Auditoria prévia de escalas
Antes da EFA/CFA: dados em falta e outliers
Descrição
"É acionada quando é necessário auditar, quanto à qualidade psicométrica, dados brutos de desenvolvimento de escalas (Excel/CSV) recolhidos por uma empresa profissional de inquéritos, antes de avançar para a EFA/CFA ou para análises finais de fiabilidade. Avalia de forma abrangente os dados em falta, os outliers, as respostas descuidadas, o viés de resposta, a qualidade dos itens e a adequação da amostra, produzindo uma decisão Go/No-Go; não altera os dados, apresentando apenas um relatório de diagnóstico/auditoria."
Habilidades relacionadas
Ver tudo
Auditoria de Dados de Escalas
Esta competência audita sistematicamente os dados brutos de um inquérito recolhidos no âmbito de um estudo de desenvolvimento de uma escala, avaliando dados omissos, observações atípicas, respostas descuidadas (straightlining, longstring, random responding), distribuições problemáticas ao nível dos itens e os pré-requisitos de fiabilidade e de fatorabilidade. Não produz os resultados finais de EFA/CFA; apresenta uma decisão baseada em evidências de «go/no-go» sobre a preparação dos dados para as fases de análise seguintes, bem como uma proposta de divisão estratificada da amostra (EFA/CFA split). Todos os cálculos são realizados através da execução efetiva de código (Python: pandas, scipy, factor_analyzer, pingouin); não são gerados números hipotéticos.
Relatório de validade e fiabilidade
Gera um texto completo, pronto para integrar num artigo, com as secções de Métodos e Resultados a partir dos resultados das suas análises EFA ou CFA (KMO, teste de Bartlett, cargas fatoriais, índices de ajustamento, alfa de Cronbach/CR/AVE). Classifica corretamente os valores-limite dos índices de ajustamento (CFI/TLI≥.90, RMSEA≤.08, entre outros) e comunica sem ocultar problemas de validade, como AVE<0.50. Adequado para académicos e estudantes de pós-graduação que desenvolvem ou adaptam escalas.
Motor de Relatório PLS-SEM
Gera um relatório completo do Modelo de Medição + Modelo Estrutural a partir dos seus resultados de análise PLS-SEM (cargas externas, CR/AVE, validade discriminante HTMT, coeficientes de caminho, R²/f²/Q², SRMR). Aplica corretamente o limiar HTMT e a interpretação de R² (critérios de Cohen/Chin), evitando linguagem de causalidade. Além disso, identifica antecipadamente pelo menos 4 objeções frequentemente levantadas por revisores de revistas (por exemplo, "por que escolher PLS em vez de CB-SEM" e "não foi realizado o controlo do CMB") e fornece uma frase de defesa para cada uma. Indicado para: investigadores de gestão e ciências sociais que utilizam modelação de equações estruturais com PLS-SEM e procuram robustez metodológica antes da submissão a uma revista.
Auditoria prévia de escalas
Antes da EFA/CFA: dados em falta e outliers
Descrição
"É acionada quando é necessário auditar, quanto à qualidade psicométrica, dados brutos de desenvolvimento de escalas (Excel/CSV) recolhidos por uma empresa profissional de inquéritos, antes de avançar para a EFA/CFA ou para análises finais de fiabilidade. Avalia de forma abrangente os dados em falta, os outliers, as respostas descuidadas, o viés de resposta, a qualidade dos itens e a adequação da amostra, produzindo uma decisão Go/No-Go; não altera os dados, apresentando apenas um relatório de diagnóstico/auditoria."
Habilidades relacionadas
Ver tudoAuditoria de Dados de Escalas
Esta competência audita sistematicamente os dados brutos de um inquérito recolhidos no âmbito de um estudo de desenvolvimento de uma escala, avaliando dados omissos, observações atípicas, respostas descuidadas (straightlining, longstring, random responding), distribuições problemáticas ao nível dos itens e os pré-requisitos de fiabilidade e de fatorabilidade. Não produz os resultados finais de EFA/CFA; apresenta uma decisão baseada em evidências de «go/no-go» sobre a preparação dos dados para as fases de análise seguintes, bem como uma proposta de divisão estratificada da amostra (EFA/CFA split). Todos os cálculos são realizados através da execução efetiva de código (Python: pandas, scipy, factor_analyzer, pingouin); não são gerados números hipotéticos.
Relatório de validade e fiabilidade
Gera um texto completo, pronto para integrar num artigo, com as secções de Métodos e Resultados a partir dos resultados das suas análises EFA ou CFA (KMO, teste de Bartlett, cargas fatoriais, índices de ajustamento, alfa de Cronbach/CR/AVE). Classifica corretamente os valores-limite dos índices de ajustamento (CFI/TLI≥.90, RMSEA≤.08, entre outros) e comunica sem ocultar problemas de validade, como AVE<0.50. Adequado para académicos e estudantes de pós-graduação que desenvolvem ou adaptam escalas.
Motor de Relatório PLS-SEM
Gera um relatório completo do Modelo de Medição + Modelo Estrutural a partir dos seus resultados de análise PLS-SEM (cargas externas, CR/AVE, validade discriminante HTMT, coeficientes de caminho, R²/f²/Q², SRMR). Aplica corretamente o limiar HTMT e a interpretação de R² (critérios de Cohen/Chin), evitando linguagem de causalidade. Além disso, identifica antecipadamente pelo menos 4 objeções frequentemente levantadas por revisores de revistas (por exemplo, "por que escolher PLS em vez de CB-SEM" e "não foi realizado o controlo do CMB") e fornece uma frase de defesa para cada uma. Indicado para: investigadores de gestão e ciências sociais que utilizam modelação de equações estruturais com PLS-SEM e procuram robustez metodológica antes da submissão a uma revista.
Encontra a tua próxima habilidade favorita
Explora mais habilidades de IA selecionadas para pesquisa, criação e trabalho do dia a dia.