Meyve Sayısı

MEE estima uma série de equações de regressão múltipla separadas, mas interdependentes, simultaneamente pela especificação do modelo teórico estrutural, que prevê quais são as relações de dependência das variáveis. Estas relações propostas no modelo teórico são traduzidas em uma série de equações estruturais, semelhantes às de regressão, para cada variável dependente (HAIR et al, 2005). No caso, como MEE estima diversas equações ao mesmo tempo, as variáveis dependentes em uma equação podem ser variáveis independentes em outras. Como salienta Schuler (1995), MEE tem a capacidade de averiguar as relações causais entre vários conjuntos de variáveis explicativas e explicadas.

Hair et al (2005) destacam que a teoria tem papel fundamental na MEE. Definem que a teoria é um conjunto sistemático de relações que fornecem uma explicação consistente e abrangente de um fenômeno e observam que ela não é exclusivamente domínio dos meios acadêmicos, mas pode ser radicada na experiência e na prática provenientes da observação empírica do mundo real. A MEE é um método confirmatório orientado muito mais pela teoria do que pelos resultados empíricos coletados.

Hair et al (2005) apresentam um processo de sete estágios para a realização de SEM, quais sejam: 1) desenvolvimento do modelo teórico; 2) construção de um diagrama de caminhos e relações causais; 3) conversão do diagrama de caminhos em um conjunto de modelos estrutural e de mensuração; 4) escolha do tipo de matriz de dados e estimação do modelo teórico; 5) avaliação da identificação do modelo estrutural; 6) avaliação dos ajustes e critérios de qualidade e; 7) interpretação e modificação do modelo fundamentada teoricamente. Etapas aceitavelmente semelhantes são encontradas em Kline (2005).

A proposição do modelo teórico e de diagrama de caminhos causais é o primeiro passo para MEE. Os diagramas de caminho na MEE são compostos por construtos, conceitos teóricos usados para definir as relações (representados no diagrama por um oval), por variáveis manifestas que servem para mensurar os construtos e por setas que representam o caminho causal. Os construtos podem ser exógenos (variáveis independentes), que não são previstos por outras variáveis no modelo, ou endógenos, que são previstos por um ou mais construtos. O diagrama que apresenta o modelo teórico da pesquisa está apresentado na Ilustração 28. No modelo teórico de pesquisa proposto, tem-se 26 variáveis manifestas e 5 construtos (variáveis

latentes). Destas variáveis latentes, duas são exógenas (qualidade da informação e qualidade do sistema) e as demais endógenas.

O modelo estrutural apresenta o conjunto de relações entre os construtos, enquanto o modelo de mensuração representa a relação entre os construtos com os seus indicadores. Silva (2006) aponta que o processo de modelagem está centrado em dois passos que envolvem estes dois sub-modelos: validação do modelo de mensuração e ajuste do modelo estrutural. Observa-se que, no modelo de mensuração, as setas causais vão no sentido das variáveis latentes para seus indicadores, e não ao contrário. Como observa Souza (2004), tal detalhe tem significado importante, pois indica que é a variável latente que causa os indicadores. Desta forma, para se trabalhar em MEE, é necessário que os indicadores sejam reflexivos, ou seja, que os construtos latentes se reflitam em seus indicadores.

A técnica de modelagem tem a habilidade de empregar múltiplas medidas de um conceito de maneira semelhante à Análise Fatorial. Isto é possível por meio de um modelo fatorial de segunda ordem, em que os fatores de primeira ordem estimados são sub-dimensões de um construto mais amplo de segunda ordem (HAIR et al, 2005). Neste caso, o construto de segunda ordem se torna exógeno e os fatores de primeira ordem endógenos. Diz-se, então, que os fatores de segunda ordem causam os fatores de primeira ordem. Os fatores de segunda ordem são completamente latentes, pois não identificadores que o mensuram de forma direta.

Após apresentar o modelo teórico e o diagrama de caminhos, é possível especificar o modelo em termos mais formais. Isto ocorre por meio do desenvolvimento de uma séria de equações que definem as conexões entre os construtos, do modelo de mensuração, que especifica quais as variáveis que medem as variáveis latentes e do conjunto de matrizes que indica as correlações teorizadas entre os construtos e variáveis.

Na MEE, o modelo de mensuração tem caráter confirmatório, onde o pesquisador especifica quais variáveis definem cada construto com base na teoria prévia. As variáveis manifestas coletadas são denominadas de indicadores. Ding et al (1995) sugerem que três é o número mínimo preferido de indicadores para representar cada construto, pois usar menos indicadores aumenta as chances de se conseguir soluções impraticáveis.

Uma vez tendo o modelo de mensuração especificado, deve-se analisar a confiabilidade dos indicadores em medir o construto. Pode-se realizar a confiabilidade empiricamente,

especificando a matriz de cargas junto com um termo de erro para os indicadores, ou por especificação do pesquisador.

O estágio seguinte pressupõe decisões quanto à escolha do tipo de matriz de entrada e de seleção dos procedimentos de estimação do modelo proposto. A estimação em MEE ocorre por meio das matrizes de correlação ou de variância-covariância de todos os indicadores usados no modelo. O modelo de mensuração especifica os indicadores dos construtos latentes e seus escores são utilizados no modelo estrutural.

Primeiramente na análise, deve-se verificar as suposições para a estimação de MEE. Suas premissas são: as observações devem ser independentes, a amostragem deve ser aleatória dos respondentes, deve haver linearidade de todas as relações, baixa curtose, variância constante e independência dos termos de erro e normalidade multivariada das variáveis. Devem ser observadas também quaisquer observações atípicas e transformadas as observações com dados perdidos, antes que os dados sejam convertidos para a forma matricial.

A escolha de qual matriz usar, a de variância-covariância ou a de correlação, é uma decisão que deve levar em conta os propósitos do uso da técnica. Como destaca Hair et al (2005), o uso da matriz de variância-covarância deve ser usado sempre quando um verdadeiro teste de teoria está sendo executado. O emprego da matriz de correlações é adequado quando o objetivo da pesquisa é apenas compreender o padrão de relações entre os construtos ou fazer comparações ao longo de diferentes variáveis. Se usada a matriz de correlação, deve-se delimitar o tipo de correlação a ser utilizada.

Assim que o tipo de entrada de dados é selecionado, deve-se especificar as técnicas e o procedimento de estimação que deve ser utilizado no modelo. Métodos disponíveis para MEE são: mínimos quadrados ordinários (OLS ou ULS), estimação de máxima verossimilhança (MLE), mínimos quadrados ponderados (WLS), mínimos quadrados generalizados (GLS), estimação assintoticamente livre de distribuição (ADF) e mínimos quadrados parciais (PLS). Hojo e Mingoti (2004) evidenciam que os métodos OLS, MLE e PLS são os mais usados em MEE. Quanto aos procedimentos de estimação, Hair et al (2005) apresentam quatro processos básicos: estimação direta, bootstrapping, simulação e jackknifing, sendo o mais comum o de estimação direta no qual o modelo é diretamente estimado sobre uma só amostra.

O estágio seguinte prevê uma avaliação da identificação do modelo. É necessário determinar os graus de liberdade e caso ocorram problemas, é preciso fazer um diagnóstico e aplicar ações corretivas sobre o modelo estrutural. O estágio seguinte já significa o primeiro passo na avaliação dos resultados. Primeiramente, os dados são examinados quanto à presença de estimativas transgressoras. Uma vez estabelecido que não existam estimativas transgressoras, deve-se avaliar o ajuste geral do modelo com uma ou mais medidas de qualidade de ajuste.

Em seguida à avaliação do ajuste geral, é necessário avaliar o modelo de mensuração, verificando quanto a unidimensionalidade e confiabilidade de cada construto. A análise de confiabilidade de mensuração do instrumento usado é avaliada a partir do uso do Alpha de Cronbach, e o valor de confiabilidade define a consistência entre os itens. De acordo com o critério sugerido por Nunnaly (1978), o valor de corte aceitável é de 0,7. Caso os valores estejam acima deste patamar será concluído que os indicadores do construto são confiáveis. Ainda em relação aos ajustes, é preciso examinar o ajuste geral do modelo que envolve a significância dos coeficientes estimados. Também é calculado o coeficiente geral de determinação (R2) para ser avaliado como uma medida da equação estrutural inteira. Este coeficiente oferece uma medida relativa de ajuste para cada equação estrutural.

Por fim, assim que se considera aceitável o modelo, é necessário realizar o exame dos resultados à luz da teoria proposta. Questões podem ser formuladas e pode haver ainda uma reespecificação do modelo com vistas à melhoria de ajuste ou correspondência com a teoria subjacente. Contudo, como destacam Hair et al (2005), modificações no modelo original somente devem ser feitas após reflexão e justificativa teórica.

Bido et al (2009) realizam uma revisão da literatura e apresentam considerações sugeridas

sobre as etapas em MEE. Os autores estabelecem uma proposta de 13 itens para avaliação da qualidade dos procedimentos metodológicos em trabalhos que utilizam MEE. O Quadro 16 apresenta os procedimentos de análise da MEE, a partir das considerações de avaliação presentes em Bido et al (2009) e dos estágios sugeridos em Hair et al (2005).

Quadro 16 – Etapas da Modelagem de Equações Estruturais Etapas (BIDO et al, 2005) Estágios (HAIR et al, 2005) Procedimentos 1- Justificativa 2- Especificação do Modelo Estrutural 3- Especificação do Modelo de Mensuração 1- Desenvolvimento do Modelo Teórico 2- Construção do Diagrama de Caminhos 3- Conversão do Diagrama de Caminhos

Avaliação da estratégia de modelagem e especificação do modelo teórico e as relações causais. Definição dos construtos e criação do diagrama de caminhos. Tradução do Diagrama em Equações Estruturais, especificação do modelo de mensuração de pesquis, determinação do número de indicadores dos construtos, confiabilidade e correlações entre variáveis.

4- Identificação do Modelo

5- Coleta de dados 6- Preparação dos Dados 7- Estimação do Modelo 8- Teste do Modelo Estrutural 9- Teste do Modelo de Mensuração 10- Teste do modelo Path Model 4- Escolha do tipo de matriz de entrada de dados 5- Avaliação da identificação do modelo 6- Avaliação das estimativas e qualidade de ajuste

Escolha da matriz de entrada e verificação das suposições em SEM. Avaliação do tamanho da amostra e seleção do método de estimação do modelo Determinação dos graus de liberdade para avaliar a identificação do modelo estrutural. Diagnose e ação corretiva de problemas de identificação. Identificação e correção de estimativas transgressoras e avaliação das medidas de ajuste geral do modelo estrutural, bem como o de mensuração. Interpretação do modelo, identificando mudanças potenciais

11- Modificação do Modelo 12- Validação do Modelo 13- Discussão dos resultados 7- Modificação do modelo

Reespecificação do modelo, caso se encontre justificativa teórica para as modificações indicadas no modelo. Caso não se encontre, estabelece-se o modelo final.