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