AVE Composite Reliability R Square Cronbachs Alpha Communality Redundancy
VARIAVEL LATENTE
Confiança mutua CONFIMUT 0,634
F1 Postura dos interlocutores Motivação dos funcionários
internos para aprender MOTIVAPR 0,771
Linguagem comum LINGCOMU 0,720
Motivação pessoal dos
funcionários do cliente MOTFUNCC 0,736
Encontros informais ENCOINFO 0,820 F2
Relações informais
Vínculos pessoais VINCPESS 0,842
Clareza do conhecimento CLARCONH 0,887 F3
Natureza do conhecimento Explicidade do conhecimento
compartilhado EXPLICID 0,903
Capacidade de absorção do conhecimento pelo receptor em função de suas potencialidades
CAPABSOR 0,763
F4 Condições favoráveis para absorção Domínio do conhecimento por
parte da fonte de conhecimento (credibilidade)
DOMICONH 0,731 Priorização de recursos financeiros
e tempo PRIOREC 0,771
Encontros formais ENCOFORM 0,764
F5 Formalização
da interlocução Estruturas e recursos oferecidos
pelo TI dos clientes ESTRECTI 0,711
Complexidade do conhecimento COMPCONH 0,661
Canal de comunicação direta CANCOMDI 0,702 F6
Comunicação direta Compartilhamento no chão de
fábrica COMPCHFA 0,866
Restrições de conteúdo RESTCONT 0,938 F7
Barreiras de conteúdo
Barreiras da cultura BARRCULT 0,633
Atendimento do pedido realizado ATENDIME 0,891
Desempenho
Devolução de entregas DEVOLUCA 0,852
Entrega realizada dentro do prazo
negociado ENTREGAS 0,879
Entrega de produtos dentro das
especificações ESPECIFI 0,913
Tempo de entrega de produtos
b) Análise da confiabilidade composta e do Alfa de Cronbach dos construtos.
De acordo com a Tabela 7.18, que mostra os indicadores de qualidade do modelo, observa-se que todos os índices de confiabilidade composta são superiores a 0,7, o que indica que as variáveis indicadoras medem adequadamente o construto, com elevado grau de confiabilidade. Ao observar o alfa de Cronbach, os construtos F2, F5, F6 e F7 estão com valores abaixo de 0,60, valor mínimo recomendado por Hair Jr et al (2005) para pesquisas exploratórias.
c) Verificação da variância média explicada (VME)
Uma observação na tabela de indicadores do novo modelo (Tabela 7.18) evidencia que todos os construtos possuem uma quantia de variância média nos indicadores explicada pelo construto maior que 50%. Isto indica que os indicadores são verdadeiramente representativos do construto latente.
d) Teste de validade discriminante
Uma observação na Tabela 8.4 permite visualizar as correlações entre as variáveis e a Raiz Quadrada da VME, o qual consiste no teste da validade discriminante, de acordo com Chin (1998).
Tabela 8. 4: Teste de validade discriminante e correlações entre construtos
DESEMPENHO F1 F2 F3 F4 F5 F6 F7 DESEMPENHO 0,882 F1 0,552 0,717 F2 0,341 0,132 0,831 F3 0,464 0,342 0,198 0,895 F4 0,575 0,443 0,201 0,316 0,755 F5 0,520 0,242 0,281 0,152 0,362 0,713 F6 0,511 0,306 0,292 0,189 0,352 0,238 0,788 F7 -0,188 -0,191 0,018 -0,184 -0,073 -0,039 -0,046 0,800
Os valores destacados na Tabela 8.4 apontam que a raiz quadrada de VME de cada uma das variáveis latentes é maior que as correlações com as demais variáveis latentes. Dessa forma, de acordo com o teste da validade discriminante obtido, pode-se afirmar que os indicadores têm uma relação mais forte com suas respectivas variáveis latentes do que com qualquer outra variável latente do modelo.
Observa-se, de acordo com a avaliação do modelo de mensuração que todos os indicadores de qualidade do modelo que foram analisados tiveram bom comportamento: confiabilidade composta, validade convergente, validade discriminante, VME. Por outro lado, observou-se que o único ponto negativo das medidas de qualidade de ajuste incidem sobre o índice de alfa de Cronbach dos construtos F2, F5, F6 e F7. Entretanto, apesar destes baixos valores, decidiu-se mantê-los no estudo, tendo em vista alguns motivos:
▪ o primeiro deve-se ao fato dos mesmos apresentarem um
elevado índice de confiabilidade composta, ou seja, conforme a Tabela 8.4, todos eles apresentaram este índice bem acima de 0,7, o que denota que as variáveis indicadoras no estudo medem adequadamente o construto, com elevado grau de confiabilidade.
▪ o segundo motivo, é que estes construtos apresentaram um
elevado índice de variância média explicada (VME), ou seja, acima de 0,5, o que indica a representatividade dos indicadores em relação aos seus respectivos construtos;
▪ em terceiro lugar, observou-se pelo teste de validade
discriminante que os indicadores apresentaram forte relação com seus construtos;
▪ além dos motivos acima, a literatura aponta que segundo Chin
(1998), em estudos por meio de equações estruturais, a avaliação da confiabilidade seja feita pela confiabilidade composta do construto e não pelo alfa de Cronbach.
Dessa forma, considerando que a validade e a confiabilidade do modelo de mensuração foram comprovadas, partiu-se para a avaliação do modelo estrutural, conforme discutido a seguir.
8.2.2 Avaliação do modelo estrutural
a) Verificação dos valores de R²
Observa-se que o valor de R2 do construto DESEMPENHO é de
0,6454, o que significa que a porcentagem de variância do construto DESEMPENHO é explicada pelos construtos F1, F2, F3, F4, F5, F6 e F7 em mais de 64%, denotando forte correlação entre o construto DESEMPENHO e os construtos F1, F2, F3, F4, F5, F6 e F7. Uma outra interpretação pertinente para este resultado é a de que o modelo estrutural proposto explica em mais de 64% o construto DESEMPENHO e o restante é explicado pelo erro, que pode ser devido a ausência de outras variáveis no modelo, erros de mensuração das variáveis e ao erro aleatório.
De acordo com a classificação de Cohen (1977) em que R2
igual a 0,13 é considerado médio e 0,26 é considerado grande, o modelo
apresentou um coeficiente de determinação (R2) considerado alto.
b) Teste t de student
Para a descoberta das relações significativas no modelo, recorreu-se ao teste de significância com bootstrapping com geração de 200 reamostragens, conforme recomendações de Chin (1998) e cálculos dos intervalos de confiança das cargas dos caminhos.
A análise foi conduzida incluindo um procedimento de
bootstrap pois, segundo Byrne (2001) apud Walter et al. (2008), a
estimação por máxima verossimilhança (ML) é fortemente dependente de normalidade multivariada, condição essa que não foi atendida pelos dados estudados. Notadamente, ao utilizar esse procedimento pode-se obter maior precisão na determinação dos pesos estruturais e suas significâncias, contribuindo para a remoção de possíveis relações espúrias porventura introduzidas pela não-normalidade dos dados. Num primeiro momento, avaliaram-se as relações entre as variáveis indicadoras e seus respectivos construtos, conforme a Tabela 7.21.
Na Tabela 8.5, o índice Original Sample (O) corresponde à