155 de infraestruturas necessárias ao negócio potencia a sua satisfação, sendo inclusive o indicador
6.2.9 Fatores que afetam a satisfação e intenção de permanência dos cooperadores: validação das hipóteses empíricas
Feita a análise descritiva e respetiva caracterização da amostra, por forma a dar resposta às hipóteses de investigação inicialmente definidas, procedeu-se a uma análise mais detalhada dos resultados observados, recorrendo-se a uma análise inferencial. Utilizou-se, para isso, o método de regressão múltipla, por ser aquele que é mais utilizado quando se pretendem fazer análises multivariadas, nomeadamente quando se pretende testar o valor preditivo de várias variáveis independentes em simultâneo, em relação a uma variável dependente.
158
Com isso, decidiu-se testar o valor preditivo das variáveis independentes “estruturais” (Seleção
de Parceiros; Compatibilidade), “processuais” (Confiança e Compromisso; Recursos Humanos; Poder e Controlo; Cultura entre empresas) e “resultados” (Desenvolvimento Organizacional; Competição e Vantagens Competitivas; Performance/sucesso), em relação à variável
dependente satisfação. O método de estimação utilizado foi o de stepwise (passo-a-passo) que cria tantos modelos quantos os que se revelarem necessários, até se conseguir determinar quais as variáveis que são preditoras das variáveis dependentes (Marôco, 2011).
Num computo geral, uma análise mais detalhada da matriz de correlações entre as variáveis (Tabela 6.34) permite concluir que existe uma forte correlação linear positiva, entre todas as variáveis que influenciam a satisfação dos cooperadores. A linearidade da relação entre as variáveis pode ser aferida no gráfico de dispersão apresentado no Anexo 5. De notar, ainda, que para a variável satisfação os pesos relativos, na explicação desta variável, são semelhantes e moderados, para todas as variáveis independentes analisadas.
Todas elas apresentam, na tabela de correlações, valores positivos, ou seja, um aumento numa provoca aumento na variável dependente.
Tabela 6.34 - Matriz de correlações de Pearson para a variável satisfação
Correlações
n=194 Satisfação Sig.
(unilateral) Correlação de Pearson Satisfação (variável dependente) 1,000
Seleção de parceiros ,556 ,000
Confiança e compromisso ,482 ,000
Recursos humanos ,548 ,000
Poder e controlo ,535 ,000
Cultura entre empresas ,517 ,000
Desenvolvimento Organizacional ,545 ,000
Competição e vantagens competitivas ,466 ,000
Performance e sucesso ,456 ,000
Compatibilidade ,540 ,000
No quadro ANOVA da regressão (Tabela 6.35), pelo menos uma variável independente influencia significativamente a variância da variável dependente. Na verdade, esta estatística tem associada um p<0.001 (Sig.=0.000) o que revela que o modelo é altamente significativo (Sig.=0.000) (Marôco, 2011). Importa agora saber quais as variáveis independentes que influenciam a variável dependente em estudo, para cada um dos fatores identificados na literatura.
159
Tabela 6.35 - Tabela ANOVA da regressão
Modelo
Soma dos
Quadrados gl Quadrado Médio F Sig.
1 Regressão 66311,985 9 7367,998 13,349 ,000
Resíduo 101558,863 184 551,950 Total 167870,848 193
a. Variável Dependente: Satisfação
b. Preditores: (Constante), Performance e Sucesso, Cultura entre Empresas, Desenvolvimento Organizacional, Competição e Vantagens Competitivas, Compatibilidade, Confiança e Compromisso, Poder e Controlo, Seleção de Parceiros, Recursos Humanos
Análise para os fatores estruturais
Aplicados os métodos identificados anteriormente, foram analisadas as variáveis “estruturais” compatibilidade e seleção de parceiros, como preditoras da satisfação, de que resultam os dados que se apresentam nesta secção.
Fica demonstrado que a correlação que estas variáveis estabelecem com a satisfação é positiva e razoável (R= 0,571) e a análise dos coeficientes padronizados Beta permite concluir que as variáveis estruturais compatibilidade e seleção de parceiros contribuem para explicar o comportamento da variável satisfação, com um maior poder preditivo atribuído à seleção de parceiros.
Tabela 6.36 – Modelo final de regressão. Fatores Estruturais vs variável Satisfação
Variável dependente = Satisfação Coeficientes não
padronizados Coeficientes padronizados t Sig. Estatísticas de colinearidade B Erro
Padrão Beta T VIF
(Constante) -3,563 8,031 -,444 ,658
Seleção de parceiros ,577 ,186 ,350 3,108 ,002 ,279 3,590 Compatibilidade ,400 ,185 ,243 2,160 ,032 ,279 3,590 Variável Dependente: satisfação
R = 0.571 R2 = 0.326
R2 Ajustado = 0.319
Erro Padrão da estimativa = 24.339 Incremento de R2 = 0.016
F = 4.666 Sig. = 0.032
ANOVA
Efeito quadrados Soma GL quadrados Média F Sig.
Regressão 54716,061 2 27358,031 46,179 ,000 Resíduo 113154,786 191 592,433
Total 167870,848 193
Correlação linear de Pearson entre satisfação e as variáveis independentes
r p
Seleção de Parceiros ,556 ,000
160
A regressão linear múltipla, por outro lado, foi usada para obter um modelo parcimonioso que permitisse predizer a satisfação em função das variáveis independentes (associadas aos fatores estruturais). Analisaram-se os pressupostos do modelo, nomeadamente o da distribuição normal, homogeneidade e independência dos erros. Os dois primeiros pressupostos foram validados graficamente e o pressuposto da independência foi validado com a estatística de Durbin-Watson (d=1.55) como descrito em Marôco (2011). Utilizou-se o VIF para diagnosticar a multicolinearidade. Considerou-se para todas as análises uma probabilidade de erro de tipo I (α) de 0.05.
A primeira variável a entrar no modelo de regressão foi a variável seleção de parceiros, pois como se pode observar na Tabela 6.36 é aquela que apresenta um maior valor de correlação absoluto. Esta variável explica, no primeiro modelo 30.9% (R2=0.309) da variação da satisfação.
No modelo final de regressão, deu entrada a variável compatibilidade passando o peso explicativo global para 32,6% (R2=0.326).
Neste caso, os resultados permitiram identificar as variáveis seleção dos parceiros (β=0.350;
p<0.05) e compatibilidade (β=0.243; p<0.05), como preditores significativos da satisfação. O
modelo final ajustado fica constituído pelas variáveis seleção dos parceiros e compatibilidade. Este modelo é altamente significativo e possui um R quadrado ajustado de 0.319, ou seja, explica 31,9% da variância total da variável dependente. Assim, as variáveis preditoras estabelecem uma relação direta, pelo que se pode dizer que quanto maiores os índices de compatibilidade e seleção de parceiros, maior será a satisfação dos cooperadores.
Os resultados apontam para que a satisfação esteja maioritariamente relacionada com a forma como os parceiros são selecionados para integrar uma cooperativa, reforçando o que já havia sido encontrado por Mazzarol et al. (2013) e Franco (2011, 2011a), quando consideram que numa aliança há que ter em consideração não apenas as questões relacionadas com a própria organização, mas também aspetos como as características individuais dos membros, pois disso irá depender a sua capacidade para cooperar.
Ao colocar a tónica na variável seleção de parceiros, os resultados revelam, ainda, que os cooperadores são sensíveis às experiências passadas em outros movimentos cooperativos, pois essa experiência vai condicionar como estarão dispostos a complementar, partilhar e investir na manutenção e ou criação de recursos. Os membros ficam mais satisfeitos quando têm a perceção de que podem confiar na rede e nos parceiros que a integram. Principalmente porque enfrentam condições de mercado extremamente concorrenciais e de elevada incerteza.
Não é de estranhar, por isso, que a compatibilidade seja também uma variável preditora dos níveis de satisfação, já que esta implica a existência de compromisso nas relações que se estabelecem entre parceiros. Só desta forma, referem Street e Cameron (2007), poderá existir