1.1. Conceitos-chave da modelagem de equações estruturais

Características como atitudes, QI, traços de personalidade e status socioeconômico que não são diretamente observáveis são referidas como variáveis latentes nas ciências sociais e comportamentais (Yuan & Bentler, 2007). As elipses são usadas como uma representação visual de variáveis latentes na análise AMOS. É necessário estabelecer comportamentos mensuráveis que se supõe refletirem esta variável latente porque as variáveis latentes não podem ser diretamente avaliadas. Assim, as variáveis observadas são usadas para reunir informações sobre variáveis latentes. As variáveis observadas, também conhecidas como variáveis indicadoras, são representadas visualmente por retângulos ou quadrados (Schreiber et al., 2006). Escalas usadas em pesquisas para medir uma determinada emoção, pensamento ou comportamento são exemplos de variáveis observadas. Por exemplo, a Escala de Mindfulness no Casamento (Erus & Deniz, 2018) é uma variável latente, e as subdimensões da escala formada pelos itens da escala são variáveis observadas que tornam a variável latente observada. Os itens da escala são reunidos para fazer com que o conceito de mindfulness no casamento seja observado. A Figura 1 mostra um exemplo de variáveis observadas e latentes.

Como visto na Figura 1, as subdimensões MM1 e MM2 são variáveis observadas e Mindfulness no Casamento é uma variável latente. MM1 e MM2 são tomados como indicadores de Mindfulness no Casamento. A Escala de Mindfulness no Casamento é unidimensional, mas para criar a Modelagem de Equações Estruturais, a escala foi dividida em duas subdimensões pelo "método de parcelamento". Se não houver subdimensões de uma escala, as dimensões devem ser criadas pelo método de parcelamento para Modelagem de Equações Estruturais. Para analisar variáveis latentes, o método de parcelamento envolve a construção de "parcelas de itens" com base nos totais das respostas a vários itens (Russell et al., 1998). Uma indicação agregada chamada parcela é composta pela média de dois ou mais itens, comportamentos ou respostas (Little et al., 2002). Existem várias técnicas de parcelamento, incluindo a análise fatorial exploratória (para mais informações sobre parcelamento; ver Matsunaga, 2008). O parcelamento aleatório é uma das maneiras mais fáceis de construir parcelas. O objetivo do parcelamento aleatório é atribuir cada item a um grupo de parcelas aleatoriamente, sem alterações. Pode haver duas, três ou quatro parcelas construídas, dependendo do número de itens que precisam ser atribuídos (Little et al., 2002). Alternativamente, você pode tomar a soma dos itens com números pares da escala como uma parcela e a soma dos itens ímpares numerados como a outra parcela. Deve-se notar, no entanto, que uma variável latente deve ter pelo menos duas variáveis observadas. No entanto, e1 e e2 são termos de erro. A influência do erro de medição sobre as variáveis observadas é mostrada pelas setas unidirecionais que ligam os termos de erro às variáveis.

As variáveis independentes (preditoras) são referidas como exógenas na Modelação de Equações Estruturais, enquanto as variáveis dependentes (previstas) são chamadas endógenas (Bodoff & Ho, 2016). A Figura 2 mostra um exemplo de variáveis exógenas e endógenas no modelo. 

Como visto na Figura 2, a variável independente é "Mindfulness". Esta variável é também uma variável exógena e preditora. A "regulação emocional" é uma variável dependente, endógena e prevista. "Mindfulness no Casamento" é também uma variável endógena e prevista.

For a variable to be a mediator variable, it must meet some requirements. These requirements are as follows (Baron & Kenny, 1986):

Para que uma variável seja uma variável mediadora, ela deve atender a alguns requisitos. Estes requisitos são os seguintes (Baron & Kenny, 1986):

• As alterações na variável independente explicam significativamente as alterações na variável mediadora hipotética,
• Alterações na variável mediadora explicam significativamente a causa das mudanças na variável dependente,
• Uma relação significativa entre uma variável dependente e independente deixou de ser significativa ou a força da relação diminuiu.

No modelo apresentado na Figura 2, "Mindfulness in Marriage" é a variável mediadora.

Uma variável moderadora influencia a força e/ou direção da associação entre uma variável independente ou preditora e uma variável dependente ou prevista. Exemplos de variáveis moderadoras incluem sexo, raça e classe, enquanto variáveis quantitativas incluem nível de educação (Baron & Kenny, 1986). O modelo para a variável moderadora é dado como exemplo na Figura 3.

No modelo da variável moderadora na Figura 3, "Mindfulness" é a variável independente, "Emotion Regulation" é a variável dependente e "Gender" é a variável moderadora. O objetivo principal da análise do moderador é determinar como a variável escolhida como moderador influencia a força da ligação entre as variáveis dependentes e independentes. Em outras palavras, dependendo do gênero, a correlação entre mindfulness e regulação emocional pode ser mais forte ou mais fraca. 

Ao contrário de ser um paradigma para estabelecer teorias, a análise fatorial confirmatória testa teorias. Antes da análise, uma hipótese deve ser estabelecida para a análise fatorial confirmatória. Quais variáveis estão associadas a quais fatores e quais fatores estão relacionados entre si são determinadas por essa hipótese e, por extensão, pelo modelo (Stapleton, 1997).  A Figura 4 apresenta o modelo de análise fatorial confirmatória constituído por dois fatores. O modelo de análise fatorial confirmatória apresentado na Figura 4 visa confirmar a hipótese de que o Mindfulness in Parenting Questionnaire (Aslan Gördesli et al., 2018; McCaffrey et al., 2017) consiste em duas subescalas, nomeadamente "Parental Self Efficacy" e "Being in the Moment with the Child".

A figura mostra as relações entre as subescalas "Autoeficácia Parental" e "Estar no Momento com a Criança" e os itens da escala que constituem essas subescalas. Neste modelo, duas subescalas mostraram-se correlacionadas entre si.

As abordagens de modelagem que incluem erros de medição, medições de múltiplos conceitos e modelos de várias equações são chamadas de modelos de equações estruturais (Bollen & Noble, 2011). A Figura 5 apresenta o modelo de equações estruturais constituído por 3 variáveis latentes. 

Uma das hipóteses para o modelo de equações estruturais apresentado na Figura 5 é "A atenção plena no casamento tem um papel mediador na relação entre a atenção plena dos pais e a regulação emocional dos filhos". Com base nessa hipótese, a atenção plena dos pais prevê a atenção plena no casamento e a atenção plena no casamento prevê a regulação emocional de seus filhos. Assim, a atenção plena dos pais prevê a regulação emocional de seus filhos através da atenção plena no casamento. A figura mostra claramente as variáveis observadas e latentes. Por exemplo, "Regulação Emocional" consiste em duas variáveis observadas, ER e L/N. Em outras palavras, Emotion Regulation Checklist (Kapçı et al., 2009; Shields & Cicchetti, 1997) consiste em duas subdimensões. 

Os termos de erro são mostrados pelas setas unidirecionais na figura que apontam para as variáveis observadas. Os termos de erro, e1 e e2, são mostrados acima das variáveis latentes e dependentes, mindfulness no casamento e regulação emocional. Os termos de erro representam o efeito do erro na estimativa da variável latente. Cada caminho no modelo mostra a hipótese que está sendo testada. 

Até esta seção, informações gerais sobre Modelagem de Equações Estruturais foram apresentadas. Na próxima seção, será explicado como conduzir a modelagem de equações estruturais com o software AMOS.