Statistical power and structural equation models in business research

Antecedentes e consequências dos conflitos entre trabalho e família

“…Esta técnica é ideal quando se deseja verificar múltiplas relações de dependência entre variáveis. Porém, em função do número de parâmetros a serem estimados e das premissas em máxima verossimilhança (maximum likelihood), o tamanho da amostra torna-se um importante critério de decisão na adoção dessa estratégia de análise (Hair, Anderson, Tatham, & Black, 1998;Mcquitty, 2004). Como a amostra obtida neste estudo (N=296) foi menor do que o mínimo necessário de observações para estimar adequadamente todos os parâmetros envolvidos no modelo, optou-se por empregar a análise de regressão hierárquica, que envolve técnicas estabelecidas e amplamente utilizadas em pesquisas nas ciências sociais e comportamentais (Tabachnick & Fidell, 2007 Foram realizadas análises da variância (ANOVAS) para explorar o efeito das variáveis demográficas categóricas (controles) sobre as variáveis dependentes em estudo.…”

Coping With Customer Complaints

“…When statistical power is insufficient (e.g., π < 0.80), the ability to detect and hence reject a false null hypotheses is reduced (Cohen 1988). To estimate the power of our model, we used the tables provided by McQuitty (2004). With 32 degrees of freedom and a sample size of 432, the power of the model (π > 0.90, close fit) is sufficient, especially when taken together with goodness-of-fit statistics that account for sample size (e.g., NNFI, CFI, RMSEA).…”

E-S-Qual

“…Regarding the somewhat high RMSEA values, it is worth noting that the interpretation of any fit index in isolation could be problematic because trade-offs between Type I and Type II errors call for the interpretation of combinations of indexes in various model contexts (Hu and Bentler [1999] and McQuitty [2004] offer insightful discussions of this issue and recommend interpretation guidelines). A related issue is statistical power, which depends on sample size as well as the degrees of freedom in the structural model and can be either too low (leading to nonrejection of incorrect models) or too high (leading to rejection of correct models) (McQuitty 2004). As such, situations in which power is overly great (i.e., > 0.9) may require a more relaxed interpretation of fit than is typical.…”