Resultados da análise fatorial multivariada

De acordo com Malhotra (2012), a análise fatorial multivariada compreende um conjunto de métodos estatísticos utilizados com propósito de redução/sumarização de variáveis/dados coletados. Essa técnica possibilita analisar padrões de relações complexas multidimensionais, estrutura das inter-relações (correlação) entre grande quantidade de variáveis e determinar se variáveis/dados coletados podem ser resumidos a um conjunto menor de fatores/dimensões latentes. Trata-se de técnica de análise estatística de interdependência, na qual todas as variáveis são consideradas simultaneamente (HAIR et al., 2005); um dos métodos estatísticos mais utilizado na redução de dados/variáveis de pesquisa (OSBORNE; COSTELLO, 2009).

Como recomendado por O’Rourke e Hatcher (2013), inicialmente alguns testes estatísticos foram realizados para verificar a adequação dos dados coletados à técnica análise fatorial multivariada, quais sejam: testes Kaiser-Meyer-Olkin (KMO), esfericidade de Bartlett e análise das comunalidades das variáveis mensuradas. Valores de KMO entre 0,5 e 1 indicam que os dados coletados são adequados à técnica análise fatorial, e quanto mais próximo de 1 mais os dados coletados são adequados ao tratamento (O’ROURKE; HATCHER, 2013). O teste de Bartlett verifica a existência de correlação entre as variáveis mensuradas e fornece a probabilidade estatística de que existam correlações significantes entre pelo menos algumas das variáveis analisadas (HAIR et al., 2005). No teste de Bartlett, resultado de valor Sig. menor que 0,01, indica que os dados coletados são adequados à técnica análise fatorial multivariada, e que as variáveis estão correlacionadas significativamente.

A Tabela 21 mostra os resultados dos testes de KMO e de Bartlett para as variáveis de estratégias de marketing multicanal mensuradas. Os resultados indicam que os dados coletados são adequados à aplicação da técnica análise fatorial. O valor de KMO ficou em 0,613, acima de 0,5; enquanto no teste de Bartlett o valor de Sig ficou 0,000, abaixo de 0,01.

128

Tabela 21 - Resultados dos testes de KMO e Bartlett

Fonte: Elaborado pela autora (2017).

Em seguida, a análise das comunalidades das variáveis foi realizada. As comunalidades são estimativas da variância compartilhada com todas as outras variáveis consideradas (MALHOTRA, 2012). Quanto maior o valor da comunalidade, maior o poder de explicação da variável mensurada. Segundo Hair et al. (2005), o valor mínimo recomendável para aceitação da variável é 0,5 (ou seja 50%). A Tabela 22 apresenta os resultados de comunalidades para as variáveis estratégias de marketing multicanal, extraídas pelo método análise de componente principal. Os resultados mostram que há apenas duas variáveis com o valor abaixo de 0,5: serviços aos clientes/pós-venda (0,317) e conhecimento de mercado/concorrência (0,471). Assim, os resultados reforçam que os dados coletados são adequados à aplicação da técnica análise fatorial multivariada.

Tabela 22 - Resultado de comunalidades de estratégias de marketing multicanal

Fonte: Elaborado pela autora (2017).

,613 Aprox. Qui-

quadrado 312,998

gl 120

Sig. ,000

Medida Kaiser-Meyer-Olkin de adequação de amostragem.

Teste de esfericidade de Bartlett

Estratégias de multicanal Inicial Extração

Produtos_competivos 1,000 ,586 Preços_competitivos 1,000 ,626 Relacionamento_clientes 1,000 ,677 Satisfação_clientes 1,000 ,743 Serviços_clientes 1,000 ,317 Incentiva_uso_canais 1,000 ,719 Dados_clientes 1,000 ,778 Comunicação_marketing 1,000 ,714 Monitoramento_internet 1,000 ,669 Promoção_vendas 1,000 ,705 Qualificação_funcionários 1,000 ,565 Conhecimento_mercado 1,000 ,471 Alianças_parcerias 1,000 ,645 Integração_canais 1,000 ,698 Merchandising 1,000 ,634 Avalia_desempenho_canais 1,000 ,614

129

Tendo os dados coletados atendido aos pressupostos necessárias, a técnica análise fatorial foi empregada, pelo método de extração análise de componente principal (que leva em conta a variância total dos dados). Esse método é recomendado quando se pretende utilizar os resultados em outras análises multivariadas, pois isto requer a identificação do número mínimo de fatores que respondem pela máxima variância nos dados coletados (HAIR, et al., 2005; MALHOTRA, 2012).

A Tabela 23 apresenta os resultados da matriz de componentes rotacionada da técnica análise fatorial multivariada, contendo as correlações entre variáveis e dimensões presentes nas estratégias de marketing multicanal no varejo de bens de consumo da região Grande Florianópolis/SC, e o poder explicativo total e por fator/dimensão do modelo gerado. O número de fatores foi determinado com base na porcentagem da variância, sendo recomendado a extração dos fatores que respondam por no mínimo 60% da variância (MALHOTRA, 2012). A carga-fatorial indica a correlação simples entre as variáveis e o fator/dimensão identificado; enquanto a variância explicada compreende o grau em que determinada variável é explicada por cada fator/dimensão identificado.

Para interpretar os fatores/dimensões do modelo gerado, um método de rotação é utilizado na transformação em um padrão fatorial mais simples e teoricamente mais significativo dos resultados (HAIR et al., 2005). Neste estudo, o método de rotação utilizado foi o Oblimin com Normalização de Kaiser. Oblimin é uma forma de rotação oblíqua, quando os eixos não estão mantidos em ângulo reto e os fatos são correlacionados, sendo usada quando os fatores tendem a ser fortemente correlacionados (MALHOTRA, 2012). A rotação oblíqua é mais realista, representa o agrupamento de variáveis com maior precisão e fornece informações sobre o grau em que os fatores estão correlacionados. Já a normalização de Kaiser utiliza os fatores que tiveram autovalores maiores que 1.

130

Tabela 23 - Resultados da análise fatorial - matriz componente rotacionada

Fonte: Elaborado pela autora (2017).

Os resultados da análise fatorial, gerados após rotação convergida de 9 interações, revelaram a existência de cinco fatores/dimensões subjacentes às estratégias de marketing multicanal mensuradas no setor de varejo de bens de consumo na região da Grande Florianópolis/SC. As cinco dimensões do modelo gerado têm poder explicativo total de 62,87%.

O fator 1, denominado Estratégias de Integração de Canais, engloba quatro variáveis de estratégias de marketing multicanal: investe em integração de canais, investe em visual merchandising, avalia o desempenho dos diferentes canais e incentiva aos clientes no uso de diferentes canais. Esse fator tem poder explicativo de 22,18%. Já o fator 2, denominado Estratégia de Gestão de Informações, abrange as quatro seguintes estratégias de marketing multicanal: investe em sistemas de dados/informações de clientes, investe em alianças/parcerias com outras empresas, investe em conhecimento de mercado e da concorrência; investe em serviços aos clientes e pós-venda. Esse fator tem poder explicativo de 14,42%.

O fator 3, denominado Estratégia de Promoção, compreende o seguinte conjunto de variáveis de estratégias de multicanal: investe em promoção de vendas (desconto, liquidação); investe em política de preços competitiva; investe em mix de produtos/marcas competitivos. Esse fator tem poder explicativo de 10,84%. Enquanto, o fator 4, nomeado

1 2 3 4 5 Integração_canais ,818 -,164 ,099 ,135 -,034 Merchandising _,771 -,129 ,142 ,061 -,013 Avalia_desempenho_canais ,680 ,281 -,061 -,037 ,110 Incentiva_uso_canais _,667 ,287 -,157 -,247 ,202 Dados_clientes ,220 ,785 -,246 ,239 -,091 Alianças_parcerias -,072 ,714 ,358 -,155 -,165 Conhecimento_mercado ,047 ,587 ,170 ,139 ,084 Serviços_clientes -,091 ,516 -,083 -,023 ,148 Promoção_vendas ,094 -,078 ,757 -,313 -,031 Preços_competitivos -,035 ,099 ,746 ,220 -,047 Produtos_competivos ,183 ,054 ,515 ,101 ,324 Satisfação_clientes ,158 -,060 -,010 ,867 -,057 Relacionamento_clientes -,148 ,218 ,050 ,713 ,136 Comunicação_marketing ,067 -,001 ,149 -,152 ,810 Monitoramento_internet ,234 -,096 -,130 -,052 ,730 Qualificação_funcionários -,173 ,083 -,014 ,256 ,675 22,18 14,42 10,84 8,04 7,38

Método de Extração: Análise de Componente Principal. Método de Rotação: Oblimin com Normalização de Kaiser.

Estratégia gestao de clientes

Estratégia comunicação de marketing

TOTAL DE VARIÂNCIA EXPLICADA (em % ) = 62,87

a. Rotação convergida em 9 iterações.

Fator/ Dimensão Variáveis Carga-fatorial Estratégia Integração de Canais Estratégia gestão de informações Estratégia promoção

131

Estratégia de Gestão de Clientes, abrange duas das variáveis de estratégias de multicanal mensuradas: investe na satisfação e reclamação de clientes; investe no relacionamento e lealdade com clientes. Esse fator tem poder explicativo de 8,04%. Por fim, o fator 5, denominado Estratégia de Comunicação de Marketing, contém três das variáveis de estratégias de multicanal mensuradas: investe em comunicação de marketing; investe no monitoramento da internet/redes sociais; investe na qualificação/incentivo dos funcionários. Esse fator tem poder explicativo de 7,38%.