturais ou SEM (Structural Equation Modeling) é

um conjunto de técnicas e procedimentos que abordam uma extensão de outras técnicas
multivariadas, avaliando relações simultâneas, ou seja, relações de dependência e
independência entre uma ou mais variáveis. São equações de regressão multivariada
analisadas simultaneamente, em que a variável resposta em uma equação pode aparecer
como preditora em outra, sendo possível as variáveis influenciar uma na outra
reciprocamente, diretamente ou através de outras variáveis (HAIR et al., 2005).

As equações estruturais se destinam a representar relações causais entre as

variáveis no modelo. Por exemplo, usando um dos bancos de dados que será analisado
no Capítulo 5, onde o objetivo do estudo era medir a opinião dos clientes em relação a
um provedor de serviços, algumas questões que a SEM pode ajudar a responder são:

Quais variáveis estão relacionadas com a satisfação do cliente?

Como a satisfação do cliente pode impactar no valor pago e na reputação do

provedor de serviços?

Como o valor e a reputação do provedor influenciam na confiança?

A Modelagem de Equações Estruturais permite tratar de todas essas questões

juntas, o que nenhuma outra técnica multivariada permite. Além disso, consegue
representar variáveis, que não podem ser medidas diretamente, através de grupos de
outras variáveis, denominados construtos latentes ou variáveis latentes. SEM estima
separadamente uma série de equações de regressão múltipla, mas interdependentes,
simultaneamente, dependendo da especificação do modelo estrutural usado pelo
programa estatístico (HAIR et al., 2005). Segundo os autores, outra vantagem é que
suas suposições são mais fáceis de serem atendidas do que a maioria das outras técnicas
multivariadas. Como casos particulares da análise de equações estruturais tem-se:
regressão múltipla, análise de caminhos (path analysis), análise fatorial (confirmatória e
exploratória), análise de múltiplos grupos e modelos de crescimento latente (latent
growth modeling). Comumente é mais utilizada quando o objetivo é testar um modelo
através do conhecimento a priori do pesquisador (análise fatorial confirmatória), mas

7
também pode ser utilizada com caráter exploratório a fim de obter o modelo que melhor
se adequa aos dados.

1.1 Motivação e Objetivos

A Modelagem de Equações Estruturais fornece um método para lidar

diretamente com múltiplas relações simultâneas de dependência e independência entre
as variáveis, fornecendo uma transição da análise exploratória para a confirmatória.
Permite também a utilização de variáveis que não podem ser medidas diretamente, os
chamados construtos latentes.
É uma técnica relativamente nova, comparada às outras técnicas
multivariadas, e está expandindo cada vez mais seus campos de atuação nas mais
diversas áreas, como: marketing, psicologia, medicina, ciências sociais, engenharias e
biologia. Devido a esse amplo espaço de utilização, é muito importante que os
Estatísticos tenham conhecimento sobre essa útil ferramenta na análise de dados.
Atualmente existem alguns programas específicos para o uso de SEM, como o
LISREL, EQS, AMOS, MPLUS. Todos esses são softwares comerciais, o que dificulta
o acesso aos estudantes que querem aprender e aplicar a técnica.
Nesse sentido, o objetivo geral deste trabalho é apresentar o uso da
Modelagem de Equações Estruturais a partir de um software livre que tenha suporte
para a técnica, seja de fácil acesso e com uma linguagem já conhecida dos Estatísticos.
Para isso será utilizado o Software R versão 3.0.1 e dois pacotes: Lavaan 0.5, para as
análises de equações estruturais e semPlot 0.3.2, para a construção do diagrama de
caminhos.
O objetivo principal pode ser dividido em alguns objetivos específicos:
 Explorar de forma prática as várias utilizações do uso de equações
estruturais mostrando a fundamentação estatística que permite seu uso;
 Explicitar as etapas de utilização para cada uma das técnicas
abordadas;
 Descrever o funcionamento do pacote Lavaan do software R;

8
  Apresentar a aplicação computacional de SEM em dados publicados na
literatura e a análise de um instrumento de medida realizado para
entender o relacionamento de uma empresa com seus clientes,
ressaltando os aspectos computacionais e a interpretação dos
resultados.

1.2 Estrutura do Trabalho

Este trabalho está estruturado em seis capítulos:

 No Capítulo 1 é apresentada uma breve introdução ao assunto de
SEM, expondo a motivação e os objetivos do estudo.
 No Capítulo 2 serão apresentados alguns conceitos básicos e as
técnicas utilizadas; variáveis latentes e observadas, variáveis
endógenas e exógenas, escalas de medida e associação entre as
variáveis, além dos pressupostos do modelo.
 O Capítulo 3 apresenta as etapas necessárias para a Modelagem de
Equações Estruturais, bem como, a representação gráfica do modelo, a
identificação do modelo, o modelo de medida e o modelo estrutural.
 O Capítulo 4 descreve os aspectos computacionais do Software R e do
pacote Lavaan.
 No Capítulo 5 alguns exemplos de dados publicados na literatura
serão apresentados e também uma análise do instrumento de medida
utilizado na tese de doutorado “A Prática do Marketing de
Relacionamento e a Retenção de Clientes: um estudo aplicado em um
ambiente de serviços” de Gabriel Sperandio Milan.
 O Capítulo 6 apresenta as conclusões e considerações finais do estudo.

9
 2. MODELAGEM DE EQUAÇÕES ESTRUTURAIS

2.1 Tipos de Variáveis

Como SEM tem uma linguagem própria, sua nomenclatura se diferencia muito
da forma normalmente utilizada em outras técnicas estatísticas, tanto nas variáveis,
quanto nos gráficos, e também em outros aspectos que envolvem as análises. Desta
forma, neste tópico serão abordados os tipos de variáveis utilizados nesta técnica.
As variáveis observadas, ou manifestas, são variáveis que são medidas
diretamente. São obtidas através de questionários, pesquisas, escores de entrevistas. Por
sua vez, variáveis latentes, fatores ou construtos, são variáveis que não podem ser
medidas ou observadas diretamente (como satisfação, confiança, inteligência), mas que
podem ser representadas ou medidas através de uma ou mais variáveis observadas.
Por exemplo, as atitudes e impressões das pessoas em relação a algum produto
não são possíveis de se medir de forma precisa e direta. Entretanto, fazendo-se várias
perguntas é possível avaliar os aspectos da atitude da pessoa. Essas respostas
conjuntamente formam uma medida razoavelmente precisa do construto latente (atitude)
para um indivíduo (HAIR et al., 2005).
As variáveis observadas e latentes podem ser classificadas como exógenas
(independentes) e endógenas (dependentes), respectivamente. As variáveis exógenas
causam flutuações em outras variáveis no modelo. Já as flutuações nesse tipo de
variável não podem ser explicadas pelo modelo, podendo, apenas, ser influenciadas por
fatores externos ao modelo. Endógenas são as variáveis influenciadas pelas exógenas, e
a variação destas variáveis é explicada por variáveis presentes no modelo.

2.2 Escala de Medida

De uma forma geral as variáveis em SEM sãs quantitativas, classificadas como

escala intervalar ou de razão. Em aplicações de Análise de Equações Estruturais, é
irrelevante se as variáveis são do tipo intervalar ou de razão, precisando apenas serem
agrupadas em variáveis quantitativas (quer contínuas, quer discretas) (MARÔCO,
2010). É comum na Análise de Equações Estruturais termos variáveis ordinais,
incluindo-se nesse tipo a escala de Likert. Escalas ordinais violam alguns pressupostos
da SEM, como continuidade e normalidade. Porém na prática essas variáveis são usadas

10
frequentemente, havendo simulações que indicam que os resultados obtidos são de
confiança desde que se obtenha pelo menos 5 classes (ATKINSON, 1988 apud
LEMKE, 20051) e que a distribuição de frequências se aproxime da curva normal
(BOLLEN, 1989 apud MARÔCO,20102).

2.3 Associação entre as Variáveis

Um dos aspectos fundamentais da Modelagem de Equações Estruturais é a

associação entre as variáveis, pois a construção do modelo depende totalmente de como
as variáveis latentes e observadas estão relacionadas umas com as outras. As
associações das variáveis podem ser avaliadas através da covariância. Entretanto
comparações entre variáveis de diferentes magnitudes não são possíveis, pois não são
diretamente comparáveis. Para acabar com essa limitação, a utilização do Coeficiente de
Correlação de Pearson é uma opção (MARÔCO,2010).
O Coeficiente de Correlação de Pearson é utilizado quando as variáveis são
medidas numa escala pelo menos intervalar. Se as variáveis observadas são ordinais,
mas têm subjacentes variáveis continuas com distribuição normal bivariada, deve-se
utilizar, preferencialmente, o coeficiente de correlação policórica. Já o coeficiente de
correlação poliserial é indicado se uma das variáveis for pelo menos intervalar e a outra
ordinal. Se as variáveis forem contínuas, mas dicotomizadas ao serem medidas, utiliza-
se o coeficiente de correlação tetracórico (JÖRESKOG E SÖRBOM, 1996 apud
MARÔCO, 20103).
A utilização de covariância ou correlação na análise de equações estruturais
ajudam a avaliar a qualidade do modelo, devendo ser adaptada a cada caso. Muitas
vezes é interessante poder comparar variáveis com magnitudes diferentes e outras vezes
isso pode levar a resultados errados (LEMKE,2005).

1
ATKINSON, L. The measurement –statistics controversy: Factor analysis and subinterval data. Bulletin
of the Psychometric Society, 26, p. 361-364, 1988.

2
BOLLEN, K. A. Structural Equations with Latent Variables. John Wiley & Sons, New York, 1989.

3
JORESKOG, K. G., & Sorbom, D. LISREL 8: users’s reference guide. Licolnwood: Scientific Software
International, 1996

11
 2.4 Análise Fatorial

A Análise Fatorial foi uma das primeiras técnicas multivariadas que teve por
objetivo descobrir e analisar a estrutura de um conjunto de variáveis inter-relacionadas
de modo a construir uma escala de medida para os fatores (MARÔCO,2010). O
principal objetivo desta análise é explicar a relação entre muitas variáveis observadas
através de um número reduzido de variáveis latentes. Desta forma, a análise fatorial
pode ser considerada como uma técnica de redução. Existem dois tipos de análise
fatorial: Análise Fatorial Exploratória e Análise Fatorial Confirmatória.
Análise Fatorial Exploratória (EFA) é utilizada quando as variáveis
observadas e latentes não possuem especificação predefinida de um modelo que as
relacione. Através da EFA, o pesquisador identifica fatores que explicam correlações
dentro de um conjunto de variáveis. É um procedimento de redução da dimensão dos
dados originais que visa identificar um pequeno número de fatores que explique a maior
parte da variação observada em um número muito maior de variáveis (LEMKE,2005).
Portanto é utilizada pelos pesquisadores como uma técnica exploratória para determinar
o número de fatores comuns e descobrir quais variáveis mensuradas são indicadores
razoáveis das dimensões latentes.
Análise Fatorial Confirmatória (CFA) é recomendada quando o pesquisador
possui uma ideia a priori sobre a estrutura relacional entre as variáveis observadas e
latentes em estudo (fatores), ou seja, a intenção é testar um modelo definido
previamente. Essa ideia prévia pode ser baseada na teoria ou em resultados de estudos
anteriores. Devido a esta característica de permitir o teste de um modelo teórico que
estruture o relacionamento entre as variáveis observadas e as variáveis latentes, a
análise fatorial confirmatória é amplamente utilizada em SEM, seja simplesmente para
testar um instrumento de medida ou compor um modelo completo de Equações
Estruturais, em que o objetivo é verificar hipóteses de causas entre as variáveis latentes.
Ambos serão detalhados nas próximas seções.

12
 2.5 Modelo de Equações Estruturais

O modelo linear que estabelece relações entre as variáveis observadas e

latentes sob estudo pode ser separado em dois modelos de acordo com a estrutura
relacional entre as variáveis. O submodelo de medida e o submodelo estrutural.

2.5.1 Submodelos

O submodelo de medida relaciona as variáveis observadas e as variáveis não

observadas, sendo, portanto, uma ligação entre o instrumento de medida (variáveis
observadas) e o construto teórico em estudo (variáveis latentes). O submodelo estrutural
define as relações causais ou de associação entre as variáveis e os construtos não
observados (variáveis latentes), especificando se uma variável latente causa mudanças
em outras variáveis latentes no modelo, direta ou indiretamente. Através da simbologia
própria de SEM, é possível ver na Figura 1 um exemplo de um modelo estrutural com
três variáveis latentes, sendo uma variável latente exógena (P2) operacionalizada por
três variáveis manifestas independentes (p7, p8, p9) e duas variáveis latentes endógenas
(P1, P3) operacionalizadas por (p1, p2, p3, p13, p14, p15).

Modelo de medida Modelo de medida

Modelo
Estrutural

Figura 1. Submodelos
[adaptado de Byrne, 2001]

13
 2.5.2 Representação Gráfica do Modelo

As relações entre as variáveis observadas e latentes são representadas através

do diagrama de caminho (path diagram). SEM utiliza uma simbologia particular, por
convenção, que possibilita ver de forma mais clara o modelo. As variáveis latentes são
representadas dentro de círculos ou elipses; as variáveis observadas são representadas
por retângulos ou quadrados; as relações de causa entre duas variáveis são representadas
por setas unidirecionais e a associações correlacionais (sem um sentido causal
explicitamente definido) são representadas por setas bidirecionais, conforme
apresentado na Figura 2.

Descrição Símbolo

Variáveis latentes (não

ou
observadas)
Variáveis observadas
ou

Relação de causa

Associação correlacional

Figura 2. Símbolos para Representação Gráfica

[adaptado de LEMKE(2005) e SILVA(2006)]

É possível demonstrar as equações estruturais da Figura 1 separando por

modelo de medida e modelo estrutural, como pode-se ver abaixo.
Modelo Estrutural:
+ r1

onde r1 e r2 são os resíduos que representam os erros de predição dos fatores endógenos
P3 e P1 a partir de fator exógeno P2.
Modelo de Medida:

14
onde os e1 a e9 são os erros de medida das variáveis observadas. Eles refletem a
adequação destas em medir os fatores em estudo.

2.6 Pressupostos para a Modelagem de Equações Estruturais

A utilização da técnica de Modelagem de Equações Estruturais exige a validação

de um conjunto de suposições sem as quais os resultados do modelo testado podem ficar
comprometidos. A violação dos pressupostos pode provocar resultados viesados no que
diz respeito às estimativas dos parâmetros do modelo, bem como dos seus índices de
ajuste associados. Desta forma, a decisão quanto à validação de um modelo teórico pode
ser equivocada.

Nesta seção serão apresentados os principais pressupostos de SEM:

independência das observações, normalidade multivariada, covariâncias amostrais não
nulas, ausência de multicolinearidade e inexistência de outliers (MARÔCO, 2010).
Esses pressupostos são importantes na Modelagem de Equações Estruturais, mas nem
sempre é possível observar que todos estejam comtemplados.

2.6.1 Independência das Observações

As observações de sujeitos diferentes devem ser independentes entre si. Esse
pressuposto pode ser assegurado com a prática de amostragem aleatória. A violação
desta suposição pode aumentar a chance de o pesquisador cometer o erro tipo II
(concluir pela não significância de um parâmetro que é, na população, significativo).
Isso ocorre porque observações dependentes geralmente geram aumento dos erros-
padrão dos parâmetros estimados.

15
 2.6.2 Normalidade Multivariada

As variáveis observadas devem apresentar normalidade multivariada quando os

métodos de estimação do modelo são o de Máxima Verossimilhança (ML) ou o de
Mínimos Quadrados Generalizados (GLS). Com o pressuposto de normalidade, estes
dois métodos apresentam propriedades de consistência (a estimativa do parâmetro tende
ao verdadeiro valor quando a dimensão da amostra aumenta); de eficiência assintótica (a
variância dos estimadores é mínima) e viés nulo assintótico (os estimadores dos
parâmetros são não viesados para amostras grandes, ou seja, não subestimam nem
superestimam os parâmetros populacionais) (MARÔCO, 2010).
Os testes usuais de normalidade univariada, como Shapiro-Wilk e Kolmogorov-
Smirnov, podem ser utilizados e é possível assumir, com algumas exceções, que se um
conjunto de variáveis apresentarem distribuição normal univariada, então a distribuição
condicionada das variáveis é normal multivariada (MARÔCO, 2010). Estes testes não
estão na maioria dos softwares de SEM em razão da sensibilidade a grandes amostras,
que são corriqueiramente utilizadas na técnica. Os testes de ajustamento ficam
extremamente sensíveis a pequenos desvios de normalidade, levando ao erro tipo I
(concluir que a variável não tem distribuição normal quando de fato tem).
Como alternativa pode-se utilizar as medidas que avaliam a forma da
distribuição, como assimetria (sk) e curtose (ku) univariados e a curtose multivariada
(kuM) para verificar a suposição de normalidade das variáveis. Valores absolutos de sk
superiores a 3 e ku univariado e multivariado superiores a 10 indicam violação séria do
pressuposto da normalidade e a inequação dos métodos ML e GLS para a estimação do
modelo (MARÔCO, 2010).

2.6.3 Covariâncias Amostrais Não Nulas

Como em modelos de equações estruturais existem fatores latentes (construtos)

que são operacionalizados por um conjunto de variáveis observadas, há a exigência de
que estas apresentem associação, isto é, que sua covariância seja não nula. Este
pressuposto é importante somente para a parte do modelo de medida do SEM.

16
 2.6.4 Ausência de Multicolinearidade

Na parte estrutural do modelo é importante que as variáveis independentes

(exógenas) não se encontrem fortemente correlacionadas (multicolinearidade). Na
presença de multicolinearidade, pelo menos uma das variáveis independentes é
redundante, inflacionando a estimativa das variâncias dos parâmetros, produzindo
coeficientes padronizados superiores a 1 ou inferiores a -1 e podendo, ainda, causar
estimativas de variâncias negativas (MARÔCO, 2010).

A avaliação da multicolinearidade pode ser feita através da estatística VIF

(variance inflation fator) fornece um índice que mede o quanto a variância de um
coeficiente de regressão estimado é aumentada por causa de colinearidade. Valores
superiores a 5 indicam possíveis problemas de multicolinearidade (MARÔCO, 2010).

onde R2 é o coeficiente de determinação do modelo de regressão entre Xi e as variáveis

independentes restantes.

2.6.5 Inexistência de Outliers

A presença de outliers pode inflacionar ou reduzir as covariâncias entre as
variáveis e isto pode repercutir nas estimativas das médias, desvios-padrão e
covariâncias, comprometendo a qualidade do ajustamento do modelo (MARÔCO,
2010). O diagnóstico de outliers pode ser feito através de dois tipos de medidas:
i. Medidas univariadas e diagnóstico visual com diagramas de extremos e quartis
(boxplot): uma observação é considerada outlier superior se o seu valor for
superior a P75+1,5(P75-P25) e é considerada outlier inferior se o seu valor for
menor que P25-1,5(P75-P25) onde P25 e P75 são, respectivamente, os percentis 25 e
75 da distribuição. Porém uma observação pode não ser um outlier univariado, e
ainda assim ser um outlier multivariado.
ii. Medidas multivariadas para a detecção de outliers multivariados geralmente
utiliza-se a Distância de Mahalanobis. Esta estatística mede a distância de uma
observação à média de todas as observações de todas as variáveis ( ̅ ).
(MARÔCO, 2010).

17
 3. ETAPAS DA MODELAGEM DE EQUAÇÕES ESTRUTURAIS

É possível dividir a Modelagem de Equações Estruturais em algumas etapas

que vão ser apresentadas ao longo deste Capítulo, conforme é apresentado na Figura 3.

Figura 3. Etapas da Modelagem de Equações Estruturais

[MARÔCO, 2010]

Como se pode observar, o Modelo de Equações Estruturais necessita de vários

passos para chegar ao resultado final, e, além disso, necessita de cálculos relativamente
complexos para sua estimação. Por conta dessa complexidade, para que as análises
sejam consistentes, os dados recolhidos devem obedecer a uma estratégia de análise
bem definida e estabelecida a priori.

3.1 Construção do Modelo Teórico

Nesta etapa do processo é necessário o levantamento de informações que

constituirão o embasamento teórico da pesquisa. Baseando-se nessas informações, o
pesquisador construirá o modelo teórico que será testado e confirmará ou não a relação
entre as variáveis do modelo. Essa é uma fase muito sensível, pois a intensidade e
convicção com que o pesquisador pode assumir causalidade não dependem dos métodos
de análise escolhidos, mas do referencial teórico utilizado.
O que acontece na construção de alguns modelos teóricos é a omissão de
variáveis preditoras fundamentais, esse erro é conhecido como erro de especificação.
Quando ocorre um erro de especificação, a avaliação da importância de outras variáveis
fica prejudicada. Porém o desejo de incluir todas as variáveis deve ser equilibrado com
as limitações práticas de SEM. Mesmo não existindo um limite teórico para o número

18
de variáveis no modelo, deve-se preservar a parcimônia e reconhecer seus benefícios e
os de modelos teoricamente concisos (HAIR et al., 2005).

3.2 Obtenção dos Dados

Depois de estabelecido o modelo teórico que vai ser testado, o próximo passo é
obter os dados para a análise. Nessa etapa o instrumento de medida deve ser definido,
bem como as variáveis que vão ser mensuradas e também o tamanho da amostra.

O tamanho de amostra ideal não é consenso na literatura, mas existem várias

suposições para o tamanho de amostra que deve ser utilizada em SEM. Autores indicam
que deve haver no mínimo cinco respondentes para cada parâmetro estimado, sendo
considerada mais adequada uma proporção de dez respondentes para cada parâmetro
estimado (HAIR et al., 2005). De uma forma geral, é necessária uma amostra maior
para a Modelagem de Equações Estruturais do que para outras técnicas para assegurar
que exista variabilidade suficiente para estimar os parâmetros do modelo.

3.3 Especificação e Identificação do Modelo

A especificação do modelo é uma das partes mais complexas em SEM. Nesta

fase são decididas quais variáveis observadas constituem as variáveis latentes, as
relações causais e não causais entre as variáveis que devem ser incluídas ou excluídas
do modelo e a correlação dos erros ou resíduos. Tudo isso definido de forma que o
modelo teórico constituído anteriormente abranja as hipóteses a priori do pesquisador e
do referencial teórico (MARÔCO, 2010).

As regras de especificação que devem ser observadas variam de modelo para

modelo. O modelo de medida apresenta que as variáveis latentes, ou construtos teóricos,
causam as variáveis observadas. A variância das variáveis observadas que não é
explicada pelas variáveis latentes é explicada pelos erros de medida ou pelos resíduos.
Esses erros podem ser correlacionados, o que indica que é uma fonte de variação
comum dos itens não explicada pelos construtos latentes (LEMKE, 2005).

19
 O modelo estrutural considera que as relações são desenhadas sempre de causa
para efeito e que a variância das variáveis exógenas, que não é explicada pelas variáveis
endógenas, é explicada por erros associados às variáveis latentes (MARÔCO, 2010).
Cada variável latente que possui uma ou mais retas que vão até ela é considerada
variável dependente em uma equação separada. Isso significa que as variáveis preditoras
estão todas nos terminais extremos das setas que conduzem até a variável endógena
(HAIR et al., 2005).

Como foi comentado na seção 3.1, a inclusão ou omissão de variáveis relevantes

para explicar as correlações do modelo conduz a erros de especificação. Estes erros
podem ser classificados em dois tipos. O primeiro tipo é quando existem mais variáveis
no modelo ou relações entre as variáveis do que aquelas que são possíveis de estimar
pelos dados, e o segundo tipo quando o modelo tem menos variáveis do que as
necessárias para explicar as relações entre as variáveis. Esses erros podem levar a
estimativas viesadas dos parâmetros do modelo ou até mesmo impedir sua estimação.

O modelo é não identificado quando o número de parâmetros a estimar é

superior ao número de dados, ou seja, quando o número de graus de liberdade do
modelo é negativo. Os graus de liberdade do modelo são calculados através da fórmula:

onde:

é o número de variáveis dependentes observadas.

é o número de variáveis independentes observadas.

é o número de parâmetros a estimar.

Quando o modelo é não identificado, ou seja, quando têm graus de liberdade

negativos, ele é não estimável. Sendo o modelo não identificado, deve-se então assumir
alguma hipótese sobre as variáveis latentes ou sobre os parâmetros a estimar. Para
resolver esse problema é possível alterar a definição de quais são os parâmetros livres e
os fixos.

Parâmetros livres são aqueles que vão ser estimados a partir das covariâncias e
variâncias das variáveis observadas. Os parâmetros fixos são definidos pelo pesquisador
20
a partir de seu conhecimento a priori ou considerações teóricas sobre o valor do
parâmetro.

Há também o tipo em que os parâmetros são estimáveis, porém definidos iguais

entre si. Imaginando um modelo em que se fixem os pesos fatoriais dos erros em um
(1), isso indicará que as variáveis latentes tem a mesma métrica das correspondentes
variáveis observadas. Quando essas mudanças são definidas pelo pesquisador as
trajetórias são consideradas significativas, ou seja, não há teste para significância.
Quando o investigador não conhece a priori qual o item que deve fixar como
significativo, essa prática é desaconselhada. Para explicações mais detalhadas
recomenda-se a leitura de Bollen (1989).

A identificação do modelo pode ser definida em underidentified, just-identifiede

overidentified (LEMKE, 2005). Modelos underidentified são modelos onde os graus de
liberdade são negativos, indicando que o número de parâmetros que devem ser
estimados é superior às informações presentes nas variáveis observadas (variâncias e
covariâncias). Os modelos indeterminados possuem infinitas soluções possíveis e por
isso não é viável.

Nos modelos just-identified os graus de liberdade são iguais a zero. Como o

cálculo das estimativas dos parâmetros no modelo saturado utiliza todas as informações
disponíveis não é possível testar hipóteses sobre o modelo, tendo ele só uma solução.
Dessa forma seu ajustamento é perfeito.

Overidentified são modelos cujo número de graus de liberdade é maior que zero
e por isso a qualidade do ajustamento pode ser avaliada. Porém os modelos devem
passar por alguma modificação ou restrição teórica para viabilizar essa avaliação. Em
SEM o objetivo é especificar esse tipo de modelo.

O número de parâmetros do modelo é uma informação de extrema importância

na Modelagem de Equações Estruturais. É importante ter essas informações bem
definidas antes de proceder a análise, pois através dessa informação é possível saber se
o modelo testado é ou não estatisticamente identificável.

21
 3.4 Estimação do Modelo

Nessa fase os parâmetros do modelo são estimados de forma que representem da

melhor maneira possível os dados observados. Tem-se uma matriz de covariâncias que é
constituída pelas variáveis observadas e através dessa matriz são feitas as estimativas. A
estimação na Modelagem de Equações Estruturais tem o objetivo de encontrar
estimativas para os pesos fatoriais, covariâncias, médias e parâmetros do modelo, de
uma forma que maximizem a probabilidade de observar a estrutura correlacional da
amostra. (MARÔCO, 2010).

Segundo o referencial teórico, o modelo de medida e o modelo estrutural são

definidos. Se esses modelos estiverem corretos, os dados gerados serão próximos dos
dados observados e o erro será mínimo, indicando que a diferença entre a matriz de
covariâncias encontrada na amostra e a matriz de covariâncias predita pelo modelo será
mínima. O objetivo é, portanto, encontrar o vetor dos parâmetros do modelo que
melhor reproduza a matriz de covariâncias observadas. O vetor de parâmetros pode
ser estimado por métodos exatos ou quase exatos, porém essa estimação é um tanto
complexa. Alguns softwares utilizam algoritmos iterativos como Newton-Raphson,
mínimos quadrados ponderados, Fletcher & Powell entre outros (BOLLEN, 1989 apud
MARÔCO, 2010).

3.4.1 Método de Máxima Verossimilhança (ML)

É o método mais utilizado, estimando os parâmetros que maximizam a

verossimilhança de observar a matriz de covariâncias amostrais . Ele produz
estimativas dos parâmetros centradas e consistentes, à medida que a dimensão da
amostra aumenta, aproximando-se do verdadeiro valor do parâmetro, com distribuição
normal. O método ML é robusto quanto à suposição de normalidade se a assimetria e
curtose das distribuições das variáveis observadas não forem grandes
(MARÔCO,2010).

22
 3.4.2 Mínimos Quadrados Generalizados (GLS)

É um método iterativo que estima os parâmetros, ponderando os erros da matriz

residual (que é a diferença entre a matriz de covariâncias amostral ( e a matriz
estimada de covariâncias ( . Os maiores valores da matriz , ou seja, os que têm
maior variância amostral têm menor peso no modelo. Assim, as estimativas são mais
eficientes do que as que seriam obtidas sem a ponderação.

O método dos mínimos quadrados generalizados possui as mesmas propriedades

assintóticas do método ML, porém pode ser utilizado com suposições menos restritivas
quanto à normalidade. Entretanto não é mais utilizado que o método ML, pois tem
maiores probabilidades do erro tipo I no teste e produz estimativas incorretas dos
parâmetros com maior frequência do que o método ML (OLSSON, TROYE, &
HOWELL, 1999).

3.4.3 Distribuição Assintótica Livre ou Mínimos Quadrados Ponderados

É um método que não exige que as variáveis observadas apresentem

normalidade multivariada. Em função disto, é um tanto atrativo justamente por não
precisar cumprir essa suposição, principalmente em aplicações nas ciências sociais e
humanas, onde muitas vezes é difícil verificar a normalidade, em função do tipo de
dados coletados.

Fornece estatísticas de teste à qualidade global do modelo com distribuição

assintótica e erros padrão dos parâmetros não viesados. Porém, apesar de ser
atrativo, o cálculo é relativamente complexo, pois sua dimensão aumenta
exponencialmente em relação ao número de variáveis observadas no modelo.

23
 3.5 Avaliação do Ajuste do Modelo e Validação do Modelo
Nesta etapa é analisado o quão bem o modelo teórico consegue reproduzir a
estrutura correlacional das variáveis observadas na amostra. Existindo inúmeros índices
de avaliação do modelo e estatísticas que podem ser utilizadas.
A avaliação do modelo é realizada através do teste de ajustamento e também
através de alguns índices que em sua maioria são utilizados em todos os softwares de
Modelagem de Equações Estruturais.

3.5.1 Teste de Ajustamento

É um teste de ajustamento da função de discrepância minimizada durante o
ajustamento do modelo. As hipóteses estatísticas do teste são:
( ̂) (a matriz de covariância populacional é igual à matriz de
covariância estimada pelo modelo)
( ̂) (a matriz de covariância populacional é diferente da matriz de
covariância estimada pelo modelo)

A utilização do teste requer alguns cuidados, pois é um teste altamente

sensível ao tamanho da amostra. Para amostras pequenas, o teste tem probabilidades
maiores de não rejeitar a hipótese de que o modelo se ajusta bem aos dados quando o
ajustamento é ruim (erro tipo II). Para amostras grandes tem probabilidades maiores de
rejeitar a hipótese de que o modelo se ajusta bem aos dados, quando o ajustamento é
bom (erro tipo I).

O teste do pode ser corrigido de forma a considerar a distribuição amostral

não central da estatística do teste quando a normalidade multivariada não é valida. Essa
correção é conhecida como Correção de Satorra-Bentler, porém ainda não se encontra
disponível em todos os softwares de SEM. Para maiores informações sobre a Correção
Satorra-Bentler recomenda-se a leitura de Marôco (2010) ou Bentler (1995a e 1995b).

24
 3.5.2 Índices de Avaliação do Ajuste do Modelo
Por conta das limitações do teste , os pesquisadores desenvolveram alguns
índices de avaliação do ajuste do modelo (goodness-of-fit). Os índices aqui apresentados
são baseados em Byrne (2001), Lemke (2005) e Silva (2006).
CMIN ( ) é o valor mínimo de discrepância.
CMIN/DF é a razão com os graus de liberdade, que deve ser < 5.
Root Mean Square Residual (RMR) é a raiz quadrada da matriz dos erros
dividida pelos graus de liberdade, assumindo que o modelo ajustado é o correto
(Joreskog & Sorbom,1996 apud MARÔCO,2010). Quanto menor o RMR melhor será o
ajustamento, com RMR = 0 tem-se um ajustamento perfeito. Para um modelo bem
ajustado, o valor deve ser pequeno, 0,05 ou menos.
Goodness-of- Fit Index (GFI) explica a proporção da covariância observada
entre as variáveis observadas, explicada pelo modelo ajustado (MARÔCO, 2010).
Portanto é a medida da quantidade relativa de variância e covariância em S (matriz
amostral de covariância dos escores das variáveis observadas) que é conjuntamente
explicada por (matriz populacional de covariância). O índice tem amplitude de 0 a 1,
sendo que valores perto de 1 são indicativos de bom ajuste. Pode ser escrito como
indicado abaixo.
̂
̂

onde ̂ é o mínimo da função de discrepância generalizada depois do modelo ter sido

ajustado e ̂ é a função de discrepância antes de qualquer modelo ser ajustado.
Adjusted Goodness-of-fit (AGFI) é um índice parecido com o GFI, porém esse
índice é ajustado pelo número de graus de liberdade do modelo que foi especificado, ou
seja, ela acaba punindo parâmetros adicionais no modelo. A equação do AGFI é:

onde:

é o número de momentos amostrais no grupo g

, sendo o número de graus de liberdade do modelo

25
 Parsimony Goodness-of-fit Index (PGFI) é um índice que leva em conta o
número de parâmetros estimados do modelo teórico na avaliação geral do modelo.
Geralmente seus valores são baixos. Pode-se obter o PGFI através da equação:

onde:

é o número de graus de liberdade do modelo avaliado

são os graus de liberdade do modelo de referência

Normed Fit Index (NFI) avalia a percentagem de incremento na qualidade do

ajustamento do modelo ajustado relativamente ao modelo totalmente independente ou
ao pior modelo possível (MARÔCO, 2010). É um índice que varia de 0 a 1, e é
decorrente da comparação entre o modelo teórico e o modelo de independência (no
modelo de independência todas as correlações entre as variáveis são zero). Valor acima
de 0,90 indica bom ajuste do modelo. Pode-se obter o NFI através da equação:

̂ ̂
̂ ̂

onde:

̂ ̂ é a mínima discrepância do modelo avaliado

̂ ̂ é a mínima discrepância do modelo de referência

Comparative Fit Index (CFI) foi criado para corrigir o erro do NFI que
apresentava certa tendência de subestimar o ajuste em amostras pequenas. O CFI leva
em conta o tamanho da amostra. É a razão entre o ajustamento do modelo em estudo e o
ajustamento do pior modelo possível. Valor acima de 0,90 indica bom ajuste do modelo.
Obtém-se o CFI através da equação:

(̂ )
(̂ )

Relative Fit Index (RFI) também varia de 0 a 1, valores preferencialmente acima

de 0,95 indicam um bom ajuste.

26
 Tucker-Lewis Index (TLI) também conhecido com NNFI, assume valores entre 0
e 1, com valores próximos a 0,95 (para amostras grandes) indicando bom ajuste.

Já os índices de parcimônia levam em consideração a complexidade do modelo.

Abaixo são apresentados esses índices.

Parsimony ratio (PRATIO) é a razão de parcimônia inicial. Não é um teste, mas

é utilizado na construção de outras medidas, como PNFI e PCFI. É obtido através da
equação:

onde:

número de graus de liberdade do modelo de independência

PNFI é um índice contado de forma relativa ao índice NFI. Penaliza o NFI pela
razão de parcimônia.

PCFI é um índice contado de forma relativa ao índice CFI. Penaliza o CFI pela
razão de parcimônia.

Outros índices comparam o ajustamento do modelo obtido com os momentos

amostrais relativamente ao ajustamento do modelo que se obteria com os momentos
populacionais. A função de discrepância para o modelo ajustado é estimada assumindo
que os momentos populacionais são conhecidos através dos momentos amostrais.
Quando o ajustamento do modelo a partir dos momentos amostrais não é perfeito,
obtém-se uma função não central. Esses índices avaliam se o modelo ajustado é
aproximadamente correto comparando o ajustamento obtido na amostra com o
ajustamento que se obteria se o mínimo da função de discrepância fosse obtido a partir
dos momentos populacionais (MARÔCO, 2010)

Noncentrality Parameter (NCP) é valor do parâmetro de não centralidade que

representa o menos seus graus de liberdade. Quando o modelo teórico está incorreto

27
o tem uma distribuição não central, com um parâmetro de não centralidade . O
intervalo de confiança indica que com 90% de confiança o intervalo contém verdadeiro
valor (populacional) do parâmetro de não centralidade .

FMIN é a função de discrepância mínima.

FO é a discrepância populacional, fornecendo um intervalo de 90% de confiança

em torno de FO.

RMSEA é um dos critérios reconhecidos como mais explicativos na modelagem

em estruturas de covariâncias, levando em conta o erro de aproximação na população.
Essa discrepância medida pelo RMSEA é expressa por graus de liberdade, sendo
sensível ao número de parâmetros estimados no modelo, dependendo da sua
complexidade. Valores que indicam bom ajuste ficam abaixo de 0,05. Valores que
representam erros razoáveis na aproximação com a população são maiores que 0,08. Já
entre 0,08 e 0,10, os valores indicam um ajuste medíocre, e maiores que 0,10, um ajuste
pobre. O RMSEA tende a rejeitar modelos verdadeiros em função de a amostra ser
pequena, por isso esses critérios devem ser utilizados com cuidado e não podem ser
considerados infalíveis. RMSEA pode ser obtido através das equações:

√ populacional

̂
√ estimado

onde:

PCLOSE é um índice que testa a proximidade do ajuste do RMSEA, ou seja,

testa a H0: RMSEA . Preferencialmente o índice deve ser maior que 0,50.

Akaike's Information Criteria (AIC) é um critério que utiliza a parcimônia na

avaliação do modelo, levando em conta o número de parâmetros estimados. É usado
quando são comparando dois ou mais modelos. O modelo que apresenta melhor ajuste
do modelo é o que possuir menor AIC.

onde q é o número de parâmetros do modelo.

28
 CAIC é um critério que leva em conta o tamanho da amostra, operando da
mesma forma que o AIC.

Browne-Cudeck Criterion (BCC) é um critério que funciona da mesma maneira

que o AIC e CAIC com diferença que impõem grandes penalidades para a
complexidade do modelo.

Expected Cross-Validation Index (ECVI) é um índice que fornece uma medida

da discrepância entre a matriz de covariância ajustada na amostra e a matriz de
covariância esperada que poderia ser obtida em outra amostra de mesmo tamanho.

Critical N (CN ) é também chamado índice de Hoelter. Neste critério, o foco é a

adequação do tamanho da amostra, indicando se o tamanho da amostra é
suficientemente adequado ao ajuste o modelo para o teste . Um valor que exceda 200
é indicativo que o modelo representa adequadamente os dados amostrais.

Nesta seção forma abordados vários índices que indicam o ajuste do modelo,
porém não sendo necessária a utilização de todos na análise de um modelo. Eles servem
para dar uma ideia de quão bem o modelo teórico se ajusta com os dados amostrais.
Todos os índices operam diferentemente de acordo com o tamanho da amostra,
parcimônia do modelo, método de estimação e violações dos pressupostos, tornando
difícil a tarefa de escolha dos índices que se deve utilizar (BYRNE, 2001).

Mesmo com a natureza problemática da estatística de ser sensível a amostras

grandes, não se deve utilizar exclusivamente os índices de ajuste. O modelo pode
apresentar um bom ajuste segundo os índices, porém, mesmo assim, pode ter sido
especificado de maneira incorreta, podendo não refletir a extensão da aceitabilidade do
modelo, sendo de inteira responsabilidade do pesquisador julgar essa aceitabilidade.
Assim, pode-se concluir que a avaliação da adequação do modelo deve ser baseada em
múltiplos critérios, que envolvem considerações teóricas, estatísticas e práticas
(BYRNE, 2001).

Existem algumas formas de verificar a existência da falta na especificação do

modelo. Como exemplo de possíveis formas de verificar, pode-se utilizar os Resíduos
Padronizados e os Índices de Modificação. Os resíduos padronizados indicam as
diferenças entre a matriz de covariância implícita do modelo teórico e a matriz de
covariância amostral, capturadas pela matriz residual de covariância. Os resíduos devem

29
ser utilizados sempre na forma padronizada para não tornar sua interpretação complexa
por dependerem da unidade de medida das variáveis observadas. Os resíduos
padronizados são os resíduos divididos pelos seus erros padrões assintóticos. Eles
representam uma estimativa do número de desvios padrões que os resíduos observados
estão do resíduo zero, que existiria caso o modelo fosse perfeitamente ajustado.

A maioria dos softwares apresenta um módulo chamado Modification Indices ou

Índices de Modificação, que auxiliam na reespecificação do modelo, indicando quanto o
modelo hipotético está adequadamente descrito. Esses índices podem ser vistos como a
estatística com um grau de liberdade. Para cada parâmetro especificado, fixo, um
valor é dado, e representa a queda esperada no valor do geral se o parâmetro não
fosse mais fixo, e sim livremente estimável, numa próxima vez em que o modelo fosse
executado. Todos os parâmetros livremente estimados automaticamente têm valores
iguais a zero. Na Figura 4 é apresentado um resumo dos principais índices descritos e
seus valores de referência.

Estatística Valores de Referência

Quanto menor, melhor
Qui-quadrado e p-valor
p > 0,05
>5 - Ajustamento mau
Qui-quadrado/ graus de 2 a 5 -Ajustamento razoável
liberdade 1 a 2 - Ajustamento bom
~ 1 - Ajustamento muito bom
CFI < 0,8 - Ajustamento mau
GFI 0,8 a 0,9 - Ajustamento razoável
TLI 0,9 a 0,95 - Ajustamento bom
≥ 0,95 - Ajustamento muito bom
<0,6 - Ajustamento mau
PGFI
0,6 a 0,8 - Ajustamento bom
PCFI ≥0,8 - Ajustamento muito bom
> 0,10 - Ajustamento inaceitável
RMSEA 0,05 a 0,10 - Ajustamento bom
≤ 0,05 - Ajustamento muito bom
AIC
Comparação de modelos, quanto
BCC
menor o valor, melhor o modelo.
ECVI

Figura 4 – Estatísticas e índices de qualidade do ajustamento

[adaptado de Byrne (2001) e Mâroco (2010)]

30
 3.5.3 Validação do Modelo

Os modelos ajustados com a utilização do recurso dos índices de modificação

necessitam validação numa amostra independente daquela utilizada para o ajuste do
modelo. Mas muitas vezes esse teste não é viável pela dimensão dos dados. Uma outra
alternativa é a utilização do ECVI que foi proposta por Browne e Cudeck (1989). O
intervalo de confiança do ECVI é utilizado como indicador da validade dos modelos
alternativos na população a partir de uma amostra. Esses autores indicam que os
modelos com menor valor de ECVI são os mais estáveis na população. Outra forma de
realizar a validação do modelo é através da simulação por Bootstrap.

31
 4. O SOFTWARE R E O PACOTE LAVAAN

Existem alguns softwares construídos especialmente para realizar a Modelagem

de Equações Estruturais, sendo, em sua maioria, comerciais. Porém, também existem
softwares livres. O R é um software livre que abrange muitas técnicas estatísticas e que
está sempre em crescimento por contar com a contribuição contínua dos seus usuários.

Lavaan é um pacote construído para ser utilizado através do software R. Foi

desenvolvido para fornecer aos pesquisadores aplicados, professores e estatísticos, uma
ferramenta totalmente livre com tanta qualidade quanto os softwares comerciais, para
modelagem de variáveis latentes. O pacote está disponível no Comprehensive R Archive
Network (CRAN) em http://CRAN.R-project. org / package = lavaan e também pelo
site http://lavaan.org/.

4.1 O Pacote Lavaan

Lavaan é a sigla para latent variable analysis (análise de variável latente). O

pacote tem o objetivo de fornecer um conjunto de ferramentas que podem ser usadas
para explorar, avaliar e compreender modelos que envolvem variáveis latentes,
incluindo análise fatorial, de equações estruturais, longitudinal, entre outros
(ROSSEEL, 2012).

O pacote foi construído visando alguns aspectos que muitas vezes são essenciais
tanto na Modelagem de Equações Estruturais, quanto na escolha do software. Um dos
aspectos que procura suprir é que geralmente os programas livres para a modelagem não
são intuitivos ou não possuem muitos recursos de análise. O pacote Lavaan tenta
preencher esses objetivos. Como é de fácil obtenção e possui fácil instalação, pode ser
usado por qualquer estudante ou professor em suas aulas. Outro fator atraente é que por
ser um programa livre é interessante para estatísticos que trabalham na área de SEM e
gostariam de programar novas metodologias, pois permite acesso direto ao código do
pacote.

Segundo Rosseel (2012), a necessidade dos pesquisadores de obter um software

comercial para realizar as análises acabou levando muitos a desistir ou mudar
completamente seu objetivo de pesquisa. É lamentável que novos desenvolvimentos na

32
área possam ter se prejudicado pela falta de um software livre ou que pudesse ser
adaptado. É essa a justificativa que o autor utiliza para manter o pacote Lavaan
totalmente livre.

4.2 Especificando Modelos no Lavaan

Os modelos são especificados através de uma sintaxe simples e fácil de entender.
Considere um modelo de regressão simples com uma variável dependente e quatro
variáveis independentes . O modelo de regressão pode ser escrito como:

= + +

onde:

é o intercepto, os betas de 1 a 4 são os coeficientes de regressão para cada

uma das quatro variáveis, e

é o erro residual para a observação i.

Ao construir a mesma equação de regressão acima no ambiente R, obtém-se

então:

y ~ x1+x2+x3+x4

O sinal de til (~) é o operador de regressão. Do lado esquerdo do operador está a

variável dependente (y) e no lado direito as variáveis independentes. O intercepto e o
termo de erro residual não estão explicitamente inclusos na equação. Porém quando
uma função é utilizada ambos são estimados. A lógica é que o termo de erro e o
intercepto são quase sempre parte de um modelo de regressão e não há necessidade de
mencioná-los na fórmula de regressão (ROSSEEL, 2012).

Como na Modelagem de Equações Estruturais tem-se um conjunto de equações

de regressão em que as variáveis independentes (exógenas) em uma equação podem se
tornar dependentes (endógenas) em outra equação, pode-se utilizar o mesmo método
para especificar as equações do modelo de SEM, com uma diferença, as variáveis
latentes devem ser construídas com o operador =~. Na equação abaixo f1, seria uma
variável latente.

33
y1 ~ x1+x2+x3+x4

f1 =~ item1+item2+item3

Lavaan fornece o operador ~~ para indicar variâncias e covariâncias na sintaxe

do modelo. Se o nome ao lado esquerdo do operador é igual ao nome ao lado direto é
uma variância, se os nomes diferem tem-se uma covariância.

Item1 ~~ Item1 # variância

Item1 ~~ Item2 # covariância

A Figura 5 apresenta os operadores utilizados na definição do modelo no pacote

Lavaan.

Tipo Operador
Variável Latente =~
Regressão ~
(Co) Variância Residual ~~
Intercepto ~1
Parâmetro Definido :=
Restrição de Igualdade ==
Restrição de
Desigualdade <
Restrição de
Desigualdade >

Figura 5 – Operadores utilizados na definição do modelo

[adaptado de Rosseel (2012)]

A função cfa() é uma função específica para a análise de modelos fatoriais

confirmatórios. O primeiro objeto da função cfa() é o objeto que contém a sintaxe do
modelo; o segundo é o conjunto de dados que contém as variáveis observadas. A função
cfa() define automaticamente as variâncias e covariâncias das variáveis observadas e
latentes. No exemplo a seguir, a variável latente ‘Visual’ é explicada pelas variáveis
observadas x1, x2 e x3 enquanto a variável latente ‘ Textual’ é explicada pelas variáveis
observadas x4, x5 e x6.

34
HS.model = ~ ‘Visual=~ x1+x2+x3

Textual =~x4+x5+x6’

fit = cfa(HS.model, data=dados)

A função sem() é muito semelhante a função cfa(). Na verdade, as duas são

quase idênticas; mas, segundo Rosseel (2012), isto pode mudar no futuro. Já a função
lavaan() não acrescenta parâmetros adicionais para o modelo, tornando-se
responsabilidade do usuário especificar o modelo corretamente, podendo levar a
extensas sintaxes.

4.3 Resultados dos Modelos

Tanto para a função cfa(), Lavaan() ou sem() existem diversas maneiras para
examinar as estatísticas e parâmetros estimados do modelo ajustado. Talvez a função
sumary() seja a mais útil. Se for chamada sem argumentos extras apresentará um breve
resumo do modelo ajustado juntamente com estimativas dos parâmetros (Rosseel,
2012). Abaixo são abordadas brevemente as funções que apresentam os resultados do
modelo:

summary(): apresenta um longo resumo dos resultados do modelo.

show(): apresenta um breve resumo dos resultados do modelo.

coef(): apresenta as estimativas dos parâmetros livres no modelo.

fitted(): apresenta os momentos implícitos (matriz de covariância e vetor médio)

do modelo.

resid():apresenta os resíduos brutos, normalizados ou padronizados (diferencia

entre momentos implícitos e observados).

vcov(): apresenta a matriz de covariância dos parâmetros estimados.

AIC() e BIC(): apresenta os critérios de informação (se a estimativa de máxima

verossimilhança foi utilizada).

35
 inspect(): mostra a representação interna do modelo, retornando, por padrão,
uma lista de matrizes contendo os parâmetros livres do modelo, mas pode também ser
usada para extrair os valores iniciais, os valores de gradiente, e outros.

As funções de ajuste podem ser enriquecidas com mais informações. Os

argumentos extras que podem ser utilizados são: fit.measures, standardized e rsquare.
Se definidos como TRUE a saída será enriquecida com medidas adicionais, estimativas
padronizadas e os valores de para as variáveis dependentes, respectivamente. Na
Figura 6 e 7 pode-se ver um exemplo onde apenas fit.measures foi definido como
TRUE.

Figura 6. Saída da função summary()

[ROSSEEL,2012].

A saída é constituída por três seções. A primeira seção (as primeiras seis linhas)
contém o número da versão do pacote, uma indicação sobre a convergência do modelo
36
(e em quantas iterações) e o número de observações utilizadas na análise. Em seguida, a
estatística de teste , graus de liberdade e o p-valor são impressos. Se fit.measures =
TRUE, a segunda seção é impressa contendo a estatística de teste do modelo de base
(onde todas as variáveis observadas são assumidas como não correlacionadas) e vários
índices de ajustamento populares. Se a estimativa de máxima verossimilhança é usada,
também haverá informações sobre o Loglikelihood, o AIC e o BIC.

Figura 7. Continuação da saída da função summary()

[ROSSEEL,2012].

37
 A terceira seção apresenta uma visão geral das estimativas de parâmetros,
incluindo o tipo de erros padrão utilizado e se a matriz de informação observada ou
esperada foi utilizada para calcular os erros padrão. Então, para cada um dos parâmetros
do modelo, a estimativa do erro padrão é exibida, os valores de z baseados no teste de
Wald e p-valor.

Embora a função summary() forneça um bom resumo dos resultados do modelo,

é útil apenas para exibição. Uma alternativa é a função parameterEstimates(), que
retorna as estimativas de parâmetros como um data frame, tornando a informação
facilmente acessível para posterior processamento (ROSSEEL,2012). Por padrão, a
função parameterEstimates() inclui as estimativas, erros padrão, valor z, p-valor e os
intervalos de confiança de 95% para todos os parâmetros do modelo.

4.4 Medidas de Ajuste

A função summary() quando utilizada com o argumento fit.measures = TRUE irá

imprimir uma série de medidas de ajuste. Se são necessárias estatísticas de ajuste para
posterior processamento, utilizar diretamente a função fitMeasures() é a melhor
alternativa. O primeiro argumento para fitMeasures() é o objeto contendo o modelo
ajustado e o segundo argumento é um vetor de caracteres contendo os nomes das
medidas de ajuste que se deseja extrair. Por exemplo, se somente é necessário o CFI e
os valores de RMSEA, pode-se utilizar:

Figura 8. Saída da função fit.measures() para os índices de ajuste específicos

(CFI, RMSEA)
[ROSSEEL,2012].

38
 4.5 Análise de Múltiplos Grupos

O pacote Lavaan tem suporte completo para vários grupos SEM. Para solicitar uma
análise em vários grupos, a variável que define os grupos nos dados pode ser chamada
nas funções cfa(), sem() ou Lavaan(). Por padrão, o mesmo modelo é montado em todos
os grupos, sem quaisquer restrições de igualdade sobre os parâmetros do modelo
(ROSSEEL,2012).

A função summary() mostra, nesses casos, um conjunto de estimativas dos

parâmetros para os grupos. Se for preciso impor restrições de igualdade em parâmetros
do modelo através de grupos, pode-se utilizar o argumento group.equal. Por exemplo,
group.equal = c ("loadings", "intercepts") restringe tanto as cargas fatoriais, quanto os
interceptos das variáveis observadas para serem iguais em todos os grupos. Outra
alternativa é utilizar o pacote semTools 0.4 como auxílio, pois facilita a restrição dos
parâmetros.

4.6 Modificação do Modelo

Se o modelo de ajuste não é excelente, pode ser informativo olhar os índices de

modificação e suas correspondentes alterações de parâmetros esperados (EPCs). Em
essência, os índices de modificação fornecem uma estimativa aproximada de como o
teste iria melhorar no modelo se um determinado parâmetro fosse alterado. O
método modificationIndices() (ou modindices()) irá imprimir uma longa lista de
parâmetros como data frame (ROSSEEL,2012). Na saída apresentada na Figura 9 são
mostrados apenas os parâmetros para os quais a modificação índice é de 10 ou superior.

Figura 9. Saída da função modificationIndices()

[ROSSEEL,2012].

39
 4.7 Outros Recursos
O pacote Lavaan 0.5 possui suporte para variáveis categóricas, dados não
normais (Augmented Dickey-Fuller, Satorra-Bentler, bootstrapping), ANOVA, dados
faltantes (missings), igualdade linear e não linear e restrições de desigualdade, efeitos
indiretos e análise de mediação, entre outros. Recomenda-se a leitura de Rosseel (2012)
para obter mais informações de todos os pontos abordados neste Capítulo 4.

40
 5. APLICAÇÕES DA MODELAGEM DE EQUAÇÕES ESTRUTURAIS

Nesta seção serão apresentados alguns exemplos de aplicações de Equações

estruturais utilizando o Software R. São exemplificados os usos das técnicas de
Regressão Linear Multivariada, Análise Fatorial Confirmatória, Análise de Múltiplos
Grupos e, por fim, a Análise de um Instrumento de Medida.

5.1 Regressão Linear Multivariada

Em SEM, Modelos de Regressão Linear tratam-se de modelos hipoteticamente

causais e que relacionam as variáveis observadas do modelo. Os erros de medida, nesse
caso, são considerados desprezíveis, ou seja, as variáveis preditoras são medidas sem
erro. Já as variáveis preditas podem ser medidas com erro, sendo os erros independentes
e identicamente distribuídos. Na análise dos modelos de regressão, assume-se que as
variáveis tem distribuição normal multivariada. Nestas condições, e com uma amostra
de tamanho grande, as estimativas dos parâmetros são eficientes e apresentam
distribuição normal. Nos modelos de Regressão Linear Multivariada assumem-se
relações lineares entre duas ou mais variáveis dependentes (preditas) e duas ou mais
variáveis independentes (preditoras).

Para demonstrar como funciona a Regressão Linear Múltivariada, será utilizado

o banco de dados Amitriptyline adaptado de Marôco (2010) que encontra-se no anexo
A. A amitriptyline é um antidepressivo que está associado a alguns efeitos colaterais,
como arritmia cardíaca, pressão sanguínea anormal e curvas irregulares no
eletrocardiograma. Foram coletadas informações de 17 pacientes que apresentaram
overdose de amitriptyline. Entre as informações coletadas estavam o nível total de
antidepressivos (TTC) e concentração de amitriptyline no plasma (AMI) como variáveis
dependentes. As variáveis independentes são gênero (feminino, masculino), quantidade
de antidepressivos ingeridos (AntiDepr), pressão diastólica (PrDiast), curva PR e curva
QRS (obtidas no exame de eletrocardiograma). Deseja-se avaliar a significância das
variáveis independentes e a capacidade explicativa do modelo.

Com o Pacote Lavaan instalado e o banco de dados ativos no software R, se

define o modelo com a seguinte linha de comando:

41
modelo=' TotTCAD ~ Genero+AntiDepr+PR+PrDiast+QRS

AMI~ Genero+AntiDepr+PR+PrDiast+QRS’

O modelo de regressão deve ficar semelhante ao apresentado na Figura 10. Para

a construção dos gráficos foi utilizado o Pacote semPlot 0.3.3. Como setas unilaterais
indicam relação de causa, pode-se ver na Figura 10 que o modelo definido indica que
cada uma das variáveis dependentes é explicada por todas as variáveis independentes,
ou seja, tanto AMI (concentração de amitriptyline no plasma) quanto TTC (nível total
de antidepressivos) são explicadas por QRS, PrD (pressão diastólica), PR, AnD
(quantidade de antidepressivos ingeridos) e Gnr (gênero).

Figura 10. Modelo de regressão multivariada entre as variáveis dependentes e

independentes.

Para ajustar o modelo utiliza-se a função sem() como pode-se ver abaixo.

fit=sem(modelo, data = dados)

Com o modelo ajustado, é possível obter as estimativas dos coeficientes de

regressão, os valores de para as variáveis dependentes e a correlação entre as

42
variáveis. Para obter essas estatísticas necessita-se de um resumo do modelo que pode
ser obtido através da definição apresentada a seguir.

summary(fit, standardized=TRUE, fit.measures=TRUE, rsquare=TRUE)

Como standardized, fit.measures e rsquare foram definidos com TRUE, medidas

adicionais, estimativas padronizadas e os são apresentados. Na Figura 11 e Figura
12, pode-se ver a extensa saída que o pacote apresenta e, no caso de Regressão Linear
Multivariada, a parte mais importante é apresentada a partir de Regressions.

Figura 11. Saída da função summary() para a Regressão

43
 Figura 12. Continuação da saída da função summary() para a Regressão

Na Figura 12, em R-Square pode-se ver o quanto o modelo ajustado explica das
variáveis dependentes, nesse caso, o modelo explica 88,7% da variabilidade de TotCAD
e 87,6% da variabilidade de AMI. Na última coluna observa-se as estimativas dos
coeficientes de regressão padronizados. Nenhum valor é elevado, o que sugeriria a
existência de multicolinearidade. Deve-se observar que os testes exigidos para que os
resultados da regressão sejam válidos precisam ser realizados, como o cálculo do VIF, a
presença de outliers, normalidade, entre outros.

Na Figura 13 são apresentadas as estimativas dos coeficientes de regressão e as

correlações nos seus devidos caminhos.

44
 Figura 13. Estimativas dos coeficientes de regressão padronizados e correlações no
modelo de regressão linear múltivariada da TotCad e AMI.

Para verificar a significância das trajetórias no modelo utiliza-se a função

parameterEstimates(), cujo resultado é apresentado na Figura 14. Utilizando um
α = 0,05, apenas QRS com AMI não teve um coeficiente significativo (p-valor = 0,121).
Por uma questão de parcimônia os caminhos não significativos podem ser removidos do
modelo (MARÔCO, 2010). Define-se então:

parameterEstimates(fit).

45
Figura 14. Coeficientes não padronizados (est), erros padrão (se), valores z (z) e p-valor
(pvalue) dos testes de significância dos coeficientes do modelo de regressão e
covariâncias.

A significância da covariância entre as variáveis também é merecedora de

atenção, principalmente as covariâncias entre os erros das variáveis dependentes. Na
Figura 14, a covariância entre os erros das variáveis dependentes é mostrado em
TotCad~~AMI, indicando que está é estatisticamente significativa (z = 2,644,
p-valor = 0,008) e a correlação, apresentada na Figura 12, também é significativa.

É possível, então, concluir que o modelo ajustado explica aproximadamente

89% da variabilidade da variável TotCad e 88% da variável AMI. Apenas o coeficiente
de regressão entre a variável explicativa QRS com a variável dependente AMI não
apresentou coeficiente significativo (p-valor = 0,121).

46
 5.2 Análise Fatorial Confirmatória

Como já foi comentado anteriormente a Análise Fatorial Confirmatória na

Modelagem de Equações Estruturais é usada, geralmente, para avaliar a qualidade de
um modelo de medida teórico e a estrutura correlacional observada entre as variáveis
manifestas. De um ponto de vista formal, o modelo geral da Análise Fatorial
Confirmatória é simplesmente o modelo de medida do modelo de equações estruturais.

O banco de dados que será utilizado está no anexo B e foi adaptado de Marôco
(2010) e apresenta uma proposta da medida das preocupações parentais em crianças.
Por se tratar de um banco de dados didático a construção do modelo teórico e obtenção
dos dados ficaram por conta dos autores. Segundo Algarvio, Leal e Marôco (2008), os
principais fatores que dividem essas preocupações são cinco: Problemas familiares e
escolares (PrFE); Problemas para comer, dormir e físicos (PrCD); Preparação para
mudanças (Prpr); Medo; e Pensamentos negativos (PnsN). O objetivo é testar se o
modelo proposto para medir as preocupações parentais se ajusta bem aos dados. A
Figura 15 apresenta a especificação do modelo que se deseja testar.

Figura 15. Modelo Fatorial de Preocupações Parentais em Crianças.

Examinando a Figura 15 podem-se listar algumas características:

1- Existem 5 fatores latentes, indicados pelos círculos: PnsN, Medo, Prpr,

PrCD e PrFE;

47
 2- Os cinco fatores são intercorrelacionados, indicados pelas setas
bidirecionais;

3- Existem 24 variáveis observadas, indicados pelos 24 retângulos (p1-

p24);

4- Cada variável observada carrega um e apenas um fator.

As setas unilaterais representam coeficientes de regressão estrutural, que

indicam o impacto de uma variável na outra. Na Figura 15, essas setas apontando dos
fatores para as suas variáveis observadas sugerem que seus valores são influenciados
por seus respectivos fatores. Já as setas bidirecionais representam as correlações ou
covariâncias entre os pares de variáveis.

Com o propósito da identificação do modelo e escala da variável latente, a

primeira de cada variável observada em cada jogo congenérico (um jogo de medidas é
dito congenérico se cada medida acessa o mesmo construto) de medidas associadas a
cada fator de AC tem como carga fatorial definida o valor 1,0.

Depois de ativar o banco de dados no software R deve-se prosseguir com a

definição do modelo, com os seguintes comandos:

modelo=' PrFE =~ p1+p2+p3+p4+p5+p6

PrCD=~p7+p8+p9+p10+p11+p12

Prpr=~p13+p14+p15

Medo=~p16+p17+p18

PnsN=~p19+p20+p21+p22+p23+p24

Pensamentos negativos (PnsN) é explicado pelas variáveis p24, p23, p22, p21,
p20 e p19. Medo é medido pelas variáveis p18, p17 e p16. Preparação para mudanças
(Prpr) é medida pelas variáveis p15, p14 e p13. Problemas para comer, dormir e físicos
(PrCD) e Problemas familiares e escolares (PrFE) são explicados por p12, p11, p10, p9,
p8, p7 e p6, p5, p4, p3, p2, p1 respectivamente. Assim, o modelo especificado a priori
indica que as preocupações parentais podem ser explicadas por cinco fatores, que cada
item de medida tem carga não zero no fator que foi designado para medir (carga alvo) e

48
carga zero nos demais fatores. Também indica que os cinco fatores de preocupações
parentais são correlacionados.

Para ajustar o modelo utiliza-se a função cfa() por se tratar de uma análise
fatorial confirmatória.

fit = cfa(modelo,data = dados)

Após o ajuste dos dados, obtêm-se, então, as estimativas. Para obter essas
estatísticas necessita-se de um resumo do modelo que pode ser obtido através da função
a seguir. A saída dos dados também é apresentada na Figura 16.

summary(fit, standardized = TRUE)

Quanto à identificação do modelo, obteve-se 48 pesos de regressão, 29 que

foram fixados e 19 livres para serem estimados. Os 29 fixados compreendem o peso de
regressão de cada fator (linha pontilhada de cada fator) mais os 24 termos de erro.
Obteve-se, também, 10 covariâncias (entre os fatores) e 29 variâncias (5 dos fatores e 24
dos erros). No total existem 87 parâmetros dos quais 58 foram estimados. A Figura 16
mostra um resumo geral do modelo que foi testado. Em SEM, os únicos dados com os
quais trabalha-se são as variáveis observadas, e neste caso há 24 variáveis. Baseado na
fórmula [p(p+1)/2], chega-se ao número 300, referente aos momentos amostrais, obtido
pelo cálculo [24(25)/2]. Tem 300 momentos distintos da amostra com os quais são
computadas as estimativas do modelo e 58 parâmetros para serem estimados, deixando
o modelo com 242 graus de liberdade. A partir desta informação conclui-se que o
modelo é overidentified com 242 graus de liberdade.

Ainda na Figura 16, existe uma coluna com as estimativas, erros padrão, valor z,
p-valor, estimativas padronizadas das variáveis latentes e estimativas padronizadas de
todas as variáveis. O método usado na estimação é o Método da Máxima
Verossimilhança. Outra maneira de ver as estimativas de todas as variáveis
padronizadas é olhando o diagrama de caminhos que é apresentado na Figura 17.

49
Figura 16. Saída da função summary() para o modelo de preocupações parentais

50
Figura 17. Modelo Fatorial de Preocupações Parentais com as estimativas padronizadas
e as correlações entre os fatores

Na avaliação do modelo é analisado o quão bem o modelo teórico consegue

reproduzir a estrutura correlacional das variáveis observadas na amostra. Existem
inúmeros índices de avaliação do modelo e estatísticas que podem ser utilizadas e
podem vir de diversas perspectivas. Primeiramente analisa-se a adequação dos
parâmetros estimados.

A plausibilidade é um tópico relevante dentro da análise da adequação dos

parâmetros estimados. Estimativas que saem da amplitude admissível (conforme os
dados) são um claro indicador de que o modelo está errado ou que os dados não trazem
informações suficientes. Conforme a Figura 16, a plausibilidade do modelo está
garantida, pois não existem dados discrepantes (correlações >1 e variâncias negativas).
Quanto à significância das estimativas, a estatística apresentada é a estatística z,
juntamente com o p-valor. Baseado no nível de significância 0,05, o teste estatístico
precisa ser z  1.96 para que a hipótese (de que o parâmetro seja igual à zero) possa ser

rejeitada. Parâmetros que não foram significantes, com exceção das variâncias, podem
ser considerados não importantes ao modelo. Nesse momento é importante ter cuidado,
pois parâmetros não significativos pode ser um indício de que o tamanho da amostra é
muito pequeno (BYRNE, 2001). A Figura 16 indica que as estimativas são todas
razoáveis e estatisticamente significativas.

51
 Ainda na Figura 16 é apresentado um valor do , os graus de liberdade e o
valor de probabilidade com a intenção de fornecer uma ideia geral sobre o ajuste do
modelo. Existem ainda muitas outras informações que devem ser analisadas. A hipótese
nula (H0) do processo de ajuste é que a matriz populacional de covariância (Σ) e a
matriz de covariância restringida pelo modelo (Σ(θ)) são iguais (Σ=Σ(θ)), ou seja, se o
modelo testado condiz com a população.

Nesta etapa, devem-se verificar as estatísticas de ajuste do modelo (Goodness-

of-Fit) que são apresentadas pelo pacote Lavaan. A linha de comando utilizada e a saída
são apresentadas abaixo.

fitMeasures (fit)

Figura 18. Índices de Ajuste do Modelo Fatorial de Preocupações Parentais.

Observa-se na Figura 18 que a informação do (chisq=394,437), graus de

liberdade (df=242) e probabilidade (pvalue<0,001) são apresentados novamente, com
isso rejeita-se a hipótese nula de que a matriz de covariância populacional é igual à
matriz de covariância estimada pelo modelo. Entretanto, como comentado na Seção
3.5.1, o teste é altamente sensível ao tamanho da amostra. Assim, conseguir modelos
hipotéticos bem ajustados onde os valores do são próximos aos graus de liberdade é
muito raro em SEM. Uma alternativa, segundo Arbuckle (2008), é, ao invés de olhar
somente os graus de liberdade, observar a relação ⁄ , onde se H0 do teste de
ajustamento for verdadeira, o valor esperado dos graus de liberdade é igual ao valor
esperado da estatística de teste. Assim, na situação de ajustamento perfeito, ⁄ .

52
Nesse caso, ⁄ , o que, segundo os valores de referência da Figura 4, é
considerado um bom ajustamento.

Outra maneira de contornar essas limitações do teste é verificar os índices de

ajustamento do modelo. Aborda-se os principais índices apresentados na Seção 3.5.2.

GFI (Goodness-of- Fit Index) que explica a proporção da covariância observada

entre as variáveis observadas, explicada pelo modelo ajustado. No caso, gfi = 0,900, que
conforme os valores de referência (0,9 a 0,95) é classificado com um bom ajustamento.

AGFI (Adjusted Goodness-of-fit ) difere do GFI apenas pelo fato de ser ajustado
pelo número de graus de liberdade do modelo especificado (agfi =0,876).

PGFI (Parsimony Goodness-of-fit Index) é um índice que leva em conta o

número de parâmetros estimados do modelo teórico na avaliação geral do modelo. O
modelo apresentou pgfi = 0,726, que conforme os valores de referência (0,6 a 0,8) são
considerados um bom ajustamento.

NFI (Normed Fit Index) avalia a percentagem de incremento na qualidade do

ajustamento do modelo relativamente ao modelo totalmente independente ou ao pior
modelo possível. Valor acima de 0,90 indica bom ajuste do modelo e obteve-se nfi=
0,921.

CFI (Comparative Fit Index) foi criado para corrigir o erro do NFI que
apresentava certa tendência de subestimar o ajuste em amostras pequenas. O modelo
apresentou cfi = 0,968, que conforme os valores de referência (0,9 a 0,95) é considerado
um bom ajustamento.

TLI (Tucker-Lewis Index) apresentou um valor igual a 0,963, que conforme os

valores de referência (0,9 a 0,95) é considerado um bom ajustamento.

RMSEA é um dos critérios reconhecidos como mais explicativos na modelagem

em estruturas de covariâncias, levando em conta o erro de aproximação na população.
Obteve-se RMSEA= 0,046, que conforme os valores de referência (menor ou igual a
0,05) é considerado um bom ajustamento.

Lembra-se que esses índices servem para dar uma ideia de quão bem o modelo
hipotético se ajusta aos dados reais. Deve-se sempre analisar quais índices são mais

53
indicados para o tipo de amostra em analise e que eles sozinhos não garantem a
plausibilidade do modelo. Esse julgamento se dá através de um conjunto de
considerações, teóricas, estatísticas e práticas (LEMKE, 2005).

Para ter certeza de que os dados não estão incorretamente especificados há

algumas maneiras, entre elas, verificar os resíduos padronizados e os índices de
modificação. Como o objetivo é determinar o ajuste entre a matriz de covariância
restrita pelo modelo teórico e a matriz de covariância amostral, pode-se visualizar a
discrepância entre essas matrizes através da matriz residual de covariâncias. A matriz
residual contém [24(25)/2] elementos, ou seja, 300 elementos. Geralmente os resíduos
padronizados são mais utilizados, pois como o valor dos resíduos depende da unidade
de medida das variáveis sua interpretação se torna mais difícil. A fórmula utilizada para
o cálculo dos resíduos padronizados no pacote Lavaan, também utilizada no software
Mplus, é feito segundo a proposta de Hausman’s (1978).

Entretanto, segundo a documentação do Mplus há um problema com a

abordagem de Hausman’s para calcular a variância residual, pois por vezes a variância
apresenta-se negativa e, portanto, o resíduo padronizado não é calculado. Tipicamente,
em tal situação, o resíduo normalizado pode ser usado. Valores absolutos superiores a
1,96 indicam, com 95% de confiança, observações muito discrepantes das outras
observações. As covariância das variáveis p12 e p13, p14 e p9, p13 e p7, p21 e p6, p14
e p2 apresentam discrepância estatisticamente significativa (ver Figura 19).

Resid(fit, type = “normalized”)

54
 Figura 19. Matriz de covariância residual normalizada

Os Índices de Modificação estimam a redução do modelo, se um parâmetro

fixo ou uma restrição de igualdade entre parâmetros for libertado, se os erros de medida
forem correlacionados, se novas trajetórias estruturais forem adicionadas, depois de
considerada a reestimação do modelo e a variação dos graus de liberdade. Refletem a
extensão com que o modelo hipotético está adequadamente descrito. Os Índices de
Modificação podem ser vistos como a estatística χ2 com um grau de liberdade. Todos os
parâmetros livremente estimados automaticamente têm valores MI iguais a zero. Existe
ainda a estatística EPC (expected parameter change), que representa a mudança predita
do parâmetro estimado, nas direções positiva ou negativa, para cada parâmetro fixo no
modelo. Porém seus valores brutos são difíceis de interpretar.

55
 Arbuckle (2009) recomenda que a significância dos índices seja avaliada para
um α=0,05, sendo assim, um Índice de Modificação superior a 4 ( 3,84)
indica uma alteração de um parâmetro do modelo que permite melhorar o ajustamento
com a probabilidade do erro tipo I (concluir que o modelo se ajusta bem quando o
ajustamento é ruim) de 0,001. Porém, por segurança, é melhor modificar os índices
superiores a 11 ( 10,82)

O Lavaan permite pedir os Índices de modificação superiores a 11, conforme

indicado. O resultado é apresentado na Figura 20.

MI=modificationIndices(fit)

subset(MI, mi > 11)

Figura 20. Índices de Modificação

Na Figura 20 pode-se ver os parâmetros com Índice de Modificação maior que

11, também é apresentado os valores de epc, epc padronizado (variáveis latentes
(sepc.lv), todas variáveis (sepc.all), variáveis observadas exógenas (sepc.nox)). O índice
mais alto é a carga fatorial entre Problemas para comer, dormir e físicos (PrCD) com a
variável observada p14 (mi = 20,931 e epc = -0,488). Entretanto a modificação do
modelo só deve ser feita se existirem fundamentos teóricos para isso (MARÔCO,
2010). Olhando apenas para o ponto de vista estatístico, o modelo pode ser modificado
até apresentar um ajustamento quase perfeito, mas sua teoria perde o fundamento.
Sendo assim essas modificações sem fundamento podem fazer com que haja uma
redução da validade do modelo para a população. Deve-se considerar também a
possibilidade de que o modelo reespecificado torne o modelo super-ajustado. O
conhecimento do pesquisador deverá indicar quando parar de ajustar o modelo. A
utilização dos Índices de Modificação deve ser sempre encarada com uma estratégia
exploratória de modelos.

56
 Após o processo de avaliação do modelo, pode-se concluir que o modelo
hipotético com cinco fatores representa adequadamente as preocupações parentais em
crianças. À plausibilidade e significância estatística de todos os parâmetros estimados
foram garantidos, ao bom ajuste dos índices principalmente CFI (0,968) e RMSEA
(0,046).

5.3 Análise de Múltiplos Grupos (Multiple-Group Analyses)

A análise de múltiplos grupos serve para testar se a estrutura do modelo de

medida ou modelo estrutural é equivalente, ou seja, invariante em diferentes grupos ou
populações. Os grupos devem ser mutuamente exclusivos para que não haja repetição
de indivíduos. Muitos pesquisadores utilizam a técnica para testar uma escala
psicométrica em uma população diferente do instrumento que foi validado. O objetivo é
confirmar que o fator se mantém na nova população e que as cargas fatoriais não
diferem significativamente entre as duas populações. Segundo Byrne (2010), outros
objetivos são ver se instrumentos de medida são equivalentes em pessoas com sexo,
idade e habilidades diferentes; identificar se os caminhos definidos em uma estrutura
causal são invariantes entre populações; e verificar se as variáveis latentes são medidas
da mesma forma em diferentes populações.

Segundo Marôco (2010), a análise de múltiplos grupos inicia-se com uma

comparação do ajustamento do modelo aos diferentes grupos simultaneamente,
impondo-se algumas restrições:

i. Pesos fatoriais e covariâncias dos fatores de um modelo de medida para avaliar

se o modelo de medida é igual (invariante) entre os grupos.

ii. Coeficientes estruturais para avaliar se as pretensas relações causais são

invariantes entre os grupos.

iii. Variâncias e covariâncias para avaliar se a estrutura dos resíduos do modelo se

mantém invariante nos grupos (pouco frequente).

Se não existirem restrições aos parâmetros do modelo, a análise de múltiplos

grupos pode ser feita individualmente, um para cada grupo, e a comparação dos

57
parâmetros pode ser feita através de um teste t-student (diferença entre médias) ou um
teste Z para a diferença dos parâmetros considerando as estimativas e erros padrão
assintóticos (MARÔCO, 2010). Com maior frequência na Modelagem de Equações
Estruturais existe mais de um parâmetro restrito no modelo. Deve haver uma
manutenção das restrições dos parâmetros, considerando todos os dados dos grupos em
simultâneo para obter estimativas eficientes dos parâmetros. A análise de variância do
modelo fatorial pretende demonstrar que o modelo é invariante (pesos fatorais e
covariância entre os fatores não diferem significativamente entre os grupos).

Joreskog (1970) propôs a estratégia do teste omnibus4 à invariância do modelo.

Segundo ele, apenas quando rejeita-se o teste é que deve-se verificar a invariância nos
grupos individuais. Se não for rejeitada, o próximo passo é testar a invariância dos
pesos fatoriais do modelo de medida. Esse teste é realizado impondo-se restrições de
igualdade aos pesos fatoriais de todos os grupos. Se a hipótese da invariância fatorial for
rejeitada o processo de comparação dos grupos termina. Caso contrário, deve-se avaliar
a invariância dos fatores específicos. Sendo a estatística de teste, nesse caso, dada pela
diferença dos do modelo com fatores específicos fixos e fatores específicos livres
com graus de liberdade definidos anteriormente.

Segundo Byrne (2001), resultados recentes demonstram que mesmo quando não
se rejeita do teste omnibus possivelmente hipóteses subsequentes referentes aos
modelos de medida ou estruturais de grupos individuais devam ser rejeitadas. Porém
quando se rejeita do teste omnibus pode não ser possível rejeitar das
comparações posteriores. Assim, uma estratégia de analise adequada para confirmar ou
não à invariância do modelo fatorial, segundo Marôco (2010), é:

1. Analisar individualmente os modelos fatoriais de cada grupo, sendo os

parâmetros livres.
2. Analisar conjuntamente os grupos, restringindo os parâmetros do modelo
selecionado no primeiro passo de forma a testar a hipótese de invariância.

4
Testes Omnibus é uma espécie de teste estatístico para saber se a variância explicada em um conjunto
de dados é significativamente maior do que a variação não explicada, em geral. Um exemplo é o teste F
na análise de variância. Por exemplo, num modelo de duas variáveis independentes, se apenas uma
variável exerce um efeito significativo sobre a variável dependente e o outro não, então o teste omnibus
pode ser não significativo. Este fato não altera as conclusões que podem ser tiradas a partir da uma
variável significante.

58
 Essa estratégia permite a estimação eficiente dos parâmetros, impondo restrições
de complexidade crescentes à estrutura fatorial.
Utiliza-se o mesmo banco do exemplo anterior que apresenta uma proposta da
medida das preocupações parentais em crianças, onde os principais fatores que dividem
essas preocupações são cinco: Problemas familiares e escolares (PrFE); Problemas para
comer, dormir e físicos (PrCD); Preparação para mudanças (Prpr); Medo; e
Pensamentos negativos (PnsN), que já foram comentados anteriormente. A intenção é
testar se a estrutura fatorial proposta é invariante para meninos e meninas. Para isso
avalia-se a plausibilidade do modelo de medida ajustado aos dois grupos e estuda-se a
invariância em relação aos pesos fatoriais e correlações. O banco de dados possui
informações para 153 meninos e 149 meninas. O modelo é o mesmo apresentado na
Figura 15.

Depois de ativar o banco de dados no software R, deve-se prosseguir com a

definição do modelo, que será dada abaixo e tem a mesma definição do exemplo da
Analise Fatorial Confirmatória, feito anteriormente.

modelo=' ProblemasFamiliaresEscolares =~ p1+p2+p3+p4+p5+p6

ProblemasComerDormir=~p7+p8+p9+p10+p11+p12

Preparacao=~p13+p14+p15

Medo=~p16+p17+p18

PensamentoNegativo=~p19+p20+p21+p22+p23+p24'

Sendo assim, como anteriormente, tem-se que o modelo especificado a priori

indica que as preocupações parentais podem ser explicadas por cinco fatores, que cada
item de medida tem carga não nula no fator que foi designado para medir (carga alvo) e
carga nula nos demais fatores. Também indica que os cinco fatores de preocupações
parentais são correlacionados.

Para ajustar o modelo utiliza-se a função cfa() por se tratar de uma análise
fatorial confirmatória entre grupos, conforme apresentado abaixo.

fit = cfa(modelo,data = dados, group = "Sexo")

Como quer se analisar a invariância entre os grupos, deve-se definir a separação

dos dados (group), no caso, a variável utilizada para separação é a variável “Sexo”. É

59
importante ressaltar que no banco de dados o número 1 indica sexo masculino e o
número 2 sexo feminino, portanto o grupo 1 é o grupo dos meninos e o grupo 2 é o
grupo das meninas. Com o modelo ajustado pode-se obter as estimativas do modelo.
Para obter essas estatísticas necessita-se de um resumo do modelo que pode ser obtido
através da definição a seguir. A saída é apresentada a seguir, na Figura 21.

summary(fit, standardized = TRUE)

A Figura 21 apresenta o número de iterações necessárias para o modelo

convergir, o número de observações por grupo (153 meninos e 149 meninas), o método
de estimação, no caso, método de máxima verossimilhança, a estatística de teste
(705,573), os graus de liberdade (484) e o p-valor (<0,001). Essas informações são
dadas para o modelo de meninos e meninas em simultâneo. Logo em seguida as
informações das estimativas, erros padrão, valor z, p-valor, estimativas padronizadas,
covariâncias e variâncias primeiro para o grupo 1 (meninos) e depois para o grupo 2
(meninas), observado na sequência dos resultados, apresentados nas Figura 22 e 23.

60
Figura 21. Saída da função summary() para o modelo de preocupações parentais de
meninos e meninas.

61
 Figura 22. Continuação da saída da função summary() para o modelo de preocupações
parentais de meninos e meninas.

Deve-se atentar para a avaliação do modelo, garantindo a plausibilidade dos

parâmetros estimados, e também a plausibilidade do modelo como um todo, como visto
e garantido no exemplo anterior. Na Figura 23 tem-se a continuação da saída summary
() para o grupo 2 (meninas).

62
 Figura 23. Continuação da saída da função summary() para o modelo de preocupações
parentais de meninos e meninas.

A Figura 23 apresenta as informações das estimativas, erros padrão, valor z, p-

valor, estimativas padronizadas e covariâncias para as meninas (grupo 2). As variâncias
para o grupo 2 também são apresentadas .

63
 As informações apresentadas anteriormente para os dois grupos são resumidas
na Figura 24 e na Figura 25.

Figura 24. Modelo Fatorial de Preocupações Parentais em meninos (grupo 1). Apresenta
as estimativas padronizadas e as correlações entre os fatores.

Figura 25. Modelo Fatorial de Preocupações Parentais em meninas (grupo 2).

Para prosseguir com a análise de invariância, deve-se olhar os índices de

ajustamento do modelo em simultâneo para meninos e meninas e identificar se ele está
bem ajustado ou não. Nesse caso olha-se como índices chaves o , CFI, RMSEA,

64
PCFI, GFI. Para isso utiliza-se a função abaixo, cujo resultado é apresentado na Figura
26.

fitMeasures(fit, c("chisq","df","cfi","pcfi", "gfi", "rmsea"))

Figura 26. Saída da função fitMeasures()

Analisando os índices pode-se ver que a relação /gl = 1,45, olhando os valores
de referência da Figura 4, é um valor considerado como bom ajustamento. Já o CFI
(Comparative Fit Index) que é a razão entre o ajustamento do modelo em estudo e o
ajustamento do pior modelo possível, indica ajustamento muito bom (cfi=0,954). O GFI
(Goodness-of- Fit Index), que explica a proporção da covariância observada entre as
variáveis observadas, explicada pelo modelo ajustado, indica que o modelo tem um bom
ajustamento (gfi=0,947) e por último o RMSEA, um dos mais reconhecidos e
importantes critérios, com um valor igual a 0,055, apontando também bom ajustamento.

Como o modelo parece estar corretamente ajustado, em simultâneo para meninos

e meninas, pode-se prosseguir com as análises (BYRNE, 2001). Na análise de
invariância entre os grupos, verifica-se se os pesos fatoriais e as correlações são
invariantes entre meninos e meninas, ou seja, se a importância de cada fator é igual
entre os grupos.

Deve-se proceder as análises, realizando restrições sobre parâmetros

particulares, isto é, especificar os parâmetros como sendo invariantes (equivalentes em
todos os grupos). Como foi comentado na seção 4.5 utilizar-se-á o pacote semTools 0.4
para facilitar a restrição dos parâmetros. A função measurementInvariance () fornece a
comparação entre 5 modelos, eles são:

Modelo 1: A mesma estrutura fatorial é imposta a todos os grupos.

Modelo 2: As cargas fatoriais são obrigadas a serem iguais em todos os grupos.

Modelo 3: As cargas fatoriais e interceptos (interceptos das variáveis

observadas) são definidos iguais em todos os grupos.

65
 Modelo 4: As cargas fatoriais, interceptos e variâncias residuais são definidos
iguais em todos os grupos.

Modelo 5: As cargas fatoriais, interceptos, variâncias residuais e as medias

(interceptos/médias das variáveis latentes) são definidos como iguais em todos os
grupos.

Cada vez que um modelo mais restrito é definido, um teste da diferença entre os
dos modelos é avaliado, comparando o modelo atual com o anterior, e comparando o
modelo atual com o modelo base (Modelo 1). O primeiro modelo que aparece nas
comparações é o modelo que é assumido como correto, por exemplo, Model 1 versus
Model 2, o Modelo 1 (modelo livre) é assumido como correto. Além disso, a diferença
de CFI é também relatada (delta.cfi). Em seguida a função e a saída são apresentadas.

measurementInvariance(modelo, data = dados, group = "Sexo",strict=TRUE)

Observando a Figura 27, pode-se ver a comparação entre o Modelo 1 e o Modelo

2 (Model 1 versus Model 2) mostrando os graus de liberdade (delta.df =19), a diferença
entre os (delta.chisq = 27,731) e o p-valor (delta.p.value =0,089). Com p-valor=0,089
não rejeita-se a hipótese nula de que o modelo com as cargas fatoriais fixas se ajusta tão
bem aos dois grupos quanto o modelo com os pesos fatoriais livres. Assim, está
demonstrada a invariância das cargas fatoriais nos dois grupos.

66
 Figura 27. Saída da função measurementInvariance()

A comparação entre ajustamento do Modelo 1 e ajustamento do Modelo 3 se dá

na parte da saída indicada como Model 1 versus Model 3, que é a comparação entre o
modelo livre com o ajustamento do modelo com cargas fatoriais e interceptos fixos.
Obtém-se, nesta comparação, que delta.df=38, delta.chisq=51,197 e delta.p.value
=0,075. Também não se rejeita a hipótese nula nessa comparação, ou seja, a hipótese de
que as qualidade de ajustamento do modelo livre e do modelo com cargas fatoriais e
interceptos fixos não diferem significativamente. Já a comparação do Modelo 1 com o
Modelo 4 e do Modelo 1 com o Modelo 5, compara o modelo livre com o modelo de
cargas fatoriais, interceptos e variâncias residuais fixos e com o modelo de cargas

67
fatoriais, interceptos, variâncias residuais e medias fixas. Sendo delta.df=62,
delta.chisq=110,636 e delta.p.value=0,000 para a primeira comparação e delta.df=67,
delta.chisq=111,337 e delta.p.value=0,009 para a segunda comparação. Pode-se
concluir, então, que a qualidade do ajustamento desses dois modelos é
significativamente diferente. Porém essa hipótese é considerada muito restritiva e
geralmente é ignorada no estudo da invariância (MARÔCO,2010). A invariância para
meninos e meninas fica assim demonstrada.

Quando o Modelo 2 é considerado o correto em comparação com o Modelo 3

(Model 2 versus Model 3) o delta.p.value =0,217 indica ausência de diferenças
significativas entre a qualidade do ajustamento do modelo com pesos fatoriais fixos e o
modelo com pesos fatoriais e interceptos fixos. As outras duas comparações, Model 3
versus Model 4 (delta.p.value =0,000) e Model 4 versus Model 5 (delta.p.value=0,983)
são muito restritivos e de uma forma geral a análise de invariância não requer a
invariância dos erros. A estratégia de análise vai dos modelos mais simples (livres) para
os modelos mais complexos (todos os parâmetros fixos).

5.4 Análise de um Instrumento de Medida

Nesta seção é realizada a análise do instrumento de medida utilizado na tese de

doutorado “A Prática do Marketing de Relacionamento e a Retenção de Clientes: um
estudo aplicado em um ambiente de serviços” de Gabriel Sperandio Milan. A orientação
a relacionamentos de longo prazo ultrapassa toda a organização, influenciando as
interações com os clientes, antes, durante e depois da venda. Por isso é fundamental que
esse relacionamento seja entendido com uma competência que estabelece um diferencial
para as empresas em um ambiente cada vez mais competitivo (MILAN,2006). É
abordada a estratégia de retenção de clientes por meio da prática do marketing de
relacionamento no ambiente de serviços, tendo um caráter exploratório por se tratar de
um estudo que busca o melhor ajuste em relação aos dados, e não o teste de apenas um
modelo.

Na construção do modelo teórico é necessário o levantamento de informações

que constituirão o embasamento da pesquisa. Baseando-se nessas informações, o
pesquisador constrói o modelo teórico que será testado e confirmará ou não a relação

68
entre as variáveis do modelo. Segundo Milan (2006), muitos autores foram consultados
em relação à construção dos constructos teóricos a fim de medir a retenção de clientes.
Os dados foram obtidos em uma empresa do Rio Grande do sul, mais
especificamente localizados na região Nordeste do Estado e na Grande Porto Alegre
pela representatividade em sua carteira de clientes, tanto em relação ao número de
clientes, quanto ao volume de negócios gerados. A amostra foi então definida por
conveniência (amostragem não probabilística) baseando-se no julgamento do
pesquisador. É importante salientar que a utilização de uma técnica de amostragem não
probabilística pode acabar gerando um viés na amostra em relação à representatividade
das características e percepções dos clientes. Entretanto, segundo Milan (2006), mesmo
com estas ressalvas a técnica de amostragem adotada é adequada à pesquisa, impressão
esta compartilhada com a empresa.
O questionário utilizado foi elaborado e aplicado pelo autor, com o cuidado de
garantir que as perguntas feitas construíssem exatamente os construtos que deveriam ser
analisados. Foi realizada também uma validação do instrumento de coleta de dados e
pré-teste do mesmo. Segundo Milan (2006) os fatores que envolvem a prática do
marketing na retenção de clientes são cinco: Satisfação, Valor, Reputação, Confiança e
Fidelidade. O objetivo foi testar se o modelo de medida proposto para medir a retenção
de clientes se ajusta bem aos dados. Na Figura 29, pode-se ver a especificação do
modelo que se deseja testar.
Examinando o diagrama, percebem-se algumas características evidentes.
Observam-se os cinco fatores latentes, indicados pelos círculos (Fidelidade, Confiança,
Reputação, Valor e Satisfação). Os cinco fatores são intercorrelacionados, indicados
pelas setas bidirecionais. São 30 variáveis observadas, indicados pelos retângulos (p1-
p30), onde cada variável observada carrega um e apenas um fator. O fator Satisfação é
medido pelas variáveis observadas de 1 até 6, Valor é medido pelas variáveis de 7 até
10, Reputação é medido pelas variáveis de 11 até 15, Confiança e Fidelidade são
medidos pelas variáveis de 16 até 24 e 25 até 30, respectivamente.

69
 Figura 28. Diagrama de caminho do modelo de retenção de clientes.

A cada variável observada é associado um termo de erro, que é o omitido no

diagrama de caminhos. Esses erros podem ser de medida ou erro derivado de alguma
característica específica particular da variável observada, que não é aleatório. Para a
identificação do modelo, a primeira de cada variável observada em cada conjunto de
variáveis pertencente a um fator de análise fatorial confirmatória tem como carga
fatorial definida o valor 1,0 (linha pontilhada), e os erros também são fixos.

Analisando o modelo, pode-se ver que há 60 pesos de regressão, 35 que foram

fixados (peso de regressão de cada fator e 30 termos de erro) e 25 livres para serem
estimados. Há também 10 covariâncias (entre os fatores) e 35 variâncias (5 dos fatores e
30 dos erros). Ao todo são 105 parâmetros, dos quais 70 foram estimados. Utiliza-se a
fórmula [p(p+1)/2], para obter os momentos amostrais, obtendo-se 465 momentos
distintos da amostra e 70 parâmetros para serem estimados, deixando o modelo com 395
graus de liberdade, ou seja, tem-se um modelo overidentified.

Depois de ativar o banco de dados no software R prossegue-se com a definição

do modelo, conforme apresentado a seguir.

70
modelo=' Satisfacao =~ p1 + p2 + p3 + p4 + p5 + p6

Valor =~ p7 + p8 + p9 + p10

Reputacao =~ p11 + p12 + p13 + p14 + p15

Confianca=~ p16 + p17 + p18 + p19 + p20 + p21 + p22 + p23 + p24

Fidelidade=~ p25 + p26 + p27 + p28 + p29 + p30'

As Equações estruturais que constituem esse modelo podem ser vista abaixo. É
interessante reforçar, que cada equação possui uma carga fatorial diferente em relação a
variável latente.

p1 = Satisfação + e1 p11 = reputação + e11 p21 = confiança + e21

p2 = Satisfação + e2 p12 = reputação + e12 p22 = confiança + e22

p3 = Satisfação + e3 p13 = reputação r + e13 p23 = confiança + e23

p4 = Satisfação + e4 p14 = reputação + e14 p24 = confiança + e24

p5 = Satisfação + e5 p15 = reputação + e15 p25 = fidelidade + e25

p6 = Satisfação + e6 p16 = confiança + e16 p26 = fidelidade + e26

p7 = valor + e7 p17 = confiança + e17 p27 = fidelidade + e27

p8 = valor + e8 p18 = confiança + e18 p28 = fidelidade + e28

p9 = valor + e9 p19 = confiança + e19 p29 = fidelidade + e29

p10 = valor + e10 p20 = confiança + e20 p30 = fidelidade + e30

Para ajustar o modelo utiliza-se, novamente, a função cfa():

fit = cfa(modelo,data = dados)

A função summary (), já utilizado algumas vezes ao longo do trabalho, traz as

estimativas do modelo que são apresentadas na Figura 29.

summary(fit, standardized = TRUE)

71
Figura 29. Saída da função summary() para o modelo de retenção de clientes.

72
 Figura 30. Continuação da saída da função summary() para o modelo de retenção de
clientes

Na Figura 29, observa-se que a amostra é constituída por 263 casos, o valor do
é igual a 1598,909 e o modelo possui 395 graus de liberdade. Como foi apresentado
na seção 3.2, o recomendado pelos autores é que o modelo tenha de 5 a 10 casos por
parâmetro o que não acontece, pois existem 70 parâmetros a serem estimados. O
método usado na estimação é o Método da Máxima Verossimilhança.

Precisa-se verificar a significância das estimativas dos parâmetros. Na Figura 29

e 30 pode-se ver as estimativas, erros padrão, valor z e p-valor para avaliar a
significância dos parâmetros. Outra maneira de ver as estimativas é diretamente no
diagrama de caminhos, apresentado na Figura 31.

73
 Figura 31. Diagrama de caminhos para o modelo de retenção de clientes com as
estimativas padronizadas e correlações.

A plausibilidade do modelo está garantida, pois não existem dados discrepantes,

correlações >1 e variâncias negativas apresentadas na Figura 29 e 30. Quanto à
significância das estimativas, a estatística apresentada é a estatística z e p-valor para
estatística z também é apresentado. Baseado no nível de significância 0,05, tem-se que
as estimativas são todas razoáveis e estatisticamente significativas.

Deve-se agora olhar para as estatísticas de ajuste do modelo (Goodness-of-Fit)

que são apresentadas pelo pacote Lavaan. Como visto anteriormente existem muitos
critérios e índices de ajuste do modelo. O valor do é igual a 1598,909 e o modelo
possui 395 graus de liberdades e p-valor < 0,001. Como comentado anteriormente pelo
fato do teste ser sensível ao tamanho da amostra olha-se a relação ⁄ , que nesse
caso é igual a 4,04 e, baseando se nos valores de referência da Figura 4, tem-se um
ajustamento razoável. As estatísticas de ajuste são apresentadas na Figura 32.

fitMeasures (fit)

74
 Figura 32. Índices de ajustamento do modelo

Analisando os principais índices tem-se, RMR = 0,068, GFI = 0,690, AGFI =

0,635, PGFI = 0,586, NFI=0,850, CFI=0,882, TLI =0,870 e RMSEA =0,108. Esses
índices indicam que há um ajustamento ruim do modelo, e, portanto ele deve ser
especificado novamente. Utiliza-se o auxílio dos Índices de Modificação para mudar o
modelo conforme os valores que diminuem o . Como preferencialmente os Índices de
Modificação devem ser maiores que 11, solicita-se que apenas os índices maiores que
esse valor sejam exibidos. Os resultados são apresentados na Figura 33.

MI=modificationIndices(fit)

subset(MI, mi > 11)

75
Figura 33. Índices de Modificação

76
 Na Figura 33, o valor destacado na linha 58 indica um Índice de Modificação de
90,872, o maior entre os índices encontrados, significa que se colocarmos covariância
entre o erro das questões p20 e p19 baixaria pelo menos o valor do χ2. A estimativa
desse novo parâmetro incorporado ao modelo seria de aproximadamente 0,209. O
segundo maior dentre esses valores é o apresentado na linha 69, com um índice de
81,145 entre as questões p28 e p29 e a estimativa desse novo parâmetro incorporado ao
modelo seria de aproximadamente 0,511. Os valores para p1 e p2 são 66,966 e 0,087.
Os Índices de Modificação foram retirados um a uma para garantir que com a mudança
de um índice o segundo mais relevante não mudaria.

Qualquer modificação exige que as mudanças sejam plausíveis, ou seja, façam

sentido teórico. Como o trabalho mede a retenção de clientes através de cinco fatores
que são “parecidos” as questões podem ao mesmo tempo medir um ou outro fator.
Portanto modifica-se o modelo, no caso, optou-se por modificar apenas os 3 maiores
valores do Índice de Modificação, e depois se avalia o novo modelo. O novo modelo
está definido abaixo.

Modelo2=' Satisfacao =~ p1 + p2 + p3 + p4 + p5 + p6

Valor =~ p7 + p8 + p9 + p10

Reputacao =~ p11 + p12 + p13 + p14 + p15

Confianca=~ p16 + p17 + p18 + p19 + p20 + p21 + p22 + p23 + p24

Fidelidade=~ p25 + p26 + p27 + p28 + p29 + p30

p19~~p20

p28~~p29

p1~~p2'

Com o novo modelo ajustado as mudanças que se obteve nos índices de ajuste
foram uma queda no χ2 (1356,315), os graus de liberdade (392). A relação entre os graus
de liberdade e o χ2 ainda está alto. Alguns índices como o CFI (de 0,882 para 0,906), o
GFI (de 0,690 para 0,735), o TLI (0,870 para 0,895) e o RMSEA (0,108 para 0,097)
apesarem de terem melhorado ainda não apresentam um ajustamento bom o suficiente.
Ver Figura 34.

77
 Figura 34. Índices de ajustamento do modelo 2.

Recorrendo novamente aos Índices de Modificação na Figura 35.

Figura 35. Índices de modificação do modelo 2

78
 Na Figura 35, existem 9 valores destacados, são apenas os Índices de
Modificação mais altos das covariâncias. Com os índices de modificação podem se
alterar quando há uma mudança no modelo, irá se verificar o Índice de Modificação a
cada relação alterada para garantir que essas são as relações que devem ser
remodeladas. Isso será feito até o modelo apresentar um bom ajustamento, sempre se
atenta à plausibilidade do modelo. Após a inserção da correlação entre os erros das
variáveis observadas p8 e p9, o novo índice mais alto apresentado é a relação p9 e p10 e
o modelo ainda não está com um ajustamento suficientemente bom. Após a modificação
do modelo com a inserção da correlação entre p9 e p10, tem-se a modificação p13 e
p17, p16 e p17, p28 e p30, p29 e p30, p17 e p24, p24 e p26, p1 e p4 respectivamente,
podem-se ver que alguns índices foram mais relevantes que outros conforme as
mudanças.

O modelo final é apresentado logo abaixo.

Modelo final=' Satisfacao =~ p1 + p2 + p3 + p4 + p5 + p6

Valor =~ p7 + p8 + p9 + p10

Reputacao =~ p11 + p12 + p13 + p14 + p15

Confianca=~ p16 + p17 + p18 + p19 + p20 + p21 + p22 + p23 + p24

Fidelidade=~ p25 + p26 + p27 + p28 + p29 + p30

p19~~p20

p28~~p29

p1~~p2

p8~~p9

p9~~p10

p13~~p17

p16~~p17

p28~~p30

p29~~p30

p17~~p24

p24~~p26

p1~~p4'

79
 Com o novo modelo especificado os índices de ajuste sofreram uma melhora
(Figura 36).

Figura 36. Índices de ajustamento do modelo final.

Com o novo modelo ajustado as mudanças que obteve-se nos índices de ajuste
foi uma queda no χ2 (1069,671) e os graus de liberdade (382). A relação entre os graus
de liberdade e o χ2 melhorou ( ⁄ = 2,79). Os valores dos índices CFI (0,933), GFI
(0,791), TLI (0,924) melhoraram, porém o valor do RMSEA (0,083) ainda não é
satisfatório. Como ainda não chegou-se a um bom ajustamento do modelo, deve-se
verificar a significância das estimativas dos parâmetros incluídos no modelo, ou seja, as
covariâncias. Nas Figuras 37 a 39 todos os p-valores, inclusive das covariâncias entre os
termos de erro são significativos.

80
Figura 37. Informações básicas do modelo e estimativas.

81
Figura 38. Continuação das estimativas do modelo.

82
 Figura 39. Continuação das estimativas do modelo.

Como foi visto na seção 5.2 pela limitação do cálculo da covariância dos
resíduos padronizados no pacote Lavaan, utiliza-se os resíduos normalizados.

83
Figura 40. Matriz de covariância residual normalizada

84
 A matriz residual apresentou apenas poucos casos maiores que 1,96 mas bem
próximos a 1,96, não apresentando maiores problemas. Finalmente o modelo para medir
a retenção de clientes foi definido com algumas diferenças do modelo original,
covariâncias entre as questões do questionário, cinco variáveis latentes e 30 variáveis
observadas. O modelo final pode ser visto na Figura 42. Algumas correlações não
aparecem no modelo por conta da proximidade das variáveis observadas.

Figura 42. Diagrama de caminhos para o modelo final de retenção de clientes com as
estimativas padronizadas e correlações

85
 6. CONSIDERAÇÕES FINAIS

A Modelagem de Equações Estruturais (SEM) é um conjunto de técnicas

estatísticas multivariadas que inclui análise de trajetória e análise fatorial integrando-as
em modelos completos de regressão estrutural, estimando, simultaneamente, os
parâmetros de uma série de equações de regressão linear que, embora separadas são
interdependentes. O primeiro passo é a especificação do modelo, o qual deve possuir
profundas raízes teóricas. A especificação inicial pode tomar a forma de um diagrama
ou de uma sequência de equações. A técnica é de natureza confirmatória, em que o
pesquisador tem o objetivo de avaliar modelos através dos índices de ajuste que
verificam se a estrutura de variância e covariância da matriz de dados gerados pela
amostra é consistente com a estrutura do modelo do pesquisador.

Existem diversos softwares que abordam a técnica de equações estruturais sendo

em sua maioria comerciais. O objetivo principal deste trabalho foi desenvolver a técnica
através do software livre R que é muito utilizado no meio estatístico. Para tanto foi
utilizado o pacote Lavaan 0.5, que além de ser de programação intuitiva apresenta uma
solução completa para a análise dos modelos, como estimativas dos parâmetros com
suas significâncias estatísticas, índices de ajuste do modelo, matriz residual e índice de
modificação.

Entre os objetivos específicos estava a exploração da forma prática das várias

utilizações do uso de Equações Estruturais explicitando as etapas de utilização para cada
uma das técnicas. Ao longo do trabalho foram analisados modelos de Equações
Estruturais que abordam algumas técnicas como Regressão Multivariada, Análise
Fatorial Confirmatória e Análise de Múltiplos Grupos.

No desenvolvimento deste assunto sentiu-se falta de um material de apoio

devido à carência de recursos bibliográficos da Modelagem de Equações Estruturais no
pacote Lavaan. Houve também dificuldades de encontrar referências bibliográficas que
tivessem fundamentação teórica mais completa para algumas técnicas de apoio.

Algumas técnicas de Modelagem de Equações Estruturais não foram

contempladas neste trabalho ficando como sugestão para outros estudos, como Modelo
de Crescimento Latent (growth curve models) e Análise Fatorial de Segunda Ordem.

86
Pode-se também estender a modelagem para além do modelo de medida, analisando-se
o modelo estrutural.

87
 REFERÊNCIAS BIBLIOGRÁFICAS

ALGARVIO, S., LEAL, I., MAROCO, J., & MORENO,M. Parental Concerns:
Comparative Study between a group of Portuguese Parents and a group of Mozambican
Parents. Internacional Journal of Developmental and Educational Psychology, 1 (4),
199-208, 2008.

ARBUCKLE, J. L. AMOS 17 users’ guide. Chicago, IL: SPSS, 2008.

ARBUCKLE, J. L. AMOS 18 Reference Guide (Version 18) [Computer software].

Chicago, IL: SPSS Inc., 2009.

BENTLER, P. M. EQS – Structural Equations Program Manual. University of

California, Los Angeles, 1995a.

BENTLER, P. M., & WU, E. J. C. EQS for Windows: User’s Guide Encino, CA:
Multivariate Software, Inc., 1995b.

BROWNE, M., & CUDECK, R. Single Sample Cross-validation Indices for Covariance
Structures. Multivariate Behavioral Research,24, 445-455, 1989.

BOLLEN, K. A. Structural Equations with Latent Variables. John Wiley & Sons, New
York, 1989.

BYRNE, B. M. Structural Equation Modeling With Amos: Basic Concepts,

Applications, and Programming (Multivariate Applications Series). Lawrence Erlbaum
Associates, New Jersey. 2001.

HAIR, J. F., ANDERSON, R. E., THATHAN, R. L. & BLACK, W. C. Análise

Multivariada de dados. 5 ed. Bookman, Porto Alegre, 2005.

JORESKOG, K. G. A general method for the analysis of covariance structures.

Psychometrika, 34, 183-202 , 1970.

LEMKE, C., Modelos de Equações Estruturais com Ênfase em Analise Fatorial

Confirmatória no Software AMOS. Universidade Federal do Rio grande do Sul,
Instituto de Matematica, Departamento de Estatística. Monografia. Porto Alegre, 2005.

MAROCO, J. Análise de Equações Estruturais: Fundamentos teóricos, Software &

Aplicações. Report number, Pêro Pinheiro, 2010.

88
MILAN, G. S. A prática do Marketing de Relacionamento e a Retenção de Clientes:
Um Estudo Aplicado em um Ambiente de Serviços, Universidade Federal do Rio
Grande do Sul, Escola de Engenharia, Programa de Pós-Graduação em Engenharia de
Produção. Tese. Porto Alegre, 2006.

OLSSON, U. H, TROYE, S. V., & HOWELL, R. D. Theoretic fit and empirical fit:
The performance of maximum likelihood versus generalized least squares estimation in
structural equation models. Multivariate Behavioral Research, 34(1), 31-59,1999.

ROSSEEL, Y., Lavaan: An R Package for Structural Equation Modeling. Journal of

Statistical Software, 2012.

ROSSEEL, Y., The Lavaan tutorial. Departament of Data Analysis, Ghent University.
Belgium, 2013.

SANTOS, R. B. Modelos de Equações Estruturais, Universidade Federal do Rio

Grande do Sul, Instituto de Matemática, Departamento de Estatística. Monografia.
Porto Alegre, 2002.

SILVA, J. F. Modelagem de equações estruturais : apresentação de uma metodologia,

Universidade Federal do Rio Grande do Sul, Escola de Engenharia, Programa de Pós-
Graduação em Engenharia de Produção. Tese. Porto Alegre, 2006.

89