Modelagem de equações estruturais

Para a realização da análise de dados foi empregado a Modelagem de Equações Estruturais – MEE, uma ferramenta estatística que analisa dados multivariados, ou seja, envolve a aplicação de métodos que averiguam simultaneamente variáveis múltiplas de um modelo teórico. Estas variáveis podem representar medições associadas a indivíduos, empresas, eventos, atividades, entre outros. (HAIR et al., 2014).

Para João Marôco (2014) a Análise de Equações Estruturais – AEE é uma técnica de modelagem generalizada, aplicada para testar a validade de modelos teóricos que definem relações causais, hipotéticas, entre variáveis. Estas relações expõem a magnitude do efeito que as variáveis independentes apresentam sobre as variáveis dependentes.

A AEE é uma extensão dos modelos lineares generalizados que considera, de forma explícita, os erros de medida associados às variáveis sob estudo. Pode ser descrita como uma combinação das técnicas clássicas de análise fatorial e regressão linear (JOÃO MARÔCO, 2014).

No entanto, esta técnica vai além desta combinação, uma vez que na estatística clássica procura-se um modelo teórico que descreva os dados. Enquanto que na AEE ocorre de forma oposta, na qual o pesquisador baseia-se em um quadro teórico e depois recolhe dados que o confirme ou refute (JOÃO MARÔCO, 2014).

Essa ferramenta fornece uma transição da análise exploratória para a análise confirmatória, em razão de que primeiramente é fornecido pelo pesquisador

informações sobre a sua teoria (variáveis e seus efeitos) para que depois o modelo seja confirmado (HAIR et al., 2005).

O software utilizado para executar a modelagem foi o SmartPLS. Foram seguidas as etapas descritas por (HAIR et al., 2005), as quais encontram-se reproduzidas e ordenadas na Figura 16.

Figura 16 - Etapas da MME

Fonte: Adaptado de Hair et al. (2005)

3.2.7.1 Modelo teórico e diagrama de caminho

Para investigar as relações causais entre as variáveis é necessária uma justificativa teórica e critérios como associação suficiente entre as duas variáveis; antecedência temporal da causa versus o efeito; falta de variáveis causais alternativas e principalmente uma base teórica para a relação (HAIR et al., 2005).

O método chamado de diagrama de caminhos facilita um maior entendimento das relações de causalidade entre os construtos. Os elementos básicos desse diagrama são os construtos e as setas. Esse método permite apresentar tanto as relações preditivas entre construtos (relações entre variáveis dependentes e independentes) como as relações associativas (correlações) entre construtos e até mesmo indicadores. As relações analisadas nesta pesquisa podem ser verificadas no diagrama de caminhos exposto na Figura 17.

Figura 17 - Diagrama de caminhos

Modelo teórico Diagrama de _caminho

Modelo estrutural e de mensuração Estimação do modelo Identificação do Modelo Critérios de qualidade de ajuste Interpretação e melhoria

Fonte: Adaptado de Anggadwita e Dhewanto (2016)

3.2.7.2 Modelo estrutural

Depois de especificar o modelo teórico e representá-lo em um diagrama de caminho, a terceira etapa consiste em especificar o modelo formal. O modelo estrutural descreve a relação causal entre os construtos, definindo quais variáveis influenciam sobre os construtos.

As relações detectadas são oriundas da fundamentação elaborada no capítulo 2, no qual é apresentado um modelo com cinco construtos e cinco hipóteses de causalidade. Neste modelo, verifica-se; i) as variáveis independentes (características psicológicas e dificuldades) influenciando as ii) variáveis dependentes (competências individuais, atitude pessoal e intenção empresarial das mulheres) expressando o resultado dos efeitos combinados mencionados anteriormente.

A direção da seta é que vai indicar qual construto está influenciando no outro. A variável para qual a seta está direcionada é a que recebe os efeitos do construto de origem da seta. A Figura 18 ilustra o modelo conceitual que caracterizam o estudo. Figura 18 - Modelo estrutural

Fonte: Adaptado de Anggadwita e Dhewanto (2016)

Nota-se que o construto “Atitude Pessoal” é influenciado por outras duas variáveis (competência individual e características psicológicas), uma vez que é uma variável endógena (dependente). Já as características psicológicas não têm nenhuma influência sobre outros construtos, em razão de ser uma variável exógena (independente) (HAIR et al., 2005).

3.2.7.3 Modelo de mensuração

Para especificar o modelo de mensuração, faz-se a transição da análise fatorial, para que possa especificar quais indicadores definem cada construto. Estes indicadores são usados para medir ou indicar os construtos com objetivo de verificar os níveis aceitáveis de confiabilidade. Portanto, neste processo alguns indicadores ou até mesmo os construtos podem ser excluídos por meio da análise de suas cargas fatoriais, ocasionando alterações no modelo proposto. A Figura 19 a seguir aborda em detalhes os indicadores com seus respectivos construtos.

Fonte: Adaptado de Anggadwita e Dhewanto (2016)

O modelo teórico pode apresentar duas características: formativas ou reflexivas. Quando a seta sai do construto em direção ao indicador, o modelo é reflexivo. Por outro lado, o modelo é formativo no momento em que os indicadores causam mudanças nos construtos ao qual estão ligados (HAIR et al., 2005). Verifica- se na Figura 19 que este modelo é reflexivo, em razão das setas apontarem para os indicadores.

3.2.7.4 Estimação do modelo e identificação do modelo

Nesta etapa é realizada a análise dos dados de entrada e é executada a seleção do procedimento de estimação. A interpretação dos dados de entrada deve ser empregada pela matriz de variância-covariância, uma vez que é utilizada para testar uma teoria. Outro ponto importante é o tamanho da amostra que deve ter uma proporção mínima de cinco respondentes para cada parâmetro estimado (HAIR et al., 2005).

Os processos de estimação mais comuns para o cálculo do modelo estrutural são a máxima verossimilhança, mínimos quadrados generalizados e mínimos quadrados ponderados. Como foi utilizado o software SmartPLS, a estimação foi desenvolvida por Mínimos Quadrados Parciais, que é uma técnica de regressão que reduz os preditores para um conjunto menor de componentes não correlacionados e

executa regressão de mínimos quadrados sobre estes componentes, em vez de fazer isso sobre os dados originais (HAIR et al., 2005).

Identificar o modelo estrutural é uma etapa necessária para evitar resultados sem sentido ou ilógicos. Para este fim de identificação, o grau de liberdade é um elemento que determina o tamanho da matriz de covariância relativamente ao número de coeficientes estimados. A condição de ordem é uma das regras que estabelece que os graus de liberdade do modelo devem ser superiores ou iguais a zero (HAIR et al., 2005).

3.2.7.5 Critérios de qualidade de ajuste

A avaliação da qualidade do modelo é essencial para um ajustamento adequado entre o modelo elaborado e os dados amostrais. Para que isto seja possível, existem três medidas de qualidade de ajuste: as medidas de ajuste absoluto na qual avaliam apenas o ajuste geral do modelo, as medidas de ajuste incremental que comparam o modelo proposto com um outro modelo especificado, e as medidas de ajustes parcimonioso “acertam” as medidas de ajuste para proporcionar uma comparação entre modelos com diferentes números de coeficientes estimados (HAIR et al., 2005).

Neste estudo foi usado o ajuste geral do modelo utilizando a ferramenta estatística SmartPLS. Este software avalia a qualidade do modelo e a capacidade em reproduzir correlações entre os construtos. Os principais índices que avaliam a qualidade do modelo sugeridos por (HAIR et al., 2014) são expostos na Figura 20 com seus respectivos valores de referência.

Fonte: Hair Jr. et al. (2014)

3.2.7.6 Interpretação e modificação do modelo

No momento em que o modelo é considerado aceitável, deve-se verificar os resultados de acordo com a teoria proposta. (HAIR et al., 2005) sugere alguns questionamentos para reflexão:

 As principais relações na teoria são mantidas e consideradas estatisticamente significantes?

 O modelo acrescenta alguma visão quanto a formulações alternativas da teoria que possam ser sustentadas?

 Todas as relações estão na direção teorizada (positiva ou negativa)? A partir do resultado empírico, pode-se optar pela reespecificação do modelo com o objetivo de melhorar o modelo proposto, eliminando ou acrescentando variáveis. O modelo teórico pode ser modificado continuamente (desde que tenha uma base teórica que fundamente tal alteração), em razão do software SmartPLS permitir alterações dos construtos até que o ajustamento dos índices se tornem satisfatórios.

• Entre -1 e +1 Curtose • ≥ +1 e ≤ -1 Assimetria • ≥ 0,7 Outer Loadings • ≥ 0,7 Alfa de Cronbach • Entre 0,7 e 0,9 Confiabilidade Composta

• Valor da carga do mesmo construto deve ser superior que as demais cargas

Validade Descriminante

• ≤ 5

Variance Inflation Factor (VIF)

• >0

Redundância do Construto

• >0