See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/258883641

Contribuies da Anlise Fatorial Confirmatria

Multigrupo (AFCMG) na Avaliao de
Invarincia de Instrumentos...

Article March 2013

DOI: 10.1590/S1413-82712013000200005

CITATIONS READS

5 49

1 author:

Bruno Damasio
Federal University of Rio de Janeiro
41 PUBLICATIONS 192 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Impact of Occupational Context and Individual Features on Job Related Well-being View project

Psicopatologia e bem-estar: impactos no desenvolvimento de metas e objetivos de vida em jovens

fluminenses View project

All content following this page was uploaded by Bruno Damasio on 14 February 2017.

The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
 Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013 211

Contribuies da Anlise Fatorial Confirmatria Multigrupo (AFCMG) na avaliao de

invarincia de instrumentos psicomtricos

Bruno Figueiredo Damsio Universidade Federal do Rio Grande do Sul, Porto Alegre, Brasil

Resumo
A Anlise Fatorial Confirmatria Multigrupo (AFCMG) uma tcnica da modelagem de equaes estruturais que avalia
em que medida a configurao e os parmetros de determinado instrumento psicomtrico so invariantes (equivalentes)
para diferentes grupos. Tal tcnica tem se apresentado como um importante recurso no desenvolvimento, no uso, na
avaliao e no refinamento de instrumentos psicomtricos. Entretanto, no Brasil h enorme escassez de publicaes sobre
o tema. Assim, o presente estudo discute a AFCMG, apresentando suas potencialidades. Ao longo do artigo trs grandes
tpicos so abordados: os diferentes modelos a serem testados, a invarincia completa versus a invarincia parcial, e os
mtodos de avaliao de invarincia dos modelos. Espera-se que esta leitura auxilie pesquisadores na compreenso, na
interpretao e no uso da AFCMG.
Palavras-chave: Anlise Fatorial Confirmatria Multigrupo, Invarincia de medida, Equivalncia de medida, Psicometria,
Modelagem de equaes estruturais.

Contributions of the Multigroup Confirmatory Factor Analysis in the invariance evaluation of psychometric
tests

Abstract
The Multigroup Confirmatory Factor Analysis (MGCFA) is a structural equation modeling technique which evaluates to
what extent the configuration and the parameters of a psychometric instrument are invariant (equivalent) in several
groups. This technique is being presented as an important resource in the development, use, evaluation and refinement of
psychometric instruments. However, in Brazil, there is a significant lack of publications considering the topic. Thus, the
present study discusses the MGCFA technique, presenting its potentialities. Throughout the article, three major topics are
covered: the different models to be tested, the issue of complete and partial measurement invariance, and the
measurement invariance evaluation. It is expected that this article assist researchers in the comprehension, interpretation
and use of the MGCFA.
Keywords: Multigroup Confirmatory Factor Analysis, Measurement invariance, Measurement equivalence, Psychomet rics,
Structural equation modeling.

Contribuciones del Anlisis Factorial Confirmatorio Multigrupo (AFCMG) en la evaluacin de invariancia de

instrumentos psicomtricos

Resumen
El Anlisis Factorial Confirmatorio Multigrupo (AFCMG) es una tcnica de modelaje de ecuaciones estructurales que
evala hasta qu punto la configuracin y los parmetros de determinado instrumento psicomtrico son invariantes
(equivalentes) para diferentes grupos. Esa tcnica ha sido presentada como un importante recurso en el desarrollo, uso,
evaluacin y refinamiento de los instrumentos psicomtricos. Sin embargo, en Brasil hay una gran escasez de
publicaciones sobre el tema. As, este estudio discute el AFCMG, presentando su potencial. A lo largo del artculo, tres
grandes temas son presentados: los diferentes modelos a ser evaluados, la invariancia completa versus la invariancia
parcial, y la evaluacin de invariancia de los modelos. Se espera que esta lectura contribuya a los investigadores en la
comprensin, la interpretacin y el uso de la AFCMG.
Palabras-clave: Anlisis Factorial Confirmatorio Multigrupo, Invariancia de medida, Equivalencia de medida, Psicometra,
Modelado de ecuaciones estructurales.

A anlise fatorial (AF) , para a Psicologia, uma
das principais ferramentas no desenvolvimento, na
avaliao, no refinamento e no uso de testes
psicomtricos. A AF refere-se a um conjunto de
tcnicas estatsticas que tem por objetivo definir a
estrutura subjacente em uma matriz de dados (Hair,
Anderson, Tatham & Black, 2005), avaliando de que
maneira um determinado nmero de itens pode ser
agrupado em um nmero menor de variveis latentes
(fatores) que expliquem as suas inter-relaes
(Jreskog, 2007).
As tcnicas de anlises fatoriais podem ser
divididas em duas grandes vertentes: anlise fatorial
exploratria (AFE) e anlise fatorial confirmatria
Disponvel em www.scielo.br
(AFC). A primeira tem por objetivo investigar como
um conjunto de itens se agrupa, sendo, portanto, uma
tcnica exploratria, visto que o pesquisador no
estipula, a priori, a estrutura dos dados. J a AFC
entendida como uma tcnica confirmatria, uma vez
que o pesquisador precisa predeterminar a estrutura a
ser avaliada. Refere-se a um tipo de modelagem de
equaes estruturais (MEE) voltada, especificamente, a
modelos de mensurao, ou seja, modelos que avaliam
a relao entre variveis observadas e variveis latentes
(Millsap & Meredith, 2007). Diferente das AFEs, ao
conduzir uma AFC, o pesquisador deve apresentar uma
estrutura fatorial j delineada, a qual explicite
claramente o nmero de fatores e os itens especficos
212 Damsio, B. F. Anlise Fatorial Confirmatria Multigrupo
correspondentes a cada fator. Nesse sentido, a AFC
um mtodo terico e/ou empiricamente baseado
(Brown, 2006). Em muitos casos, ambas as tcnicas,
AFE e AFC, podem ser utilizadas de maneira
complementar, com vistas a avaliar a plausibilidade de
determinada estrutura fatorial (Schmitt, 2011).
Desde o seu desenvolvimento, o uso da AFC tem
crescido de maneira exponencial. Isso porque tal
tcnica oferece diversos recursos de anlise de
adequao da estrutura fatorial no existentes na AFE
(Brown, 2006). Dentre outras, uma das vantagens da
AFC a possibilidade de avaliar a invarincia da
estrutura e dos parmetros de determinado
instrumento em diversos grupos, simultaneamente.
Esta tcnica, denominada Anlise Fatorial
Confirmatria Multigrupo (AFCMG), vem sendo
amplamente empregada em estudos de validao de
instrumentos psicomtricos e em estudos de
comparao de grupos (Sass, 2011). Apesar de ser uma
tcnica amplamente utilizada em estudos
internacionais, no Brasil h uma enorme escassez de
publicaes que tenham considerado esse tipo de
anlise. Assim, o objetivo deste artigo o de apresentar
a tcnica da AFCMG e discutir suas potencialidades na
avaliao de invarincia de instrumentos psicomtricos.
Anlise Fatorial Confirmatria Multigrupo (AFCMG)
Conforme mencionado, a AFCMG uma tcnica
que avalia em que medida a configurao e os
parmetros de determinado instrumento psicomtrico
so invariantes, ou equivalentes, para diferentes grupos
de pessoas. Na literatura internacional, os termos
invarincia de medida (measurement invariance, em ingls)
e equivalncia de medida (measurement equivalence, em
ingls) so utilizados indistintamente. Tais termos so
sinnimos e no apresentam nenhuma distino, seja
psicomtrica, seja interpretativa. Para fins didticos, a
primeira forma (invarincia de medida) ser adotada ao
longo deste artigo, visto que se refere nomenclatura
tradicional, utilizada no incio do desenvolvimento da
tcnica (Jreskog, 1971; Meredith, 1964).
A avaliao do pressuposto de invarincia de
estruturas e de parmetros, por meio da AFCMG,
responde a algumas questes relevantes, como por
exemplo: 1) a estrutura fatorial de determinado
instrumento igual entre diferentes grupos (mesmos
itens avaliando o mesmo construto)?; 2) os itens que
compem determinado fator apresentam a mesma
importncia (mesma carga fatorial) para diferentes
grupos?; 3) os escores de um grupo podem ser
comparados com os escores de outros grupos ou
existem vieses de resposta que impossibilitam essa
comparao?; 4) os itens apresentam erros de medida
semelhantes para os diferentes grupos?; 5) o nvel de
varincia do(s) fator(es) difere entre os grupos?; 6) a
covarincia entre os fatores a mesma entre os grupos?
Avaliar a invarincia de medida um aspecto
crucial para uma srie de concluses no
desenvolvimento e no uso de instrumentos
psicomtricos (Cheung & Rensvold, 2002). A no ser
que seja rigorosamente testada, os pesquisadores no
podem afirmar que a configurao e os parmetros de
determinado instrumento so semelhantes em
diferentes populaes (Vandenberg & Lance, 2000).
Assim, a avaliao da invarincia de medida, por meio
da AFCMG, tem sido utilizada em diferentes
contextos, tais como, validao de instrumentos em
estudos transculturais (e.g., Murayama, Zhou & Nesbit,
2009), validao de instrumentos para diferentes
subgrupos de uma mesma amostra (e.g., jovens e
adultos; Damsio, Borsa & da Silva, 2011), estabilidade
da medida em estudos longitudinais (Spurk, Abele &
Volmer, 2011); avaliao sobre a invarincia do
instrumento para diferentes mtodos de coleta de
dados (e.g., coleta virtual versus coleta presencial,
Davidov & Depner, 2009), etc. Alm disso, a avaliao
de invarincia de medida um pr-requisito para
qualquer estudo que tenha por objetivo avaliar
diferenas entre grupos (e.g., Damsio e cols., 2011).
Isso porque, se o instrumento estiver enviesado para
um ou outro grupo, quaisquer diferenas encontradas
entre os grupos podem estar relacionadas no s
diferenas reais nos nveis de trao latente dos sujeitos,
mas sim a parmetros no equivalentes do instrumento
utilizado (Nimon & Reio Jr., 2011; Sass, 2011).
A conduo de uma AFCMG envolve a avaliao
de diversos parmetros. Estes so subdivididos em
duas grandes categorias: 1) invarincia de medida
(measurement invariance), que engloba a invarincia
configural, invarincia escalar e invarincia residual, e 2)
invarincia estrutural ou heterogeneidade populacional
(structural invariance ou populational heterogeneity), que
engloba a invarincia da (co)varincia da(s) varivel(is)
latente(s) e a invarincia da mdia da varivel latente. A
ordem dos parmetros avaliados segue uma hierarquia
de complexidade, de maneira que um modelo mais
complexo s avaliado caso o modelo prvio tenha
apresentado invarincia (Brown, 2006; Byrne, 2010). A
Tabela 1 apresenta os parmetros que podem ser
avaliados em uma AFCMG. Cada um deles ser
discutido separadamente. Entretanto, importante
salientar que nem todos os parmetros precisam ser
necessariamente testados. A escolha sobre quais
parmetros avaliar depender dos objetivos da pesquisa
(Schmitt & Kuljanin, 2008).
Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013
 Damsio, B. F. Anlise Fatorial Confirmatria Multigrupo 213

Tabela 1. Modelos de invarincia e seus respectivos parmetros avaliados

Modelo Nome(s) do modelo Parmetros avaliados
Invarincia na configurao do
Invarincia configural; Igualdade de forma;
Modelo 1 modelo (nmero de fatores e itens
Modelo irrestrito
por fator)

Invarincia mtrica; Igualdade de cargas Invarincia nas cargas fatoriais dos

Invarincia de Modelo 2
fatoriais itens
medida
Invarincia escalar; Igualdade de Invarincia nos nveis dos
Modelo 3
interceptos interceptos dos itens
Invarincia residual dos itens; Invarincia
Modelo 4 Invarincia dos erros de medida
fatorial estrita
Invarincia da varincia ou
Invarincia estrutural; Igualdade de
Modelo 5 covarincia da(s) varivel(is)
Heterogeneidade (co)varincia da(s) varivel(is) latente(s)
latente(s)
populacional
Invarincia da mdia latente; Igualdade da Invarincia da mdia dos grupos
Modelo 6
mdia latente para o(s) fator(es)

Modelo 1: Teste de Invarincia Configural pesquisador investiga em que medida os pesos de

O primeiro modelo a ser testado em uma
AFCMG denominado invarincia configural
(configural invariance), tambm chamado de modelo
irrestrito (unconstrained model) ou igualdade de forma
(equal form). Este modelo avalia em que medida a
estrutura de um determinado instrumento plausvel
para todos os grupos que esto sendo analisados.
Considerando que a AFC e, consequentemente, a
AFCMG um tipo de mtodo confirmatrio, do qual
o pesquisador deve estipular, a priori, a estrutura
fatorial, este modelo avalia se possvel afirmar que a
estrutura proposta mesmos itens sendo explicados
pela(s) mesma(s) varivel(is) latente(s) se mantm
para os diferentes grupos avaliados. Neste modelo,
nenhum parmetro de medida estipulado para ser
invariante entre os grupos (por isso, chamado de
modelo irrestrito).
Caso o pressuposto de invarincia configural no
seja acatado, isso significa que os itens carregam em
diferentes fatores nos diferentes grupos, ou que os
grupos produzem diferentes nmeros de fatores, ou,
ainda, ambas as hipteses (Cheung & Rensvold, 1999).
Nesses casos, testes subsequentes de invarincia de
medida no devem ser conduzidos, tampouco estudos
de comparao de grupos devem ser realizados, visto
que a estrutura inicial do instrumento no pode ser
considerada equivalente para os diferentes grupos.
Modelo 2: Teste de Invarincia Mtrica
O segundo modelo a ser testado em uma
AFCMG refere-se invarincia mtrica (metric
invariance), tambm chamado de igualdade de cargas
fatoriais (equal factor loadings). Neste modelo, o
Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013
regresso dos itens (cargas fatoriais) so equivalentes
para os grupos avaliados.
No teste de invarincia mtrica estipula-se que as
cargas fatoriais de todos os itens do instrumento
devam ser estatisticamente iguais para todos os grupos
analisados (Cheung & Rensvold, 1999). Se este
pressuposto aceito, isso significa que os itens
apresentam relaes semelhantes com o construto
subjacente para todos os grupos (Brown, 2006). Em
outras palavras, possvel afirmar que os itens
apresentam a mesma importncia para o construto,
independente do grupo (Byrne, 2010), ou ainda, que os
sujeitos de diferentes grupos respondem aos itens de
maneira semelhante, no havendo vieses de resposta a
um ou mais itens (Sass, 2011).
Nos casos em que o pressuposto da invarincia
mtrica no pode ser acatado, isso significa que um ou
mais itens do instrumento est sendo respondido de
maneira enviesada por um ou outro grupo. Em
consequncia, inferncias sobre as diferenas entre os
grupos podem estar equivocadas. Qualquer teste de
comparao de grupos conduzido (e.g., teste T,
ANOVA, MANOVA, Mann-Whitney, Kruskal-Wallis)
poder estar enviesado, visto que os escores dos
sujeitos, ou seus postos, para os testes no-
paramtricos, estaro influenciados por respostas
diferenciadas para um ou outro grupo. Assim,
importante que o pesquisador avalie quais e quantos
so os itens que apresentam funcionamento diferencial,
para que sejam adotados mtodos adequados de
equiparao dos grupos (Byrne, Shavelson & Muthn,
1989; Sass, 2011). Tais procedimentos de avaliao e
214 Damsio, B. F. Anlise Fatorial Confirmatria Multigrupo
equiparao sero abordados adiante, no tpico
Invarincia completa versus Invarincia parcial.
Apesar de o pressuposto da invarincia mtrica
apresentar indicaes sobre vieses de resposta aos
itens, este no suficiente em garantir a comparao
entre os grupos. Para tanto, necessrio que seja
satisfeito, tambm, o pressuposto de invarincia
escalar.
Modelo 3: Teste de Invarincia Escalar
O teste de invarincia escalar, ou invarincia de
interceptos, outro aspecto necessrio para assegurar,
adequadamente, a comparao de escores entre grupos.
Garante que os escores obtidos esto totalmente
relacionados com o nvel de trao latente dos sujeitos,
independente do seu grupo (Milfont & Fischer, 2010).
Tal teste realizado ao estipular que os interceptos dos
itens so equivalentes para os diferentes grupos.
Para compreender o teste de invarincia escalar
necessrio entender o conceito de intercepto. Para isso,
interessante se remeter a algumas equaes de
regresso simples, visto que as anlises de equaes
estruturais so, basicamente, equaes de regresso.
A equao de regresso linear simples postula que:
yx onde: y se refere ao escore do sujeito na
varivel dependente (ou seja, o escore no fator); se
refere a uma constante, denominada intercepto que o
valor de y quando x=0. O intercepto tambm pode ser
definido como o valor inicial do indivduo na varivel
y; refere-se outra constante, que significa a taxa de
crescimento em y para cada valor de x, sendo
representado graficamente pelo declive da linha de
regresso; por fim, se refere ao resduo da equao,
ou seja, os erros da medio, que seria uma parcela do
valor de y a qual no pode ser explicada pelas variveis
presentes no modelo da equao.
Quando o objetivo comparar as mdias de
diferentes grupos, a equao assumida da seguinte
maneira: y=+x, onde: y se refere mdia da
varivel y, ou seja, a mdia no fator; x, se refere
mdia dos escores na varivel x. Nesses casos, o
resduo () no considerado, pois se assume que sua
mdia igual zero (Byrne, 2010; Meredith, 1993).
Para se assumir que as mdias dos diferentes
grupos so equivalentes (y1=y2 ; ...=yn ) preciso
assumir, tambm, que o restante da equao seja
invariante, ou seja: 1 +x1 )=( 2 +x2 )=...
=( n +xn ), assim, tanto a mdia das respostas ao item
para diferentes grupos (x1; x2; ...; xn , avaliado pelo
pressuposto da invarincia mtrica) quanto o intercepto
do item para os diferentes grupos ( 2 n , erro dos itens, em geral, no um processo aleatrio,
avaliado pelo pressuposto da invarincia escalar)
necessitam ser equivalentes para que seja possvel
assumir que y1=y2 ; ...=yn . Em termos literais, testes
de diferenas de mdias s devem ser conduzidos
quando se estabelece a invarincia configural, mtrica e
escalar (Brown, 2006; Byrne, 2010; Sass, 2011). Na
ausncia desses pressupostos, quaisquer diferenas
encontradas entre os grupos podem estar relacionadas
no a diferenas reais nos nveis do trao latente dos
sujeitos, mas no-equivalncia nos parmetros do
instrumento (Chen, 2008).
Modelo 4: Teste de Invarincia Residual dos Itens
O teste de invarincia residual dos itens avalia em
que medida os erros (resduos) dos itens so iguais para
os diferentes grupos. O resduo dos itens se refere
poro do item que no est associada varincia da
varivel latente. Assim, avaliar a invarincia deste
parmetro refere-se a observar, em diferentes grupos,
em que medida o item do instrumento est associado
ao construto latente assumindo o mesmo grau de erro
(Cheung & Rensvold, 2002).
No h um consenso sobre a necessidade de
avaliar a invarincia residual dos itens (Wu, Li, &
Zumbo, 2007). A avaliao deste parmetro , em
geral, considerada como um procedimento opcional,
visto que ele extremamente restritivo e dificilmente
alcanado nas pesquisas em Psicologia (Brown, 2006;
Byrne, 2010; Harrington, 2009; Vandenberg & Lance,
2000). Diversos argumentos endossam esta
perspectiva. Por exemplo, possvel argumentar que
diferenas residuais dos itens entre grupos referem-se
mais a diferenas na confiabilidade das variveis
observadas do que propriamente uma violao da
invarincia de medida do construto (Lubke & Dolan,
2003; Wu e cols., 2007). Tambm pode ser considerado
que os sujeitos de diferentes grupos respondem de
maneira inconsistente ao instrumento pela no
familiaridade com a escala e com o mtodo de
pontuao (Mullen, 1995), ou, ainda, que dificuldades
em relao ao vocabulrio, idioma, expresses ou
diferenas culturais no-especficas podem produzir
resduos diferenciados entre os grupos (Malpass, 1977).
Em sntese, para os que defendem a no-necessidade
de avaliao de invarincia residual dos itens,
argumenta-se que as diferenas residuais encontradas
devem-se, em geral, a variaes aleatrias, no
relacionadas diretamente com o construto.
Entretanto, outras perspectivas postulam que a
invarincia residual dos itens deve ser estabelecida para
que a medida seja considerada, de fato, invariante
(DeShon, 2004). Esse autor argumenta que, ao
contrrio do que amplamente aceito, a varincia de
mas sim, reflete uma varincia sistemtica que deve ser
adequadamente avaliada. Nesta perspectiva, os resduos
Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013

dos itens so considerados erros de medida oriundos
de diversas variveis externas no mensuradas, que
interferem nas respostas dos sujeitos (Cronbach, 1947).
Essas variveis podem ser aleatrias, conforme
explicitado anteriormente, mas tambm podem ser
variveis sistemticas, como por exemplo, itens que
deveriam estar carregando em outro fator no
explicitado no modelo, gerando resduos e respostas
no acuradas (DeShon, 2004). Independente de o erro
ser aleatrio ou sistemtico, a medida perde
confiabilidade com o aumento dos resduos (Cronbach,
1947; DeShon, 2004). Entretanto, erros sistemticos
tendem a ser mais prejudiciais do que os aleatrios.
Os erros sistemticos, em geral, tendem a se
correlacionar fortemente entre si, ou tendem a se
correlacionar com outros fatores do modelo testado.
Ambas as caractersticas do indcios de que a
configurao do modelo poderia ser mais bem
estipulada (Wu e cols., 2007). Assim, quando o
pressuposto da invarincia residual no pode ser
estabelecido, importante avaliar em que medida os
resduos so aleatrios ou sistemticos. Para melhor
compreender esse procedimento de avaliao, sugere-
se a leitura de DeShon (2004) e de Wu e cols. (2007).
Dependendo dos resultados obtidos, pode se concluir
sobre a confiabilidade dos itens do instrumento para os
diferentes grupos. A implicao do no-
estabelecimento de invarincia residual dos itens
depender do tipo de resduo (aleatrio ou sistemtico),
bem como dos objetivos do estudo e da finalidade da
aplicao do instrumento (DeShon, 2004).
Modelo 5: Teste de Invarincia Estrutural
O teste da invarincia estrutural ou invarincia da
(co)varincia da(s) varivel(is) latente(s) se refere a um
modelo de invarincia cuja interpretao depender da
configurao do modelo a ser testado (Byrne e cols.,
1989). Em sntese, a estrutura fatorial de um
instrumento pode ser unidimensional, quando o
instrumento composto por um nico fator, ou
multidimensional, quando o instrumento composto
por dois ou mais fatores.
Quando o instrumento unidimensional, o teste
de invarincia estrutural avalia em que medida o nvel
de varincia da varivel latente o mesmo para os
diferentes grupos. Em outras palavras, avalia em que
medida o nvel de variabilidade do construto
equivalente para os sujeitos de diferentes grupos
(Brown, 2006). Nos casos em que o instrumento
multidimensional, o teste de invarincia estrutural
avalia em que medida os nveis das correlaes
(covarincias) das variveis latentes so semelhantes
para os diferentes grupos. Assim, investigado em que
medida o construto subjacente ao instrumento
Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013
Damsio, B. F. Anlise Fatorial Confirmatria Multigrupo 215
apresenta uma mesma estrutura emprica para os
diferentes grupos (Byrne, 2010).
Como pode ser percebido, a interpretao de
cada um dos modelos distinta, trazendo, portanto,
diferentes consequncias. Em geral, compreendido
que a avaliao da invarincia da covarincia das
variveis latentes apresenta implicaes mais
significativas quando comparada invarincia da
varincia da varivel latente (Brown, 2006; Byrne,
2010). Quando o pressuposto da invarincia estrutural
no alcanado, entende-se que ou os grupos
estudados apresentam diferentes nveis de variabilidade
no trao latente investigado (nos casos de instrumentos
unidimensionais) ou os nveis de correlao dos fatores
no so os mesmos para os diferentes grupos (nos
casos de instrumentos multidimensionais).
importante salientar que o teste da invarincia
estrutural no avalia a variabilidade nos parmetros
psicomtricos do instrumento. Quaisquer diferenas
encontradas aqui se referem homogeneidade ou
heterogeneidade populacional (ver Tabela 1), no
estando relacionadas a falhas ou vieses da medida
(Brown, 2006). Desse modo, estabelecer a invarincia
da varincia e covarincia das variveis latentes no
um pr-requisito para avaliar diferenas de mdias
entre os grupos (Schmitt & Kuljanin, 2008).
Modelo 6: Teste de Invarincia da Mdia Latente
O teste de invarincia da mdia latente avalia se os
sujeitos de diferentes grupos apresentam igualdade de
mdias nos escores dos fatores. Este teste de
invarincia similar aos testes paramtricos de
diferena de mdia (e.g., teste T, ANOVA), no qual
avaliada a hiptese nula de que as mdias dos sujeitos
de diferentes grupos sejam iguais (Vandenberg &
Lance, 2000). Quando a hiptese nula rejeitada (ou
seja, quando os grupos apresentam diferenas de
mdia), necessrio conduzir testes subsequentes para
avaliar as diferenas especficas entre os grupos,
especialmente quando se trata de uma AFCMG com
mais de dois grupos. Assim como os testes post hoc das
anlises tradicionais, os nveis de precisam ser
ajustados com vistas a prevenir a inflao das taxas de
erro Tipo I (Vandenberg & Lance, 2000).
A conduo do teste de invarincia da mdia
latente por meio da AFCMG apresenta vantagens em
relao aos testes multivariados comuns (e.g., teste T,
ANOVA). Isso porque os testes tradicionais raramente
levam em considerao os pressupostos de invarincia,
no avaliando se os grupos so, de fato, equivalentes
(Vandenberg & Lance, 2000). Em contrapartida, para a
AFCMG, a conduo do teste de invarincia da mdia
latente s deve ser realizada quando os pressupostos de
invarincia configural, mtrica e escalar j foram
216 Damsio, B. F. Anlise Fatorial Confirmatria Multigrupo
satisfeitos. Assim, quaisquer similaridades ou diferenas
obtidas mediante o teste de invarincia da mdia latente
so diferenas reais entre os grupos, visto que
quaisquer problemas na medida j foram descartados
anteriormente.
Invarincia completa versus Invarincia parcial
Durante a conduo de uma AFCMG, o
pesquisador pode se deparar tanto com uma invarincia
de medida completa (IMC) quanto com uma
invarincia de medida parcial (IMP, Byrne e cols.,
1989). A IMC ocorre quando todos os parmetros do
instrumento (configurao, cargas fatoriais, interceptos,
e resduos dos itens) so invariveis para todos os
grupos avaliados. J a IMP pode ocorrer em duas
situaes: 1) quando apenas alguns parmetros do
instrumento so invariantes para todos os grupos, ou 2)
quando todos os parmetros do instrumento so
invariantes para alguns, mas no todos os grupos
(Milfont & Fischer, 2010; Vandenberg & Lance, 2000).
Por exemplo, em um instrumento de dez itens,
possvel que o pesquisador encontre que as cargas
fatoriais de oito itens esto operando de maneira
equivalente entre os grupos, enquanto dois itens
especficos esto operando de maneira no-similar.
Nesse caso, denomina-se uma invarincia mtrica
parcial. O mesmo pode acontecer para os interceptos
(invarincia escalar parcial), para os resduos
(invarincia residual parcial), e para a (co)varincia das
variveis latentes (invarincia estrutural parcial).
O pressuposto da IMP no compromete
totalmente a comparao entre os grupos (Byrne, 2010;
Byrne e cols., 1989). Diversas opes podem ser
acatadas pelo pesquisador para lidar com a IMP, tais
como: 1) excluir os itens no-equivalentes e usar
apenas os itens invariantes nas anlises estatsticas; 2)
utilizar modelos de invarincia parcial (ver Byrne e
cols., 1989; Millsap & Kwok, 2004), liberando
(unconstraining) os parmetros no-equivalentes para que
eles assumam valores individuais para cada um dos
grupos, deixando fixos apenas os parmetros que se
mostraram invariantes; ou 3) utilizar todos os itens,
sem a liberao de nenhum parmetro, mesmo
sabendo que alguns deles no so equivalentes (Sass,
2011).
A primeira opo pode ser acatada,
principalmente, quando se trata de um instrumento
longo, cuja remoo dos itens no ir afetar o
construto mensurado, tampouco as propriedades
psicomtricas do instrumento. Entretanto, quaisquer
modificaes adotadas devem ser teoricamente
baseadas (Nimon & Reio Jr., 2011). A segunda ou a
terceira opo deve ser acatada apenas quando um
pequeno nmero de itens no seja equivalente. A lgica
por trs dessa afirmao a de que se os parmetros
no-equivalentes so a minoria, a mdia final dos
grupos no ser drasticamente impactada e no afetar
os resultados (Sass, 2011). Exemplos prticos da
avaliao de invarincia parcial podem ser encontrados
em Tuokko e cols. (2010) e Rossi, Elklit e Simonsen
(2010).
Nos casos em que a IMP muito severa, ou seja,
quando diversos itens, ou outros parmetros, no so
equivalentes entre os grupos, o pesquisador pode ou
analisar os escores separadamente e no comparar os
grupos ou, ainda, decidir no utilizar o instrumento
(Sass, 2011). importante salientar, porm, que a
comparao ou no-comparao de grupos em casos
de IMP no consensual na literatura, havendo,
atualmente, um amplo debate sobre qual o melhor
procedimento a ser adotado quando o instrumento no
se mostra equivalente entre os grupos. Diversos
pesquisadores (e.g., Millsap & Kwok, 2004; Sass, 2011)
tm salientado a importncia de se estabelecer critrios
mais claros e precisos, que auxiliem os pesquisadores
nas decises a serem tomadas ao se deparar com IMP.
Identificando a (in)varincia entre os parmetros
Conforme explicitado anteriormente, os modelos
apresentados em uma AFCMG so, em geral, avaliados
de maneira hierrquica. Desse modo, um modelo
comparado a um modelo prvio menos restritivo
(Schmitt & Kuljanin, 2008). Na medida em que o
pesquisador estabelece a invarincia de um parmetro,
este pode dar um passo adiante e avaliar a invarincia
do modelo seguinte. Entretanto, como se avalia a
invarincia dos modelos?
O incio da avaliao de uma AFCMG d-se a
partir da avaliao da invarincia configural (Modelo 1).
A invarincia configural o modelo inicial, que postula
sobre a plausibilidade da configurao da medida para
os grupos de interesse (i.e., nmero de fatores e itens
por fator). Por ser o modelo inicial, este no pode ser
comparado a nenhum modelo prvio. Dessa maneira,
apenas este modelo deve ser avaliado com os ndices de
adequao de ajuste padres AFC (e.g., razo qui-
quadrado por graus de liberdade, 2 /g.l.; ndice de
ajuste comparativo, CFI; ndice de Tucker-Lewis, TLI;
ndice de ajuste no-normalizado, NNFI; raiz do erro
quadrtico mdio de aproximao, RMSEA; raiz
quadrada mdia residual padronizada, SRMR, etc.)1. A
1 Alguns artigos de reviso podem ser consultados para auxiliar os
pesquisadores na escolha de ndices de ajuste adequados (Hooper,
Coughlan, & Mullen, 2008; Marsh, Balla, & McDonald, 1988),
embora os ndices acima mencionados sejam amplamente aceitos
(Schreiber, Stage, King, Nora, & Barlow, 2006).
Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013

plausibilidade desse modelo, indicada pela adequao
dos ndices de ajuste, sugere que a configurao
proposta ao instrumento plausvel para todos os
grupos de interesse.
Para todos os modelos subsequentes (modelo 2,
invarincia mtrica; modelo 3, invarincia escalar;
modelo 4, invarincia residual dos itens; modelo 5,
invarincia estrutural; e modelo 6, invarincia da mdia
latente), o pesquisador deve avaliar em que medida a
imposio de igualdade de parmetros para os
diferentes grupos reflete em uma piora nos ndices de
ajuste, quando comparado ao modelo anterior
(Vandenberg & Lance, 2000). Entretanto, apenas
alguns ndices de adequao de ajuste servem a este
propsito (Meade, Johnson & Braddy, 2008).
A forma mais tradicionalmente utilizada para
avaliar a invarincia entre os modelos refere-se ao teste
de diferena do qui-quadrado ( 2 ). O valor do 2
refere-se ao valor do 2 do modelo avaliado diminudo
do valor do 2 do modelo prvio. Diferena
estatisticamente significativa ( 2 <0,05) entre os
valores do 2 de um modelo, em comparao com o
modelo anterior, sugere que o pressuposto de
invarincia no foi aceito e que o parmetro avaliado
opera diferentemente entre um ou mais grupos
(Brown, 2006; Steiger, Shapiro & Browne, 1985). A
interpretao sobre diferenas significativas nos valores
do 2 devem considerar os valores de referncia em
relao diferena nos graus de liberdade (gl)do
modelo testado em relao ao modelo prvio.
Apesar de o teste 2 ser amplamente utilizado
como ferramenta para avaliar invarincia dos modelos,
alguns pesquisadores tm demonstrado que as
diferenas nos valores do 2 so sensveis a pequenas
diferenas nas matrizes de covarincia entre os grupos,
sendo tambm influenciados pelo tamanho amostral
(Brannick, 1995; Cheung & Rensvold, 2002; Hu &
Bentler, 1993; Kelloway, 1995). Assim, sugere-se que,
quando utilizado, o teste 2 seja interpretado em
conjunto com outros indicadores de invarincia.
A utilidade de outros ndices de adequao de
ajuste em avaliar a invarincia de parmetros e
estruturas na AFCMG, foi inicialmente testada por
Cheung e Rensvold (2002). Em um estudo de
simulao Monte-Carlo, esses autores avaliaram o
desempenho de mais de 20 ndices de adequao de
ajuste em mais de 768.000 modelos de AFC simulados.
Os autores concluram que apenas o CFI (Bentler,
1990), o Gamma-hat (Steiger, 1989) e o ndice de ajuste
no-centralizado, NCI (McDonald, 1989) foram
suscetveis identificao de invarincia de parmetros,
no sendo influenciados pela complexidade do modelo,
tampouco pelo tamanho amostral. Para se assumir
Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013
Damsio, B. F. Anlise Fatorial Confirmatria Multigrupo 217
invarincia de medida, o modelo testado no deve
apresentar diferenas no CFI (CFI)>0,01, diferenas
no Gamma-Hat (Gamma-hat)>0,001, e diferenas no
McDonalds NCI (McDonalds NCI)>0,02, quando
comparado ao modelo prvio (Cheung & Rensvold,
2002). Tais diretrizes tm sido aceitas e utilizadas em
diversos estudos (e.g., Damsio, Pacico, Poletto &
Koller, 2012; Meade e cols., 2008; Rossi e cols., 2010).
Em casos de no-equivalncia da medida, quando
o pressuposto da invarincia no estabelecido, o
pesquisador deve identificar quais itens, ou parmetros,
no esto operando de maneira similar. Byrne (2010)
apresenta estratgias interessantes na busca desses
parmetros. Em sntese, devem-se conduzir anlises
individuais (item a item, ou parmetro a parmetro)
para o modelo avaliado. Por exemplo, se o pressuposto
da invarincia mtrica no foi estabelecido (ou seja, a
carga fatorial de um ou mais itens no equivalente
para um ou mais grupos), o pesquisador pode conduzir
anlises de invarincia individual para os itens do
instrumento e avaliar, a partir dos testes de invarincia
de medida ( 2 , CFI, Gamma-hat, e/ou
McDonalds NCI), quais itens esto degradando o
ajuste do modelo. importante salientar que, em
alguns programas estatsticos (e.g., EQS, Bentler,
2004), a anlise de invarincia dos itens ou parmetros
feita de maneira coletiva, e no individual, o que
facilita a inspeo e a identificao de possveis
problemas.
Outro aspecto importante que, por vezes, os
indicadores de invarincia so contraditrios entre si
(Byrne, 2010). Por exemplo, o teste 2 aponta para
no-invarincia de parmetros entre os grupos,
enquanto o CFI indica homogeneidade entre os
grupos. Em casos de inconsistncia, Byrne (2010)
sugere que o pesquisador deve tomar uma deciso
arbitrria em aceitar ou rejeitar o pressuposto de
invarincia do modelo. Para minimizar o subjetivismo
desse procedimento, aqui se sugere que os
pesquisadores levem em considerao os quatro
indicadores apresentados ( 2 , CFI, Gamma-hat e
McDonalds NCI) e pondere seus resultados,
considerando que o 2 um indicador sensvel e, por
vezes, enviesado para detectar invarincia de
parmetros (Hu & Bentler, 1993; Sass, 2011).
Consideraes finais
O objetivo deste estudo foi o de apresentar alguns
dos principais aspectos da AFCMG e discutir suas
potencialidades na avaliao de invarincia de
instrumentos psicomtricos. A AFCMG tem sido
compreendida, atualmente, como uma das principais
ferramentas que possibilitam a avaliao da
218 Damsio, B. F. Anlise Fatorial Confirmatria Multigrupo
configurao e dos parmetros de determinado
instrumento para diferentes grupos simultaneamente.
Suas ferramentas podem auxiliar os pesquisadores a
conduzirem adequadamente tanto estudos de
comparao de grupos, ao assegurar que testes de
diferenas de mdias no esto enviesados, quanto
estudos de validao de instrumentos, ao possibilitar a
avaliao da invarincia da medida para diferentes
grupos e contextos.
Ao longo deste estudo, trs grandes tpicos da
rea da AFCMG foram abordados, a saber: os modelos
a serem testados; a invarincia completa versus
invarincia parcial; e a avaliao de invarincia dos
modelos. Em relao ao primeiro tpico, cabe ressaltar
que nem todos os modelos apresentados precisam,
necessariamente, ser testados para que o pressuposto
de invarincia seja aceito. A invarincia configural
(modelo 1), a invarincia mtrica (modelo 2) e a
invarincia escalar (modelo 3) so os modelos que tm
recebido maior ateno no mbito das pesquisas
empricas. Isso porque, em geral, esses so
considerados os parmetros que, de fato, asseguram a
invarincia da medida, garantindo a possibilidade ou
no de comparao entre grupos, seja em estudos
transculturais ou em estudos de comparao de
subgrupos de uma mesma amostra.
Em relao invarincia residual, no h
consenso na literatura sobre a necessidade de sua
avaliao e as implicaes da no-invarincia desse
pressuposto. Neste estudo, so apresentadas
perspectivas favorveis e contrrias necessidade de
avaliao desse parmetro. Leituras mais aprofundadas
sobre a temtica devero auxiliar os pesquisadores a
compreenderem as situaes tericas e empricas em
que a invarincia residual dos itens apresenta maior ou
menor importncia.
Referente aos modelos subsequentes (invarincia
da covarincia das variveis latentes, e invarincia da
mdia latente), estes so compreendidos como
invarincias estruturais, e esto relacionados a
diferenas entre os grupos (heterogeneidade
populacional) e no aos aspectos mtricos do
instrumento. A invarincia de medida , portanto,
necessria para a avaliao da invarincia estrutural e da
invarincia da mdia latente. Ou seja, o instrumento
precisa estar adequadamente calibrado para todos os
grupos de interesse para que estes possam ser
comparveis entre si.
Em relao invarincia completa versus
invarincia parcial, este um tpico controverso na
literatura internacional, visto que, atualmente, ainda
no h um ponto de corte definido sobre quantos
parmetros e sob quais circunstncias esses parmetros
devem ser invariantes entre os grupos para que as
comparaes entre os grupos sejam aceitveis. As
pesquisas sobre este tpico ainda precisam avanar
consideravelmente para que os pesquisadores possam
tomar decises pautadas em diretrizes claras e
amplamente aceitas.
Por fim, no que se refere avaliao de
invarincia de estrutura e dos parmetros, quatro
ndices de ajuste ( 2 ; CFI; Gamma-hat; McDonalds NCI)
suscetveis ao uso na AFCMG foram apresentados.
Apesar de, at este momento, no haver total consenso
sobre quais e quantos ndices de ajuste avaliar,
possvel observar na literatura que os ndices CFI,
Gamma-hat e McDonalds NCI tm recebido crescente
credibilidade no uso das AFCMG, desde a publicao
de Cheung e Rensvold (2002). Assim, em consonncia
com estudos internacionais (e.g., Meade e cols., 2008)
sugere-se que, ao avaliar a invarincia de estrutura e dos
parmetros de um instrumento, todos os ndices
apresentados sejam utilizados, com vistas a aceitar ou
refutar a hiptese de invarincia com maior nvel de
confiabilidade.
Por fim, um ltimo aspecto precisa ser ressaltado.
Para que os resultados da AFCMG sejam confiveis,
preciso que os pesquisadores utilizem mtodos de
estimao adequados para os seus dados. Como se
sabe, no mbito da Psicologia, a maioria dos
instrumentos psicomtricos apresenta itens com
distribuio no-normal. Isso exige a utilizao de
mtodos de estimao que levem em considerao essa
caracterstica, como por exemplo, os mtodos de
distribuio assinttica livre (asymptotic distribution free,
ADF) ou o mtodo da mxima verossimilhana
robusto (Robust Maximum Likelihood; Satorra & Bentler,
2001). Em casos de itens categricos (dicotmicos ou
politmicos), mtodos que utilizem matrizes de
correlaes tetracricas e/ou policricas, como o
Weighted Least Squares Mean and Variance-Adjusted
(WLSMV: Muthn & Muthn, 1999), so, tambm,
requeridos. Apenas utilizando mtodos de estimao
condizentes com as caractersticas dos itens do
instrumento que estimativas precisas podero ser
obtidas.
Referncias
Bentler, P. M. (1990). Comparative fit indexes in
structural models. Psychological Bulletin, 107(2), 238-
246.
Bentler, P. M. (2004). EQS 6 Structural Equations
Program manual. Encino, CA: Multivariate Software,
Inc.
Brannick, M. T. (1995). Critical comments on applying
covariance structure modeling. Journal of
Organizational Behavior, 16(3), 201-213.
Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013

Brown, T. A. (2006). Confirmatory factor analysis for applied
research. Nova Iorque: The Guilford Press.
Byrne, B. M. (2010). Structural equation modeling with
AMOS: basic concepts, applications, and programming
(2nd ed.). Nova Iorque: Routledge, Taylor &
Francis.
Byrne, B. M., Shavelson, R. J., & Muthn, B. (1989).
Testing for the equivalence of factor covariance
and mean structures: the issue of partial
measurement invariance. Psychological Bulletin,
105(3), 456-466.
Chen, F. F. (2008). What happens if we compare
chopsticks with forks? The impact of making
inappropriate comparisons in cross-cultural
research. Journal of Personality and Social Psychology,
95(5), 1005-1018.
Cheung, G. W. & Rensvold, R. B. (1999). Testing
factorial invariance across groups: A Structural Equation Modeling, 10(2), 175-192.
reconceputalization and proposed new model.
Journal of Management, 25(1), 1-27.
Cheung, G. W. & Rensvold, R. B. (2002). Evaluating
goodness-of-fit indexes for testing measurement
invariance. Structural Equation Modeling, 9(2), 233
255.
Cronbach, L. J. (1947). Test reliability: Its meaning
and determination. Psychometrika, 12(1), 1-16.
Damsio, B. F., Borsa, J. C. & da Silva, J. P. (2011). 14-
Item Resilience Scale (RS-14): psychometric
properties of the Brazilian version. Journal of
Nursing Measurement, 19(3), 131-145.
Damsio, B. F., Pacico, J. C., Poletto, M. & Koller, S.
H. (2012). Refinement and psychometric
properties of the eight-item Brazilian Positive and
Negative Affective Schedule for Children
(PANAS-C8). Journal of Happiness Studies.
doi:10.1007/s10902-012-9383-x
Davidov, E. & Depner, F. (2009). Testing for
measurement equivalence of human values across
online and paper-and-pencil surveys. Quality &
Quantity, 45(2), 375-390.
DeShon, R. P. (2004). Measures are not invariant
across groups without error variance homogeneity.
Psychology Science, 46(1), 137-149.
Hair, J. F., Anderson, R. E., Tatham, R. L. & Black, W.
C. (2005). Anlise multivariada de dados. A. S.
SantAnna & A. C. Neto (Trans). Porto Alegre:
Bookman.
Harrington, D. (2009). Confirmatory factor analysis. Nova
Iorque: Oxford University Press.
Hooper, D., Coughlan, J. & Mullen, M. R. (2008).
Structural equation modeling: guidelines for
determining model fit. Electronic Journal of Business
Research Methods, 6(1), 53-60.
Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013
Damsio, B. F. Anlise Fatorial Confirmatria Multigrupo 219
Hu, L. & Bentler, P. M. (1993). Evaluating model fit.
Em R. H. Hoyle (Ed.) Structural equation modeling:
concepts, issues, and applications (pp. 16-99). Newbury
Park, CA: Sage.
Jreskog, K. G. (1971). Simultaneous factor analysis in
several populations. Psychometrika, 36(4), 409-426.
Jreskog, K. G. (2007). Factor analysis and its
extensions. Em R. Cudeck & R. C. MacCallum
(Eds.). Factor analysis at 100: historical development and
future directions (pp. 47-78). Mahwah, NJ: Lawrence
Erlbaum.
Kelloway, E. K. (1995). Structural equation modeling
in perspective. Journal of Organizational Behavior,
16(3), 215-224.
Lubke, G. H. & Dolan, C. V. (2003). Can unequal
residual variance across groups mask difference in
residual means in the common factor model?
Malpass, R. S. (1977). Theory and method in cross-
cultural psychology. American Psychologist, 32(12),
1069-1079.
Marsh, H. W., Balla, J. R. & McDonald, R. P. (1988).
Goodness-of-fit indexes in confirmatory factor
analysis: the effect of sample size. Psychological
Bulletin, 103(3), 391-410.
McDonald, R. P. (1989). An index of goodness-of-fit
based on noncentrality. Journal of Classification 6(1),
97-103.
Meade, A. W., Johnson, E. C., & Braddy, P. W. (2008).
Power and sensitivity of alternative fit indices in
tests of measurement invariance. Journal of Applied
Psychology, 93(3), 568-592.
Meredith, W. (1964). Notes on factorial invariance.
Psychometrika, 29(2), 177-185.
Meredith, W. (1993). Measurement invariance, factor
analysis and factorial invariance. Psychometrika,
58(4), 525-543.
Milfont, T. L. & Fischer, R. (2010). Testing
measurement invariance across groups:
applications in cross-cultural research. International
Journal of Psychological Research, 3(1), 111-121.
Millsap, R. E. & Meredith, W. (2007). Factorial
invariance: Historical perspectives and new
problems. Em R. Cudeck & R. C. MacCallum
(Eds.). Factor analysis at 100: historical development and
future directions (pp. 131-152). Mahwah, NJ:
Lawrence Erlbaum.
Millsap, R. E. & Kwok, O. M. (2004). Evaluating the
impact of partial measurementinvariance on
selection in two populations. Psychological Methods,
9, 93-115.
Mullen, M. (1995). Diagnosing measurement
equivalence in cross-national research. Journal of
International Business Studies, 26(3), 573-596.
 220 Damsio, B. F. Anlise Fatorial Confirmatria Multigrupo

Murayama, K., Zhou, M. & Nesbit, J. C. (2009). A
cross-cultural examination of the psychometric
properties of responses to the Achievement Goal
Questionnaire. Educational and Psychological
Measurement, 69(2), 266-286.
Muthn, L. K. & Muthn, B. (1999). Mplus users guide.
Los Angeles: Muthn & Muthn.
Nimon, K. & Reio Jr, T. G., (2011). Measurement
invariance: a foundational principle for
quantitative theory building. Human Resource
Development Review, 10(2), 198-214.
Rossi, G., Elklit, A., Simonsen, E. (2010). Empirical
evidence for a four factor framework of
personality disorder organization: multigroup
confirmatory factor analysis of the Millon Clinical
Multiaxial Inventory-III Personality Disorder
Scales across Belgian and Danish data samples.
Journal of Personality Disorders, 24(1), 128-150.
Sass, D. A. (2011). Testing measurement invariance
and comparing latent factor means within a
confirmatory factor analysis framework. Journal of
Psychoeducational Assessment, 29(4), 347-363.
Satorra, A. & Bentler, P. M. (2001). A scaled difference
chi-square test statistic for moment structure
analysis. Psychometrika, 66(4), 507-514.
Schmitt, T. A. (2011). Current methodological
considerations in exploratory and confirmatory
factor analysis. Journal of Psychoeducational Assessment,
29(4), 304-321.
Schmitt, N. & Kuljanin, G. (2008). Measurement
invariance: review of practice and implications.
Human Resource Management Review, 18(4), 210-222.
Schreiber, J. B., Stage, F. K., King, J., Nora, A. &
Barlow, E. A. (2006). Reporting structural
equation modeling and confirmatory factor
analysis results: a review. The Journal of Educational
Research, 99(6), 324-337.
Spurk, D., Abele, A. E. & Volmer, J. (2011). The
Career Satisfaction Scale: longitudinal
measurement invariance and latent growth
analysis. Journal of Occupational and Organizational
Psychology, 84(2), 315-326.
Steiger, J. H. (1989). EzPATH: Causal modeling.
Evanston, IL: SYSTAT.
Steiger, J. H., Shapiro, A. & Browne, M. W. (1985). On
the multivariate asymptotic distribution of
sequential chi-square statistics. Psychometrika, 50(3),
253-264.
Tuokko, H. A., Chou, P. H. B., Bowden, S. C., Simard,
M., Ska, B. & Crossley, M. (2010). Partial
measurement equivalence of French and English
versions of the Canadian Study of Health and
Aging neuropsychological battery. Journal of the
International Neuropsychological Society, 15(3), 416-425.
Vandenberg, R. J. & Lance, C. E. (2000). A review and
synthesis of the measurement invariance literature:
Suggestions, practices, and recommendations for
organizational research. Organizational Research
Methods, 3(1), 4-70.
Wu, A. D., Li, Z. & Zumbo, B. D. (2007). Decoding
the meaning of factorial invariance and updating
the practice of multi-group confirmatory factor
analysis: a demonstration with TIMSS data.
Practical Assessment, Research & Evaluation, 12(3), 1-
26. Retirado de:
http://pareonline.net/getvn.asp?v=12&n=3.
Recebido em 28/07/2012
Reformulado em 07/02/2013
Aprovado em 26/03/2013

Sobre o autor:

Bruno Figueiredo Damsio psiclogo, mestre e doutorando em Psicologia (UFRGS). Tem como foco de
pesquisa a Psicometria, especialmente estudos de construo, adaptao e validao de instrumentos, utilizando
Modelagem de Equaes Estruturais e Teoria de Resposta ao Item. Atualmente Editor-Jnior da revista Temas em
Psicologia, da Sociedade Brasileira de Psicologia. Em termos tericos, interessa-se pelos seguintes temas: sentido de
vida, bem-estar, qualidade de vida, coping e recursos psicossociais.

Contato com o autor

Rua Ramiro Barcelos, 2.600, Sala 104 CEP 90035-003 Porto Alegre-RS, Brasil
E-mail: brunofd.psi@gmail.com
Psico-USF, Bragana Paulista, v. 18, n. 2, p. 211-220, maio/agosto 2013

View publication stats