Análise de dimensionalidade da escala

Conforme já mencionado, para verificar a dimensionalidade da escala, foi utilizada a técnica multivariada denominada análise fatorial. Segundo Tabachnick e Fidell (2001), a análise fatorial exploratória é uma técnica estatística aplicada em um conjunto de variáveis, quando o pesquisador está interessado em descobrir quais das mesmas formam subconjuntos coerentes e relativamente independentes uns dos outros.

Sobre essa mesma questão, Hair Júnior et al. (1998) afirmam que a análise fatorial exploratória se presta a diversos propósitos. Dentre eles, os autores ressaltam sua aplicabilidade como medida mais precisa da unidimensionalidade das medições. Nesse caso, a suposição é que todas as variáveis constantes das medidas podem ser agrupadas em fatores que garantam a unidimensionalidade das variáveis latentes. Ainda segundo Hair Júnior et al.(1998), um segundo objetivo da análise fatorial exploratória é verificar se todos os indicadores constantes das medições são realmente relevantes para a pesquisa.

Assim, antes de utilizar a técnica multivariada, é necessário verificar se os dados se ajustam ao modelo fatorial, da maneira como salientam Hair Júnior et al. (1998). Segundo os autores, para verificar esse ajuste, empregam-se dois indicadores: o Teste de Esfericidade de Bartlett e a Medida de Adequação da Amostra, conforme Kaiser-Meyer-Olkin – KMO.

O Teste de Esfericidade de Bartlett tem por objetivo verificar a presença de correlação entre as variáveis. Esse teste averigua a probabilidade estatística de que a matriz de correlação apresente correlações significativas no nível de significância de 5% entre as variáveis, isto é, que não seja uma matriz singular. Ser uma matriz singular indica a presença de correlação apenas na diagonal principal, o que não é desejável em uma análise fatorial, pois espera-se que exista alguma correlação entre as variáveis para que ocorram os agrupamentos esperados123_.

Já a Medida de Adequação da Amostra, seguindo os parâmetros – KMO – pode ser interpretada da seguinte maneira: 0,90 ou acima, marvelous; 0,80 ou acima, meritorius; 0,70 ou acima, middling; 0,60 ou acima, mediocre; 0,50 ou acima, miserable; e abaixo de 0,50,

123 _{Um grupo de itens é denominado fator. A escala de incertezas associadas à decisão estratégica de investir}

inacceptable. Ressalta-se que a tradução não foi feita, temendo-se a não fidelidade ao real

sentido com a qual os termos foram utilizados por Hair Júnior et al. (1998). Os procedimentos recomendados foram utilizados nesta pesquisa e os valores apurados atestaram a adequação da Análise Fatorial, conforme os resultados apresentados na TAB.7.

TABELA 7

Valores de estatísticas que atestam a utilização da análise fatorial Testes de Bartlet e KMO

Kaiser-Meyer-Olkin (KMO) ou Medida de Adequação de Amostra 0,652

Qui-quadrado 351,75

Teste de Esfericidade de Bartlett Graus de liberdade 120 Nível de Significância 0,000 FONTE: Elaborada pela autora da tese.

A extração dos fatores foi pelo método das componentes principais, pois esse método não exige o atendimento aos pressupostos de natureza paramétrica124. O objetivo desse método é a extração de máxima variância dos dados. Tabachnick e Fidel (2001) recomendam esse método quando o pesquisador está interessado em reduzir o número de variáveis a uma quantidade menor de fatores.

O método de rotação utilizada foi o de rotação oblíqua, pois espera-se, teoricamente, que os fatores apresentem correlações entre si, o que é mais indicado em pesquisas sociais aplicadas. Ressalta-se ainda que, segundo Hair Júnior et al. (1998), o objetivo último de qualquer método de rotação é o de obter fatores significativos e, se possível, a mais simples estrutura fatorial.

A TAB. 8 mostra as cargas fatoriais de cada item, bem como o agrupamento de quatro fatores alcançado a partir da utilização da Análise Fatorial. Considerou-se como relevante qualquer item que apresentasse carga fatorial acima de 0,50, ou seja, explicando no mínimo 25% do Fator.

124 _{Existem dois tipos de técnicas estatísticas: as paramétricas e as não paramétricas. As primeiras utilizam} parâmetros populacionais e exigem dados que atendam a requisitos de normalidade, tamanho da amostra, igualdade de variâncias, etc. Já as técnicas não-paramétricas são mais robustas ao não atendimento dos parâmetros supracitados sendo, nesses casos, a utilização de extração por componentes principais a mais indicada.

TABELA 8

Matriz das cargas fatoriais após rotação oblíqua – Oblimin

Dimensões da incerteza (cargas fatoriais > 0,50)

Item da escala de mensuração de incerteza _{1 2 3 4}

1. A privatização do setor de energia elétrica 0,939

3. A tendência organizacional a fusões, incorporações e parcerias 0,719

2. O investimento direto estrangeiro no setor de energia elétrica 0,714

29. O mercado financeiro mais desenvolvido para negociar ações do setor de

energia elétrica 0,552

13. A atuação da ANEEL, MAE e do ONS 0,798

32. O investimento de outras empresas da indústria de transformação, na

geração de energia elétrica 0,775

26. A indefinição da política tarifária para o setor de energia elétrica 0,738

31. A carência de planejamento operacional entre a ANEEL, ANP e ANA 0,648

7. A taxa de juros norte-americana 0,863

6. A instabilidade da taxa de juros interna 0,842

8. O câmbio interno (paridade) 0,828

16. A desconfiança em relação ao cumprimento dos contratos comerciais no

Brasil 0,866

27. A política de financiamento praticada pelos órgãos oficiais 0,662

23. O repasse de energia entre região com excedente, para a região com

escassez de energia elétrica 0,632

17. A desconfiança em relação à atuação dos conselhos de administração nas

empresas brasileiras 0,561

10. O processo de regulamentação do setor no Brasil 0,527

FONTE: Elaborada pela autora da tese.

A partir da TAB. 8, pode-se também concluir que:

1. o agrupamento pode ser considerado plausível porque é teoricamente sustentado; 2. os quatro fatores agrupados explicam 64,46% da importância das incertezas na

decisão estratégica do grande consumidor em investir em energia elétrica.

Especificamente em relação ao fato de obter-se 64,46% de variância explicada, a TAB. 9 é elucidativa. Por intermédio da TAB.9, observa-se que foram extraídos 16 fatores. Ressalta-se que dos 16 fatores extraídos, apenas os quatro primeiros fatores atendem ao critério do autovalor maior que um125_{, o que justifica a elaboração da TAB.10 e explica o} Modelo Fatorial da Pesquisa, conforme FIG.4.

TABELA 9

Descrição da participação dos fatores da explicação da variância explicada

Fator Autovalores % da variância % acumulada

1 4,51 28,16 28,16 2 2,68 16,76 44,92 3 1,75 10,91 55,83 4 1,38 8,63 64,46 5 0,99 6,20 70,66 6 0,89 5,53 76,19 7 0,83 5,17 81,36 8 0,65 4,05 85,41 9 0,48 3,00 88,41 10 0,44 2,74 91,15 11 0,38 2,36 93,51 12 0,34 2,13 95,64 13 0,25 1,59 97,23 14 0,21 1,29 98,52 15 0,13 0,82 99,33 16 0,11 0,67 100,00

FONTE: Elaborada pela autora da tese.

TABELA 10

Descrição nominal dos fatores extraídos D

DEENNOOMMIINNAAÇÇÃÃOODDAASSDDIIMMEENNSSÕÕEESSDDOOCCOONNSSTTRRUUTTOOIINNCCEERRTTEEZZAA FATOR 1- ABERTURA E GLOBALIZAÇÃO DA ECONOMIA

1. A privatização do setor de energia elétrica

3. A tendência organizacional a fusões, incorporações e parcerias 2. O investimento direto estrangeiro no setor de energia elétrica

29. O mercado financeiro mais desenvolvido para negociar ações do setor de energia elétrica FATOR 2 – ATUAÇÃO DOS PLAYERS NO AMBIENTE REGULATÓRIO

13. A atuação da ANEEL, MAE e do ONS

32. O investimento de outras empresas da indústria de transformação, na geração de energia elétrica 26. A indefinição da política tarifária para o setor de energia elétrica

31. A carência de planejamento operacional entre a ANEEL, ANP e ANA FATOR 3 – MACROAMBIENTE

7. A taxa de juros norte-americana 6. A instabilidade da taxa de juros interna 8. O câmbio interno (paridade)

FATOR 4 – CUMPRIMENTO DE CONTRATOS E COMPROMISSOS 16. A desconfiança em relação ao cumprimento dos contratos comerciais no Brasil 27. A política de financiamento praticada pelos órgãos oficiais

23. O repasse de energia entre região com excedente, para a região com escassez de energia elétrica 17. A desconfiança em relação à atuação dos conselhos de administração nas empresas brasileiras 10. O processo de regulamentação do setor no Brasil

FONTE: Elaborada pela autora da tese.

Conforme já registrado, a eliminação de itens (inicialmente 32) ocorreu porque, após a aplicação da análise fatorial, observou-se que alguns itens não eram cativos de um único fator.

Além disso, segundo Malhotra (2001, p. 264), o procedimento de eliminação de itens é adequado porque o coeficiente Alfa de Cronbach tende a aumentar artificialmente com o crescer do número de itens da escala. Após a extração dos itens, efetuou-se a análise de fidedignidade por meio do coeficiente Alfa de Cronbach.