Projeto - SEMCD 6

library(tidyverse) #environment
library(DataExplorer) #plots
library(mirt) #item response theory
library(psych) #classical test theory
library(DT) #Tables

items <- dados %>% select(starts_with("Q"))

1 Preâmbulo

Na Psicologia em geral e na construção de instrumentos em específico, aspectos realacionados com a qualidade de instrumentos de medida são fundamentais para assegurar interpretações adequadas ao que se está investigando. Questões acerca da fidedignidade e da validade precisam ser amplamente exploradas e constantemente verificadas, dado que instrumentos cujas qualidades psicométricas são baixas ou insuficientes afetam, no mínimo, três questões. Inicialmente, instrumentos de baixa qualidade i. podem reduzir o tamanho do efeito obtido durante uma medição que, por sua vez, ii. afeta a significância estatística e iii. prejudica o entendimento do constructo psicológico acessado (Furr 2011).

Tradicionalmente, a fidedignidade e a validade são duas características instrumentais avaliadas. A fidedignidade de uma medida pode ser entendida como a capacidade dela reproduzir um resultado de forma estável no tempo e com consistência entre os itens entre si, ou entre avaliadores diferentes. Posto isso, a consistência interna do SEMCD-6 foi avaliada pela correlação que o item apresenta com o o total, pelo Coeficiente Alfa de Cronbach e pelo Lambda de Guttman. A Tabela 1 apresenta os resultados sumarizados.

2 Fidedignidade

#Versao A
#compute Cronbach's alpha
cor_item_total <- items %>% alpha(.)
#Transform to a data frame
cor_item_total <- bind_cols(cor_item_total$item.stats,cor_item_total$alpha.drop)
#add row number and Supress some variables
cor_item_total <- cor_item_total %>% 
  mutate(item=row_number())

#translate names
cor_item_total <- cor_item_total

#insert content
cor_item_total <- cor_item_total %>% 
  mutate(conteudo = case_when(
    item == "1" ~ "y1 Vc esta seguro para impedir que a fadiga causada pela sua doenca interfira nas coisas que voce gostaria de fazer?",
    item == "2" ~ "y2 Vc esta seguro para impedir que o desconforto fisico ou a dor causados pela doenca interfira nas coisas que voce gostaria de fazer?",
    item == "3" ~ "y3 Vc esta seguro apra impedir que o sofrimento emocional causada pela sua doenca interfira nas coisas que voce gostaria de fazer?",
    item == "4" ~ "y4 Vc esta seguro para impedir que quaisquer outros sintomas ou problemas de saúde que você tenha interfira nas coisas que voce gostaria de fazer?",
    item == "5" ~ "y5 Vc esta seguro para conseguir fazer as diferentes tarefas ...",
    item == "6" ~ "y6 Vc esta seguro para conseguir fazer outras coisas alem de apenas tomar o medicamento...?"))

# order
cor_item_total <- cor_item_total %>% 
  select(item, conteudo, n, mean, sd, r.drop, raw_alpha) %>% 
  rename("Média" = mean, "DP" = sd, "Cor item-total" = r.drop, "Alfa se deletado" = raw_alpha) %>% 
  mutate_if(is.numeric, round, 2)

cor_item_total <- cor_item_total %>% 
  add_row(conteudo = 
            paste("Coeficiente Alfa = ", round(alpha(items)$total[2],2),
                  " Lambda de Guttman", round(splitHalf(items)$lambda6,2)))

#report
datatable(cor_item_total,
          caption = "Tabela 1. Resultados de fidedignidade", 
          options = list(dom = 't'))

3 Validade

A investigação de aspectos da validade é realizada a partir de diferentes técnicas e a Análise Fatorial tem importante utilidade para verificar modelos latentes, como é o caso. No entanto, para verificar a capacidade de fatoração da base, o teste de KMO e o Teste de Esfericidade de Bartlett precisam ser realizados. O teste de Bartlett mede se a matriz de correlação entre as variáveis é uma matriz identidade, ou seja, se cada variável possui apenas correlação com ela própria e não com as demais. A rejeição dessa hipótese nula (p < 0.05) é indispensável para prosseguimento. A estatística KMO mede a correla??o parcial das variáveis e varia entre 0 e 1. Apesar de valores acima de 0.5 já serem vistos como adequados, quanto mais próximo de 1, melhor é o ajustamento e a confirmação da estrutura fatorial.

bartlett.test(items)

## 
##  Bartlett test of homogeneity of variances
## 
## data:  items
## Bartlett's K-squared = 1.6134, df = 5, p-value = 0.8996

== Uma vez que esse resultado foi alcançado, resolvi verificar o perfil de correlação entre os itens

plot_correlation(items)

Referências

Furr, R. Michael. 2011. Scale Construction and Psychometrics for Social and Personality Psychology. SAGE Publications Ltd. doi:10.4135/9781446287866.