Neste capítulo, inicialmente será apresentada a caracterização da pesquisa e posteriormente serão apresentados e justificados os procedimentos adotados quando da coleta e análise dos dados e o método de análise quantitativa, utilizado para a análise das relações entre os construtos (modelagem de equações estruturais – MEE).
5.1 Caracterização da Pesquisa
A pesquisa realizada é caracterizada como conclusiva descritiva. Nestas pesquisas, busca-se estudar as relações entre variáveis. Porém, não se pode afirmar que, a partir destas relações, uma variável seja causadora de efeito sobre a outra. Somente que a variação resultante de uma pode produzir uma variação em outra, não sendo ela a única responsável por isso (GONÇALVES e MEIRELLES, 2004).
Quanto à abordagem, é caracterizada como uma pesquisa quantitativa, pois a linguagem matemática será utilizada tanto na coleta quanto no tratamento dos dados (GONÇALVES e MEIRELLES, 2004; DIEHL e TATIM, 2004).
5.2 Tratamento de Dados
Com base em Gosling e Gonçalves (2003), os dados relativos a esta pesquisa serão tratados através da modelagem de equações estruturais (MEE) por meio de procedimentos estatísticos para testar hipóteses a respeito de relações entre variáveis latentes e observadas.
5.2.1 Modelagem de Equações Estruturais
Segundo Codes (2005), a Modelagem de Equações Estruturais (MEE) é uma técnica relativamente nova, que surgiu na década de 1960 a partir da evolução da modelagem de multi equações, que foi desenvolvida principalmente nos campos da Psicologia, Econometria e Sociologia. Considerando a evolução dos métodos quantitativos de pesquisa, pode-se dizer que as origens da MEE remontam do ano de 1918, quando o geneticista Sewall Wright apresentou um trabalho sobre a técnica da Análise de Trajetórias, que só veio a ser exposta formalmente em uma série de artigos que datam do começo dos anos 1920 (CODES, 2005 apud DUNCAN, 1971 p. 116).
Segundo Zicker, Souza e Bido (2008), a Modelagem de Equações Estruturais (MEE) pode ser entendida como uma técnica que permite a combinação de um modelo de mensuração a um modelo estrutural, avaliados simultaneamente. Hair et al (2005) definem o modelo estrutural como um modelo de “caminhos” que tem o objetivo de relacionar as variáveis independentes com as dependentes. O modelo de mensuração, segundo o autor, tem o objetivo de permitir ao pesquisador utilizar inúmeras variáveis para uma única variável independente ou dependente.
Figura 5-Esquema ilustrativo dos modelos estrutural e de mensuração Fonte: Adaptado de Dias (2004)
A MEE passou também a ser conhecida como uma técnica de “análise variada de segunda geração”, pois ela possibilita aos pesquisadores avaliarem as propriedades psicométricas de suas escalas de mensuração e, ao mesmo tempo, estudarem a relação entre conceitos não observáveis (CHIN, 1998). Segundo Bido, Souza, Silva, Godoy e Torres (2012), esta habilidade e flexibilidade tem um “preço” que é justamente a complexidade da técnica, fazendo com que o pesquisador que queira utilizar esta técnica com o rigor necessário tenha que se preparar, tanto na metodologia de pesquisa quantitativa quanto nos detalhes estatísticos envolvidos.
Hox e Bergher (1998) colocam como as principais críticas, frequentemente feitas à MEE, as premissas estatísticas em relação à distribuição amostral utilizada para a estimação dos parâmetros do modelo. Segundo Dias (2004 p. 84), tais críticas estão fundamentadas no fato de
não ser comum encontrar em pesquisas, na área de ciências sociais aplicadas, dados que atendam às premissas de normalidade e também ao fato de não haver na literatura um consenso sobre o tema quanto ao número de casos que constitui uma amostra considerada adequada, seja esta amostra pequena, média, grande ou extremamente grande.
Com base nos estudos de Kline (1998), Codes (2005) apresenta de forma sumarizada o processo de estimação de um modelo de equações estruturais. O primeiro passo é a especificação das relações entre as variáveis que compõem o modelo, onde as hipóteses de pesquisas são expressas a partir de uma equação que será utilizada para definir os parâmetros que serão estimados pelo modelo, sendo isto a correlação entre variáveis latentes e observáveis que serão testadas e calculadas por programas de computador. O segundo passo refere-se à etapa de natureza matemática, onde se deve determinar se o modelo está identificado. Segundo a autora, o modelo está identificado quando para o computador for teoricamente possível derivar uma estimativa única para cada um dos parâmetros que devem ser calculados. Após a identificação, é necessária a coleta e preparação das variáveis que são parte do modelo para posteriormente iniciar o procedimento de análise dos dados que envolvem o uso de programas computacionais para calcular os parâmetros desejados a partir de dados empíricos; esta etapa é também a etapa da primeira estimação. Logo após, é necessário avaliar o seu ajuste, baseado nos coeficientes apropriados para este fim. Quando estes modelos iniciais não se ajustam adequadamente aos dados, é necessária uma nova especificação do modelo à procura de um resultado estável e bem ajustado. Somente assim, parte-se para a última etapa referente à discussão substantiva dos achados.
Figura 6-Etapas a serem percorridas para a construção de um modelo de equações estruturais Fonte: Codes (2005 p. 481)
Finalmente, Bido et. al (2012) salientam que a MEE deve ser entendida como um método de pesquisa e não como uma técnica de análise de dados, pois envolve atividades que incluem: a escolha do referencial teórico que será utilizado; elaboração do modelo estrutural; elaboração do modelo de mensuração que pode envolver a construção de instrumentos para a coleta de dados; a coleta de dados propriamente dita; teste do modelo; e a interpretação dos resultados com base na teoria utilizada para que possa justificá-lo.
Como método de estimação dos parâmetros do modelo proposto e a busca pela explicação da variação do desempenho das organizações estudadas, foi adotado o método dos Mínimos Quadrados Parciais – Partial Least Squares (PLS), tendo em vista o objetivo de predição e explicação da variação do desempenho que se mostra em alinhamento com as colocações de Henseler, Ringle e Sinkovics (2009). Quando da estimação dos parâmetros do modelo proposto nesta pesquisa, foi utilizado o software SmartPLS 3 (Ringle, Wende, & Becker, 2015), com ponderação, baseado no tamanho da firma, procedimento em alinhamento com a perspectiva de que o tamanho usualmente é adotado como variável de controle, em função de sua influência no desempenho da firma ser dado como certo.
6 ANÁLISE E INTERPRETAÇÃO DOS DADOS