Foi feita a descrição da amostra a partir das análises da distribuição das freqüências, médias, desvios-padrão para todos os casos da amostra. Também foram feitos testes de validação discriminante, confiabilidade e de significância, descrito na seqüência.
8.1.
Modelagem de Equações Estruturais
A partir de um modelo é possível analisar as relações (inter)dependência entre as variáveis. Essas podem ser testadas empiricamente e o modelo pode e deve demonstrar de forma matemática as inúmeras interações possíveis entre as variáveis (HAIR, Jr. et al., 2005). Essa representação é a forma mais simples e direta pela qual se pode representar e analisar as relações das variáveis de um fenômeno qualquer a ser estudado. A capacidade de especificações das diversas maneiras de relacionamento entre as variáveis é o que dá relevância à contribuição da MEE. Outra importante contribuição da MEE é dispor de meios que verifiquem as relações das hipóteses dos construtos contra a adequação da forma como esses construtos foram medidos (BAGOZZI e CHURCHILL, 1982).
De forma simplificada, a MEE considera simultaneamente a estrutura fatorial da Análise Fatorial Confirmatória (AFC) e as correlações entre os construtos. Qualquer variabilidade não explicada pelo conjunto de equações oriundas da análise simultânea desses fatores é considerada como erro do modelo. O ajuste do modelo é avaliado pela comparação do qui-quadrado (
χ
2) domodelo com o valor padrão para o número de graus de liberdade do modelo e por um conjunto de índices que representam o ajuste do modelo teórico aos dados levantados. Outras medidas de adequação do modelo são fornecidas: medidas de ajuste absolutas, medidas de ajuste incrementais e medidas de ajuste de parcimônia. Entres as medidas de ajuste empregadas, estão: razão da probabilidade estatística
χ
2, que representa a diferença entre a matriz de correlações da amostra e aestimada pelo modelo, sendo desejáveis, pequenos valores nesses resultados. Também temos o índice de adequação do ajuste (Goodness-Of-Fit), GFI, com valores entre 0 e 1, sendo que 1 é o ajuste perfeito. O RMSEA (Root Mean Square Error of Approximation), raiz do erro quadrático médio de aproximação, que significa a discrepância por grau de liberdade. É uma análise de discrepância a partir da população e não da amostra. O valor representa a qualidade de ajuste que poderia ser
esperada se o modelo fosse estimado na população e não apenas na amostra obtida para a estimação (HAIR, Jr. et al., 2005). Valores variando de 0,04 e 0,08 são aceitáveis para esse índice.
Para medidas incrementais de ajuste utilizou-se: Índice de Ajuste Normado (Normed Fit Index -NFI) que compara o modelo proposto com o modelo nulo. O valor comumente recomendado dessa medida é 0,90 ou mais; Índice de Tucker-Lewis (Tucker-Lewis Index - TLI) que combina uma medida de parcimônia com um índice comparativo entre os modelo proposto e nulo, valor recomendado é 0,90 ou mais; Índice de Ajuste Comparativo (Comparative Fit Index -CFI) representa comparações entre o modelo estimado e o modelo nulo, os valores variam de 0 de 1,0, valores maiores indicam maiores níveis de qualidade de ajuste (HAIR, Jr. et al., 2005).
Para avaliação do ajuste parcimonioso do modelo utilizou-se o Qui-quadrado Normado (Normed Chi-Square - Qui-Quadrado/gl ou
χ
2/gl). É a razão entre os qui-quadrados e os graus deliberdade do modelo (HAIR, Jr. et al., 2005).
Foram construídos modelos de mensuração para cada construto. As relações entre as variáveis latentes (elemento não observável) e os itens das escalas (elementos observáveis) foram especificadas. O número mínimo de indicadores necessário para esse tipo de modelo é um. No entanto, um único indicador necessita que o pesquisador forneça estimativas de confiabilidade. Um número sugerido para cada construto é de três indicadores. Neste trabalho apenas um construto – custo de perdas monetárias – possui dois indicadores. Essas relações – entre construtos e indicadores – foram avaliadas por meio da Análise Fatorial Confirmatória (AFC), verificando a confiabilidade e a validade convergente de cada construto.
Após a análise do ajuste do modelo, esses foram reespecificados quando necessário. Isso foi feito com a inclusão de correlações entre erros de um mesmo fator. Esse procedimento é aceito, pois a teoria se mostra incapaz de prever todas as fontes de relação entre os dados segundo Bentler (2001b).
Utilizou-se o LISREL 8.51 para construção do modelo e processamento da AFC, bem como criação do modelo de mensuração – o modelo foi montado com todas as variáveis latentes e todas as variáveis observadas. Nesse momento, se pode analisar o ajuste geral do modelo, a validade discriminante e unidimensionalidade dos construtos.
A entrada de dados foi feita por meio de uma matriz de covariância gerada por etapa anterior ao processamento em si no LISREL. Essa etapa é feita por software de pré-processamento ou preparação dos dados: PRELIS. Ele gera a matriz de correlações ou de covariância e os índices de ajustamento do modelo estrutural que será mensurado no LISREL posteriormente – optou-se pela
matriz de covariância por permitir a comparação entre os grupos de variáveis (BENTLER, 2001a; BAGOZZI, 2001),
O modelo de mensuração relaciona os construtos com as medidas, já o modelo de estimação é baseado no modelo teórico que é apresentado na Figura 44, página 50, que relaciona um construto com outro (JARVIS, MACKENZIE e PODSAKOFF, 2003). O modelo deste estudo é considerado um modelo híbrido (KLINE, 1998). Além dos construtos se relacionarem entre si, mantém a relação entre as variáveis observadas e os construtos. Para garantir um número suficiente de equações para solucionar cada um dos coeficientes das equações a identificação do modelo foi obtida garantindo que o número de graus de liberdade fosse maior do que zero.
Os índices de ajuste apresentam diferentes faces do modelo, a análise de um conjunto de índices é importante. A avaliação dos índices foi feita conjuntamente para verificar se o modelo era aceitável ou não. Devem existir razões fortes, na teoria, para mudar a especificação de um modelo, segundo Cote (2001). Esse autor critica a exigência de que os índices de ajuste devam ser maiores que 0,90, pois, assim como para o qui-quadrado, esses índices apresentam problemas. Quanto maior o número de relações e construto, maior a degradação do ajuste. Desta forma, modelos complexos podem aceitar valores acima de 0,80 que estarão dentro dos limites aceitáveis.
8.2. Validação dos Construtos e Modelo de Mensuração
Como existem muitos indicadores para mensurar um construto faz-se necessário verificar se esses indicadores têm inferência sobre o construto estudado. Para isso, utilizou-se a AFC que confirma a relação entre indicadores e construto.
A validade convergente foi feita com base na carga fatorial de cada item no construto. O cálculo da confiabilidade composta, que deve ser superior a 0,70 e, da variância extraída, que deve ser maior do que 0,5 (FORNELL e LARCKER, 1981). As fórmulas foram retiradas de Hair Jr. et al. (2005), abaixo:
Equação 2 - Confiabilidade Composta
(
Σ
cargas padronizadas)2 (Σ
cargas padronizadas)2+Σ
εi Confiabilidade =Equação 3 - Variância Extraída
A validade discriminante foi verificada pela múltipla correlação entre cada par de construtos, essa deve ser menor do que a variância extraída de cada construto (FORNELL e LARCKER, 1981). E por último, foi avaliada a unidimensionalidade dos construtos, condição necessária para que exista significado nos construtos estimados, devendo existir apenas um construto adjacente (GARVER e MENTZER, 1999). A unidimensionalidade foi avaliada pela covariância dos resíduos padronizados, que deveria ser menor que |2,58| para p<0,05 (GARVER e MENTZER, 1999) entre cada par de indicadores.
A magnitude e a significância estatística dos parâmetros estimados entre indicadores e variáveis latentes, também foram avaliados. O sinal (+ ou -) do parâmetro foi considerado consistente. De acordo com a teoria, a magnitude do parâmetro deve ser considerada – são sugeridas estimativas padronizadas maiores que 0,70. Kline (1998, p. 217) considera estimativas padronizadas acima de 0,50 suficientes para o indicador no construto - e estatisticamente significante, ou seja, valor t (t- value) maior ou igual a 1,96 para p<0,05 (GARVER e MENTZER, 1999).
Assim, após avaliar a validade convergente e a unidimensionalidade de cada construto em separado, foi feita a validação do modelo de mensuração integrado, verificando a validade discriminante e a unidimensionalidade dos construtos do modelo. Essa etapa feita para todos os construtos
8.3.
Modelo Estrutural
O modelo estrutural, também chamado por diagrama dos caminhos (path diagram; Hair, Jr. et al., 2005), relaciona os construtos entre si. Nessa fase, as correlações entre os construtos do modelo de mensuração foram substituídos pelos caminhos teorizados no modelo teórico (Figura 44, página 110)
(
Σ
cargas padronizadas2)(