Na avaliação das diversas hipóteses subjacente modelo ao estudo foram utilizados Modelos de Equações Estruturais (MEE) e modelos de Análise de Covariância Multivariada (MANCOVA).
3.7.2.1.Modelos de Equações Estruturais
Os MEE são uma família de modelos estatísticos que procuram explicar as relações entre múltiplas variáveis, sendo similar a um conjunto de equações de regressão múltipla, descrevendo todas as relações entre os construtos envolvidos na análise. Os MEE consistem numa combinação de duas técnicas de análise multivariada, a análise fatorial e a análise de regressão múltipla (Hair et al., 2010). Segundo Hair et al. (2010), para garantir que o modelo estrutural esteja especificado de forma correta e que os resultados sejam válidos é necessário seguir-se uma série de fases sistemáticas: (1) desenvolvimento de um modelo teórico; (2) elaboração de um diagrama de caminhos de relações causais; (3) conversão do diagrama de caminhos no conjunto de modelos estrutural e de medida; (4) escolha do tipo de matriz dos dados e do método de estimação do modelo proposto; (5) avaliação da identificação do modelo estrutural; (6) avaliação dos critérios de qualidade do ajustamento; e (7) interpretação do modelo e avaliação de potenciais modificações.
A fase da especificação dos modelos é das mais complexas dos MEE e envolve o uso de toda a teoria existente na literatura para fundamentar a especificação das relações de dependência, eventuais modificações ao modelo e outros aspetos da estimação dos
82
modelos. Segundo Marôco (2010a) é nesta fase que uma série de decisões devem ser tomadas: (1) que variáveis manifestas operacionalizam os construtos; (2) quais as relações causais entre variáveis latentes e/ou variáveis manifestas que devem ser incluídas/excluídas; e (3) que associações devem ser incluídas/omitidas do modelo.
O modelo teórico desenvolvido neste trabalho pode ser representado esquematicamente por um diagrama de trajetórias (path diagram). O diagrama de trajetórias é uma representação visual de um modelo e do conjunto de relações entre os seus construtos. As relações de dependência são representadas por setas, com a seta a originar da variável preditora e a indicar para o construto ou variável dependente.
Na Figura 4 encontra-se o modelo estrutural proposto, resultante das hipóteses alusivas aos construtos latentes desenvolvidas no presente capítulo. Neste modelo, cada relação de dependência representa uma hipótese entre construtos latentes:
H1 é representada pela relação direta entre os Aspetos físicos/ambientais e a Perceção de desenvolvimento local e regional originado pela implementação de parques eólicos;
H2 é representada pela relação direta entre os Aspetos contextuais e a Perceção de desenvolvimento local e regional originado pela implementação de parques eólicos;
H3 é representada pela relação direta entre os Aspetos pessoais e a Perceção de desenvolvimento local e regional originado pela implementação de parques eólicos;
H4 é representada pela relação direta entre os Aspetos locais e a Perceção de desenvolvimento local e regional originado pela implementação de parques eólicos;
H5 é representada pela relação direta entre os Aspetos sociais e a Perceção de desenvolvimento local e regional originado pela implementação de parques eólicos;
H6 é representada pela relação direta entre os Aspetos físicos/ambientais e o Apoio à implementação de parques eólicos;
H7 é representada pela relação direta entre os Aspetos contextuais e o Apoio à implementação de parques eólicos;
83
H8 é representada pela relação direta entre os Aspetos pessoais e o Apoio à implementação de parques eólicos;
H9 é representada pela relação direta entre os Aspetos locais e o Apoio à implementação de parques eólicos;
H10 é representada pela relação direta entre os Aspetos sociais e o Apoio à implementação de parques eólicos;
H13 é representada pela relação direta entre o Apoio à implementação de parques eólicos e a Perceção de desenvolvimento local e regional originado pela implementação de parques eólicos.
Figura 4 - Diagrama da trajetória do modelo proposto
Nota: AIPE – Apoio à implementação de parques eólicos; PDLR – Perceção de Desenvolvimento Local e Regional
84
Depois de especificado o modelo estrutural escolhem-se os métodos de estimação do modelo. O método de estimação utilizado foi o método dos mínimos quadrados parciais (Partial Least Squares - PLS), método atualmente bastante disseminado na área da gestão, e que tem como objetivo estimar o modelo de modo que o quadrado dos desvios entre os valores observados e estimados sejam mínimos (Dijkstra e Henseler, 2015; Hair et al., 2011, 2012a, 2014; Hulland, 1999). A utilização do PLS-SEM em alternativa aos SEM baseados em covariâncias (CB-SEM) deveu-se aos itens não seguirem a distribuição normal, uma assunção da distribuição dos dados em CB-SEM, e ser um estudo de base exploratória não existindo qualquer teoria estrutural existente (Hair et al., 2010, 2011, 2012b, 2014).
Uma vez que não existem medidas de bondade de ajustamento global adequadas para os modelos estimados com PLS (Partial Least Squares) como nas metodologias de equações estruturais baseadas nas covariâncias, os modelos estruturais estimados por PLS são avaliados através da análise dos valores do coeficiente de determinação (R2 superior a 25%) para os construtos endógenos e do valor da raiz quadrada média dos resíduos padronizados (SRMR) inferior a 0,08 (Bagozzi e Yi, 2011; Hair et al., 2011). Para avaliar construtos potencialmente geradores de multicolinearidade foram avaliadas os fatores de inflacionamento da variância (VIF inferior a 10).
Na estimação dos modelos estruturais, para determinação das estatísticas t e respetiva significância estatística, utilizaram-se 1000 réplicas de amostras compostas por 500 elementos.
3.7.2.2.Análise de covariância multivariada
Para avaliar as hipóteses referentes à influência dos fatores sociodemográficos no apoio à implementação de parques eólicos por parte da população residente (H11) e na perceção de desenvolvimento local e regional originado pela implementação de parques eólicos (H12) foi estimado um modelo MANCOVA.
A MANCOVA corresponde a aplicações dos procedimentos de regressão associado ao método da análise de variância (ANOVA), avaliando o impacto de um conjunto de
85
variáveis independentes categóricas e qualitativas num grupo de variáveis dependentes (Hair et al., 2010). Na MANCOVA estimada, em termos de variáveis independentes foram utilizadas as variáveis sexo, nível de escolaridade, ocupação e ser proprietário de algum terreno onde tenha sido instalado algum parque eólico, correspondentes às variáveis categóricas, e como covariável (variável quantitativa) a idade. As variáveis dependentes foram o apoio a implementação de parques eólicos por parte da população residente e a perceção de desenvolvimento local e regional originado pela implementação de parques eólicos. Esta modelização avalia os efeitos definidos teoricamente, fornecendo uma base objetiva para aceitar ou rejeitar as relações propostas das variáveis sociodemográficas no modelo concetual.
Quando a MANCOVA detetou efeitos estatisticamente significativos no conjunto dos construtos relativos ao apoio a implementação de parques eólicos por parte da população residente e à perceção de desenvolvimento local e regional originado pela implementação de parques eólicos, procedeu-se à análise de covariância univariada (ANCOVA) para cada um desses construtos, seguido do teste de comparações múltiplas LSD de Tuckey.
3.8.Considerações finais
Os principais aspetos metodológicos estão sistematizados na ficha técnica da investigação (Quadro 8).
86
Quadro 8 – Ficha técnica de investigação
População
Totalidade dos residentes nos municípios de Armamar, Castro Daire, Cinfães, Lamego, Moimenta da Beira, Penedono, Resende, São João da Pesqueira, Sernancelhe, Tabuaço, Tarouca e Vila Nova de Paiva Tamanho da amostra 601 inquéritos distribuídos; 601 respostas válidas (taxa
de resposta de 100%)
Inquiridos
Residentes nos municípios de Armamar, Castro Daire, Cinfães, Lamego, Moimenta da Beira, Penedono, Resende, São João da Pesqueira, Sernancelhe, Tabuaço, Tarouca e Vila Nova de Paiva
Modelo do questionário O questionário é constituído por questões fechadas, com utilização de escalas de Likert
Método de recolha da informação
Inquéritos administrados pessoalmente, com a colaboração de 12 inquiridores
Modelos estatísticos utilizados
Análise de frequências e Métodos Gráficos; Estatísticas Descritivas (Média e Desvio Padrão), Correlação de Pearson e de Spearman; Análise Fatorial Confirmatória; Análise de Modelos de Equações Estruturais; e Análise de Covariância Multivariada
Análise de dados IBM SPSS 22.0 e SmartPLS 3.2.0
Controlo de Qualidade
Em relação ao desenho do instrumento de recolha de dados, foi verificado o correto ajustamento entre os objetivos do estudo e os questionários, bem como identificadas as perguntas que respondiam a cada um dos objetivos. Foi igualmente feita uma revisão da consistência entre as perguntas e as categorias de resposta e da sequência lógica das respostas e dos filtros. Após a validação total do ficheiro informático, este ficou apto a ser tabulado e tratado com base em software concebido para o efeito (IBM SPSS 22.0 e SmartPLS 3.2.0).
87