Avaliação do modelo de mensuração

Hulland (1999, p. 198) aponta como relevantes três conjuntos gerais de considerações metodológicas para aplicação do PLS: (1) avaliação da confiabilidade e validade das medidas; (2) determinação da natureza adequada das relações entre as medidas e construções; e (3) a interpretação dos path coefficients, determinação da adequação do modelo e seleção de um modelo final do conjunto de alternativas disponíveis. Hair et al., (2014) sugerem o uso do G*Power para análise do poder estatístico do tamanho da amostra na estimação pelo PLS-PM. A análise foi efetuada por meio do software G*Power 3 (Faul, Erdfelder, Lang, & Buchner, 2007) e evidenciou que para uma amostra de 99 casos, com nível de significância de 5% e três preditores na parte mais complexa do modelo, tamanho do efeito médio (R2 =13%), o poder estatístico será igual a 97, 24%, o que é superior ao valor mínimo recomendado (80%) por Hair et al., (2014), garantindo que erros do tipo I e II estejam dentro de valores aceitáveis.

Desse modo, pode-se afirmar que o erro do tipo II, calculado a partir da amostra em análise e do modelo utilizado, foi de 2,76%, valor bastante desejável para as pesquisas em ciências sociais. O erro do tipo I foi fixado em 5%, conforme nível de significância estabelecido para os testes estatísticos.

Assim, com a disponibilização dos dados após a coleta, realizou-se o tratamento das respostas para transformá-las em dados numéricos, permitindo o processamento através do software

SmartPLS versão 3. Em relação à amostra, conforme descrito, das 105 respostas, foram úteis

99, sendo que as excluídas contavam com mais 15% do total de seus dados faltantes, prejudicando a análise. O APÊNDICE A – Mensuração do Modelo Original – apresenta o modelo completo de equações estruturais calculado no algorítimo PLS, tanto o original quanto os ajustados.

A primeira análise baseou-se na teoria de mensuração (Hair et al., 2014), na qual os critérios a serem avaliados para o presente modelo, reflexivo, compreendem: a análise das cargas fatoriais dos indicadores (variáveis de primeira ordem), bem como as suas variâncias médias extraídas (AVE), os respectivos índices de Confiabilidade Composta (CC) e a validade discriminante. Segundo Hair et al. (2014), o indicador de confiabilidade composta torna-se mais apropriado em virtude de que o Alfa de Cronbachs assume que todos os indicadores são igualmente confiáveis, porém o MEE – PLS prioriza a confiabilidade de forma individualizada. O Quadro 15 apresenta os indicadores desejáveis para os critérios do modelo.

Continua...

Estatística Descrição Significado Valor dequado Fonte

Carga fatorial (outer loadings) Relação entre o constructo e o indicador. Indicador de confiabilidade

Grau de aderência do indicador à variável latente, i.e., um meio de medir validade do constructo. Cargas baixas sugerem a retirada do modelo. > 0,5 (mínimo); ≥ 0,708 (suficiente). Porém, um indicador entre 0,4 e 0,70 para ser removido faz-se necessário a análise em conjunto com a AVE, de forma que não haja prejuízo na validade de

conteúdo.

Hair et al. (2014)

Continuação. AVE (Average variance extracted) Variância Média Extraída. Medida de validade convergente.

Indica quanto da variância dos indicadores é explicada pela variável latente, ou seja, o constructo explica mais do que a variância dos seus indicadores. A AVE é equivalente à comunalidade do constructo. VME ≥ 0,50 Hair. et al. (2014) CC Confiabilidade Composta Medida de consistência interna.

Quanto maior o coeficiente, maior a confiabilidade de consistência interna. CC ≤ 1 (intervalo), se 0,60 ≤ CC ≤ 0,70, (aceitável), se 0,70 < CC ≤ 0,90 (satisfatório) CC > 0,95, são indesejáveis. Hair. et al. (2014) Validade Discriminante (cross loadings) Validade

Refere-se à extensão no qual o constructo é verdadeiramente distinto, traduzindo o quanto ele é único e não relacionado por outros constructos. Os indicadores mostram maior poder de

explicação na sua VL que nas outras do modelo.

Correlação entre variáveis latentes deve ser menor que a raiz quadrada da AVE. Fornell e Larcker (1981) R2 Coeficiente de determinação

Total da variância da variável dependente explicada por mudanças nas variáveis independentes. 2% - baixo; 13% - médio; 26% - alto. Valores sugeridos para as ciências sociais. Cohen (1977) Teste t de significância via bootstrap Significância

A significância estatística avalia se a relação entre duas variáveis é verdadeira e se não se deve a evento aleatório ou erro.

Valor test t > 1,96, intervalo de confiança igual a 95%. Hair et al. (2014)

Quadro 15 - Quadro de referência de indicadores – MEE Fonte: Adaptado (Cintra, 2011)

Nesse sentido, considerando a avaliação dos resultados do modelo teórico original, as

variáveis latentes ‘integração’ e ‘informação preditiva/prospectiva’, embora possuíssem

índices de alfa Cronbachs acima de 0,7, obtiveram índices de Variância Média Extraída (VME) de 0,413 e 0,473, abaixo do mínimo exigido de 50%.

Outro problema detectado refere-se ao Alfa de Cronbach da variável latente ‘modificação do Sistema de Informação – MSI’ que apresentou índice de 0,696, abaixo do mínimo exigido, 0.7. O critério de Validade Discriminante (Fornell & Larcker, 1981) não foi atendido para a

variável ‘integreação – INT’. Além dessas limitações, observou-se que o critério de

Confiabilidade Composta para a variável latente ‘Desempenho das Funções de Controladoria

– DFC’, de 0,956 ficou no limite estabelecido por Hair et al. (2014), em que o índice superior

a 0,95 é indesejável para modelos reflexivos.

Após o levantamento das impropriedades do modelo de mensuração, realizou-se a análise e exclusão das variáveis que apresentavam inconsistência diante do modelo. Inicialmente foram destacadas as variáveis com carga fatorial inferior a 0,40. Dentre elas, foi preservada a variável DC_13R que apresentou carga de -0,369. Embora a variável apresentasse índice inferior a 0,40, este indicador foi preservado em função de não prejudicar a validade de conteúdo, haja vista a sua importância para replicação da pesquisa. Os demais indicadores nesse parâmetro foram excluídos, conforme Tabela 10. As informações relativas ao modelo original estão descritas no APÊNDICE A-1.

Tabela 10 - Indicadores excluídos ‘Modelo original’

Indicadores Variável Latente IP MSI INT

IP_07 0,189

MSI_05R -0,254

INT_07R 0,267

INT_09 0,072 Fonte: dados da pesquisa (2015)

Após as análises e exclusões, gerou-se o modelo ajustado. O primeiro ponto levantado foi a análise da Variância Média Extraída (VME). Este quesito não se apresentou adequado, pois a variável latente, Nível de ‘Integração – INT’, evidenciou índice inferior a 0,5, representado por 0,488. Diante dessa limitação, os demais critérios não foram analisados, voltando-se para a análise das cargas fatoriais.

Assim, novamente voltou-se para a análise dos indicadores, excluindo o indicador INT_08 (0,450) que, embora estivesse superior a 0,40 apresentou-se inferior a 0,50 (Hair et al., 2014). Contrariamente, buscando não perder a Validade de Conteúdo, o indicador MSI_03 (0,473) foi preservado. Nesse sentido, após a exclusão da variável INT_08, foi gerado novo modelo, denominado de Modelo Ajustado 2. Os índices do segundo modelo de VME apresentaram-se adequados e estão evidenciados na Tabela 11 e mais detalhadamente no APÊNDICE A-3. Destaca-se que a Confiabilidade Composta da variável ‘Desempenho das Funções de

Controladoria’ apresentou-se no limiar de ruptura da aceitação do constructo para modelo

reflexivo, porém com índices aceitáveis de VIF inferior a 10 (Gujarati, 2003). Dessa forma, justificou-se a aceitação da validade composta, conforme APÊNDICE A-3, corroborando o critério de confiabilidade composta para aceitação do constructo.

Tabela 11 – Variância Média Extraída, Confiabilidade Composta e Alfa de Cronbachs do Modelo ajustado 2

Variáveis Latentes VME Confiabilidade _{Composta Cronbachs} Alfa de Aprendizado Organizacional – AO 0,634 0,912 0,884 Desempenho F. de Controladoria – DFC 0,611 0,956 0,942

Integração – INT 0,524 0,907 0,884

Informação Preditiva / Prospectiva – IP 0,523 0,907 0,885 Modificação do Sistema de Informação – MSI 0,618 0,886 0,832 Fonte: dados da pesquisa (2005)

Na sequência, após análise, observou-se que os dois critérios de validade discriminante foram atendidos. Este quesito significa o quanto há distinção entre os constructos pelo padrão empírico (Hair et al., 2014). O primeiro diz respeito ao critério de Fornell e Larcker (1981), no qual a raiz quadrada da VME deve apresentar-se superior a qualquer outra carga dos indicadores tanto na linha quanto na coluna de correlação com os demais constructos. Isso indica que a variância do constructo (variável latente) tem maior capacidade de explicação (individualmente) do que quando correlacionada aos demais constructos. O segundo critério denominado de Cross Loading (cargas cruzadas), exige que o indicador tenha maior carga fatorial no constructo ao qual pertence e menor na correlação com os demais constructos. Assim, constatou-se que os constructos apresentavam distinção entre eles, atendendo ao critério de Validade Discriminante, conforme Tabela 12.

Tabela 12 – Matriz de correlações Validade Discriminante ‘Modelo ajustado 2*

Variável latente AO DFC INT IP MSI

Aprendizado Organizacional – AO 0,796

Desempenho das F. Controladoria – DFC 0,692 0,782

Integração – INT 0,663 0,555 0,724

Informação Preditiva / Prospectiva 0,645 0,656 0,615 0,723

Modificação Sistema de Informação -- MSI 0,685 0,714 0,589 0,614 0,786 Fonte: dados da pesquisa (2005);

Conforme as análises, o modelo possui nível satisfatório de consistência e confiabilidade interna, validade convergente e discriminante e em condições de avaliação do modelo estrutural.