A análise de validade do Modelo Teórico é realizada a partir da interpretação holística de quatro conjunto de métricas: suas medidas de ajuste, betas de regressão, coeficientes de determinação (R2) e seu sentido teórico (HAIR Jr. et al, 2009; KLINE, 2015; BYRNE, 2016). Para tanto, nas próximas sub-seções deste capítulo é desenvolvida a validação do Modelo Teórico, nas quais são apresentadas as medidas de ajuste do Modelo Estrutural bem como os resultados dos testes de hipóteses por meio dos caminhos estruturais, objetivando a conclusão dos procedimentos de especificação, ajustes e validação do Modelo Teórico.
4.3.3 Medidas de Ajuste do Modelo Teórico
A validação do Modelo Teórico foi efetivada por meio análise das medidas de ajuste do modelo (HAIR Jr. et al., 2009; KLINE, 2015; BYRNE, 2016), observando-se a similaridade entre as matrizes de covariância estimada e observada, as quais foram calculadas pela técnica de estimação da Máxima Verossimilhança (MLE).
De acordo com Arbuckle (2012) e Hox e Bechger (1998), o uso de Modifications
Index (MI) é recomendado, por meio da adição de covariância entre os erros das variáveis
observadas, desde que atendido os seguintes requisitos: (i) apresente sentido lógico ou teórico na sua relação; (ii) estejam inseridas no mesmo construto; (iii) e que também gere melhoria nas medidas de ajuste do modelo estrutural. Atendendo a este protocolo e após um processo interativo de inserção de covariância entre os erros e a análise das medidas de ajuste, demonstra-se os resultados finais na Tabela 15.
Tabela 15 – Medidas de Ajuste do Modelo Estrutural
Categorias Medidas de ajuste Índices
Absoluto χ2/gl 1,785 GFI 0,801 AGFI 0,782 RMSA 0,043 Incemental TLI 0,903 NFI 0,815 Parcimonioso CFI 0,909
Considerando que o Modelo Teórico não ter sido testado em outros estudos, conforme apontado na revisão da literatura, não há evidências para embasar comparações com outros modelos a partir dos índices de ajuste incremental e parcimonioso.
Importante destacar que os valores das medidas de ajuste GFI e AGFI podem variar em função do tamanho da amostra utilizada e do número de variáveis, e simulações apontam que ambos não apresentam valores tão significativos quanto os valores encontrados em outras medidas de ajuste, como, por exemplo o RMSEA, o CFI e o TLI (BAGOZZI; YI, 2012; NUNKOO; RAMKISSOON; GURSOY, 2013), os quais obtiveram resultados satisfatórios para o modelo testado.
Por conseguinte, considera-se que o conjunto das Medidas de Ajuste compreende os parâmetros de aceitabilidade do Modelo Teórico em relação ao dataset, habilitamdo a extração do teste de hipóteses (examinar as estimativas de variância explicada para os construtos endógenos) e coeficientes de determinação (R2) do modelo e dos construtos envolvidos, apresentados na seguinte seção.
4.3.3 Teste de Hipóteses
Para o teste de hipóteses do modelo proposto, analisou-se a significância e magnitude dos coeficientes de regressão (betas) padronizados. O coeficiente de regressão mede a quantidade de mudança esperada na variável dependente para cada unidade de mudança da variável independente, sendo que o sinal deste coeficiente indica o sentido de correlação positiva ou negativa (HAIR Jr. et al., 2009).
Na Tabela 16 é demonstrado que das seis hipóteses propostas cinco foram suportadas, confirmando as relações positivas entre os construtos, dada a magnitude das forças identificadas (a partir dos coeficientes padronizados), do nível de confiança dos coeficientes enquanto preditores (a partir do t-value), e do seu nível de significância estatística.
Tabela 16 – Resultado do teste das hipóteses
Hi Caminho Estrutural Coeficiente Padronizado (β) t-Value p Resultado H1 TR PI 0,339 3,315 p < 0,001 Suportada H2 TR MC 0,256 2,636 p = 0,008 Suportada H3 TR ViU 0,400 3,160 p = 0,002 Suportada H4 PI MC 0,370 4,012 p < 0,001 Suportada
H5 PI ViU 0,111 1,476 p = 0,140 Não Suportada
H6 MC ViU 0,468 3,924 p < 0,001 Suportada
A partir dos resultados apresentados na Tabela 16, identifica-se a confirmação estatística das seguintes hipóteses: H1 (TR PI: a Prontidão para Tecnologia tem impacto positivo e significativo na Inteligência de Produto, β = 0,339, p < 0,001); H2 (TR MC: a Prontidão para Tecnologia tem impacto positivo e significativo na Customização em Massa, β = 0,256, p = 0,008); H3 (TR ViU: a Prontidão para Tecnologia tem impacto positivo e significativo no Valor de Uso, β = 0,400, p = 0,002); H4 (PI MC: a Inteligência de Produto tem impacto positivo e significativo na Customização em Massa, β = 0,370, p < 0,001); e H6 (MC ViU: a Customização em Massa tem impacto positivo e significativo no Valor de Uso, β = 0,468, p < 0,001). Contudo, a hipótese H5 (PI ViU: a Inteligência de Produto tem impacto positivo e significativo no Valor de uso, β = 0,111, p = 0,140), não foi suportada estatisticamente.
A mensuração do coeficiente de determinação (R2) auxilia na confirmação do teste de hipóteses e, respectivamente, na validação do modelo. Tendo por base que o R2 avalia as correlações múltiplas ao quadrado de cada variável dependente, deste modo permite estabelecer o poder de explicação ou predição de cada construto como variável dependente de suas variáveis antecessoras no Modelo Teórico (HAIR Jr. et al, 2009), ou seja, indicando a proporção da variância de uma variável dependente que é explicada pelas variáveis independentes. A Tabela 17 apresenta os resultados do R2 deste estudo.
Tabela 17 – Coeficientes de Determinação
Construtos Coeficientes de Determinação (R2)
Inteligência de Produto 0,115
Customização em Massa 0,267
Valor de Uso 0,612
Fonte: Elaborada pelo autor.
Com suporte nos Coeficientes de Determinação evidenciados, constata-se que 61,2% da variância dependente Valor de Uso é explicada pelas variáveis independentes, representadas pelos construtos antecedentes que compõem o Modelo Teórico. Este resultado indica um bom poder de explicação do modelo. A mesma lógica é aplicada para Inteligência de Produto (11,5%) e Customização em Massa (26,7%).
A Figura 10 representa o Modelo Teórico proposto traduzido pelo modelo estrutural no software IBM® Amos® 20. Destaca-se os betas e R2. As cargas da AFC das variáveis observadas para as variáveis latentes são também apresentadas, demonstrando a confirmação dos fatores e as relações entre os construtos.
Figura 10 – Modelo Estrutural Validado
Fonte: Elaborada pelo autor.