Analise Fatorial Confirmatória

A AFC avaliou estatisticamente quão bem a especificação dos fatores combina com a realidade (HAIR et al., 2009, p. 590), permitindo, assim, confirmar ou rejeitar a teoria pré- concebida sobre o TAM. Ela foi realizada com o auxílio do software Amos (vide Figura 13), de onde foram extraídos os dados e as análise discutidos nesta seção.

A técnica de estimação utilizada foi a de maximum likelihood estimation (MLE), por ser a técnica mais comumente adotada (HAIR et al., 2009, p. 612) e também por estar disponível no Amos. Esse processo foi executado apenas uma vez neste estudo, pois na primeira tentativa já se atingiu o modelo e as medidas representados na Figura 13. Em seguida, foi analisada a estimativa de relação entre os construtos, cujos valores devem estar acima de 0,50 (p. 601). Observou-se essa situação entre PU e PEU (0,66); PU e AT (0,67); PEU e AT (0,80); PEU e BI (0,88); AT e BI (0,79); e PEU e BI (0,84).

Avaliada as estimativas de relação entre os construtos, o próximo passo foi conferir os índices de adequação do modelo, analisados por meio de três conjuntos de medidas de ajuste (HAIR et al., 2009, p. 567-571): a) medidas de ajuste absoluto (absolute fit measures), que medem tão somente o ajustamento dos dados da amostra à teoria representada pelo modelo (estrutural e medição); b) medidas de ajuste incremental (incremental fit measures),

comparando o modelo proposto com outro modelo nulo; e c) medidas de ajuste parcimonioso (parsimonious fit measures), que medem o ajuste do modelo por parâmetro estimado.

Figura 13 - Resultado da AFC com estimativas de cargas padronizadas

Fonte: Software Amos.

Para as medidas de ajuste absoluto, o índice mais fundamental tem sido a estatística qui-quadrado (χ2) tanto de forma absoluta quanto na sua forma normalizada, ou seja, dividido pelo GL (χ2/GL) (HAIR et al. 2009, p. 568-570). São considerados aceitáveis valores de χ2/GL inferiores a 3 (KLINE, 1998; HAIR et al. 2009, p. 570). No presente estudo, esse índice foi de 1,035, indicando que a matriz estimada correspondeu bem à matriz observada.

Além dessas medidas, foram observados os seguintes índices (HAIR et al. 2009, p. 568-571): GFI (goal fit index), ou índice de qualidade de ajuste; RMSR (root mean square

residual), ou raiz do resíduo quadrático médio; RMSEA (root mean square error of approximation), ou raiz do erro quadrático médio de aproximação; NFI (normed fit index), ou

TLI (Tucker-Lewis index), ou índice de Tucker Lewis; PNFI (parsimonious normed fit index), ou índice de ajuste de parcimônia normalizado.

Os valores encontrados para todos os índices estão relacionados na Tabela 11, onde também estão apresentados os valores recomendados para cada um deles, que foram atingidos por todos. Logo, pode-se considerar que o modelo é adequado sob a ótica das medidas de ajuste avaliadas.

Tabela 11 – Índices de ajuste do modelo de medição

Medidas Índices Valores Recomendados

(HAIR et al., 2009; KLINE, 1998)

Valores Encontrados Identificação do Modelo GL - 59 Ajuste absoluto χ2 - 61,049 χ2/GL Menor que 3 1,035

GFI Entre 0 a 1, sendo melhores valores próximos a 1 0,891 RMSR Quanto mais próximo de 0 melhor 0,092 RMSEA Menor que 0,10 na maioria dos modelos aceitáveis 0,022 Ajuste incremental

NFI Entre 0 e 1, sendo melhores valores próximos a 1 0,945 CFI Entre 0 e 1, sendo melhores valores acima de 0,90 0,998 TLI Quanto mais próximo de 1 melhor 0,997 Ajuste Parcimonioso PNFI Entre 0 e 1, sendo melhores valore próximos de 1 0,715 Fonte: Software Amos, adaptado pelo Autor.

A validade dos construtos, que corresponde ao grau em que um conjunto de itens medidos realmente reflete o construto latente teórico que deveriam medir, deve ser observada sob a perspectiva de validade convergente, validade discriminante, validade nomológica e validade de expressão (HAIR et al., 2010, p. 591-593). A validade convergente pode ser avaliada observando-se as cargas fatoriais das variáveis medidas, tendo como parâmetro de satisfação valores acima de 0,5 e, de forma ideal, valores acima de 0,7 (HAIR et al., 2010, p. 591-592). Nesta pesquisa, a validade convergente foi atendida da melhor forma possível, pois todas as cargas das variáveis medidas superaram 0,7 (vide Figura 13).

Ainda sobre a validade convergente, deve-se observar a média de variância extraída, onde os valores obtidos devem superar 0,5 para garantir que o construto tenha maior variância explicada do que erro (HAIR et al. 2010, p. 592), e, também, a confiabilidade de construto, que deve ser igual ou superior a 0,7 (HAIR et al. 2010, p. 592). Nesta pesquisa, os valores para ambas ficaram acima de 0,6 e 0,8, respectivamente, confirmando a existência da validade convergente (vide Tabela 12). Logo, o modelo de medição pode ser considerado aceito.

A validade discriminante é considerada como o grau em que um construto é diferente dos demais e, logo, quanto mais alta, mais único será o construto. Ela pode ser confirmada quando a média da variância extraída de dois construtos (vide Tabela 12) for maior do que o quadrado da correlação desses mesmos construtos (HAIR et al., 2010, p. 592-593). Nesta

pesquisa, a relação entre os construtos está representada na parte inferior à diagonal destacada pelos valores em negrito na Tabela 13. Na parte superior dessa diagonal está o quadrado da relação entre os construtos.

Tabela 12 – Variância extraída e confiabilidade de construto Construto Média de Variância Extraída

(>0,50) Confiabilidade de Construto (>0,70) AT 0,826 0,959 PU 0,827 0,935 PEU 0,605 0,820 BI 0,810 0,896

Fonte: Dados da pesquisa, a partir dos softwares Amos e Microsoft Excel.

Pode-se observar que validade discriminante foi atingida para os construtos AT, PU e BI e não foi atingida para o construto PEU, onde a média de variância extraída (0,605) é menor do que o quadrado da relação desse construto com BI (0,778). O mesmo problema também foi observado na relação entre PEU e AT, onde a variância extraída de PEU (0,605) é menor que o quadrado da relação entre eles (0,640). A segunda ocorrência poderia ser atenuada pois a diferença é muito pequena e uma vez adotando os índices com uma casa decimal, ambos seriam iguais a 0,6 (0,605, 0,640). Esses dois casos podem ser observados comparando-se os dados da Tabela 12 e os dados na parte superior da diagonal com valores em negrito na Tabela 13. De qualquer forma, observa-se que a validade discriminante não foi atingida, indicando a não aceitação do modelo estrutural.

Tabela 13 – Matriz de variância compartilhada

AT PU PEU BI

AT 0,907 0,452 0,640 0,630 PU 0,672 0,910 0,438 0,709 PEU 0,800 0,662 0,777 0,778 BI 0,794 0,842 0,882 0,901

Fonte: Dados da pesquisa, a partir dos softwares Amos e MS Excel.

A validade nomológica e a validade de expressão são validações da AFC e são testadas avaliando-se se há relação entre os construtos e a definição teórica que justifica a formação dos mesmos. Nesta pesquisa, a validade nomológica e de expressão foram satisfeitas, principalmente pela formação teórica dos construtos, oriunda de teorias e outras validações já realizadas sobre o TAM (DAVIS, 1986; DAVIS; BAGOZZI; WARSHAW, 1989; BUENO; SALMERON, 2008; YOSHINO, 2010).

Apesar do modelo apresentar bons resultados na maioria dos testes a que fora submetido, não atingir a validade discriminante leva a concluir que o modelo estrutural não foi aceito. Contudo, Kline (1998, p. 198) acrescenta que “nenhum método sozinho é capaz de

determinar definitivamente quando a especificação de medidas feita pelo pesquisador estão corretas. Também, validade de construto não é tipicamente estabelecida em um único estudo”. Diante disso, dos bons resultados atingidos nas demais validações, da presente versão do modelo possuir uma redução de variáveis em relação ao modelo original e das validações prévias a que já fora submetido em outros estudos, o TAM será considerado para medir a aceitação do sistema ERP pelos usuários da EMPRESA.