CFA Models with a General Factor and Multiple Sets of Secondary Factors

Abstract

We propose a class of confirmatory factor analysis models that include multiple sets of secondary or specific factors and a general factor. The general factor accounts for the common variance among manifest variables, whereas multiple sets of secondary factors account for the remaining source-specific dependency among subsets of manifest variables. A special case of the model is further proposed which constrains the specific factor loadings to be proportional to the general factor loadings. This proportional model substantially reduces the number of model parameters while preserving the essential structure of the general model. Furthermore, the proportional model allows for the interpretation of latent variables as the expected values of the observed manifest variables, decomposition of the variances, and the inclusion of interactions, similar to generalizability theory. We provide two applications to illustrate the utility of the proposed class of models.

Evidências Adicionais de Validade da Escala de Satisfação no Trabalho

“…Assim, confirmamos a primeira hipótese deste estudo de que modelos alternativos de ordem superior apresentam bons ajustes aos dados empíricos. Embora o modelo correlacionado (Siqueira, 2008) e o modelo hierárquico também tenham se ajustado aos dados empíricos, no modelo bifatorial, a variável geral compete com as variáveis específicas na explicação da variância dos itens do instrumento, o que gera um resultado psicométrico mais robusto (Jeon et al, 2018;Reise et al, 2010). Tal resultado também tem respaldo teórico, uma vez que a satisfação é entendida como o resultado de uma totalização das experiências prazerosas que os indivíduos vivenciam no trabalho, ou seja, o construto se refere a uma experiência global do trabalhador no contexto laboral (Kunkel & Vieira, 2012;Siqueira, 2008;Spector, 2005).…”

“…Acerca da testagem do modelo bifatorial, outros pesquisadores já sinalizavam para a possibilidade desse tipo de modelo em fenômenos psicológicos (Jeon et al, 2018;Reise et al, 2010). Assim, estudos que realizaram comparações entre modelos estruturais indicam que, em alguns casos, a aplicação de modelos bifatoriais oferece informações mais ricas sobre os fenômenos, uma vez que o modelo bifatorial permite a estimação de uma variável latente geral e o controle da variância que emerge de fatores específicos (Costa & Faria, 2020;Golino et al, 2016).…”

“…Assim, estudos que realizaram comparações entre modelos estruturais indicam que, em alguns casos, a aplicação de modelos bifatoriais oferece informações mais ricas sobre os fenômenos, uma vez que o modelo bifatorial permite a estimação de uma variável latente geral e o controle da variância que emerge de fatores específicos (Costa & Faria, 2020;Golino et al, 2016). Dessa forma, é uma estrutura indicada quando se quer investigar se os itens de um instrumento avaliam, para além das variáveis latentes de seus fatores, uma variável latente de fator único comum (Jeon et al, 2018;Reise et al, 2010).…”

“…Assim é que os resultados do presente estudo, tomados em conjunto, permitem um uso mais apropriado da medida de satisfação no trabalho, o que contribui para melhor compreender a natureza do fenômeno investigado. Embora o uso de construções multidimensionais de ordem superior na área de POT e nas literaturas comportamentais ter se tornando comum (Jeon et al, 2018;Johnson et al, 2012), estudos sobre a medida da satisfação no trabalho em brasileiros ainda carece na literatura. Nesse sentido, as organizações brasileiras podem se valer dos resultados aqui apresentados para mensurar o grau de satisfação de seus trabalhadores e adotar medidas mais robustas que resultem em estratégias para aumentar os níveis de satisfação em todas as dimensões consideradas.…”

“…Nesse sentido, destacamos a importância de investigar possibilidades variadas de estrutura fatorial para além do modelo correlacionado já proposto pela autora, tais como o modelo não correlacionado, hierárquico e bifatorial. A comparação de diferentes estruturas fatoriais contribui para investigações mais robustas sobre o fenômeno (Jeon et al, 2018;Reise et al, 2010).…”