PRESSUPOSTOS E AJUSTAMENTO DO MODELO UTILIZADO

6.1.2. PRESSUPOSTOS E AJUSTAMENTO DO MODELO UTILIZADO

Não é demais relembrar que a investigação tem como principal objetivo averiguar o impacto

do Capital Intelectual no desempenho organizacional. Ora então, para avançar com o estudo

recorreu-se a seis hipóteses de investigação tendo como propósito a verificação de relações de

causalidade. Este é um argumento que dita a análise estatística a utilizar. De acordo com

Collares (2011), uma análise fatorial é uma técnica estatística utilizada para reduzir o número

de variáveis de uma base de dados. A ideia consiste em descrever, se possível, a estrutura de

covariâncias para que se possa reduzir uma grande quantidade de variáveis observáveis num

número menor de fatores

55

. Para Kim e Mueller (1978), a análise fatorial baseia-se no

pressuposto de que alguns fatores subjacentes, em menor número que as variáveis observadas,

são responsáveis pela covariação entre as variáveis.

Persistem dois tipos de análise fatorial: a exploratória e a confirmatória. A análise fatorial

exploratória é realizada quando pouco se sabe sobre as relações subjacentes entre os conjuntos

de dados (Cohen, Zambaldi & Aranha, 2004), já a análise fatorial confirmatória é utilizada

quando se pretende testar hipóteses relativas à estrutura de um conjunto de dados. Em modo

simples, a análise fatorial exploratória analisa as relações existentes entre as variáveis e utiliza

essas relações para agrupar e identificar novas variáveis (fatores). Estabelecem-se novas

dimensões. A análise fatorial confirmatória parte da ideia que já existe uma teoria sobre quais

variáveis medem quais fatores e o que interessa é confirmar o grau de ajustamento dos dados

observados às hipóteses estabelecidas (Collares, 2011). As componentes do Capital Intelectual

já estão salvaguardadas e devidamente fundamentados por diversos estudos (Bontis, 1998;

Cabrita, 2005; Martins, 2005; Lee, Wu & Chao, 2015) por isso, assumimos que existe

interligação entre as componentes e as dimensões já estão devidamente definidas (não

queremos obter novos fatores, novas dimensões) como tal, necessitamos mais de uma análise

fatorial confirmatória do que uma análise fatorial exploratória. Assim, a análise fatorial

confirmatória pode ser vista como uma possível utilização do MEE (Método de Equações

Estruturais)

56

(Brei & Neto, 2006). Método este escolhido para dar resposta ao nosso

problema de investigação: “O investimento em Capital Intelectual conduz a desempenho

superior nas atuais empresas portuguesas?”. Um modelo de análise de equações estruturais

realizado tendo em vista as hipóteses que foram enunciadas

57

.

55 “Combinação linear das variáveis (estatísticas) originais. (…) Representam as dimensões latentes (constructos) que resumem

ou explicam o conjunto de variáveis observadas“ (Figueiredo Filho, D. & Silva Júnior, 2010).

56 É uma técnica muito mais confirmatória do que exploratória, o pesquisador a usará para determinar se dado modelo teórico

é válido, perante os dados reais observados (Cohen, Zambaldi & Aranha, 2004).

57MEE é uma tecnica de modelagem generalizada, utilizada para testar a validade de modelos teóricos que definem relações

70

MEE resume-se a modelos de regressão em que as variáveis latentes são utilizadas para tentar

descrever uma provável relação “causa-efeito”

58

(Hojo & Mingoti, 2004). Numa compilação

literária, o MEE combina técnicas de análise fatorial com técnicas de regressão; possui um

caráter confirmatório; incorpora variáveis que não são mensuradas diretamente; é utilizado

quando existe interdependência entre variáveis e acima de tudo, representa a interpretação de

uma série de relações hipotéticas de causa-efeito (Cohen, Zambaldi & Aranha, 2004; Pilati &

Laros, 2007). Em modo geral é o método que melhor se implementa com a investigação.

Diferencia-se dos restantes métodos tradicionais de estatística por deparar-se com variáveis

não diretamente observáveis

59

. Tem a teoria como o melhor motor da análise de equações

estruturais (Marôco, 2010). No MEE a teoria está no centro do processo de análise, enquanto,

nos modelos tradicionais estatísticos são os dados que se encontram no centro.

Separadamente avançamos com uma possível análise dos dados mediante o método e as

técnicas utilizadas.

A primeira etapa de aplicação do MEE revê-se na construção de um diagrama

60

de caminhos

de relações causais (Hair, Tatham & Black, 1998). No nosso caso as relações explicativas entre

as variáveis são descritas por setas unidirecionais que representam uma relação causal direta de

um indicador em relação a outro, ou seja, indicam que uma variável exerce influência sobre a

outra. De forma a averiguar tal facto, o programa AMOS

61

foi utilizado, o diagrama e os

coeficientes estandardizados de regressão revelados.

F

IGURA

7:C

OEFICIENTES ESTANDARDIZADOS DOS MODELOS DE REGRESSÃO LINEAR

58As variáveis latentes são representadas através de um esquema de relacionamentos de causas e efeitos, formando ligações

diretas e indiretas entre essas variáveis, normalmente chamadas de caminhos. Cada variável direta pode ser traduzida através de uma equação.

59Apenas os seus efeitos, ou manifestações, são observáveis(Marôco, 2010).

60Trata-se de um resumo das hipóteses que pretendemos validar. Designa-se como uma representação gráfica dos modelos

estruturais.

71

Da figura 7, ressalta a existência de somente coeficientes de regressão positivos. Constituem-se

os mais adequados para apresentar em gráfico, uma vez que apresentam todos a mesma

variação (variam entre -1 e 1). Os e1, e2, e3 são os termos referentes aos erros, fazem parte da

equação, e indicam que são variáveis exógenas (que são explicadas). O capital relacional, o

capital estrutural e o desempenho organizacional encontram-se com esses termos o que

significa que são variáveis explicativas do modelo.

Para prosseguir com a obtenção de um MEE uma série de pressupostos têm de ser

cumpridos. Aquele que se realça é o pressuposto da normalidade que assegura a qualidade do

modelo de análise. Para tal recorreu-se ao método da máxima verosimilhança

62

. Uma técnica

de estimação possível apenas quando não existe problemas de normalidade.

T

ABELA

8:A

NÁLISE DO PRESSUPOSTO DA NORMALIDADE

Variável Mínimo Máximo Skew c.r. Kurtosis c.r.

Capital_humano 1,929 4,786 -,681 -2,834 ,766 1,595

Capital_estrutural 2,125 4,875 -,778 -3,237 1,235 2,572

Capital_relacional 2,833 5,000 ,082 ,341 -,213 -,442

Desempenho_organizacional 2,250 5,000 -,338 -1,409 0,51 ,106

Multivariada 5,311 3,909

A tabela 8 indica isso mesmo, ou seja, não existe problemas de normalidade. O pressuposto

foi verificado e os valores presentes na tabela 8 são indicativos de uma normalidade adequada.

De acordo com Marôco (2010), não temos valor de Skewness superiores a 2 em termos

absolutos. Não existe violação do pressuposto da normalidade. Não foram detetados outliers

63

.

Uma vez provada a normalidade do modelo de equações estruturais temos de avaliar a

plausibilidade do mesmo, e para isso obteve-se índices de ajustamento também eles aceitáveis:

χ2 = 6,227, p <0,05; n = 104; χ2/df = 6,227; CFI = 0,980; GFI = 0,972; RMSEA = 0,655.

De um modo geral o modelo apresenta um bom ajustamento, inclusive no valor de RMSEA

(Root Mean Square Error of Approximation) em que segundo Byrne (1998) são admissíveis valores

superiores a 0,6. No entanto, os outros dois índices de qualidade, CFI (Comparative Fit Index)

e GFI (Goodness of Fit Index), também indicam um bom ajustamento do modelo, uma vez

que, esperam-se valores próximos de 1. No nosso caso é o que acontece (CFI = 0,980; GFI =

0,972). Estes índices de ajustamento dão informação sobre a qualidade do modelo hipotético

em relação aos dados amostrais. A retirada de indicadores não foi necessária porque, como

62Método iterativo que estima os parâmetros que maximizam a verosimilhança. É o método mais usado em análise de

equações estruturais e produz estimativas centradas e consistentes.

72

averiguado, os índices de qualidade apontam um bom ajustamento (RMSEA> 0,6; CFI e

GFI> 0,9).

Tanto os dados do pressuposto de normalidade como os de ajustamento do modelo

caraterizam um modelo de equações estruturais considerável em que, todas as variáveis são

fiáveis (alfa> 0,8).

Mas para testar a hipótese suplementar 6, O Capital Humano influencia positivamente o

Desempenho Organizacional, utilizou-se um método de estimação diferente do método da

máxima verosimilhança, porque a inclusão da 6ª hipotese no programa AMOS interferia

negativamente com a qualidade do modelo de equações estruturais já definido, e porque não é

benéfico termos um modelo saturado sem graus de liberdade, realizou-se uma análise de

regressão linear simples com recurso à técnica do método dos mínimos quadrados

64

.

No documento “O CAPITAL INTELECTUAL NA VIDA DAS ORGANIZAÇÕES: O IMPACTO NA PERFORMANCE“ (páginas 80-83)