2. Teoretiske utgangspunkter
2.1 Stadige endringer og endring som tilfeldighet
O modelo estatístico que testa as relações da variável dependente P6 com as variáveis independentes P9, P10 e P11, denominado Modelo 01 e evidenciado na figura 24 anteriormente, foi realizado através de regressão linear múltipla, com o uso o método passo a passo para a entrada das variáveis no modelo, denominado estimação stepwise. Neste caso, de acordo com Corrar, Paulo e Dias (2012, p. 159), o procedimento é iniciado com a variável independente que apresenta o maior coeficiente de correlação com a variável dependente e, incrementalmente, as outras variáveis são adicionadas na equação de regressão.
Toda vez que uma variável independente é introduzida no modelo, é feito um teste F para examinar se a contribuição da variável anteriormente presente continua significativa, dada a presença do novo elemento. Caso não seja, conforme Corrar, Paulo e Dias (2012, p. 161), o método stepwise permite que tais variáveis sejam eliminadas.
O processo de estimação via stepwise tem basicamente duas etapas: a inclusão e eliminação de variáveis. A inclusão testa as variáveis uma a uma, incluindo-as no modelo caso elas se apresentem estatisticamente significativas. Feita a inclusão, segue-se a eliminação. Nesta fase, todas as variáveis presentes no modelo são testadas para verificar se alguma perdeu a significância estatística mínima, devendo ser então eliminada.
A sequência do método stepwise é a seguinte: primeiramente, inicia-se com o modelo vazio; em seguida, a variável mais significante estatisticamente é incluída no modelo; sucessivamente, as demais variáveis são incluídas no modelo em ordem de significância. As variáveis presentes são testadas e, caso alguma tenha perdido a significância mínima, é excluída do modelo. O processo de testes de inclusão e exclusão continua até que não haja mais variáveis significantes para entrar no modelo. A tabela 3 apresenta as variáveis explicativas que compõem o modelo 01.
Tabela 3: Informações das variáveis explicativas que compõem o modelo de regressão múltipla – Modelo 01
Variável Descrição - Informações da variável
P9 9- A representação do Valor de TI, na sua avaliação, é baseada em indicadores de desempenho FINANCEIROS?
P10 10- A representação do Valor de TI, na sua avaliação, é baseada em indicadores de desempenho NÃO FINANCEIROS?
P11a 11a- Maior flexibilidade do negócio
P11b 11b- Desenvolvimento de novos planos de negócio P11c 11c- Melhoria do modelo de negócio
P11d 11d- Melhoria do nível de habilidades dos funcionários P11e 11e- Relações melhores com os clientes
P11f 11f- Melhoria de produtos ou serviços aos clientes
P11g 11g- Melhoria da informação gerencial para o planejamento estratégico P11h 11h- Estabelecimento de relações úteis com outras organizações P11i 11i- Benefícios transacionais na redução dos próprios custos de TI P11j 11j- Benefícios transacionais na redução do custo marginal de TI nas
unidades de negócio
P11k 11k- Benefícios transacionais na redução de custos operacionais P11l 11l- Benefícios transacionais na redução do custo de comunicação P11m 11m- Acesso facilitado à informação
P11n 11n- Acesso mais rápido à informação P11o 11o- Melhoria na acuracidade da informação Fonte: Resultado da pesquisa.
Na tabela 4, através do modelo de regressão linear múltipla, pelo método stepwise, há três passos, sendo que, a cada passo, uma variável é introduzida no modelo. Como critério de inclusão das variáveis independentes, o ponto de corte é baseado nos valores da probabilidade F, e estes devem ser iguais ou menores que 0,05 (5%), e maiores ou iguais a 0,10 (10%), para exclusão.
Tabela 4: Variáveis inseridas no modelo de regressão múltipla pelo método stepwise – Modelo 01
Variáveis Inseridas/Removidasa
Modelo Variáveis inseridas
Variáveis
removidas Método
1 11e- Relações melhores com os
clientes
. Stepwise (Critério: Probabilidade de F a ser inserido <= ,050)
2 11b- Desenvolvimento de novos
planos de negócio
. Stepwise (Critério: Probabilidade de F a ser inserido <= ,050)
3 11o- Melhoria na acuracidade da informação
. Stepwise (Critério: Probabilidade de F a ser inserido <= ,050)
a. Variável Dependente: 6- Qual o seu grau de concordância com a frase: "O Valor de TI é importante para o processo de avaliação de empresa que FAZ USO intensivo de informação"?
Dessa forma, as três variáveis que fazem parte do modelo são P11e, P11b e P11o e a sua ordem de entrada foi obtida de acordo com a importância de cada variável. A tabela 5 demonstra que, considerando as três variáveis como preditoras (relações melhores com o cliente, desenvolvimento de novos planos de negócios e melhor acuracidade da informação) da variável dependente em questão, o modelo final proposto pelo método utilizado apresenta um maior coeficiente de determinação (R2) e um menor erro-padrão da estimativa.
A tabela 5 também apresenta o R2 nos três passos em que foi executado o modelo. No primeiro passo, com a entrada da primeira variável, observa-se que o modelo apresentou um R2 de 39%. No segundo passo, com a inclusão da segunda variável, nota-se que o R2 obteve um aumento de 9%, passando para 48% de explicação. Em seguida, com a entrada da terceira variável, o modelo obteve um ganho de aproximadamente 2% de predição, diminuindo também o erro padrão da estimativa.
Tabela 5: Resumo do modelo de regressão múltipla – Modelo 01
Sumarização do modelod Modelo R R2 R2 ajustado Erro padrão da estimativa Durbin-Watson 1 ,624a ,390 ,384 1,396 2 ,693b ,480 ,470 1,295 3 ,710c ,504 ,490 1,270 1,941
a. Preditores: (Constante), 11e- Relações melhores com os clientes.
b. Preditores: (Constante), 11e- Relações melhores com os clientes, 11b- Desenvolvimento de novos planos de negócio.
c. Preditores: (Constante), 11e- Relações melhores com os clientes, 11b- Desenvolvimento de novos planos de negócio, 11o- Melhoria na acuracidade da informação.
d. Variável Dependente: 6- Qual o seu grau de concordância com a frase: "O Valor de TI é importante para o processo de avaliação de empresa que FAZ USO intensivo de informação"?
Fonte: Resultado da pesquisa.
Dessa maneira, o modelo obteve um R2 de pouco mais de 50% de explicação, significando que 50,4% da alteração da variável dependente é explicada pelas mudanças das variáveis independentes inseridas no modelo, ou seja, 50,4% da variação do “Valor de TI é importante para o processo de avaliação de empresas que fazem uso intensivo de informação” é explicado pela modificação das variáveis “Relações melhores com clientes”, “Desenvolvimento de novos planos de negócios” e “Melhoria na acuracidade da informação”, de acordo com Hair et al (2005, p. 172) e Corrar, Paulo e Dias (2012, p. 149).
O R² ajustado, o coeficiente de determinação ajustado, é de 0,490 ou 49,0%. Ele informa o quanto de variância da variável dependente é explicada pelo conjunto de variáveis independentes utilizadas no modelo, enquanto o R² ajustado informa o quanto de variância da variável dependente pode ser creditada ao modelo, conforme Corrar, Paulo e Dias (2012, p.150).
De acordo ainda com a tabela 5, observa-se que o percentual de explicação das variáveis diminui a cada passo e como nenhuma outra variável apresenta melhorias significantes de predição, o modelo finaliza no terceiro passo.
A autocorrelação refere-se à medida que informa a influência da realização de uma variável aleatória sobre seus vizinhos, de acordo com Hair et al (2005). Quando há correlação entre os resíduos, entende-se que existem situações de correlação decorrentes da influência de variáveis formadoras de valores importantes não consideradas no modelo. O teste de Durbin- Watson é utilizado para detectar autocorrelação de primeira ordem, sendo um teste de hipótese da existência de autocorrelação baseado no número de observações e de variáveis usadas no modelo de regressão, segundo Gujarati (2000).
Uma regra básica para análise do teste de Durbin-Watson é de que números resultantes desta estatística com valores próximos a 2 atendem ao pressuposto de independência de erros. Como o valor resultante da estatística Durbin-Watson do modelo é igual a 1,941, é possível afirmar, de acordo com Corrar, Paulo e Dias (2012, p. 190), que o modelo de regressão linear possui independência dos erros (ou ausência de autocorrelação serial).
Através do teste F-ANOVA, verifica-se, também, se o coeficiente de determinação é igual a zero, através das seguintes hipóteses:
H0: O coeficiente de determinação da equação de regressão (R²) é igual a zero;
H1: O coeficiente de determinação da equação de regressão (R²) é significantemente diferente de zero.
Tabela 6: ANOVA – Regressão Múltipla – Modelo 01
ANOVAa Soma dos Quadrados gl Quadrado Médio F Sig. Regressão 170,674 3 56,891 35,245 ,000d Resíduo 167,872 104 1,614 Total 338,546 107
a. Variável Dependente: 6- Qual o seu grau de concordância com a frase: "O Valor de TI é importante para o processo de avaliação de empresa que FAZ USO intensivo de informação"?
d. Preditores: (Constante), 11e- Relações melhores com os clientes, 11b- Desenvolvimento de novos planos de negócio, 11o- Melhoria da acuracidade da informação
Fonte: Resultado da pesquisa.
Através do teste da F-ANOVA, busca-se saber se alguma das variáveis explicativas possui o coeficiente beta diferente de zero, levando à rejeição da hipótese nula. Os resultados do teste F-ANOVA, apresentados na tabela 6, demonstram que a variável estatística exerce influência sobre a variável dependente e que o modelo é significativo, visto que o Sig. (0,000) do modelo é menor que o α (0,05), rejeitando a hipótese H0, de que o coeficiente de determinação (R²) é igual a zero. Pelo menos um beta é diferente de zero, representando que pelo menos uma das variáveis utilizadas explica o modelo.
A tabela 7 apresenta os coeficientes de regressão múltipla, utilizados na elaboração da equação para predição da variável dependente, bem como o teste t, o qual verifica a probabilidade de que os coeficientes das variáveis independentes e da constante utilizada na regressão não sejam estatisticamente nulos, conforme orientação de Corrar, Paulo e Dias (2012, p. 172).
Tabela 7: Coeficientes da regressão múltipla – Modelo 01
Coeficientesa Coeficientes não padronizados Coeficientes padronizados t Sig. B Erro Padrão Beta (Constante) 1,714 ,667 2,570 ,012
Relações melhores com os clientes ,324 ,092 ,324 3,506 ,001
Desenvolvimento de novos planos de negócio
,259 ,102 ,258 2,536 ,013
Melhor acuracidade da informação ,235 ,104 ,233 2,252 ,026
a. Variável Dependente: 6- Qual o seu grau de concordância com a frase: "O Valor de TI é importante para o processo de avaliação de empresa que FAZ USO intensivo de informação"?
Fonte: Resultado da pesquisa.
A função obtida através dos coeficientes pode ser demonstrada no modelo estatístico conforme equação 13.
Y = 1,714 + 0,324 * X1 + 0,259 * X2 + 0,235 * X3 (13)
Onde:
Y é a variável dependente: Qual o seu grau de concordância com a frase: "O Valor de TI é importante para o processo de avaliação de empresa que faz uso intensivo de informação"?
X1 é a variável independente: Relações melhores com os clientes.
X2 é a variável independente: Desenvolvimento de novos planos de negócio. X3 é a variável independente: Melhoria na acuracidade da informação.
De acordo com a tabela de coeficientes, os testes t possuem as seguintes hipóteses: H0: Os coeficientes da equação de regressão tendem, estatisticamente, a ser nulos;
H1: Os coeficientes da equação de regressão tendem, estatisticamente, a ser diferentes de zero.
Dado que os valores de Sig. do teste t são inferiores ao α = 0,05, rejeita-se a hipótese nula de que os coeficientes utilizados tendem a zero, validando a equação utilizada. Entretanto, as variáveis “Desenvolvimento de novos planos de negócio” e “Melhoria na acuracidade da informação” não se mostram significantes ao nível de α = 0,01.
Com o resultado, é possível concluir que quanto maior é a concordância sobre ”Relações melhores com os clientes”, maior também é a concordância com que o valor de TI seja importante para o processo de avaliação de empresa que faz uso intensivo de informação.
O mesmo ocorre com o “Desenvolvimento de novos planos de negócio” e “Melhoria na acuracidade da informação”, ou seja, quanto maior é a nota dada a essas afirmativas, maior é a concordância com que o valor de TI seja importante para o processo de avaliação de empresa que faz uso intensivo de informação.
A tabela 8 apresenta as variáveis testadas e excluídas do modelo de regressão linear múltipla. Em cada variável da tabela há um teste T, no qual há uma hipótese nula, de que cada coeficiente iguala-se a zero. Ao observar a coluna Sig., verifica-se que todas as hipóteses nulas são verdadeiras, dado que o Sig. das variáveis é maior que o nível de significância adotado (α = 0,05)
Tabela 8: Variáveis excluídas do Modelo 01 Variáveis excluídas Beta In t Sig. Correlação parcial Estatísticas de colinearidade Tolerância
A representação do Valor de TI, na sua avaliação, é baseada em indicadores de
desempenho FINANCEIROS ,078d ,992 ,324 ,097 ,768
A representação do Valor de TI, na sua avaliação, é baseada em indicadores de
desempenho NÃO-FINANCEIROS ,102d 1,441 ,153 ,141 ,938
Maior flexibilidade do negócio ,183d 1,886 ,062 ,183 ,495
Melhoria do modelo de negócio ,158d 1,225 ,224 ,120 ,286
Melhoria do nível de habilidades dos
funcionários ,071d ,781 ,436 ,077 ,587
Melhoria de produtos ou serviços aos
clientes ,024d ,209 ,835 ,021 ,354
Melhoria de informação gerencial para o
planejamento estratégico ,123d 1,158 ,249 ,113 ,419
Estabelecimento de relações úteis com
outras organizações ,014d ,139 ,890 ,014 ,472
Benefícios transacionais na redução dos
próprios custos de TI -,101d
-
1,140 ,257 -,112 ,607
Benefícios transacionais na redução do custo marginal de TI nas unidades de
negócio ,062d ,687 ,494 ,068 ,581
Benefícios transacionais na redução de
custos operacionais -,040d -,381 ,704 -,038 ,439
Benefícios transacionais na redução do
custo de comunicação ,070d ,738 ,462 ,072 ,532
Acesso facilitado à informação ,019d ,175 ,861 ,017 ,417
Acesso mais rápido à informação ,061d ,561 ,576 ,055 ,406
Fonte: Resultado da pesquisa.
Para que os resultados da análise sejam fidedignos, é necessário que os pressupostos do modelo sejam atendidos, como por exemplo, segundo Hair et al (2005), a normalidade dos resíduos. Segundo este autor, a verificação de resíduos fornece um conjunto simples, mas poderoso, de ferramentas analíticas para o exame da adequação do modelo de regressão. Dessa forma, foram testados os pressupostos da distribuição normal dos resíduos através do gráfico de probabilidade normal, do histograma dos resíduos padronizados e do teste KS (Kolmogorov-Smirnov) de normalidade, de acordo com as hipóteses:
H0: a distribuição da série testada é normal;
O teste da normalidade é realizado com os resíduos padronizados, aceitando-se a hipótese nula como verdadeira se Sig. for maior que o nível de significância estabelecido (α = 0,05). Caso a hipótese nula seja rejeitada, conforme Corrar, Paulo e Dias (2012, p. 193), devem-se realizar transformações nas variáveis ou na composição da amostra como forma de correção da violação deste pressuposto.
Através do teste de normalidade dos resíduos padronizados é possível concluir que a hipótese nula é rejeitada na distribuição da série testada por não ser normal, dado que o Sig. apresentou um valor menor do que o nível de significância adotado no estudo (α = 0,05), conforme apresentado na tabela 9.
Tabela 9: Teste de normalidade dos resíduos padronizados – Modelo 01
Teste de Kolmogorov-Smirnov de uma amostra Resíduos Padronizados
N 108
Parâmetros normaisa,b Média ,0000000
Desvio Padrão 1,25255622
Diferenças Mais Extremas Absoluto ,113
Positivo ,061
Negativo -,113
Significância Assint. (Bilateral) ,002c
a. A distribuição do teste é Normal. b. Calculado a partir dos dados.
c. Correção de Significância de Lilliefors. Fonte: Resultado da pesquisa.
No gráfico de probabilidade normal (P-P Normal), os resíduos padronizados são comparados com a distribuição normal. Se uma distribuição é normal, a reta residual aproxima-se da diagonal. A figura 28 apresenta o gráfico P-P Normal.
Figura 28: Gráfico normal P-Plot da regressão do resíduo padronizado – Regressão Múltipla – Modelo 01 Fonte: Resultado da pesquisa.
Neste caso, observa-se a ausência de normalidade dos resíduos padronizados, pois os pontos distanciam-se da reta diagonal.
Na sequência, a figura 29 apresenta o histograma dos resíduos padronizados do modelo de regressão.
Figura 29: Histograma dos resíduos padronizados – Regressão Múltipla – Modelo 01 Fonte: Resultado da pesquisa.
Pode-se constatar que, a partir da análise dos pressupostos para validação do modelo de regressão linear, a normalidade dos resíduos não é adequada para o modelo, pois os resíduos não estão distribuídos de forma normal.
Entretanto, segundo Hair et al (2005), o Teorema do Limite Central afirma que, para quase todas as populações-alvo definidas, a distribuição amostral da média ou do valor percentual derivado de uma amostra aleatória simples tem distribuição aproximadamente normal, desde que o tamanho da amostra seja grande. Assim, quando o número é maior ou igual a 30 casos, aumenta a probabilidade de se selecionarem valores centrais, com o incremento das tentativas de amostragem.
Através do cenário exposto e dos resultados obtidos, “Relações melhores com os clientes” é o principal indicador da relevância do valor de TI no processo de avaliação de empresa que faz uso intensivo de informação. Esse resultado corrobora com a afirmação dos pesquisadores Dedrick, Guarbaxani e Kraemer (2003) de que o valor de TI não pode ser mensurado através apenas de medidas financeiras limitadas, pois uma das principais funções do valor de TI é melhorar a relação com o cliente, promovendo sua maior satisfação.
Brynjolfsson e Hitt (1996) pesquisaram 370 organizações, analisando-as sobre três abordagens, sendo uma delas a Teoria do consumidor, com foco no cliente. Como resultado, os pesquisadores verificaram que o investimento em TI aumenta a produtividade do negócio e cria valores substanciais para o consumidor, promovendo sua satisfação. Ou seja, os resultados do estudo desses pesquisadores estão alinhados com os resultados da presente pesquisa.
Vale mencionar que o resultado dessa pesquisa é adequado ao parecer da Febraban (2014), sobre a intensa revolução protagonizada, nos últimos anos, pelos canais de tecnologia (internet banking e o mobile banking) na maneira do banco relacionar-se com o cliente.
Assim, por meio dos resultados obtidos, considera-se que quanto maior e melhor forem as relações com clientes, mais relevante é o valor de TI no processo de avaliação de empresa que faz uso intensivo de informação.
Outra variável significante para o modelo é “Desenvolvimento de novos planos de negócio”, o segundo principal preditor da relevância do valor de TI no processo de avaliação de empresa que faz uso intensivo de informação. Esse resultado corrobora com a proposta de um modelo integrativo baseado em recursos (RBV – Resouced Based View) dos autores Melville, Kraemer e Guarbaxani (2004). Segundo essa proposta, os elementos da organização são tratados como recursos e o redesenho de processo de negócio cria um novo plano de negócio, considerado uma vantagem competitiva única para a organização.
Os pesquisadores Dedrick, Guarbaxani e Kraemer (2003) também confirmam esse resultado, por considerarem que o valor de TI não se trata apenas de uma ferramenta para automatizar processos existentes, mas sua principal função é promover mudanças organizacionais, como o “desenvolvimento de novos planos de negócio”. Albertin (2005) igualmente defende esse resultado, pois um dos benefícios do valor de TI para negócio está na relação entre recurso, produto anterior e produto novo, podendo-se submeter a, por exemplo, novo produto, novos segmentos e novos mercados.
Essa variável ainda é respaldada pelo mesmo parecer da Febraban (2014), citado em relação ao item anterior, por defender que o valor da TI (internet banking e o mobile banking) gera oportunidades de ofertar e criar produtos novos, reestruturando novos planos de negócio, reinventando novos produtos, novos segmentos e novos nichos de mercado.
Por fim, a terceira variável significante para o modelo é a “Melhoria na acuracidade da informação”, a última variável preditora da relevância do valor de TI no processo de avaliação de empresa que faz uso intensivo de informação. Corroboram com esse resultado Kimball & Ross (2001), que citam o setor financeiro como pioneiro a adotar TI como estratégia de tomada de decisão, no gerenciamento e acuracidade da informação. Segundo os pesquisadores, a demanda de informações de natureza financeira é imensa, principalmente, por parte dos gerentes que precisam verificar as tendências e podem fazer isso com o menor esforço possível, através do uso de TI.
Dedrick, Guarbaxani e Kraemer (2003), Melville, Kraemer e Guarbaxani, (2004) e Brynjolfsson e Hitt (1996) também sustentam que o gerenciamento de informações fidedignas pode ser entendido como acuracidade das informações, sendo um atributo realmente considerável do valor de TI.
Vale mencionar que as três variáveis significativas para o modelo 01 configuram-se como um dos principais benefícios de TI, fazendo parte do modelo de captura do valor de TI dos pesquisadores Turner e Lucas (1985), Weill (1992), Weill e Broadlent (1998), Gregor et al (2006). Estes foram precursores do modelo de Beltrame (2008) e Maçada et al. (2012), utilizado nesse estudo.
Entretanto, ao verificar as situações evidenciadas e os resultados coletados, dos quinze (15) valores de TI relatados pelo modelo de Beltrame (2008), utilizado nessa pesquisa, apenas três estatisticamente tiveram sua relevância reconhecida pelos respondentes da pesquisa, conforme demonstrado na figura 30.
Figura 30: Resultado da Regressão Linear – Modelo 01 Fonte: Resultado da pesquisa.
Na tabela 10, a seguir, as constatações da presente pesquisa são relacionadas aos principais autores do referencial teórico, demonstrando a corroboração de ideias, de acordo com os dados obtidos.
Tabela 10: Relação entre os resultados obtidos e o referencial teórico
Fonte: Resultado da pesquisa.
Modelo Beltrame / Maçada et al.
(4 dimensões - 15 itens) Questão de Pesquisa (Desdobramento da P11)
Relevância do valor de TI no processo de avaliação de empresas
(sob ótica dos profissionais de
investimentos)
Maior flexibilidade do negócio 11a - Maior flexibilidade do negócio
Desenvolvimento de novos planos de negócio 11b - Desenvolvimento de novos planos de negócio Melhorar os modelos de negócios 11c - Melhorar os modelos de negócios
Mehorar nível de habilidade dos funcionários 11d - Mehorar nível de habilidade dos funcionários Relações melhores com os clientes 11e - Relações melhores com os clientes