MODELAGEM DE EQUAÇÃO ESTRUTURAL E O MODELO DA

Por muitos anos, os pesquisadores têm usado ferramentas de análise estatística para expandir sua capacidade de compreender e confirmar os resultados da pesquisa. Uma dessas ferramentas é a modelagem de equações estruturais. Com o desenvolvimento de hardware e software, a aplicação de métodos estatísticos cresceu exponencialmente. Tais pesquisadores, inicialmente, usaram análises univariadas e bivariadas para entender os dados e as relações entre eles. Para entender relacionamentos mais complexos, é necessário aplicar métodos complexos de análise multivariada, incluindo a aplicação de estatísticas (GOSLING;

GONÇALVES, 2003; VIEIRA, 2009).

A modelagem de equações estruturais - MEE inclui uma variedade de modelos matemáticos, algoritmos de computador e métodos estatísticos, que podem funcionar juntos para permitir que os pesquisadores incorporem conceitos não observáveis por meio da medição indireta de variáveis indicadoras. Logo, o modelo de equação estrutural é um conjunto estatístico projetado para explicar a relação entre múltiplas variáveis (GOSLING; GONÇALVES, 2003; OLIVEIRA; MARINHO; DIAS, 2006;

VIEIRA, 2009).

Para Ringle, Silva e Bido (2014), ele examina a estrutura de relacionamentos expressa em uma série de equações, semelhante a uma série de equações de regressão múltipla. Essas equações descrevem todas as relações entre as estruturas envolvidas na análise. A construção é um fator não observável ou fator latente representado por múltiplas variáveis. A modelagem de equações estruturais - MEE pode ser vista como uma combinação de análise fatorial e técnicas de análise de regressão múltipla.

Para a sua execução, é importante que se compreenda que a modelagem de equações estruturais é baseada na causalidade, e a mudança de uma variável leva inevitavelmente à mudança de outra variável. Ao interpretar dados transversais e modelos da modelagem de equações estruturais - MEE, a ideia de prever o resultado do fator x deve ser usada em vez de causar o efeito X tão precisamente quanto estudos longitudinais (FARIAS; SANTOS, 2000; GOSLING; GONÇALVES, 2003;

HAIR et al., 2014).

Segundo Hair et. al. (2014), ao construir o diagrama de caminho da relação causal, as pesquisas devem determinar esquematicamente a relação causal (preditiva) e de correlação (correlação) entre a variável dependente e a variável independente. Setas retas devem ser usadas para determinar a causalidade, e setas curvas devem ser usadas para determinar a associação entre estruturas e setas curvilíneas para determinar associações entre os construtos.

O diagrama de caminhos previamente construído é transformado em um conjunto de modelos estruturais e modelos de medição. Os pesquisadores devem definir o modelo estrutural, o modelo de medição e as equações de um conjunto de modelos. Uma matriz que representa a correlação teórica entre estrutura e variáveis (VIEIRA, 2009; HAIR et al., 2014).

E, considerando as informações até aqui tratados sobre a MEE, este estudo optou pelo seu emprego dada a complexidade do modelo adotado, além de ser um tratamento estatístico capaz de responder e avaliar a força e a direção das causalidades hipotetizadas ou das relações estruturais em um dado modelo que foi construído ao longo da fundamentação teórica desta tese. Para isso, têm-se a Figura 14 a seguir.

Figura 14 – Modelo estrutural da tese

Fonte: elaborado pelo autor (2020).

Na Modelagem de Equações Estruturais - MEE, as relações entre as variáveis observadas são representadas por meio do diagrama de caminho. A MEE adota uma simbologia particular, que por convenção, possibilidade entender de forma mais clara o modelo. As variáveis observadas são representadas por retângulos ou quadrados e a relação de causa entre duas variáveis são representadas por setas unidirecionais.

As setas contínuas representam uma relação direta entre as variáveis independentes (Categorização e Índice de Competitividade) com a dependente (Alocação de Recursos) e as setas pontilhadas e/ou tracejadas representam uma relação de moderação na relação entre as variáveis independentes com a dependente.

Conforme exposto na Figura 16, o presente modelo pressupõe que a Categorização e o Índice de Competitividade (variáveis independentes ou exógenas), possuem relação direta com a Alocação de Recursos (variável independente ou endógena), e correspondem a Hipótese (H1) deste estudo: A categorização dos municípios das regiões turísticas possui relação com a alocação de recursos em infraestrutura turística e a Hipótese (H2): O índice de competitividade do turismo nacional possui relação para a alocação de recursos em infraestrutura turística.

Já as demais variáveis Fluxo Turístico (H3), Base Governista (H4), Partido Político (H5), UF do Ministro (H6) e Eleição da Câmara (H7) deste estudo compõem uma moderação na MEE, tendo em vista que elas podem afetar a força da relação entre a H1 e H2. Elas correspondem às seguintes hipóteses:

• Hipótese 1 (H1): a categorização dos municípios das regiões turísticas possui relação com a alocação de recursos em infraestrutura turística;

• Hipótese 2 (H2): o índice de competitividade do turismo nacional possui relação para a alocação de recursos em infraestrutura turística;

• Hipótese 3 (H3): os municípios com maior fluxo de turistas, sejam domésticos ou internacionais moderam a relação entre a Categorização, o Índice de Competividade e a Alocação de Recursos;

• Hipótese 4 (H4): ser um município que pertence ou não à base governista federal modera a relação entre a Categorização, o Índice de Competividade e a Alocação de Recursos;

• Hipótese 5 (H5): ser um município administrado ou não pelo partido político associado ao Ministério do Turismo modera a relação entre a Categorização, o Índice de Competividade e a Alocação de Recursos;

• Hipótese 6 (H6): ser um município da unidade da federação de origem ou reduto eleitoral do Ministro de Estado do Turismo modera a relação entre a Categorização, o Índice de Competividade e a Alocação de Recursos;

• Hipótese 7 (H7): ser um município da unidade da federação de origem ou reduto eleitoral da presidência da Câmara do Deputados Federais modera a relação entre a Categorização, o Índice de Competividade e a Alocação de Recursos.

Com efeito, entende-se aqui que estas variáveis moderadoras (representadas pela H3, H4, H5, H6 e H7) podem, de alguma forma, influenciar as relações entre as H1 (Categorização x Alocação do Recurso) e na H2 (Índice de Competitividade x Alocação do Recurso).

Assim, após a descrição da MEE, a indicação do modelo adotado nesta tese e a construção das hipóteses deste estudo, têm-se as mensurações estatísticas desta pesquisa. A organização dos dados e a apresentação dos resultados são apresentadas na próxima unidade deste trabalho.

Após a descrição da Modelagem de Equação Estrutural, a indicação do modelo adotado nesta tese, têm-se as mensurações estatísticas desta pesquisa. A organização dos dados e a apresentação dos resultados são apresentadas na próxima unidade deste trabalho.