ANÁLISE E INTERPRETAÇÃO DOS DADOS

Após a coleta, os dados foram tabulados no software Microsoft Excel e posteriormente executadas as análises estatísticas no programa IBM SPSS Statistic, Version 21. Obteve-se uma amostra de 217 respondentes (empresas pesquisadas). A partir desta amostra foi realizada a purificação da base de dados conforme os seguintes procedimentos:

a) eliminação de questionários com mais de 10% de respostas faltantes no Bloco 2 do questionário (afirmações para a testagem de hipóteses), ou seja, mais de três questões sem respostas. Através desse procedimento foram eliminados três casos;

b) para os questionários que apresentarem menos de 10% das respostas faltantes no Bloco 2, ou seja, três ou menos, para cada resposta faltante foi utilizado o procedimento de substituição pela máxima expectância. Esse procedimento foi executado em três casos;

c) eliminação de questionários em que as empresas fizessem parte da rede a menos de um ano, pois conforme a literatura (BRITTO, 2002; BIZZI; LANGLEY, 2012) as redes interorganizacionais são entendidas como configurações de longo prazo. Por esse procedimento foram excluídos 8 casos.

d) eliminação de questionários de empresas que tivessem menos de três anos de idade ou que não informaram a idade da empresa, excluindo-se doze casos. Esse procedimento foi realizado pois essas empresas não tinham condições de responder

as questões sobre as variáveis Desempenho e Inovação que implicavam na evolução das variáveis nos últimos 3 anos.

e) verificação da consistência dos dados, eliminando-se questionários com respostas que utilizassem apenas os extremos das escalas, respondendo 1 ou 7, o que pode caracterizar uma resposta dicotômica e não intervalar. Neste caso, foi eliminado apenas um questionário;

f) verificação da consistência dos dados, eliminando-se questionários com respostas apenas em um extremo da escala, somente menores que 3 ou somente maiores que 5. Assim, foi eliminado um questionário.

Dos 217 questionários respondidos, foram eliminados 35 questionários, sendo que o tamanho final da amostra, após a purificação da base de dados é de 182 questionários (empresas respondentes) válidos. Assim, na sequência foi realizada a análise fatorial exploratória para as variáveis recursos físicos, recursos financeiros, recursos organizacionais, recursos humanos e recursos reputacionais, inovação e desempenho.

Segundo Pestana e Gageiro (2000), a análise fatorial é uma ferramenta estatística que possibilita organizar a maneira como os respondentes interpretam as variáveis, indicando as que estão relacionados entre si e as que não estão. Assim, esta análise permite avaliar a validade das variáveis constitutivas dos fatores, indicando em que medida se referem aos mesmos conceitos (PESTANA; GAGEIRO, 2000).

Além disso, quando o objetivo da análise é encontrar um conjunto de fatores subjacentes num grupo de variáveis, Pestana e Gageiro (2000) e Hair Jr. et al. (2005) revelam que é fundamental que a amostra seja suficientemente grande, devendo ter no mínimo 5 sujeitos por variável. A presente pesquisa possuir 35 variáveis escalares a serem analisadas e 182 sujeitos (respondentes), assim possui 5,3 sujeitos/variável, o que demonstra a adequação para a análise fatorial.

Ainda, existem algumas suposições que devem ser respeitadas para a realização de uma análise fatorial, tais que:

a) deve conter um número substancial de correlações acima de 0,300, demonstrando assim que o conjunto de fatores está inter-relacionado. Porém, correlações acima de 0,800 denotam a presença multicolinearidade, ou seja, quando se apresentam variáveis que medem o mesmo aspecto (PESTANA; GAGEIRO, 2000; HAIR JR. et al., 2005);

b) deve-se realizar o teste de esfericidade de Bartlett, um teste estatístico para verificar a hipótese de que as variáveis não sejam correlacionadas na população (HAIR JR. et al., 2005; MALHOTRA, 2012);

c) deve-se avaliar a medida de adequação da amostra, realizada pelo teste de Kaiser- Meyer-Olkin (KMO), que avalia o grau de intercorrelações entre as variáveis e a adequação a análise fatorial. Esta medida apresenta valores de 0 a 1, sendo que valores inferiores a 0,5 são inaceitáveis para a realização da análise fatorial (PESTANA; GAGEIRO, 2000; HAIR JR. et al., 2005).

Após analisadas estas suposições para verificação da validade das variáveis e dos construtos foi realizada a análise fatorial utilizando-se o método de extração de Componentes Principais com base nos valores próprios superiores a 1 e método de rotação Varimax.

Em sequência, foi analisado a matriz anti-imagem e a comunalidade, conforme:

a) analisou-se a matriz anti-imagem, que uma medida da adequação amostral de cada variável. Neste sentido, valores inferiores a 0,5 indicam que a variável deve ser eliminada, pois possui baixo poder de explicação dos fatores na variável (MALHOTRA, 2012; HAIR JR. et al., 2005);

b) analisou-se a comunalidade das variáveis. A comunalidade indica a proporção da variância que cada variável compartilha com todas as outras variáveis consideradas, sendo que pode apresentar valores de 0 a 1. Segundo Pestana e Gageiro (2000) e Hair Jr. et al. (2005), os pesquisadores devem avaliar a comunalidade de cada variável e observar se atendem a níveis de explicação aceitáveis. Os autores orientam que variáveis com comunalidade menores que 0,500 não tem explicação suficiente e podem ser eliminadas.

Além disso, verificou-se a confiabilidade dos construtos por meio da análise do coeficiente Alfa de Cronbach (MALHOTRA, 2012). Posteriormente, foi realizada a análise estatística descritiva para todas as variáveis, mediante a utilização de frequência, média e desvio padrão. Além disso, foi executada a análise de regressão linear para a checagem das hipóteses.

A análise de regressão é o método apropriado para analisar a relação entre uma única variável dependente/critério e várias variáveis independentes/preditoras (HAIR JR. et al., 2005). Na pesquisa, as variáveis critério e preditoras dependeram da hipótese a ser testadas, e são apresentadas no Quadro 6. Para cada variável critério foi proposto um modelo de regressão.

Quadro 6 – Variáveis independentes e dependentes dos modelos de regressão propostos Hipótese Variáveis independentes/preditoras Variável dependente/critério

H1, H2, H3, H4 e

H5

Recursos físicos; Recursos financeiros; Recursos humanos; Recursos

organizacionais; Recursos reputacionais Desempenho H7, H8,

H9, H10 e H11,

Recursos físicos; Recursos financeiros; Recursos humanos; Recursos

organizacionais; Recursos reputacionais Inovação

H12 Inovação Desempenho

Fonte: Elaborado pela autora (2015).

Segundo a Hair Jr. et al. (2005) e Malhotra (2012) devem ser realizados alguns testes de suposições inerentes a análise multivariada de dados, tais como a regressão linear. Estes testes são:

a) verificação da multicolinearidade, que verifica a existência de forte de correlação entre duas (ou mais) variáveis independentes. Se as variáveis independentes forem muito correlacionadas, as inferências baseadas na análise de regressão podem pouco confiáveis ou errôneas (MALHOTRA, 2012). Embora, Malhotra (2012) destaque que não existe uma regra clara para detectar a multicolinearidade, optou-se por considerar as variáveis altamente correlacionadas as que apresentam coeficientes de correlação de Pearson maiores que 0,800 (PESTANA; GAGEIRO, 2000; HAIR JR. et al., 2005). b) verificação da normalidade por meio da observação da assimetria e curtose das

variáveis métricas (HAIR JR. et al., 2005; KLINE, 2005). A normalidade é um pré- requisito para a utilização de técnicas multivariadas de análise de dados (HAIR JR. et al., 2005; KLINE, 2005).

Ainda, cabe expor, que as variáveis independentes e dependentes utilizadas nos modelos de regressão foram obtidas através dos fatores gerados pela análise fatorial, utilizando-se o procedimento ‘Salvar como variáveis: Método/Regressão’.

Por fim, a última análise estatística realizada foi para verificar a existência de diferenças entre os tipos de redes interorganizacionais (H12). Para essa verificação foi realizada a análise de variância (ANOVA) com o teste de Tukey ao nível de significância de 5%. As variáveis utilizadas na ANOVA foram obtidas por meio da média das variáveis agrupadas em cada fator na análise fatorial exploratória.