Editorial
2017; Associação Brasileira de Psicologia Organizacional e do Trabalho; Volume: 16; Issue: 1 Linguagem: Português
10.15689/ap.2017.1601.ed
ISSN2175-3431
Autores ResumoO presente editorial também aborda, superficial e brevemente, a problemática do teste empírico de modelos teóricos em Psicologia.Após uma breve introdução, são discutidos dois pontos específicos relacionados com a temática.A testabilidade (isto é, "falseabilidade") de uma teoria é um dos critérios que separam a ciência da não ciência (Popper, 1959).Em geral (embora nem sempre), testar as hipóteses e as implicações de uma teoria requer que ela seja formulada matematicamente, caso em que recebe o nome de "modelo" (Rodgers, 2010).No caso da Psicologia, modelos de equações estruturais são a abordagem padrão, uma vez que permitem endereçar, simultaneamente, diversas predições e hipóteses de relacionamento entre variáveis observadas ou latentes.Naturalmente, modelos não são um buffet, em que é possível escolher e colocar no prato o que mais agrada ao paladar da pesquisadora ou do pesquisador.Modelos devem ser testados empiricamente contra dados reais, a fim de determinar se conseguem se sair bem como uma tentativa de desvendar a verdadeira estrutura causal oculta que produz os fenômenos aparentes.Entretanto, está longe de haver um consenso sobre qual a maneira "correta" de avaliar o ajuste de modelos de equações estruturais aos dados.Uma das maiores controvérsias na área diz respeito ao uso dos índices de ajuste aproximado em substituição ao teste do qui-quadrado (Confirmatory Fit Index, Tucker-Lewis Index, Root Mean Square Error of Approximation, entre outros).Grosseiramente falando, em modelos de equações estruturais, a hipótese nula do teste do qui-quadrado é a de que a matriz de variâncias-covariâncias implicada pelo modelo reproduz perfeitamente a matriz empírica dos dados.Supostamente, o teste do qui-quadrado tende a identificar como significativas (p < 0,05) mesmo diferenças pequenas entre essas duas matrizes quando o tamanho amostral é grande.Isso motivou a criação de índices de ajuste, coeficientes alternativos que são mais permissivos, e podem revelar o ajuste "aproximado" do modelo aos dados.O embate qui-quadrado versus índices de ajuste chegou a produzir um número especial na
Referência(s)