Análises Estatísticas

Para conduzir as análises estatísticas deste estudo, utilizou-se o software SPSS 17.0 (Statistical Package for Social Sciences) para as análises descritivas, o tratamento dos dados e análises de variância. O software AMOS 16.0 (Analysis of Moment Structures) foi utilizado para conduzir a Modelagem de Equações Estruturais na validação, a análise fatorial confirmatória (AFC), adaptação das escalas e verificação de suposições propostas pelo modelo conceitual desenvolvido.

5.7.2.1 Modelagem de Equações Estruturais (MEE)

Para Hair et al (2009), a MEE é uma técnica que permite separar relações para cada conjunto de variáveis dependentes para estimar simultaneamente uma série de equações de regressão múltipla separadas. Ela é caracterizada por dois componentes básicos.

O modelo estrutural ou modelo de caminhos relaciona variáveis independentes com dependentes. O modelo de medida permite ao pesquisador utilizar diversas variáveis (indicadores) para uma única variável independente ou dependente.

A MEE ainda fornece uma transição da análise fatorial exploratória para a confirmatória, onde o pesquisador avalia a contribuição de cada item da escala e mede a sua confiabilidade para, então, integrá-las na estimação das relações do modelo estrutural desenvolvido.

Para Hair et al (2009), dependendo do objetivo do pesquisador, a MEE pode adotar três estratégias diferentes: a modelagem confirmatória, de modelos concorrentes e a de desenvolvimento de modelos. A estratégia mais direta é a modelagem confirmatória, onde o pesquisador especifica um só modelo e o utiliza para avaliar quão bem ele se ajusta aos dados.

Para este estudo, a estratégia de modelagem confirmatória se mostrou a mais adequada, pois na fase exploratória buscou-se a validação de um modelo conceitual.

A MEE provê uma maneira conceitualmente atraente para se testar uma teoria. Ela avaliará quão bem uma teoria se ajusta ou não à realidade. O processo começa listando os construtos que compreenderão o modelo de mensuração. Hair et al (2009) definiram seis estágios para o uso da MEE: I) definição de construtos individuais; II) desenvolvimento e especificação do modelo de medida; III) planejamento de um estudo para produzir resultados empíricos; IV) avaliação da validade do modelo de medida; V) especificação do modelo ; VI) avaliação da validade do modelo estrutural.

Para os estágios de I à IV utiliza-se o processo de AFC. Se a medição é considerada suficientemente válida, o pesquisador pode testar o modelo estrutural composto dessas medições (HAIR Jr et al, 2009).

A validade do modelo de mensuração depende da qualidade de ajuste para o mesmo e evidência específica de validade do construto¹¹.

A qualidade de ajuste (GOF) indica o quão bem o modelo especificado reproduz a matriz de covariância entre os itens indicadores, isto é, a similaridade entre as matrizes de covariância estimada e observada. Outras medidas alternativas de GOF também estão à disposição do pesquisador.

O ajuste do modelo compara a teoria com a realidade representada pelos dados. Se a teoria fosse perfeita, a matriz de covariância estimada e observada seriam iguais. Assim, quanto mais próximos os valores dessas duas matrizes, melhor será o ajuste do modelo.

Hair Jr et al (2009) sugere três classificações para as medidas de ajustamento. No ajuste absoluto, se avalia apenas o ajuste geral do modelo e determina o grau com que ele prediz a matriz de covariância; No ajuste incremental compara-se o modelo proposto com um modelo nulo; No ajuste parcimonioso se fornece uma comparação entre modelos com diferentes números de coeficientes estimados.

Qui-quadrado sobre graus de liberdade (x²/df)

Indica as diferenças entre as matrizes observadas e estimadas.

Valores até 5 indicam que o modelo representa os dados observados.

Raiz do erro quadrático médio de aproximação (RMSEA)

Medida que corrige a tendência do qui-quadrado de rejeitar o modelo especificado. Valores entre 0,05 e 0,08 são considerados aceitáveis.

Índice de Qualidade do Ajuste (GFI)

Indica o grau de ajustamento do modelo. Varia de 0 (baixo ajustamento) a 1 (ajustamento perfeito. Valores iguais ou superiores a 0,8 são aceitos.

Índice Ajustado de Qualidade do Ajuste (AGFI)

Representa uma extensão do GFI ajustado ao número de graus de liberdade do modelo proposto e nulo. Varia de 0 (baixo ajustamento) a 1 (ajustamento perfeito). Valores superiores a 0,8 são aceitáveis.

Índice Tucker Lewis (TLI) Índice que combina uma medida de parcimônia em um índice comparativo entre os modelos proposto e nulo. Varia de 0 a 1, sendo valores superiores a 0,9 aceitáveis.

11 Validade de construto: Extensão em que um conjunto de variáveis medidas realmente representa o construto latente teórico que elas são projetadas para medir (HAIR et al, 2009).

Índice de Ajuste Normado (NFI) Comparação relativa entre o modelo proposto e o modelo nulo.

Varia de 0 a 1, sendo valores superiores a 0,9 considerados aceitáveis.

Índice de Ajuste Comparativo (CFI)

Comparação relativa entre o modelo proposto e o modelo nulo.

Varia de 0 a 1, sendo valores superiores a 0,8 considerados aceitáveis. Considerado mais apropriado em estratégias de desenvolvimento de modelos.

Quadro 9. Índices de Estimação Utilizados na Avaliação de Modelos Fonte: Elaborado a partir de Garrido (2007).

A confiabilidade é um indicador de validade convergente¹². Para Hair Jr et al (2009), o coeficiente alfa é uma estimativa frequentemente aplicada, apesar dele poder subestimar a confiabilidade. Para os autores, qualquer estimativa de um alfa, em torno de 0,7, sugere um bom valor. Entretanto, uma confiabilidade entre 0,6 e 0,7 pode ser aceitável se outros indicadores de validade de construto forem bons.

A variância extraída também mede a confiabilidade. Ela funciona como um indicador resumido de convergência (HAIR Jr et al, 2009). Uma variância extraída de 0,5 ou mais é uma boa regra sugerindo convergência adequada. Se for inferior a 0,5 indica que, em média, mais erro permanece nos itens do que a variância explicada pela estrutura fatorial latente imposta sobre a medida.

Na validade convergente, os indicadores de um construto específico devem convergir ou compartilhar uma elevada proporção de variância comum. O tamanho das cargas fatoriais é uma consideração importante. Uma boa regra sugere que cargas padronizadas devem ser de 0,5 ou mais, e idealmente de 0,7 acima. O quadrado de uma carga fatorial padronizada representa a variação de um item que é explicado por um fator latente. (HAIR Jr et al, 2009).

A validade discriminante é o grau em que um construto é verdadeiramente diferente dos demais. Assim, ela oferece evidências de que um construto é único e captura alguns fenômenos que outras medidas não conseguem. Um teste para se avaliar a validade discriminante é comparar os percentuais de variância extraída para dois construtos quaisquer com o quadrado da estimativa de correlação entre os dois construtos (HAIR Jr et al, 2009).

O modelo geral proposto apresentou as possíveis relações entre os recursos do controle sobre a tarefa e o controle e suporte da supervisão, com os fatores desencadeantes do estresse no trabalho (sobrecarga, conflito e ambiguidade do papel), as tendências à saturação e o

12 Validade Convergente: O quanto indicadores de um construto específico convergem ou compartilham uma elevada proporção de variância comum (HAIR Jr et al, 2009).

desempenho de qualidade e produtividade de funcionários de linha de frente. Os índices de ajuste para este modelo foram então verificados.

5.7.2.2 Análise Fatorial Confirmatória (AFC)

A análise fatorial confirmatória (AFC) e exploratória (AFE) são duas técnicas distintas. A característica que as distingue é a teoria. A AFC é uma técnica que permite confirmar ou rejeitar uma teoria pré-concebida. Uma de suas vantagens é a sua habilidade para validar um construto. Ela oferece segurança de que medidas provenientes de uma amostra representam o verdadeiro escore da população (HAIR JR et al, 2009).

Assim, para validar as escalas utilizadas no presente estudo foi conduzida a AFC. O método de estimação utilizado foi o de Máxima Verossimilhança e a matriz de entrada de dados foi a de covariância, conforme sugerido por Hair Jr et al (2009).

A variância extraída (VE) em um conjunto de itens de construtos é um indicador resumido de convergência. Este valor pode ser calculado através de cargas padronizadas. Uma VE de 0,5 ou mais sugere convergência adequada. Se inferior, indica que em média, mais erro permanece nos itens do que variância explicada pela estrutura fatorial latente imposta sobre a medida. Assim, uma medida de VE foi computada para cada construto latente (HAIR JR et al, 2009).

A confiabilidade é um indicador de validade convergente. O coeficiente alfa, apesar de poder subestimá-la, ainda é uma estimativa muito aplicada. Entretanto, Hair Jr et al (2009), sugerem o uso de um valor de Confiabilidade de Construto (CR) que pode ser utilizado em parceria com modelos de MEE.

Este valor é obtido a partir do quadrado da soma de cargas fatoriais de cada construto e a partir da soma dos termos de variância de erro para um construto. Para os autores, o valor de 0,7 sugere confiabilidade, apesar de que o intervalo entre 0,6 e 0,7 também seja aceitável, desde que outros indicadores de validade de construto de um modelo sejam aceitáveis.

Assim, foram considerados também os escores das cargas fatoriais e erros que repercutem na confiabilidade e variância extraída e os índices de modificação sugeridos pelo software AMOS.

Antes de executar a AFC, foi conduzida, por meio do software SPSS 17.0 uma análise prévia dos indicadores que compõem cada um dos construtos avaliados. Este procedimento foi utilizado para se avaliar a correlação e identificar problemas de multicolinearidade.

O exame de correlação permite mensurar a associação entre os indicadores. Seus resultados são expressos por coeficientes que variam de - 1,00 a + 1,00, com o zero não representando nenhuma associação. Eles podem ser positivos ou negativos e, quanto maior, mais forte a ligação (HAIR Jr et al, 2005).

Para Hair Jr et al (2009), uma boa correlação entre os dados não deve ser superior a 0,85, pois isso geraria a multicolinearidade. Se existe altas correlações entre as variáveis, elas podem estar medindo a mesma coisa. Assim, o objetivo destes testes foi identificar e remover possíveis multicolinearidades. Após a execução destes procedimentos, foi verificada a validade convergente e discriminante dos construtos.

5.8 ADAPTAÇÃO E VALIDAÇÃO DAS ESCALAS PARA MEDIR O DESEMPENHO DOS REPRESENTANTES FARMACÊUTICOS

O desempenho, no modelo teórico, pode ser afetado por três elementos principais. O primeiro é constituído pelos recursos disponíveis, como o controle percebido sobre a tarefa e o sistema de controle e suporte da supervisão. O segundo são os fatores desencadeantes do estresse como a sobrecarga, o conflito e a ambiguidade do papel. O terceiro se operacionaliza pelo conceito de tendências à saturação (burnout), que atua como um mediador entre os efeitos diretos do estresse sobre o desempenho.

Para este estudo, encontraram-se algumas escalas que já haviam sido trabalhadas por outros autores. Estas escalas, que estavam originalmente no idioma inglês, foram traduzidas para o português com a contribuição de um especialista. Foram mantidas as questões escritas de forma reversa em sua versão original. Estas foram recodificadas na fase de análise dos dados.

Hair Jr et al (2009) sugerem que mesmo que estas escalas tenham sido aplicadas com sucesso e com adequada confiabilidade e validade em outras pesquisas, o pesquisador deve verificar a sua validade de expressão. Esta validação foi conduzida com uma amostra exploratória de especialistas após se analisar o significado de cada item, bem como o quanto de seu conteúdo era consistente com a definição do construto.

As escalas, apesar de estarem no formato Likert, não se encontravam padronizadas.

Conforme mencionado no Capítulo 5, para este estudo, optou-se pela padronização e a adoção de uma escala única de cinco pontos, obedecendo-se aos rótulos e à quantidade de itens originais, com exceção das variáveis “conflito”, “sobrecarga do papel” e “desempenho de

produtividade e de qualidade” cuja quantidade de itens surgiram a partir de pesquisa qualitativa envolvendo o contexto farmacêutico.

Após a tradução das escalas, foi realizada uma análise qualitativa sobre os itens que formariam o questionário com uma amostra composta por seis representantes farmacêuticos de empresas estrangeiras e dois de empresas nacionais, dois gerentes distritais, de empresa nacional e estrangeira, respectivamente, um gerente regional de uma empresa estrangeira e dois mestres em Administração de Empresas.

Eles avaliaram os aspectos da tradução, isto é, se os termos traduzidos eram correspondentes em português. Avaliaram também aspectos relacionados à comodidade e facilidade para os respondentes. Pontos positivos apresentados diziam respeito à facilidade de responderem um questionário online, pois eles poderiam fazê-lo no horário que fosse mais conveniente e sem a pressão existente no dia-a-dia de trabalho.

Pontos negativos versaram sobre a extensão do mesmo, que apresentava 75 itens e mais uma pergunta aberta opcional. Outros detalhes quanto ao desenvolvimento e adaptação das escalas podem ser vistas no capítulo 5, relativa ao Método.

Após atender ao rigor metodológico descrito, foi conduzida a aplicação empírica deste instrumento com os representantes farmacêuticos, na condição de funcionários de linha de frente. Os dados foram analisados com o uso da técnica de Análise Fatorial Confirmatória (AFC) e Modelagem de Equações Estruturais (MEE).