Ajustes globais do modelo

Após a descrição dos constructos estimados e suas respectivas cargas fatoriais é apresentado a seguir os resultados globais do modelo. Demostrando por sua vez, os resultados iniciais da análise fatorial confirmatória (antes), com seus coeficientes apresentados no Quadro 9 e os resultados do ajuste do Modelo de equações estruturais (depois) com as cargas fatoriais dos constructos apresentados no Quadro 10. A seguir são apresentados os ajustes do modelo na tabela 8:

Tabela 8 - Ajustes do Modelo

Índices de Ajuste Antes (AFC) Depois (MEE) χ² 8.526,441 3.428,523 gl 2534 1059 χ²/gl 3,365 3,238 GFI 0,500 0,645 AGFI 0,467 0,606 TLI 0,569 0,729 CFI 0,584 0,745 RMSEA 0,089 0,087

Fonte: Elaborado pelo autor (2019).

De forma geral, observa-se que os índices de ajuste do modelo melhoraram um pouco, mas não demostram um ajuste global excelente. Esta relação esboça a principal limitação deste trabalho, número de respondentes pequeno, inferior a 300 respondentes. No entanto, o objetivo da dissertação é de testar as relações e não validar o modelo. Assim, os resultados obtidos são validos para averiguar esta

relação e confrontar as hipóteses levantadas, no entanto os resultados obtidos são exclusivamente da amostra estudada e não podem ser realizadas inferências estatísticas para população ou outras amostras.

A seguir são descritos os ajustes globais. O teste de RMSEA (Root Mean Square Error of aproximation), que consiste no erro de aproximação na população, cuja medida de discrepância é expressa em graus de liberdade, dispõe que valores menores que 0,05 indicam bom ajuste e valores entre 0,08 e 0,1 indicam um ajuste medíocre. Desta forma, o coeficiente encontrado para AFC foi de 0,089 e após o refinamento do modelo atingiu-se 0,087 no MEE, uma pequena alteração, todavia demostra que o modelo de MEE possui um ajuste satisfatório. Os resultados consolidados demonstram pelo teste Qui2 que o tanto a AFC e o MEE são estatisticamente significativos a 95% de confiabilidade.

Em adição, o teste CFI (Comparative Fit Index) consiste na comparação do modelo hipotético com o modelo de independência. O resultado do teste varia entre 0 e 1, considerando-se um bom ajuste valores maiores que 0,9. O resultado da AFC encontrou-se 0,584 e após o refinamento dos dados obteve-se 0,745 no MEE. No entanto o resultado implica em um ajuste ruim, enfatizando um reflexo do tamanho da amostra. Os resultados dos testes GFI, AGFI e TLI, com ponto de corte de 0,9, corroboram os resultados apresentados pelo indicador CFI.

Seguindo a análise do ajuste do MEE é apresentado abaixo na Tabela 9 os resultados de confiabilidade do modelo.

Tabela 9 - Análise de Confiabilidade do MEE

Dimensões Alfa de Cronbach Confiabilidade Composta AVE Abertura à mudança 0,87 0,87 0,50 Autopromoção 0,88 0,87 0,50 Conservação 0,89 0,89 0,55 Autotranscedência 0,93 0,93 0,53 Otimismo 0,81 0,82 0,54 Inovação 0,87 0,87 0,62 Desconforto 0,86 0,86 0,61 Insegurança 0,76 0,79 0,57

O coeficiente alfa de Cronbach foi apresentado por Lee J. Cronbach, em 1951, como uma forma de estimar a confiabilidade de um questionário aplicado em uma pesquisa. É uma ferramenta estatística que quantifica, numa escala de 0 a 1, a confiabilidade de um questionário. Ele mede a correlação entre respostas em um questionário através da análise das respostas dadas pelos respondentes, apresentando uma correlação média entre as perguntas. O valor mínimo aceitável para se considerar um questionário confiável é 0,7. No estudo em questão aplicou- se a ferramenta em um questionário utilizado para avaliar a relação entre os valores humanos e a prontidão ao uso de tecnologias (representado pela adoção ao aplicativo de mobile banking).

Os resultados da análise fatorial de 0,7 mostraram que as cargas de todos os itens estavam acima do limite de valor de 0,5, afirmando que a validade discriminante do instrumento foi demonstrada. Conforme Pallant (2007) e Sekaran (2003), os coeficientes devem estar na faixa de 0,70 para ser aceitável, e aqueles acima de 0,80 são bons. Segundo Hair Jr (2009) um modelo de equações estruturais demostra uma boa confiabilidade quanto os parâmetros do alfa de Cronbach e a confiabilidade composta, sendo iguais ou maiores que 0,7. Ainda, a Análise da Variância Extraída (AVE), sendo igual ou superior a 0,5.

Assim, observa-se conforme Tabela 11, que o menor alfa de Cronbach foi encontrado foi de 0,76, e 0,79 para a confiabilidade composta, ambos para a dimensão Insegurança, superior ao sugerido por Hair Jr (2009). Ainda, a confiabilidade composta demostra um indicador superior ao alfa de Cronbach para averiguar a validade conjunta das variáveis que compõem os constructos.

Uma vez que a coleta das informações foi realizada através de dados primários com o auxílio do questionário estruturado que se encontra no Anexo 01, se faz necessário testar a confiabilidade dos constructos e afirmativas do questionário. A confiabilidade do questionário foi medida pelo alfa de Cronbach nas variáveis: Abertura à Mudança, Autopromoção, Conservação, Autotranscendência, Otimismo, Inovação, Desconforto e Insegurança para estabelecer os valores de consistência interna (SEKARAN, 2003). Desta forma, a tabela 11 acima demonstra que todas as variáveis de pesquisa são internamente consistentes e têm valores de confiabilidade, promovendo maior robustez à pesquisa realizada. Os resultados consolidados na Tabela 11 demonstram que as perguntas que fazem parte de cada

constructo e, de forma geral, possuem boa aderência, isto é, as respostas coletadas do questionário apresentam confiabilidade.

Quanto os resultados encontrados para AVE o menor valor foi de 0,5 para a dimensão abertura à mudança e Autopromoção. Isto, sugere uma boa adequação ao modelo, uma vez, que a AVE apresenta quanto da variância informacional foi extraída pela dimensão. Assim, todos os indicadores de confiabilidade estão de acordo com a literatura.

Após a apresentação da confiabilidade do modelo estimado é apresentado a validade discriminante. O critério inicial ao qual o modelo foi submetido releva os preceitos de Fornell e Larcker (1981), nas relações possíveis de um constructo para com os demais e assim, com todos relacionados.

Segundo Fornell e Larcker (1981), se espera que o poder de explicação das variáveis que compõe a própria dimensão seja maior que a relação dela com as demais. Para isto, é realizada a correlação entre os constructos estimados e comparado com a raiz da AVE, espera-se que a correlação em módulo do constructo analisado entre as demais dimensões seja menor que a raiz da AVE do constructo. Na Tabela 10 é apresentada na diagonal principal, em negrito, a raiz da AVE de cada dimensão e na matriz triangular inferior a correlação entre as dimensões.

Tabela 10 - Validade Discriminante Dimensões Abert ura Autoprom oção Conserv ação Autotransced ência Otimis mo Inova ção Desconf orto Insegura nça Abertura 0,707 Autopromoçã o ,201** 0,707 Conservação ,229** ,173** 0,742 Autotransced ência ,410** -,054 ,524** 0,728 Otimismo ,310** ,280** ,059 ,033 0,735 Inovação ,270** ,316** -,050 -,053 ,390** 0,787 Desconforto -,011 ,217** ,152** ,053 -,041 ,190** 0,781 Insegurança ,052 -,041 ,124* ,198** -,216** -,202** ,325** 0,755

Fonte: Elaborado pelo autor (2019).

**. A correlação é significativa no nível 0,01 (2 extremidades). *. A correlação é significativa no nível 0,05 (2 extremidades).

Os resultados apresentados na Tabela 10, demostra que para todas as dimensões a raiz da AVE é superior a correlação em módulo entre todas as dimensões avaliadas.

Averiguado os ajustes do modelo de equações estruturais é apresentado a seguir o resultado encontrado para as hipóteses levantadas.