5. VEGETASJONEN I KARTLEGGINGSOMRÅDET
5.4 Vegetasjon, beite mm. i ulike delar av Kvitfjell planområde
A modelagem de equações estruturais (Structural Equation Modeling – SEM) segundo Hair Júnior et al. (2005, p.470):
Engloba uma família inteira de modelos conhecida por muitos nomes, entre eles análise de estrutura de covariância, análise de variável latente, análise fatorial confirmatória, ou simplesmente análise LISREL (o nome de um dos mais populares pacotes computacionais).
Matriz de Componente Rotacional Componente 1 2 3 Questão 1.1 ,749 ,327 -,175 Questão 1.2 ,742 ,118 -,167 Questão 1.3 ,382 ,522 -,062 Questão 1.4 ,351 ,692 ,012 Questão 1.5 ,852 ,265 -,026 Questão 1.6 ,405 ,697 ,258 Questão 1.7 ,113 ,848 ,010 Questão 1.8 ,166 ,829 ,134 Questão 1.9 ,796 ,371 -,013 Questão 1.10 ,595 ,298 ,348 Questão 1.11 ,676 ,172 ,350 Questão 1.12 -,101 ,068 ,882
Método de Extração: Análise Principal do Componente Método de Rotação: Varimax com Normalização Kaiser. a. Rotação convergida em 5 interações.
A vantagem dessa modelagem é que é possível identificar a relação causal com seu uso, pois dá a possibilidade de investigar variáveis preditoras em relação às variáveis de critério, assim segundo esses autores, o pesquisador baseia-se em teoria, experiência prévia e nos objetivos da pesquisa, para distinguir quais variáveis independentes preveem cada variável dependente. E acrescenta que o modelo estrutural expressa essas relações entre variáveis independentes e dependentes, mesmo quando uma variável dependente se torna independente em outras relações.
Nessa concepção de modelo o SEM está acomodado sobre múltiplas variáveis dependentes – análise multivariada de variância e correlação canônica – no sentido de que elas permitem apenas uma relação entre variáveis dependentes e independentes, e para uma análise com a aplicação da SEM as medidas de cada variável conceitual deverão ser confiáveis.
Assim a variável latente segundo Hair Júnior et al. (2005, p.470) está centrado como um conceito teorizado e não observado que pode apenas ser aproximado por variáveis observáveis ou mensuráveis, mas de melhoramento da estimativa estatística em que é medido o nível de confiabilidade cujo grau a variável independente está livre de erro, ou seja, o grau de erro de mensuração afeta a estimativa do que é verdadeiro do coeficiente estrutural.
Portanto, para Hair Júnior et al. (2005, p.471):
A modelagem de equações estruturais fornece ao pesquisador a habilidade de acomodar múltiplas relações de dependência inter-relacionadas em um só modelo. Sua analogia mais próxima é a regressão múltipla, a qual pode estimar uma única relação (equação).
Nessa estrutura, a SEM deve está composta de múltiplas relações representada por um conjunto de variáveis atrelado a um conceito que beneficia os múltiplos indicadores e demonstrado através de um diagrama, assim descrito para retratar as relações interdependentes representados pictoricamente pelas relações chamadas de diagramas de caminhos. Segundo Hair Júnior et al. (2005, p.472):
Setores retilíneos descrevem o impacto de variáveis independentes sobre variáveis dependentes e setas curvilíneas descrevem a correlação entre variáveis, exatamente como multicolinearidades em regressão múltipla. E acrescentam que o propósito do diagrama de caminhos serve de base para a análise de caminho, o procedimento para estimação empírica da força de cada relação (caminhos) representada no diagrama de caminhos. A análise
de caminhos calcula a força das relações usando apenas uma matriz de correlação ou covariância como entrada. A correlação simples (bivariada) entre duas variáveis quaisquer pode ser representada como a soma dos caminhos compostos conectando esses pontos.
Dessa forma, a construção da análise de caminhos calcula a força das relações usando apenas uma matriz de correlação ou covariância como entrada. No caso do processo de modelagem a análise está convergente à existência de dados para cada variável de modelos mensurados por escalas de intervalo, no entanto, é necessário de um modelo, pra isso, há ajustes ou desenvolver com pouca generalização, a necessidade de justificativa teórica, no sentido de confirmação das variáveis orientada por uma teoria do que por resultados empíricos.
O diagrama de modelagem deve está restrito aos constructos que podem ser exógenos ou endógenos. Cada constructo endógeno constitui uma variável dependente nas equações estruturais, para isso, na medida de modelos estruturais é prudente identificar o tamanho da matriz de covariância ou de correlação relativamente ao número de coeficientes estimados, onde o grau de liberdade pode ser calculado pela equação:
df = ½ [(p+q) (p+q+1)] – t
Onde:
p: nr. de indicadores endógenos q: nr. de indicadores exógenos
t: nr. De coeficientes estimados no modelo proposto
Tabela 10 – Contagem das variáveis dos modelos.
Contagem das Variáveis Modelo 1 Modelo2
Número de variáveis em seu modelo 76 76 Número de variáveis observadas 34 34 Número de variáveis observadas 42 42
Número de variáveis exógena 39 38
Número de variáveis endógenas 37 38 Fonte: Pesquisa direta.
Nessa perspectiva, todas as variáveis no modelo são listadas aqui classificadas como fatores observados e não observados, como também endógenas e exógenas. A Tabela 10 demonstrada acima mostra o número de variáveis em cada categoria, tais como, o total de número de variáveis no modelo.
O modelo I, inicialmente proposto, considera que o Planejamento (Variável latente explicada pelos fatores Q 3.1 a Q 3.5) das atividades tem um impacto positivo sobre as atividades que resultam em Apoio Gerencial (Variável latente explicada pelos fatores Q 2.1 a Q 2.6). Este impacto sugere que o planejamento, ou seja, coordenar todas as ações para consecução dos objetivos irá facilitar a atuação dos gerentes, que consequentemente irão promover o apoio necessário para a condução das atividades dos ouvidores. Na sequência, o Modelo I sugere ainda que a variável latente Apoio Gerencial influencia os atributos relacionados à Aplicação dos conhecimentos apreendidos (Variável latente explica pelos fatores Apl.1 a Apl. 3) por parte dos ouvidores.
Por outro lado, a variável latente Aplicação é explicada pelas variáveis: Suporte, Aprendizagem Continua, Autonomia e Inovação (Variáveis latentes explicadas pelos fatores Q 4.1 a Q 4.3, Q 6.1 a Q 6.5, Q 7.1 a Q 7.5. e Q 5.1 a Q 5.4, respectivamente). Pressupõe-se que o aprendizado será aplicado pelos ouvidores à medida que o suporte logístico é oferecido; implanta-se uma cultura de aprendizagem continuada, a partir dos conhecimentos adquiridos e das experiências vividas; a gerência delega autonomia para a atuação dos ouvidores; e por fim uma cultura de novas ideias e formas de fazer são implementadas.
Finalmente, o modelo I espera que dadas às relações simultâneas citadas, a variável latente Aplicação dos conhecimentos irá resultar em satisfação por parte dos clientes atendidos. Para constatação do modelo I aplicou-se o método de equações estruturais que estima os coeficientes ou impactos das variáveis escolhidas, conforme tabelas subsequentes.
Tabela 11 – Coeficiente das variáveis latentes.
Variável Dependente Variável Independente Estimate S.E. C.R. P
Apoio Gerencial <--- Planejamento 0,482 0,139 3,464 *** Aplicação <--- Apoio Gerencial 0,255 0,18 1,421 0,155
Aplicação <--- Suporte -0,272 0,227 -1,2 0,230
Aplicação <--- Aprendizagem contínua -0,084 0,056 -1,484 0,138 Aplicação <--- Autonomia -0,023 0,033 -0,685 0,493
Aplicação <--- Inovação 0,268 0,182 1,471 0,141
Satisfação <--- Aplicação 0,008 0,489 0,016 0,987 Fonte: Pesquisa direta.
Exceto para o impacto da variável do Planejamento sobre o Apoio Gerencial com coeficiente 0,482 ao nível de significância de 1%, os demais impactos não descartam a hipótese nula de que o coeficiente é estatisticamente igual à zero, portanto não sugerindo quaisquer influencia estatística das respectivas variáveis latentes sobre a variável Aplicação.
Neste caso o modelo I não está amparado por significância dos coeficientes que mensuram os impactos das variáveis latentes especificadas, principalmente quanto a variável aplicação sobre Satisfação. A Tabela 11 identifica os estimadores e suas significâncias dos fatores explicativos das variáveis latentes. Não se descarta a hipótese nula, que considera que os coeficientes dos fatores são iguais à zero para as variáveis latentes: Satisfação, Suporte e Aplicação. Os fatores das demais variáveis latentes apresentam significância de 1%, aceitando a hipótese nula que os estimadores são estatisticamente diferentes de zero, causando, portanto um efeito explicativo relevante.
Tabela 12 – Coeficiente dos fatores.
Fatores Variáveis Latentes Estimate S.E. C.R. P
Satisfação_1 <--- Satisfação 1
Satisfação_2 <--- Satisfação -46,508 2934,905 -0,016 0,987 Satisfação_3 <--- Satisfação -133,491 8422,333 -0,016 0,987 Questão 2.2 <--- Apoio Gerencial 1,424 0,489 2,913 0,004 Questão 2.3 <--- Apoio Gerencial 1,883 0,562 3,351 *** Questão 2.4 <--- Apoio Gerencial 1,94 0,547 3,547 *** Questão 2.5 <--- Apoio Gerencial 1,789 0,514 3,479 *** Questão 3.5 <--- Planejamento 1 Questão 3.4 <--- Planejamento 0,63 0,123 5,129 *** Questão 3.3 <--- Planejamento 0,598 0,127 4,693 *** Questão 3.2 <--- Planejamento 0,799 0,157 5,079 *** Questão 3.1 <--- Planejamento 0,79 0,173 4,567 *** Questão 5.1 <--- Inovação 1 Questão 5.2 <--- Inovação 1,761 0,415 4,244 *** Questão 5.3 <--- Inovação 1,482 0,361 4,099 *** Questão 5.4 <--- Inovação 0,931 0,245 3,802 *** Questão 4.3 <--- Suporte 1 Questão 4.2 <--- Suporte 3,523 1,802 1,955 0,051 Questão 4.1 <--- Suporte 24,831 49,541 0,501 0,616 Questão 6.5 <--- Aprendizagem contínua 1
Questão 6.4 <--- Aprendizagem contínua 0,851 0,098 8,655 *** Questão 6.3 <--- Aprendizagem contínua 0,705 0,125 5,621 *** Questão 6.2 <--- Aprendizagem contínua 0,944 0,103 9,135 *** Questão 6.1 <--- Aprendizagem contínua 0,431 0,131 3,291 0,001 Questão 7.1 <--- Autonomia 1 Questão 7.2 <--- Autonomia 1,068 0,272 3,925 *** Questão 7.3 <--- Autonomia 1,618 0,309 5,235 *** Questão 7.4 <--- Autonomia 1,538 0,289 5,315 *** Questão 7.5 <--- Autonomia 1,124 0,26 4,319 *** FAC3_1 <--- Aplicação 1 FAC2_1 <--- Aplicação 0,903 0,864 1,045 0,296 FAC1_1 <--- Aplicação 5,333 3,443 1,549 0,121
Questão 2.6 <--- Apoio Gerencial 1,837 0,54 3,4 *** Questão 2.1 <--- Apoio Gerencial 1
Figura 12 - Modelo I.
Fonte: Dados da pesquisa
O modelo II, que considera interações alternativa, parte do pressuposto que a Satisfação do cliente (variável latente explicada pelos fatores Sat 1 e Sat 2) é explicada por Aprendizagem Continua e Autonomia (Variáveis latentes explicadas pelos fatores Q 6.1 a Q 6.4 e Q 7.1 a Q 7.5). O impacto da aprendizagem continua e Autonomia na Satisfação do cliente é de 0,571 e -0,616 ao nível de 1% e 10%, demonstrando que quanto maior a cultura da aprendizagem continua maior será a satisfação do cliente. Contrariamente, o efeito da autonomia sobre a satisfação do cliente foi negativo, demonstrando que a satisfação do cliente será maior quanto menor for a autonomia, sugerindo que os ouvidores deverão se basear em procedimentos e regras preestabelecidas em primeiro plano.
Na sequência, o Modelo II sugere ainda que a variável latente Planejamento se relaciona positivamente, ao nível de 1% com a variável latente Inovação, oferecendo indícios que com ações planejadas e bem articuladas a equipe conduzirá os resultados para um processo sempre criativo e inovador. As demais variáveis latentes apresentam seus impactos ao nível de significância de 10% informando maior relevância do que o Modelo 1 que não apresentou significância para os impactos da maioria das variáveis.
Tabela 13 – Coeficiente das variáveis latentes.
Variável Dependente Variável Independente Estimate S.E. C.R. P
Inovação <--- Planejamento 1,097 0,245 4,481 *** Apoio Gerencial <--- Inovação 0,29 0,156 1,861 0,063 Autonomia <--- Apoio Gerencial 2,728 1,497 1,822 0,068 Satisfação <--- Aprendizagem
Contínua 0,571 0,223 2,564 0,01 Satisfação <--- Autonomia -0,616 0,326 -1,889 0,059 Fonte: Dados da pesquisa
Ademais, a Tabela 14, contendo os estimadores e significâncias dos fatores sobre as variáveis latentes, demonstra significância de 1% para todos os impactos, o que contribuído para um melhor efeito explicativo das variáveis que explicam a satisfação dos clientes, quando o modelo II é considerado.
Tabela 14 – Coeficiente dos fatores.
Fatores Variáveis Latentes Estimate S.E. C.R. P
Satisfação_1 <--- Satisfação 1
Satisfação_2 <--- Satisfação 0,877 0,318 2,754 0,006 Questão 2.3 <--- Apoio Gerencial 3,288 1,792 1,835 0,066 Questão 2.4 <--- Apoio Gerencial 2,436 1,35 1,805 0,071 Questão 2.5 <--- Apoio Gerencial 2,278 1,27 1,793 0,073 Questão 3.5 <--- Planejamento 1 Questão 3.4 <--- Planejamento 0,724 0,175 4,146 *** Questão 3.3 <--- Planejamento 0,745 0,183 4,062 *** Questão 3.2 <--- Planejamento 0,916 0,225 4,079 *** Questão 3.1 <--- Planejamento 0,835 0,235 3,562 *** Questão 5.1 <--- Inovação 1 Questão 5.2 <--- Inovação 1,061 0,19 5,583 *** Questão 5.3 <--- Inovação 0,829 0,177 4,69 *** Questão 5.4 <--- Inovação 0,706 0,128 5,503 *** Questão 6.5 <--- Aprendizagem Continua 1
Questão 6.4 <--- Aprendizagem Contínua 0,854 0,101 8,494 *** Questão 6.3 <--- Aprendizagem Contínua 0,744 0,132 5,636 *** Questão 6.2 <--- Aprendizagem Contínua 0,952 0,105 9,064 *** Questão 6.1 <--- Aprendizagem Contínua 0,485 0,141 3,433 ***
Questão 7.1 <--- Autonomia 1
Questão 7.2 <--- Autonomia 1,044 0,241 4,336 *** Questão 7.3 <--- Autonomia 1,406 0,269 5,222 *** Questão 7.4 <--- Autonomia 1,197 0,236 5,081 *** Questão 7.5 <--- Autonomia 1,021 0,238 4,292 *** Questão 2.6 <--- Apoio Gerencial 2,992 1,632 1,833 0,067 Questão 2.1 <--- Apoio Gerencial 1
Figura 13 - Modelo II.
Fonte: Dados da pesquisa
A tabela 15 informa o diagnóstico geral dos dois modelos é oferece subsídios relevantes para aceitar o Modelo II em detrimento do Modelo I, conforme veremos nos comentários dos parâmetros a seguir:
Tabela 15– Medidas de avaliação da qualidade de ajustamento do modelo.
Medida Recomendação Modelo 1 Modelo 2
ଶ Baixo 1504,613 973,333 dfp Alto 523 298 Valor p Alto 0,000 0,000 ଶ/ Baixo 2,76 3,26 GFI Superior a 0,9 0,470 0,503 AGFI Superior a 0,9 0,397 0,414 RMR Baixo 0,271 0,245 PGFI Alto 0,413 0,427 AIC Baixo 1648,613 1079,333 CAIC Baixo 1884,533 1252,997
Fonte: dados da pesquisa
O teste do Qui-quadrado se apresentou muito elevado, resultando no p-value praticamente nulo, conduzindo à rejeição da hipótese nula de igualdade das matrizes de covariâncias (amostral e estimada). Espera-se aceitar a hipótese nula, entretanto este teste isoladamente não representa uma medida adequada, porque é sensível ao tamanho da amostra.
Os valores dos parâmetros GFI e AGFI não alcançaram o patamar desejável de 0,9, mas se aproximaram deste valor para o modelo escolhido (2), o que sugere a qualidade de ajustamento absoluto do modelo aceitável. As medidas de ajustamento absoluto apresentaram valores melhores para o modelo II, do que para o modelo I, corroborando com a escolha do referido modelo.
Quanto às medidas de ajustamento parcimonioso, o modelo II apresenta-se mais parcimonioso do que o modelo I com valor mais alto para o Parcimony Goodness of Fit Index (PGFI) e mais baixo para o Akaike Information Criterion (AIC) e Consistent Akaike Information Criterion (CAIC), igualmente corroborando para a escolha do Modelo II.
O modelo II, escolhido a partir dos parâmetros de análise, informa quais fatores influenciam direta e indiretamente a satisfação dos clientes. O ponto de partida para melhoria da qualidade dos serviços é o treinamento para os ouvidores. Entretanto, outras ações e suportes têm importância para consecução de qualidade na prestação de serviço e a consequente satisfação do cliente, que é o principal objetivo desta articulação. O Modelo II constitui-se de parâmetros estatisticamente significativos e dão suporte para amparar a argumentação à cerca dos efeitos alcançados.
A princípio, conclui-se que diretamente a satisfação do cliente é explicada pela menor autonomia dos ouvidores e pela maior atenção que se reserva à aprendizagem contínua. O menor grau de autonomia relacionado ao maior nível de satisfação fundamenta-se ao fato que a ouvidoria deverá agir com menor caráter discricionário, buscando seguir procedimentos e manuais relacionados às boas práticas de atendimento. Um maior grau de atenção ao aprendizado contínuo relacionado a um maior nível de satisfação, diz respeito à preocupação da gestão em estabelecer uma cultura voltada para atração de novas ideias, melhorando processos, produtos e serviços e consequentemente a satisfação dos clientes. As demais variáveis têm uma participação indireta sobre a satisfação do cliente, mas desempenham papel explicativo para a variável autonomia, melhorando o poder global de explicação e desempenho do modelo.