Especificamente sobre o questionário, além das sete variáveis para caracterização do entrevistado e mais 39 questões sobre o objeto de estudo, houve uma subdivisão na classificação dos construtos, sendo uma de segunda ordem (“Formação da Estratégia”) e oito construtos classificados como de primeira ordem ("Empreendedorismo", "Inovação", "Organização Industrial", "Processos de Mercado", "Teoria Baseada em Recursos", "Capacidades Dinâmicas", "Ambidestria" e "Desempenho”).
As 39 questões sobre o objeto de estudo, respondidas por 366 entrevistados, de 17 municípios, totalizaram 14.274 respostas. Desse total foram encontradas 71 células em branco na planilha de tabulação dos questionários, sendo verificado que dois indivíduos apresentaram mais de 10% de dados perdidos, o que ocasionou a exclusão deles das análises.
Para descrever as variáveis qualitativas, foram utilizadas frequências absolutas e relativas, enquanto, para descrever as variáveis quantitativas, foram utilizados média e desvio padrão. Para apresentar e comparar os itens de cada construto, também foram utilizados média e desvio padrão, além do intervalo percentílico bootstrap de 95% de confiança (EFRON; TIBSHIRANI, 1993).
A escala Likert de concordância utilizada foi fixada para variar de -1 (Discordo Totalmente) a 1 (Concordo Totalmente), mostrando, dessa forma, que valores médios negativos indicam que os indivíduos tendem a discordar, enquanto valores positivos apontam que os indivíduos tendem a concordar. No questionário aplicado, a escala intervalar tipo Likert permitia anotações de respostas entre 1 (Discordo Totalmente) e 7 (Concordo Totalmente) nas extremidades. Os valores médios 2 e 3 indicam que os indivíduos tendem a discordar, enquanto valores de 5 a 6 indicam que os indivíduos tendem a concordar. A anotação central, ponto 4, representa neutralidade (também chamado de ponto de fuga).
Em consonância com o modelo teórico proposto, o construto “Formação da Estratégia” foi considerado como de segunda ordem, ou seja, ele não foi formado diretamente pelos itens (perguntas), mas por outras variáveis latentes ("Empreendedorismo" e "Inovação"). Para tratar essa característica da estrutura de mensuração, foi utilizada a abordagem “Two-Step” (SANCHEZ, 2013). Para essa construção, foram computados os escores das variáveis latentes de primeira ordem, utilizando a Análise Fatorial com o método de extração das componentes principais e rotação promax (MINGOTI, 2007).
Para analisar a qualidade e validade dos construtos, foram verificadas a validade convergente, a dimensionalidade e a confiabilidade. A validade convergente foi avaliada pelo
critério proposto por Fornell e Larcker (1981). Para análise da dimensionalidade dos construtos, foi empregado o critério de Kaiser, sendo a análise fatorial medida por meio do indicador Kaiser-Meyer-Olkin (KMO). Para mensurar a confiabilidade, foi utilizado o Alfa de Cronbach (AC) e a Confiabilidade Composta (CC) (CHIN, 1998).
De acordo com o modelo teórico, embora os construtos de primeira ordem do modelo, “Empreendedorismo” e “Inovação”, sejam reflexivos, o construto de segunda ordem “Formação da Estratégia” é formativo. Tal análise é relevante, tendo em vista que a validação de um construto considerado como formativo requer diferentes abordagens daquelas destinadas a um construto reflexivo, sendo que a avaliação convencional de validação e confiabilidade dos construtos não deve ser aplicada em construtos formativos.
Para avaliar o construto formativo “Formação da Estratégia”, foi verificado se os pesos eram significativos ou maiores que 0,20 e se as cargas fatoriais eram maiores que 0,60 (CHIN, 1998). Para a avaliação dos construtos reflexivos, foi utilizado o critério proposto por Fornell e Larcker (1981) a fim de verificar a validade convergente e a validade discriminante.
O método das cargas fatoriais cruzadas também foi utilizado para verificar a validação discriminante. Por esse critério, a validade discriminante é alcançada quando a carga fatorial do item é maior que todas as suas cargas fatoriais cruzadas. Conforme Ringle, Silva e Bido (2014), devem-se retirar aquelas variáveis que possuem menores diferenças nas cargas fatoriais cruzadas, ou seja, aquelas variáveis observáveis que apresentam valores das correlações altas em dois construtos. Para mensurar a confiabilidade dos construtos, foram utilizados novamente o Alfa de Cronbach (AC) e a Confiabilidade Composta (CC). Para verificar a dimensionalidade dos construtos, foi utilizado novamente o critério de Kaiser.
Para verificar a qualidade dos ajustes, foi utilizado o R2, que consiste em uma medida de qualidade de ajuste do modelo estrutural. Representa, em uma escala de 0% a 100%, o quanto os construtos independentes conseguem explicar os construtos dependentes. Quanto mais próximo de 100% estiver o R2, melhor será o resultado, sendo que valores menores que 25% representam capacidade explicativa fraca, valores entre 25% e 50% indicam capacidade explicativa moderada e valores acima de 50% evidenciam uma capacidade explicativa substancial (HAIR JR. et al., 2010). O Goodness of Fit (GoF) não foi utilizado. Ressalte-se que os autores Henseler e Sarstedt (2013) não recomendam o GoF como indicador em modelo com construtos formativos, pois ele não teria poder de distinguir modelos válidos e modelos não válidos.
Para comparar os indicadores com as variáveis qualitativas nominais, foi utilizado o teste de Kruskal-Wallis, sendo que, para as comparações múltiplas, foi utilizado o teste de
Nemenyi. Já para verificar a associação entre os indicadores e as variáveis qualitativas ordinais, foi utilizada a Correlação de Spearman (HOLLANDER; WOLFE, 1999).
Para auxiliar nas análises decorrentes, foi utilizado o software estatístico R (versão 3.3.1). O Software R13 consiste em um ambiente de software livre, de código aberto, disponível para downloads, que possibilita análises estatísticas e elaboração de gráficos. Ele está assentado sobre os termos da GNU General Public License, em forma de código-fonte do
Free Software Foundation. Uma das vantagens de utilizar esse software é a possibilidade de
se oferecer um ambiente amigável, cuja metodologia estatística permite fornecer o código aberto, de modo a possibilitar que outros pesquisadores possam refazer a atividade, testando-a e aprimorando-a. Umas das possibilidades encontradas na utilização do Software R é o fato de que, durante o procedimento de registro das rotinas no sistema, o usuário pode interagir com ele e perceber se o caminho adotado dentro do software está sendo o mais adequado.
4.2.1 Análise de dados faltantes e outliers
Conforme mencionado anteriormente, a pesquisa foi realizada com 366 respondentes, de 17 municípios, totalizando 14.274 respostas para as 39 questões concernentes ao objeto do estudo. Dessa quantidade de respondentes, dois indivíduos apresentaram mais de 10% de dados perdidos, sendo excluídos das análises. Na base de dados de 364 indivíduos houve 12 dados perdidos, sendo eles tratados pela imputação pela média da variável, por ser um dos métodos mais adequados e amplamente empregados (HAIR JR., et al., 2010).
Foi realizada uma análise de eventuais outliers, compreendidos como observações que apresentam um padrão de resposta diferente ou muito afastada das demais ou que são inconsistentes, o que pode gerar inadequações nas análises pertinentes. De acordo com Hair Jr. et al. (2010), os outliers podem ser classificados em dois tipos (univariados e multivariados) e de quatro maneiras, quais sejam: (1) erros na tabulação dos dados ou falhas na codificação; (2) observações decorrentes de algum evento extraordinário; (3) observações extraordinárias para as quais o pesquisador não tem uma explicação; (4) observações que estão no intervalo usual de valores para cada variável, mas são únicas em sua combinação de valores entre as variáveis.
Foi verificada a existência de dois tipos de outliers, que são:
13
O Software R pode ser obtido gratuitamente em <http://cran.r-project.org>, onde é apresentado em versões de acordo com o sistema operacional UNIX, Windows ou Macintosh.
a) Univariados: representam respostas divergentes com base em cada uma das variáveis do modelo. Os outliers univariados foram diagnosticados por meio da padronização dos resultados, de forma que a média da variável fosse 0 e o desvio padrão 1. Assim, foram considerados outliers univariados aquelas observações com escores padronizados fora do intervalo de |3,29| (HAIR JR. et al., 2010). Utilizando esse critério, foram encontradas 21 observações consideradas atípicas de forma univariada.
b) Multivariados: apresentam um padrão de resposta diferente, considerando todas as variáveis ao mesmo tempo. Os outliers multivariados foram diagnosticados com base na medida D² de Mahalanobis. Os indivíduos que apresentaram uma significância da medida inferior a 0,001 foram considerados outliers multivariados. Com base nesse método, foram encontrados 25 indivíduos atípicos.
Os outliers univariados e multivariados encontrados não foram retirados da amostra. Essa decisão foi tomada para que as observações se traduzissem em casos válidos da população e por que, no caso de serem eliminadas, poderiam limitar a generalidade da análise multivariada, apesar de possivelmente melhorar seus resultados (HAIR JR. et al., 2010).
Saliente-se, contudo, que não foram encontrados valores fora do intervalo da escala de sua respectiva variável, não evidenciando o tipo de outlier relacionado a erro na tabulação dos dados.
4.2.2 Normalidade e linearidade
Por definição, o conjunto de dados não apresenta distribuição normal univariada e nem mesmo multivariada, uma vez que tais dados estão limitados em uma escala discreta e finita. A abordagem PLS (Partial Least Square) oferece uma alternativa à abordagem tradicional baseada na matriz de covariância (SEM-CB), uma vez que não exige suposições de normalidade dos resíduos. Mesmo utilizando o método tradicional (SEM-CB), existem diversos estimadores robustos e desvios de normalidade. Assim, a ausência de normalidade dos dados deixou de ser um grande problema quando se trabalha com Equações Estruturais (HAIR JR. et al., 2010; HAIR JR.; RINGLE; SARSTEDT, 2011; HAIR JR. et al., 2014; RINGLE; SILVA; BIDO, 2014).
Para verificar a linearidade dos dados, foram analisadas, inicialmente, as correlações das variáveis par a par, uma vez que um coeficiente de correlação significativa no nível de 5%
é indicativo da existência de linearidade. Por meio da matriz de correlação de Spearman (HOLLANDER; WOLFE, 1999), foram observadas em 630 de 741 relações significativas no nível de 5%, o que representa aproximadamente 85,02% das correlações possíveis.
Além disso, foi realizado o teste de Bartlett (MINGOTI, 2007) para verificar a linearidade em cada construto. Para todos os construtos, foram observados p-valores menores que 0,05, indicando que existem evidências significativas de linearidade dentro dos construtos.