---
title: "Como realizar análise de invariância de medição (MIMIC) no JASP?"
url: https://www.blog.psicometriaonline.com.br/tutorial-analise-de-invariancia-de-medicao-mimic-no-jasp
canonical: https://www.blog.psicometriaonline.com.br/tutorial-analise-de-invariancia-de-medicao-mimic-no-jasp
language: pt-BR
published: 2022-03-05T12:01:35.000Z
updated: 2026-03-30T15:58:15.468Z
modified: 2026-03-30T15:58:15.468Z
author: "Alex França"
categories: ["Tutoriais"]
tags: ["análise fatorial confirmatória", "tutorial no JASP"]
description: "Aprenda a realizar uma análise de invariância de medição (MIMIC) no JASP, interpretar os resultados e avaliar o ajuste do modelo."
source: Blog Psicometria Online
---
# Como realizar análise de invariância de medição (MIMIC) no JASP?

> Anteriormente, explicamos a importância da invariância de medição, também conhecida como equivalência de medição. Agora, neste tutorial (adaptado diretamente do JASP), vamos explorar como realizar uma análise de invariância de medição (MIMIC) no JASP, apresentando o modelo, sua implementação e a int...

[Anteriormente](https://blog-academy.replit.app/por-que-a-invariancia-de-medicao-e-importante), explicamos a importância da **invariância de medição**, também conhecida como **equivalência de medição**. Agora, neste tutorial (adaptado diretamente do [JASP](https://jasp-stats.org/2022/02/01/multiple-indicators-multiple-causes-mimic-model-in-jasp/)), vamos explorar como realizar uma análise de invariância de medição (MIMIC) no JASP, apresentando o modelo, sua implementação e a interpretação dos resultados.

Nosso exemplo envolve um estudo sobre participação social. Em síntese, os pesquisadores desejam investigar os efeitos da renda, ocupação e educação sobre essa variável.

Uma vez que a participação social é uma variável latente, ela é representada por três indicadores observáveis: frequência à igreja, participação em organizações voluntárias e número de amigos vistos.

Desse modo, as variáveis igreja, membro e amigos representam os múltiplos indicadores da participação social — a parte “MI” — *multiple indicators* — do modelo MIMIC. Por outro lado, a renda, a ocupação e a educação atuam como causas — a parte “MIC” — *multiple causes*. O conjunto de dados utilizado foi adaptado de Hodge e Treiman (1968).

## Como implementar a análise de invariância de medição (MIMIC) no JASP

Antes de mais nada, baixe e instale o [JASP](/jasp-um-software-gratuito-para-fazer-analise-de-dados). Em seguida, abra o software, vá até **MEE > Modelo MIMIC** (Figura 1) e insira as variáveis apropriadas: igreja, membro e amigos em **Indicadores**, e renda, ocupação e educação em **Preditores** (Figura 2).

![caminho para solicitar o modelo MIMIC no JASP.](/uploads/2022-03_analise-de-invariancia-caminho-para-a-analise.png)

*Figura 1. Caminho para solicitar o modelo MIMIC.*

![configurando o modelo MIMIC no JASP.](/uploads/2022-03_analise-de-invariancia-solicitando-a-analise.png)

*Figura 2. Configurando o modelo MIMIC no JASP.*

O painel de saída exibe as estimativas de parâmetros. A tabela de coeficientes dos preditores mostra o impacto de cada variável explicativa. Por outro lado, a tabela de coeficientes dos indicadores revela as cargas fatoriais associadas à variável latente.

Importante: a variância do fator é fixada em 1 para garantir a identificação do modelo. Sendo assim, ao interpretar os coeficientes, encare-os como coeficientes de regressão comuns.

Em seguida, veremos como interpretar os coeficientes e demais índices do modelo.

## Coeficientes não padronizados na análise MIMIC no JASP

Primeiramente, analisaremos a tabela de coeficientes dos preditores (Figura 3). O coeficiente de renda, por exemplo, é 0,135. Isso significa que, a cada unidade adicional de renda, a participação social cresce em 0,135 unidade. Já a educação apresenta um coeficiente de 0,391, indicando um efeito ainda mais expressivo.

![coeficientes dos preditores da análise de invariância MIMIC no JASP.](/uploads/2022-03_analise-de-invariancia-predictor-coefficients.jpg)

*Figura 3. Estimativas não padronizadas dos coeficientes dos preditores*.

Contudo, apenas renda e educação são estatisticamente significativas ao nível de 0,05. Em contrapartida, a ocupação não apresenta um efeito relevante no modelo (*b* = 0,054, *p* = 0,08).

Em seguida, analisaremos a tabela de coeficientes dos indicadores (Figura 4). Como podemos ver na Figura 4, o aumento de uma unidade em participação social resulta em acréscimo de 0,489 na frequência à igreja, de 0,304 na participação em organizações e, por fim, de 0,114 no número de amigos vistos.

![coeficientes dos indicadores da análise de invariância MIMIC no JASP.](/uploads/2022-03_analise-de-invariancia-indicator-coefficients.jpg)

*Figura 4. Estimativas não padronizadas dos coeficientes dos indicadores.*

Esses valores, porém, são não padronizados. Logo, não podemos compará-los diretamente.

## Estimativas padronizadas na análise de invariância de medição (MIMIC) no JASP

Para resolver isso, vá à guia **Opções** e marque **Estimativas padronizadas** (Figura 5). Isso permite comparar a força dos efeitos entre variáveis com escalas diferentes.

![solicitando as estimativas padronizadas do modelo MIMIC no JASP.](/uploads/2022-03_analise-de-invariancia-coeficientes-padronizados.jpg)

*Figura 5. Solicitando coeficientes padronizados.*

A Figura 6 reapresenta as tabelas das Figuras 3 e 4, exceto que agora os coeficientes apresentados consistem em versões padronizadas dos coeficientes anteriores.

![coeficientes padronizados dos preditores e dos indicadores da análise de invariância MIMIC no JASP.](/uploads/2022-03_analise-de-invariancia-coeficientes-padronizados-tabela.jpg)

*Figura 6. Estimativas padronizadas dos coeficientes dos preditores e dos indicadores.*

Na Figura 6, vemos que um desvio-padrão a mais em renda aumenta a participação social em 0,232 desvio-padrão. Já o mesmo aumento em educação resulta no aumento de 0,334 desvio-padrão. Portanto, a educação exerce o efeito mais forte sobre a variável latente que a renda.

Em síntese, essa padronização facilita comparações entre variáveis com unidades distintas, o que é essencial em [análises psicométricas](/o-que-e-psicometria).

## Variância explicada pelos indicadores no modelo MIMIC no JASP

Ainda na guia **Opções**, marque ***R*²** (Figura 7), pois essa medida informa quanto da variância de cada indicador é explicada pela variável latente.

![variância explicada da análise de invariância.](/uploads/2022-03_analise-de-invariancia-r-ao-quadrado.jpg)

*Figura 7. Solicitando o R².*

Os resultados mostram que o fator latente de participação social explica 21,7% da variação na frequência à igreja, 54,1% nas organizações voluntárias e 16,1% no número de amigos vistos (Figura 8). Esses valores ajudam a entender a qualidade da mensuração de cada indicador.

![variância explicada de cada indicador no modelo MIMIC.](/uploads/2022-03_analise-de-invariancia-r-ao-quadrado-tabela.jpg)

*Figura 8. Variância explicada de cada indicador pela variável latente.*

## Medidas de ajuste na análise de invariância de medição (MIMIC) no JASP

Além disso, para avaliar o ajuste do modelo, selecione **Medidas adicionais de ajuste** (Figura 9).

![solicitando índices de ajuste do modelo MIMIC.](/uploads/2022-03_analise-de-invariancia-medidas-adicionais-de-ajuste.jpg)

*Figura 9. Solicitando medidas adicionais de ajuste.*

A Figura 10 apresenta os índices de ajuste. Os principais deles são o [CFI, TLI](/indices-comparativos-na-analise-fatorial-confirmatoria), [RMSEA e SRMR](/como-interpretar-o-srmr-e-o-rmsea-em-uma-analise-fatorial-confirmatoria), de modo que nos focaremos neles.

![índices de ajuste da análise de invariância do modelo.](/uploads/2022-03_analise-de-invariancia-indices-de-ajuste.jpg)

*Figura 10. Índices de ajuste.*

Os valores obtidos foram: CFI = 0,969 e TLI = 0,939. Ambos superam o critério mínimo de 0,90, indicando bom ajuste. Já o RMSEA foi 0,045 e o SRMR, 0,023 — ou seja, ambos dentro dos limites recomendados. Em síntese, essas estatísticas fortalecem a conclusão de que o modelo se ajusta bem aos dados analisados.

## Visualização gráfica da análise MIMIC no JASP

Por fim, é possível visualizar as relações entre variáveis por meio de um gráfico. Na guia **Gráficos**, ative as opções **Gráfico do modelo**, **Estimativas dos parâmetros** e **Legenda** (Figura 11).

![](/uploads/2022-03_analise-de-invariancia-grafico.jpg)

*Figura 11. Solicitando o gráfico do modelo MIMIC.*

O diagrama de caminho gerado ilustra os caminhos entre preditores e indicadores, bem como suas respectivas variâncias (Figura 12). Contudo, vale lembrar que esses coeficientes não são padronizados, isto é, os valores nela contidos são aqueles contidos nas Figuras 3 e 4.

![](/uploads/2022-03_analise-de-invariancia-diagrama-de-caminho.jpg)

*Figura 12. Diagrama de caminho do modelo MIMIC.*

## Conclusão

Gostou deste conteúdo? Se você precisa aprender análise de dados, então faça parte da [**Psicometria Online Academy**](https://academy-po.psicometriaonline.com.br/?utm_source=blog&utm_medium=organico&utm_campaign=&utm_term=&utm_content=post), a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura [**aqui**](https://academy-po.psicometriaonline.com.br/?utm_source=blog&utm_medium=organico&utm_campaign=&utm_term=&utm_content=post) e nunca mais passe trabalho sozinho(a).

## Como citar este post

> **Como citar este artigo:** França, A. (2022, 5 de março). Como realizar análise de invariância de medição (mimic) no jasp? *Blog Psicometria Online*. https://www.blog.psicometriaonline.com.br/tutorial-analise-de-invariancia-de-medicao-mimic-no-jasp