H1: Impacto das vantagens colaborativas sobre os riscos

Para estudar o impacto das vantagens colaborativas sobre os riscos empregou-se as variáveis ligadas ao construto risco como dependentes e como independentes as variáveis correspondentes ao construto vantagens colaborativas. Como indicado na Tabela 24, dos 10 modelos resultantes apenas seis apresentaram resultados estatisticamente significantes, logo nossa análise se restringirá à esses modelos.

119

Tabela 24 – Resultados da regressão linear múltipla para os riscos como variável dependente e vantagens colaborativas como variáveis independentes.

Variável

dependente Anova Resumo do modelo

Coeficiente s Variáveis independentes Vantagens colaborativas Ricos Sig. R2 R 2 Ajustad o FacCola b TrocInfo r FornecInsu m TratDi f Rm_Preço 0,057* 0,13₇ 0,081 B -0,044 0,035 -0,340 0,137 Beta -0,044 0,035 -0,340 0,137 Estat. t -0,369 0,296 -2,857 1,149 Sig. 0,713 0,768 0,006** 0,255 Rm_MatPrim 0,001_* ** 0,31₃ 0,268 B -0,411 -0,147 -0,349 -0,022 Beta -0,411 -0,147 -0,349 -0,022 Estat. t -3,878 1,387 -3,294 -0,206 Sig. 0,001*** 0,170 0,001*** 0,838 Rm_Glo 0,590 0,04₄ -0,018 B 0,067 -0,092 0,071 0,162 Beta 0,067 -0,092 0,071 0,162 Estat. t 0,535 -0,734 0,564 1,298 Sig. 0,595 0,466 0,575 0,199 Rm_ConForn 0,597 0,04₄ -0,019 B 0,133 -0,036 -0,141 0,071 Beta 0,133 -0,036 -0,141 0,071 Estat. t 1,059 -0,286 -1,124 0,569 Sig. 0,294 0,776 0,265 0,571 Rm_BaiTec 0,217 0,08₉ 0,029 B -0,191 -0,117 -0,197 0,005 Beta -0,191 -0,117 -0,197 0,005 Estat. t -1,559 -0,959 -1,613 0,042 Sig. 0,124 0,342 0,112 0,966 Rsa_OpPub 0,003** 0,22₈ 0,177 B -0,102 0,251 -0,308 -0,244 Beta -0,102 0,251 -0,308 -0,244 Estat. t -0,903 2,228 -2,741 -2,170 Sig. 0,370 0,030** 0,008** 0,034** Rsa_Soc 0,814 0,02₅ -0,39 B 0,074 0,092 0,048 -0,094 Beta 0,074 0,092 0,048 -0,094 Estat. t 0,584 0,730 0,379 -0,740 Sig. 0,562 0,468 0,706 0,462 Rsa_Clima 0,013** 0,18 5 0,131 B -0,071 0,230 -0,294 0,200 Beta -0,071 0,230 -0,294 0,200 Estat. t -0,612 1,991 -2,545 1,731 Sig. 0,543 0,050** 0,013** 0,089* Rp_ContFinal 0,016** 0,17 9 0,125 B -0,346 0,125 0,180 0,106 Beta -0,346 0,125 0,180 0,106 Estat. t -2,982 10,75 1,554 0,910 Sig. 0,004** 0,287 0,125 0,366 Rp_AdeqSani t 0,001** * 0,33₁ 0,287 B -0,221 0,166 -0,496 0,088 Beta -0,221 0,166 -0,496 0,088 Estat. t -2,111 1,580 -4,738 0,843 Sig. 0,039** 0,219 0,001*** 0,402

Fonte: Resultado da pesquisa.

*_{Significância estatística com um nível de confiança de 90% (sig. < 0,10).} **_{Significância estatística com um nível de confiança de 95% (sig. < 0,05).} ***_{Significância estatística com um nível de confiança de 99% (sig. < 0,01).}

Com um nível de confiança de 90%, o primeiro modelo estatisticamente significante (sig. = 0,057) teve como dependente a variável Risco de Preço (Rm_Preço). O Coeficiente de Determinação do modelo estabeleceu que 13,70% da variância total da variável dependente pode ser explicada pelas variáveis independentes (R2 _{= 0,137). Por}

120 sua vez, avaliação dos Coeficientes indica que apenas a variável independente Fornecimento de Insumos (FonecInsum) possui significância estatística com nível de confiança de 95% (sig. = 0,006). O Coeficiente de Regressão negativo (B = -0,340) sugere a existência de uma relação inversamente proporcional entre Risco de Preço e Fornecimento de Insumos, o que leva a conclusão que nos casos onde a agroindústria fornece insumos ou assistência técnica aos fornecedores a percepção de riscos de mercado é menor. Essa realidade pode ser reflexo do tipo de governança empregada nessas situações, onde, normalmente, existe o emprego de contratos e pode ocorrer a “trava” de preços, ou seja, os preços são fixados previamente. Desta forma, as oscilações inesperadas nos preços tendem a serem menores.

Outro modelo com significância estatística foi o que empregou como variável dependente a variável Risco de Matéria Prima (Rm_MatPrim). Neste caso, o nível de confiança foi de 99% (sig. = 0,001) e o Coeficiente de Determinação estabeleceu que 31,30% da variância da variável dependente pode ser explicada pelas variáveis independentes. Ao analisar os Coeficientes do modelo, pode-se concluir que as variáveis Facilidade de Criações de Ações Colaborativas (FacColab) e Fornecimento de Insumos (FornecInsum) possuem, ambas, significância estatística com nível de confiança de 99% (sig. = 0,001) e relações inversamente proporcionais com o Risco de Matéria Prima (Coeficientes B negativos). Assim, pode-se argumentar que a criação de ações colaborativas e o fornecimento de insumos têm potencial de diminuir a percepção dos riscos ligados à qualidade e à quantidade de matéria prima disponível para abate. Tais iniciativas podem influenciar positivamente o sistema produtivo dos pecuaristas e, ao mesmo tempo, os estimularia a atender os padrões de qualidade demandado pela agroindústria. Além disso, os frigoríficos teriam maior facilidade de prever a quantidade de animais ofertados para abate graças à maior aproximação com os fornecedores.

Ao admitir como dependente a variável Risco de Opinião Pública (Rsa_OpPub) gerou-se um modelo com significância estatística com nível de confiança de 95% (sig. = 0,003) e com capacidade de explicar 22,80% da variância da variável dependente (R2 ₌

0,228). Conforme estabelecido pelos Coeficientes, as variáveis que apresentaram significância estatística foram Troca de Informações (TrocInfor), Fornecimento de Insumos (FornecInsum) e Tratamento Diferenciado (TratDif), ambos com 95% de nível de confiança. Dentre as variáveis independentes estaticamente significativas, apenas a troca de informações possui Coeficiente B positivo (B = 0,251), o que indica uma relação diretamente proporcional desta com a variável dependente. Sendo assim, pode-se afirmar

121 que uma troca de informações mais intensa entre os agentes facilita a identificação de fatores (condições inadequadas de trabalho, desmatamento, conforto animal, etc.) sócio e ambientalmente inaceitáveis e que podem prejudicar a imagem dos frigoríficos perante seus clientes. Esse tipo de risco não tem impacto na qualidade ou quantidade da matéria prima, por isso, em uma situação extrema, a inexistência da troca de informações entre cliente e fornecedor impossibilita a percepção desse tipo de risco. Já as variáveis FornecInsum (B = -0,380) e TratDif (B = -0,244) mostraram relação inversamente proporcional com o Risco de Opinião Pública. Esse resultado pode ser explicado de duas formas diferentes. A primeira é que o fornecimento de insumos e o tratamento diferenciado poderiam criar estímulos para os fornecedores se adequarem às normas vigentes e às expectativas dos consumidores. Além disso, ao empregar tais estratégias os frigoríficos selecionariam aqueles fornecedores menos vulneráveis às questões socioambientais, excluindo, deste modo, aqueles que venham apresentar algum tipo de risco.

O modelo que utilizou como dependente a variável Risco Climático (Rsa_Clima) apresentou significância estatística com nível de confiança de 95% (sig. = 0,013) e as variáveis independentes explicam 18,50% da variância total da variável dependente (R2

= 0,185). Neste caso, as variáveis independentes com significância estatística foram Troca de Informações (TrocInfor), Fornecimento de Insumos (FornecInsum) e Tratamento Diferenciado (TratDif), sendo que as duas primeiras possuem nível de confiança de 95% e a última de 90%. O Coeficiente de Regressão (B = -0,294) sugere que o aumento no fornecimento de insumos e de assistência técnica diminui a percepção do impacto negativo dos eventos climáticos. Esse tipo de ação, como comentado anteriormente, teria condições de interferir nas técnicas produtivas dos fornecedores diminuindo, assim, a vulnerabilidade às oscilações climáticas. Já os Coeficientes de Regressão das variáveis Troca de Informações (B = 0,230) e Tratamento Diferenciado (B = 0,200) indicam que o aumento de tais práticas eleva a percepção dos Riscos Climáticos. Os Riscos Climáticos existirão independente do nível de troca de informação e do tipo de relacionamento com o fornecedor, entretanto presume-se que a troca de informações mais intensa permite identificar melhor os fatores que realmente impactam sobre as oscilações de qualidade e disponibilidade de matéria prima.

Explicando 16,00% da variabilidade da variável dependente, o emprego da variável Risco de Contaminação do Produto Final (Rp_ConFinal) apresentou significância estatística nível de confiança 95%. A variável independente Facilidade de

122 Criação de Ações Colaborativas (FacColab) foi a única com significância estatística com nível de confiança de 95% e Coeficiente de Regressão (B = -0,346) negativo. Tal resultado indica que a criação de ações colaborativas, incluindo a criação de padrão de qualidade, pode reduzir a percepção de riscos ligados à contaminação do produto.

A utilização da variável Risco de Inadequação às Exigências Sanitárias (Rp_AdeqSanit) como dependente originou um modelo estatisticamente significante com nível de confiança de 99% e com condições de explicar 33,10% da variável dependente (R2 _{= 0,331). Neste modelo, as variáveis dependentes que apresentaram significância}

estatística foram Facilidade de Criação de Ações Colaborativas (FacColab), com nível de confiança de 95%, e Fornecimento de Insumos (FornecInsum), com nível de confiança de 99%. As duas variáveis apresentaram Coeficientes de Regressão, respectivamente, de -0,221 e -0,496, o que denota que ao aumentar a facilidade de criação de ações colaborativas e o fornecimento de insumos, as dificuldades de adequação às exigências sanitárias tendem a diminuir.