Coleta e Tratamento dos Dados

Para coletar os dados e informações, os instrumentos escolhidos foram o questionário e a entrevista pessoal. A formulação das perguntas inseridas no questionário e no roteiro de entrevista foram baseadas totalmente na análise prévia da literatura, a partir da qual foi selecionado o conjunto de hipóteses: a) relação entre mercado dinâmico e capacidades dinâmicas; b) relação entre capacidades dinâmicas e especificidades de gestão da pequena empresa; c) relação entre capacidades dinâmicas e desempenho superior com base na geração de valor para o cliente; d) relação entre especificidades de gestão da pequena empresa e desempenho superior com base na geração de valor para o cliente; e) relação entre desempenho superior com base na geração de valor para o cliente e vantagem competitiva. Dessa forma, a revisão teórica realizada no início da construção da tese e a análise dos estudos que serviram de referência permitiram elaborar o conjunto de variáveis submetidos à investigação.

Valendo de empenho para configurar a melhor ferramenta na coleta e tratamento dos dados, foi desenvolvido um pré-teste para análise e reavaliação de possíveis impasses na abordagem (interpretação das afirmações, textos claros,

(

)

correlação com os objetivos, estimativa de tempo, dentre outros aspectos). Os instrumentos de coleta de dados, formatados em questionários estruturados foram aplicados à amostra da pesquisa através do Google Forms. Aspectos como conveniência na resposta dos sujeitos pesquisados, manipulação da massa de dados, abreviação do tempo no processo de coleta e análise dos dados foram considerados ao optar por esta ferramenta. O processo foi dividido em duas fases, sendo estas: o pré-teste e a coleta de dados final. A primeira etapa, o pré-teste, foi desenvolvida entre os dias 27 janeiro e 14 de fevereiro de 2017, sendo aplicados 19 questionários em abordagens diretas através de entrevista pessoal, e 43 através da internet, na forma de pesquisa auto- administrada, totalizando 62 questionários respondidos. Na segunda etapa, realizada entre 20 de fevereiro e 23 de abril de 2017, 144 questionários foram aplicados, totalizando 206 questionários nas duas etapas.

Tanto os questionários quanto as entrevistas com os gestores das pequenas empresas pesquisadas foram analisados e confrontados com os as teorias referenciadas. A validade do constructo considerou as questões semelhantes na literatura, como informado antes. Em termos de validação interna, as questões objetivam buscar relações de causa e efeito entre a escolha das hipóteses. As entrevistas foram realizadas entre o dia 21 de abril e o dia 19 de maio de 20117 totalizando 10 entrevistas com pequenos empresários.

O modelo de questionário foi desenvolvido conforme Anexo C usado na pesquisa auto-administrada desenvolvida na plataforma Google Forms com endereço eletrônico na internet22 _{foi base o roteiro das entrevistas pessoais utilizada na fase} qualitativa. A coleta de dados através dos questionários auto-administrados foi realizada na rede social facebook (contato privativo), via whatsapp e e-mails. Foram encaminhadas 1305 solicitações de resposta dos questionários auto-administrados, sendo que 206 questionários foram respondidos. Os questionários auto-administrados possuíram uma conversão em respostas de 15,78%.

Para tanto, estabeleceram-se 02 blocos de perguntas no questionário, sendo o primeiro relacionado as hipóteses e o segundo relacionado as premissas complementares e variáveis de controle. O primeiro bloco possui afirmativas chaves de acordo com as hipóteses sendo encontrada no questionário (em Anexo C) na forma de:

hipótese (a) importância das capacidades dinâmicas considerando o dinamismo mercadológico, bem como a concepção de existência de relação (P1.1 a P1.6); hipótese (b) a concepção de existência da relação entre capacidades dinâmicas e o desenvolvimento das especificidades de gestão (P2.1 a P2.7); hipótese (c) a concepção de existência da relação entre as capacidades dinâmicas e o desempenho superior com base na geração de valor para o cliente (P3.1 a P3.6); hipótese (d) a concepção de existência da relação entre especificidades de gestão e o desempenho superior com base na geração de valor para o cliente (P4.1 a P4.9); hipótese (e) a concepção da relação entre desempenho superior com base na geração de valor para o clientee vantagem competitiva (P5.1 a P5.5).

Para testar a confiabilidade dos dados levantados foi realizado o teste Alfa de Cronbach, que mede a consistência interna baseada na correlação média entre os itens levantados. O teste foi realizado no software SPSS – Statistical Package for the

Social Science, desenvolvido pela IBM. De acordo com Corrar et al. (2014), o Alfa de

Cronbach é o teste mais comum usado em trabalhos científicos e a sua ideia principal, segundo Hair et al. (2005) é que os indicadores de escala devem medir o mesmo constructo e, dessa forma, possuírem alta correlação. Seu valor pode variar entre 0 (zero) e 1 (um), sendo tão mais fidedigno quanto mais próximo de 1,0. Em pesquisas sociais, o valor mínimo aceitável deve ser superior a 0,700.

Neste estudo, foram trabalhados 206 casos válidos, correspondentes ao número de questionários aproveitados no levantamento quantitativo, revelando Alfa de Cronbach de 0,895, portanto adequado em termo de confiabilidade. Esse número revela que 89,5% é o impacto real das variáveis no modelo, sendo consistentes para a aplicação da estatística multivariada. Todos 33 itens levantados (questões formuladas no questionário de pesquisa) apresentaram média superior a 3,0 e desvio padrão máximo de 1,22, para respostas em que se utilizou a escala de Likert com valores variando entre 1 e 5. A escala de Likert foi desenvolvida em 1932 por Rensis Likert com a proposta de obter a preferência ou concordância dos respondentes com determinadas proposições. Corrar et al. (2014) afirmam que as respostas obtidas dessa forma revelam também o grau de preferência que reflete a direção da atitude do respondente em relação a cada afirmação.

Constatou-se, ainda, pela análise das estatísticas do item total, que não haverá ganhos ou perdas significativas se algum dos itens for excluído. O teste F

ANOVA com teste Turkey para não aditividade e Hoteeling’s T mostraram que a média das variáveis são idênticas e não existe iteração entre elas.

Uma vez constatada a fiabilidade dos questionários, será então apresentada a estatística descritiva e a análise fatorial. A estatística descritiva objetiva descrever e sumarizar o conjunto de dados levantados enquanto a análise fatorial está relacionada à análise multivariada, um conjunto de métodos estatísticos que permite analisar simultaneamente para cada fenômeno observado (Corrar et al., 2014). A análise fatorial é uma técnica que permite avaliar a existência de inter-relações entre diferentes variáveis, sumarizando-as em um conjunto menor.

É importante que a redução do número de variáveis ou fatores a um conjunto menor possa ser feito com pouca perda de qualidade na avaliação. Normalmente, nenhum indicador é capaz de explicar um fenômeno de forma isolada, o que faz com que a análise fatorial se torne um instrumento útil para identificar as variabilidades comuns dos fenômenos, identificando as estruturas existentes não passíveis de observação direta (fatores). O método é especialmente útil, segundo Tabachnick & Fidell (2006), quando existem hipóteses sobre a estrutura subjacente ou quando o próprio pesquisador entende tal estrutura e que elas são explicadas por variáveis que andam juntas.

A aplicação da análise fatorial é precedida de alguns processos. O primeiro deles, já tratado no início desta seção, é a verificação da adequabilidade da base de dados. Constatou-se que os dados são adequados e próprios para uso, conforme atestou o Alfa de Cronbach. Em seguida, deve-se determinar o método de extração dos fatores. Neste trabalho, utilizou-se o método dos componentes principais (ACP), o mais utilizado e a sua adequabilidade é considerada consistente quando alcança valores acima de 0,600. Próximo passo é determinar o número de fatores que serão extraídos, de forma a tornar possível a sua redução. Neste caso, optou-se pelo critério do autovalor (eigenvalue), conhecido como Critério da Raiz Latente ou Critério de Kaiser (Kaiser test), em que são extraídos os valores acima de um. Também é necessário determinar o tipo de rotação dos fatores, tornando possível aumentar o poder de explicação e facilitar a interpretação dos resultados. Usou-se o critério ortogonal Varimax, que busca reduzir o número de variáveis que apresentam cargas elevadas.