População e processo de amostragem

A população de um estudo é representada por um conjunto de indivíduos de interesse do pesquisador, pertinente ao problema de pesquisa (HAIR JUNIOR et al., 2014). Nesse sentido, a população-alvo da presente tese contempla os funcionários que atuam nas empresas credenciadas no ISE Bovespa (carteira 2016/2017).

A definição da composição da população levou em consideração, inicialmente, a importância da percepção, por parte dos funcionários, das práticas de GSRH das empresas (LANGE, 2016). A implementação das práticas de gestão de recursos humanos é realizada pelos gerentes, enquanto que a percepção das referidas práticas está relacionada aos sentimentos dos profissionais (NISHII; LEPAK; SCHNEIDER, 2008). Sendo assim, os funcionários interpretam subjetivamente e atribuem significados às práticas e, esse processo, por sua vez, impactará nos efeitos da gestão de recursos humanos no bem-estar e nos comportamentos dos indivíduos, tais como a satisfação, o comprometimento e a motivação (WRIGHT; BOSWELL, 2002; NISHII; LEPAK; SCHNEIDER, 2008; BOON et al., 2011;

GONÇALVES; NEVES, 2012; KEHOE; WRIGHT, 2013; SCHEIBLE; BASTOS, 2013; BUI; LIU; FOOTNER, 2016; BALUCH, 2017; BOS-NEHLES; VEENENDAAL, 2017).

Ao se considerar que as práticas de gestão de recursos humanos geram resultados que são derivados das percepções e dos significados que as pessoas lhes atribuem (SCHEIBLE; BASTOS, 2013), justifica-se que a identificação da existência das práticas e GSRH ocorra a partir da ótica dos funcionários. Além disso, os demais construtos analisados nesta tese também estão relacionados à percepção dos profissionais, conforme proposto por Mariappanadar (2016) e Allen e Meyer (1990) e em relação aos danos à saúde relacionados ao trabalho e ao comprometimento, respectivamente.

Após se estabelecer que a população a ser pesquisada, na etapa quantitativa do estudo, seria composta por funcionários das empresas vinculadas ao ISE Bovespa (carteira 2016/2017), realizou-se novo contato com as organizações, inclusive com as que participaram da fase qualitativa. A partir dessa interação, seis empresas confirmaram a possibilidade de encaminhar o instrumento de pesquisa para ser respondido por uma amostra de funcionários. No entanto, quatro organizações informaram que não seria possível nomeá-las ou identificá- las nos documentos decorrentes do estudo. Ao se considerar que a fase quantitativa enfoca a percepção dos funcionários e não objetiva realizar uma caracterização ou um estudo de caso nas empresas, não se visualizou qualquer dificuldade em não identificar as corporações que autorizaram o encaminhamento dos questionários. Por conseguinte, optou-se por denominar as organizações por meio de códigos, conforme descreve-se no Quadro 23.

Quadro 23 – Empresas participantes da fase quantitativa do estudo

Código de

identificação Caracterização da empresa Setor Atuação Tipo

IND1 Indústria de papéis e cartões para embalagens,

embalagens de papelão ondulado e sacos industriais Indústria Multinacional Privada

SEG2

Empresa que atua nos ramos de seguro saúde e odontológico, automóveis, seguros de vida e acidentes

pessoais, gestão de ativos, produtos de previdência privada e capitalização

Serviços Nacional Privada

BAN1 Instituição bancária Serviços Multinacional Privada

IND2 Indústria alimentícia Indústria Multinacional Privada

BAN2 Instituição bancária Serviços Multinacional Privada

BAN3 Instituição bancária Serviços Multinacional Pública

Por questões de sigilo e preservação dos dados pessoais, as empresas que aderiram ao estudo não forneceram a relação dos funcionários ou o mailing para contatos. Esse fato inviabilizou a adoção de um processo de amostragem probabilístico (HAIR JUNIOR et al., 2014). Destaca-se que o objetivo do estudo é identificar as práticas de GSRH e as suas respectivas relações com os elementos consequentes. Nesse sentido, não se espera que os resultados sejam generalizados para a população-alvo. A partir dessas definições, a condução da pesquisa, na fase quantitativa, foi baseada em uma amostra não probabilística e por conveniência (MALHOTRA; BIRKS; WILLS, 2012; HAIR JUNIOR et al., 2014).

Também é importante salientar a dificuldade de acessar as organizações, principalmente as de grande porte23, nas quais a autorização para o desenvolvimento de uma pesquisa acadêmica ocorre a partir da análise de diversos setores e níveis hierárquicos, demandando um período de tempo expressivo e a necessidade de reiterar os contatos. Além disso, outro desafio está relacionado à condução de pesquisas por survey e à taxa de respostas, a partir dos questionários enviados via web (FAN; YAN, 2010), sendo que, aproximadamente, 35% dos formulários enviados são, efetivamente, preenchidos (BARUCH; HOLTOM, 2008).

Diante das alegações descritas, delimitou-se uma abordagem mais operacional para a definição da amostra de funcionários a ser considerada no estudo. A principal técnica de análise de dados adotada é a modelagem de equações estruturais (MEE), sendo que o tamanho da amostra é uma questão relevante na sua aplicação (BARRETT, 2007; HAIR JUNIOR et al., 2009; WESTLAND, 2010; KLINE, 2015; BYRNE, 2016). Em convergência, a definição do tamanho da amostra ponderou os apontamentos da literatura, em relação ao número de casos válidos necessários para que a análise dos dados fosse realizada com base na MEE. O Quadro 24 sintetiza essas informações.

23 _{De acordo com os critérios do Serviço Brasileiro de Apoio às Micro e Pequenas Empresas (SEBRAE), as} empresas de grande porte possuem mais de 500 funcionários, no caso das indústrias e 100 empregados, se a organização se enquadrar no setor de comércio ou serviços (SEBRAE, 2017).

Quadro 24 – Número de casos para a aplicação da modelagem de equações estruturais (MEE)

Referência Sugestão de número de casos

Hair Junior et al. (2009)

Os autores recomendam uma amostra de 200 casos. No entanto, o tamanho do modelo e a normalidade multivariada dos dados podem impactar no aumento do número de casos. Nesse sentido, sugere-se, a existência de, no mínimo, cinco casos por parâmetro estimado, sendo mais adequada uma proporção de 10 respondentes por parâmetro. Além disso, caso os dados violem as suposições de normalidade multivariada, deve-se elevar o número de casos para 15 respondentes por parâmetro. Fabrigar, Porter e

Norris (2010)

Caso o estudo desenvolva uma etapa de análise fatorial exploratória, julga-se adequado definir o número de observações de acordo com os parâmetros estimados. Caso cada construto apresente entre três e quatro variáveis mensuradas, sugere-se uma amostra formada por, pelo menos, 200 casos.

Iacobucci (2010)

O autor sugere que o tamanho da amostra leve em consideração o número de variáveis e de construtos analisados. Porém, o estudo recomenda um mínimo de 50 casos válidos para a aplicação da técnica de MEE.

Malhotra (2012)

Modelos de MEE com cinco construtos ou menos, cada um com mais de três variáveis mensuradas e com comunalidades de pelo menos 0,5 devem ser estimados com tamanhos de amostra de no mínimo 200 casos.

O'Rourke e Hatcher (2013)

Os autores destacam que o tamanho da amostra deve levar em consideração as especificidades do modelo proposto. No entanto, de maneira geral, a literatura sugere a definição de 200 a 300 casos válidos.

Kline (2015)

Em convergência com as recomendações de Hair Junior et al. (2009), o autor assinala que a normalidade dos dados e a complexidade do modelo influenciam no tamanho da amostra a ser adotado. Para Kline (2015), de maneira geral, os estudos que empregam a modelagem de equações estruturais apresentam 200 casos válidos em suas amostras.

Fonte: Elaborado pela autora, a partir da literatura.

A partir das recomendações descritas no Quadro 24 e das características do modelo proposto, definiu-se que a amostra mínima seria composta por 250 casos válidos.