Modelo de Equações Estruturais

Slides:



Advertisements
Apresentações semelhantes
ANÁLISE MULTIVARIADA DE DADOS
Advertisements

Correlação e Regressão
Estatística amintas paiva afonso.
Prof. Darlan Marcelo Delgado
ANÁLISES DE REGRESSÃO.
Analise de Regressão Parte 2.
Análise de Variância da Regressão
MÉTODOS QUANTITATIVOS
TESTE PARA ESTRUTURA ESPECIAL DE CORRELAÇÃO
PROJETO DE PESQUISA  dois componentes 1. O QUE SE QUER SABER
METODOLOGIA CIENTÍFICA
VALIDADE Pontifícia Universidade Católica de Goiás Departamento de Psicologia Avaliação, Métodos e Medidas Profª. Ms. Juliany Gonçalves Guimarães.
MÉTODO CIENTÍFICO.
Modelos de Regressão Múltipla.
Regressão Linear Aula 09 Prof. Christopher Freire Souza
MANOVA Análise de variância multivariada
MB751 – Modelos de previsão
ANÁLISE DE SÉRIES DE TEMPO
ANÁLISE DE REGRESSÃO UM GUIA PRÁTICO.
EXERCÍCIO DE SÉRIES DE TEMPO E REGRESSÃO: DEMANDA POR IMPORTAÇÕES
O Uso De Modelos Econométricos Em Empresas
A Contribuição da Econometria para a Análise Econômica
Técnicas Experimentais Aplicadas em Ciência do Solo
“Aplicação da Análise Multivariada para um grande volume de dados”
Laís Araújo Lopes de Souza
Modelos de regressão Cláudio Monteiro
Aula 5 – Diferenças em Diferenças
Introdução ao Stata 7 de junho de 2013
Econometria Aula 3 – 27/9/2013.
Introdução à pesquisa clínica
MBA em Gestão de Empreendimentos Turísticos
Validade Interna Capítulo 2
Regressão Múltipla Profas: Gardênia da Silva Abbad Elaine Rabelo Neiva
Validade da Conclusão Estatística e Validade Interna
IV Congresso Brasileiro de Avaliação Psicológica V Congresso da Associação Brasileira de Rorschach e Métodos Projetivos XIV Conferência Internacional de.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Análise de Regressão Camilo Daleles Rennó
DESENHO DA PESQUISA - exemplo
Questões envolvendo autoconceito, auto-estima e gênero
Introdução ao Curso e Análise Descritiva de Dados
Modelagem Estatística
Introdução à Econometria Professor: Gervásio F. Santos
Regressão e Previsão Numérica.
7 Ajuste de Curvas UFSC.PósMCI.FME.Ajuste de curvas. (11.1)
FMIE / MIE - 2º ano Economia 1º ano NI 1 Unidade 2 – FONTES DE INFORMAÇÃO. Porque a necessidade de fontes de informação? Que Informação? Que.
Capítulo 9: SAD orientado a Modelo
Regressão.
Ajuste do Modelo Avaliação dos Coeficientes
Estatística para Cursos de Engenharia e Informática
ANÁLISE DE RESULTADOS EXPERIMENTAIS (PARTE I)
Professora Michelle Luz
Aulas Introdutórias O processo de medida;
Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 1 ANÁLISE MULTIVARIADA DE DADOS PROFº DR. FELIPE ZAMBALDI.
Estatística e Probabilidade
Aula 12 - Relaxando as hipóteses do MCRL
PPGTI AULA 3 Prof. Dr. Márcio A. Fiori –
Regressão Linear Simples
PREPARAÇÃO DE UM ARTIGO CIENTÍFICO
PARADIGMAS DE PESQUISA
Regressão linear simples
Regressão linear simples
Finalidades da pesquisa científica
ECONOMETRIA Mestrado Profissionalizante em Finanças e Economia Empresarial EPGE / FGV Prof. Eduardo Pontual Ribeiro Abril - Junho 2011.
CONCEITOS IMPORTANTES
7) Você é filiado a algum partido político? Sim ( ), Não ( ). 8) Vota nas eleições? Sim ( ), Não ( ). 9) Recorda-se do candidato para quem votou nas últimas.
Variância/ Covariância, Correlação Regressão. Variância.
ECONOMETRIA Mestrado Profissionalizante em Finanças e Economia Empresarial EPGE / FGV Prof. Eduardo Pontual Ribeiro Abril - Junho 2009.
Mediação e Moderação Dr. Ricardo Primi.
CMIP- Centro de Metrologia e Inovação em Processos Programa de Pós-Graduação em Odontologia Profª Andréa ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA.
Critérios de Escolha dos Métodos Estatísticos
Como construir modelos empíricos. Nos modelos estudados, cada fator foi fixado em dois níveis Por esta razão temos que nos contentar com uma visão limitada.
Transcrição da apresentação:

Modelo de Equações Estruturais

Roteiro O que é o Modelo de Equações Estruturais (MEE)? Vantagens do MEE Limitações do MEE Tipos de MEE Indicadores e teste de modelos Diferentes softwares: comparação

Structural Equation Modelling Extensão dos modelos GLM (Modelos Lineares Generalizados) Técnica de modelação generalizada (modelos teóricos sobre a forma como diferentes variáveis latentes ou construtos são operacionalizados e como estes estão relacionados entre si) VANTAGEM – permite considerar os erros de medida de forma explícita.

Erros de medida Na Regressão Linear Quando as variáveis independentes são medidas com erro há atenuação dos preditores. Ou seja, o preditor pode ser significativo no modelo, mas os erros de medida associados num dado preditor podem fazer parecer com que tal não pareça.

Ou seja O modelo actualmente mais em uso para lidar com este erro é modelo de equações estruturais.

Simplisticamente AF (define o modelo de medida) RL (define o modelo estrutural)

Classicamente Exploro os dados e explico as teorias Neste modelo: temos várias teorias e o que tento é encontrar um modelo teórico que explique aqueles dados. A teoria é o motor do processo. O estatístico acaba o seu trabalho com “o modelo adequa-se” ou não.

Manifestações físicas das V. Latentes são variáveis manifestas. Variáveis Latentes: Não são directamente mensuráveis. Só se observam as suas manifestações; Validade e fiabilidade de variáveis latentes (erros-nas-variaveis) limita conclusões sobre relações estruturais Métodos classicos de analise não consideram os ‘erros-nas-variaveis’.

Variáveis endógenas (para onde apontam as setas) (vs dependentes) Variáveis exógenas (as que só têm setas a sair delas) (vs independentes) Nestes modelos, as variáveis podem ser simultaneamente endógenas e exógenas.c

Modelo de Medida : define a forma como os construtos hipotéticos ou variáveis latentes são operacionalizados pelas variáveis observadas ou manifestas Modelo Estrutural : define as relações causais ou de associação entre as variáveis latentes

ATENÇÃO!! O modelo é LINEAR!!! No modelo linear, uma variável endógena é dependente dela própria, das variáveis exógenas e do erro.

Variáveis latentes com letras gregas Variáveis latentes, gregas romanas

Variáveis não-recursivas: efeito de feedback (o que vem primeiro, o ovo ou a galinha?? Quando um estudantes tem auto-estima, tem desempenho, quando tem bom desempenho tem boa auto-estima e cria um efeito “bola de neve” )

Os dados são as variâncias e covariância se não o n.º de dados.

Equações estruturais Modelos Formativos

No PLS tendo 50 itens só precisam de 50 observações.

Amos não faz a correção de santorra bentler

O modelo saturado é um modelo perfeito