Results of image 1 in the presence of Gaussian noise

Durante a fase de projeto do método de pesquisa foram consideradas três opções para a técnica a ser utilizada na análise dos dados coletados, a saber: equações estruturais, regressão logística e análise discriminante. Ao cabo de uma revisão de literatura e de uma análise

preliminar dos dados coletados, optou-se pelo uso da análise discriminante. A seguir apresentam-se as razões desta escolha; em seguida, discutem-se brevemente conceitos relevantes referentes à análise discriminante.

A princípio, a técnica de equações estruturais parecia muito apropriada no sentido de testar a validade dos modelos conceitual e de mensuração exibidos nas Figuras 8 e 9, respectivamente. De fato, equações estruturais permitem testar modelos teóricos que conjecturam sobre o relacionamento entre construtos definidos como conjuntos de variáveis (SCHUMACHER; LOMAX, 2004, p. 2). Um estudo aprofundado da técnica mostrou que seu uso era inviável em função do tamanho mínimo requerido para a amostra. Hair et al (1998, p. 604) recomendam no mínimo 5 casos por parâmetro no modelo, sendo 10 o número mais apropriado. Schumacher e Lomax (2004, p. 115) elevam ainda mais o número mínimo, sugerindo 150 casos para um modelo com 10 parâmetros e poder do teste de 0,81. O modelo de mensuração da Figura 10 contém 23 parâmetros, sendo 22 variáveis indicadoras e uma variável observável. Ainda que fosse seguido o mínimo número de casos por parâmetro encontrado na literatura, seria preciso um número de 115 (23*5) casos. Dadas as restrições de tempo e recursos enfrentadas na realização da pesquisa, considerou-se inviável do ponto de vista prático obter um número tão alto de observações. Ademais, visto que a população conta com 231 organizações, uma amostra de 115 elementos pareceu ser descabida. Assim, descartou-se a possibilidade de uso de equações estruturais. Cabe destacar que outros pesquisadores já enfrentaram essa mesma dificuldade no uso da técnica, também tendo optado pelo uso de outra técnica menos exigente do ponto de vista de tamanho mínimo da amostra (LIU; YETTON, 2007, p. 793).

Uma vez descartado o uso de equações estruturais, passou-se a considerar o uso de análise discriminante ou de regressão logística. Essas técnicas são adequadas quando se estuda a relação de uma série de variáveis independentes métricas e uma variável dependente nominal (HAIR et al, 1998, p. 244; SHARMA, 1996, p. 6). Essa é exatamente a situação desta pesquisa, conforme exposto na Figura 9. A regressão logística, ao contrário da análise discriminante, não exige nem a normalidade das variáveis independentes, nem a igualdade nas suas matrizes de variância e covariância. Por outro lado, em função de formulação da regressão logística fazer uso de probabilidades, logaritmos e exponenciais, a interpretação e uso de seus resultados é mais complexa. Assim, optou-se por utilizar a análise discriminante, pois conforme se verá na seção 9.1.2, os pressupostos para uso da técnica são atendidos. No entanto, visto que as técnicas dão resultados comparáveis se seus pressupostos forem

atendidos (HAIR et al.; 1998, p. 246), ao final da análise discriminante será aplicada a técnica de regressão logística visando comparação e, espera-se, confirmação dos resultados da análise discriminante.

Os seguintes objetivos podem ser atendidos com o uso da análise discriminante (SHARMA, 1996, p. 237):

a) Identificar as variáveis que “melhor” discriminam entre grupos;

b) Usar as variáveis identificadas para desenvolver uma equação discriminante que represente as diferenças entre grupos de forma parcimoniosa;

c) Usar as variáveis identificadas para computar um índice ou desenvolver uma regra para classificar futuras observações em um dos grupos.

Nesta pesquisa, há interesse em aplicar a técnica visando os três objetivos acima. Em primeiro lugar, pretende-se avaliar se os construtos definidos na Figura 9 são estatisticamente significantes para discriminar o contexto das empresas que decidem criar um EP-TI do contexto das empresas que não tem um EP-TI nem pretendem criá-lo. Em segundo lugar, pretende-se elaborar uma equação que represente a relação entre os construtos e o contexto da criação de um EP-TI. Se for constatado que esta equação é estatisticamente significativa, haverá evidência de que o modelo conceitual apresentado na Figura 9 é válido, pois consistente com dados empíricos. Finalmente, pretende-se definir uma regra discriminante que pode ser usada para classificar o contexto de uma empresa que ainda não tem EP-TI em uma de duas hipóteses: ou mais próximo do contexto de empresas que criam um EP-TI, ou, por outro lado, mais próximo do contexto de empresas que não têm EP-TI nem têm forte propensão a criá-lo.

No caso de dois grupos, a equação discriminante é uma combinação linear das variáveis independentes, no seguinte formato (HAIR et al; 1998, p. 244):

Zk = a + W1X1k + W2X2k +....+ WnXnk,

onde:

Zk = função discriminante para aobservação k

a = constante

Wi = peso discriminante para a variável i

O cálculo dos pesos é obtido usando a função linear discriminante de Fisher, que maximiza a razão entre o quadrado da diferença entre as médias de Z para cada grupo e a variância de Z (JOHNSON; WICHERN, 1982, p. 464; SHARMA, 1996, p. 277).

A aplicação da análise discriminante depende da aderência dos dados a alguns pressupostos. Hair et al (1998, p.255, tradução nossa) indicam os seguintes:

a) Normalidade das variáveis independentes; b) Linearidade dos relacionamentos;

c) Inexistência de multicolinearidade entre as variáveis independentes; d) Igualdade das matrizes de covariância.

Outros autores referem-se exclusivamente aos itens a) e d) acima (SHARMA, 1996, p. 263; PESTANA; GAGEIRO, 2003, p. 656), mesmo reconhecendo o efeito negativo sobre a habilidade do analista de interpretar o significado dos pesos discriminantes na presença de multicolinearidade (SHARMA, 1996, p. 254). Por ser mais abrangente, a lista de pressupostos citados por Hair et al (1998, p.255) será verificada no próximo capítulo.