O que a análise multigrupo informa?

Se uma relação do seu modelo é significativamente mais forte em um grupo do que em outro. Ela testa a moderação por uma variável de agrupamento categórica no nível de cada caminho estrutural.

Preciso de invariância de medição antes da MGA?

Sim. Você deve estabelecer primeiro pelo menos invariância de medição parcial (o procedimento MICOM). Caso contrário, uma diferença nos coeficientes de caminho poderia vir de os grupos medirem os constructos de forma diferente, e não de uma diferença estrutural real.

Qual teste MGA devo usar?

O teste de permutação é a escolha recomendada porque não faz suposições distribucionais. Os testes paramétrico e de Welch-Satterthwaite são alternativas; para mais de dois grupos, comece com um teste ômnibus.

MÉTODO PLS-SEM

Análise multigrupo (MGA): comparar caminhos entre grupos

A análise multigrupo (MGA) verifica se as relações do seu modelo PLS-SEM diferem significativamente entre grupos predefinidos, como homens e mulheres, dois países, ou clientes e não clientes. Esta página explica o que ela testa, como ler o resultado, as variantes do teste, a etapa de invariância de medição que a maioria pula e os erros comuns.

O que a análise multigrupo testa

Um modelo PLS-SEM padrão estima um coeficiente de caminho por relação estrutural, agregado sobre toda a amostra. A MGA faz uma pergunta mais precisa: essa relação é igual para todos, ou depende do grupo a que o respondente pertence? É uma forma de moderação em que o moderador é uma variável de agrupamento categórica.

A MGA estima o modelo separadamente para cada grupo e então testa se a diferença entre os coeficientes de caminho dos grupos é maior do que se esperaria por acaso. Uma diferença significativa indica que a variável de agrupamento modera essa relação: o efeito é realmente mais forte em um grupo do que no outro.

Um exemplo resolvido

O caminho da utilidade percebida até a adoção é estimado separadamente para dois grupos. No Grupo A o coeficiente é 0,45 e no Grupo B é 0,18. O teste de permutação dá um valor p de 0,02 para a diferença, então o caminho difere significativamente entre os grupos.

Você relataria os dois coeficientes específicos de cada grupo e concluiria que a variável de agrupamento modera essa relação.

O caminho da utilidade até a adoção é 0,45 no Grupo A frente a 0,18 no Grupo B; a diferença é significativa (p = 0,02).

Como ler o resultado

Para cada caminho estrutural, a MGA informa a diferença entre os coeficientes dos dois grupos e um valor p para essa diferença.

p(dif) < 0,05: O caminho difere significativamente entre os dois grupos. A variável de agrupamento modera essa relação; relate e interprete separadamente os dois coeficientes específicos de cada grupo.
p(dif) ≥ 0,05: Nenhuma evidência de que o caminho difira entre grupos. Para essa relação você pode relatar o coeficiente agregado do modelo da amostra completa.
Resultados mistos: É normal que alguns caminhos difiram entre grupos e outros não. Interprete cada caminho isoladamente, em vez de declarar o modelo inteiro invariante com base em um único caminho.

Uma diferença não significativa não prova que os grupos sejam idênticos, apenas que seus dados não mostram diferença. Grupos pequenos demais dificultam detectar diferenças reais.

Variantes do teste MGA

Teste de permutação

A abordagem não paramétrica recomendada (Henseler 2007). Os rótulos de grupo são embaralhados repetidamente para construir a distribuição da diferença de coeficientes sob a hipótese nula. Não faz suposições distribucionais, por isso o OpenPLS a utiliza.

Teste paramétrico

Um teste t de duas amostras sobre os coeficientes de bootstrap (Keil et al. 2000). Simples, mas pressupõe variâncias iguais entre os grupos.

Welch-Satterthwaite

Uma variante do teste paramétrico que não pressupõe variâncias iguais. Mais robusta quando os tamanhos ou as variâncias dos grupos diferem.

Teste ômnibus (OTG)

Para mais de dois grupos, o teste ômnibus de diferenças entre grupos verifica se um caminho difere entre todos os grupos de uma vez, antes de qualquer comparação par a par.

Executar a MGA passo a passo

Defina os grupos a partir de uma coluna categórica (por exemplo gênero, região, ou uma divisão de uma variável contínua).
Verifique primeiro a invariância de medição (o procedimento MICOM). Você deve estabelecer pelo menos invariância parcial, ou as diferenças entre grupos poderiam refletir como os constructos são medidos em vez de diferenças estruturais reais.
Estime o modelo dentro de cada grupo e confirme que cada grupo tem casos suficientes para estimativas estáveis.
Execute a MGA para obter a diferença de coeficientes e o valor p de cada caminho estrutural.
Relate os coeficientes específicos de grupo para os caminhos que diferem significativamente, e o coeficiente agregado para os demais.

Erros comuns

Pular a verificação de invariância de medição (MICOM). Sem ela, uma diferença de caminho significativa pode significar apenas que os dois grupos interpretam os itens de forma diferente.
Grupos pequenos demais. A MGA precisa de uma amostra razoável por grupo; grupos minúsculos produzem coeficientes instáveis e baixo poder.
Comparar mais de dois grupos apenas com testes par a par, sem um teste ômnibus, o que infla a taxa de falsos positivos.
Ler uma diferença não significativa como prova de igualdade. É apenas uma ausência de evidência.
Dividir um moderador contínuo em grupos quando uma análise de moderação contínua preservaria mais informação.

MGA no OpenPLS

O OpenPLS inclui um painel de análise multigrupo que executa o teste de permutação de Henseler. Defina seus grupos a partir de qualquer coluna, escolha o número de permutações e obtenha, para cada caminho estrutural, a diferença de coeficientes e um valor p bilateral. Ele lida com dois grupos diretamente e relata comparações par a par para mais. Grátis e roda no navegador.

Compare grupos no seu próprio modelo

Construa seu modelo no editor visual, defina seus grupos e execute uma MGA baseada em permutações com um clique. Grátis, sem instalação.

Abrir o OpenPLS O que é PLS-SEM?

Perguntas frequentes

O que a análise multigrupo informa?: Se uma relação do seu modelo é significativamente mais forte em um grupo do que em outro. Ela testa a moderação por uma variável de agrupamento categórica no nível de cada caminho estrutural.
Preciso de invariância de medição antes da MGA?: Sim. Você deve estabelecer primeiro pelo menos invariância de medição parcial (o procedimento MICOM). Caso contrário, uma diferença nos coeficientes de caminho poderia vir de os grupos medirem os constructos de forma diferente, e não de uma diferença estrutural real.
Qual teste MGA devo usar?: O teste de permutação é a escolha recomendada porque não faz suposições distribucionais. Os testes paramétrico e de Welch-Satterthwaite são alternativas; para mais de dois grupos, comece com um teste ômnibus.

Leitura adicional

Para a abordagem de permutação: Henseler, J. (2007). A new and simple approach to multi-group analysis in partial least squares path modeling. Para a invariância de medição: Henseler, J., Ringle, C. M., & Sarstedt, M. (2016). Testing measurement invariance of composites using partial least squares. International Marketing Review, 33(3), 405-431. Uma visão prática está em Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3ª ed., Sage.