Benefícios da modelação de equações estruturais: Ilustração com variáveis ordinais no LISREL

Abstract

A década de 1980 trouxe uma virtuosa mudança de paradigma (Kuhn, 1970; conceito aqui tomado não no sentido alargado de matriz disciplinar mas, mais estritamente, de um conjunto de práticas discursivas mediadas pela instrumentação) na análise de dados multivariados em ciências sociais, nomeadamente em psicologia. O aparecimento e disseminação da IADM de segunda geração nessa década suscitaram dois benefícios primordiais: o da primazia atribuída à teoria substantiva, enquanto norteadora da investigação empírica, e o da primazia atribuída à teoria dos dados e da estimação estatística, pela importância atribuída ao erro de distribuição e de medição – aleatório ou sistemático – na interpretação dos resultados dessa investigação. Estes dois benefícios gerais puderam ser desdobrados nos cinco casos particulares que atrás foram apresentados, dois deles ilustrados com estudos originais relativos à estimação e teste de MEE com variáveis observadas ordinais. Nestes dois estudos o foco metodológico foi colocado na operacionalização dos construtos e na correspondente adequação das variáveis observadas que os representam, sempre atendendo ao erro de medição derivado, entre outros fatores, à sua natureza métrica. Sabemos que muitos dos testes de desempenho e de questionários possuem itens com escalas ordinais. Ora, este tipo de escalas exige uma parametrização particular para garantir a verosimilidade das conclusões estatísticas derivadas da estimação e teste de modelos que as contemplam. E aqui evoca-se o Benefício 1 e a sua ilustração, na qual se procedeu à comparação entre a AFE com o SPSS e a AFC com o AMOS e com o LISREL. Demonstrou-se que este último programa, através da ABLN (Jöreskog, 2005) com o robusto 2 de Satorra e Bentler (1994), foi o que evidenciou o melhor desempenho, acomodando o dinamismo entre teoria, modelos e natureza dos dados. Nesta incursão pelas virtudes da utilização da IADM de segunda geração, foi também possível demonstrar que com os fatores devidamente especificados e identificados é possível estimar a sua relação, desatenuada para o erro de medição, em modelos fatoriais hierárquicos de elevada complexidade, perseguindo o ideal de unificação das teorias, como se constatou através do Benefício 2 e respetiva ilustração. Por último, também se destacou o potencial IADM de segunda geração para incrementar processos de generalização de validade através de estudos com grupos múltiplos e de estudos diacrónicos (ver Benefício 3), para testar simultaneamente relações de ação e retroação em modelos não-recursivos (ver Benefício 4) e para testar simultaneamente relações diretas e indiretas em modelos de mediação (ver Benefício 5). Deve destacar-se, ainda, que os benefícios apresentados resultam do aperfeiçoamento técnico-teórico-empírico dos MEE. Melhorou-se a relação da estrutura técnica (matemática-estatística) com a estrutura conceptual (teoria substantiva) através da evidência empírica decorrente da prática de recolha e legitimação dos dados enquanto parte integrante das teorias (teste e valor heurístico).