A hipótese a ser testada neste estudo, conforme apresentado na seção de Introdução, é a de que o conjunto de competências organizacionais da firma e as condições do seu ambiente organizacional influenciam simultaneamente o seu posicionamento estratégico em dimensões estratégicas específicas, formando grupos estratégicos no setor farmacêutico, segmento de saúde humana.
Considerando o objetivo geral estabelecido para este trabalho, qual seja, contribuir para o entendimento da relação entre o ambiente organizacional e as competências organizacionais das firmas com o posicionamento estratégico adotado por elas, mensurando a intensidade destas relações a partir de um modelo que considera a influência simultânea destes dois fatores e admite a correlação entre ambiente e competências, a modelagem de equações estruturais (MEE) foi escolhida para o teste da hipótese acima.
Conforme Hair et al. (2007), a MEE pode ser distinguida por duas características: a estimação de múltiplas e inter-relacionadas relações de dependência e a habilidade de representar conceitos não observados nessas relações. A MEE estima uma série de equações de regressão múltipla separadas, mas interdependentes, simultaneamente, pela especificação do modelo estrutural, ou o conjunto de uma ou mais relações de dependência conectando os construtos hipotetizados do modelo de pesquisa. A MEE também tem a habilidade de incorporar variáveis latentes, ou seja, um conceito teorizado e não observado que pode apenas ser aproximado por variáveis observáveis ou mensuráveis.
Considerando as características da MEE acima, ela se mostra uma técnica adequada para o teste da hipótese desta pesquisa, a qual compreende a análise simultânea da relação entre múltiplas variáveis latentes (construtos grupos estratégicos, competências organizacionais e ambiente organizacional), sendo que a relação entre os diferentes construtos são direcionadas a partir de uma fundamentação teórica evidenciada no modelo estrutural apresentado na figura 5, inserida no início da seção 3.
Cabe ainda abordar a questão de indicação de causalidade entre as variáveis do modelo proposto, a qual, conforme definido por Hair et al. (2007), requer que exista um grau de correlação entre duas variáveis, de forma que uma variável ocorra antes da outra, ou seja, que uma variável seja claramente o resultado da outra, e não existam outra causas razoáveis para o resultado.
Ressalta-se que não se pretende, com a utilização da MEE como técnica para o teste da hipótese levantada neste estudo, identificar uma relação de causalidade entre as variáveis que formam o modelo estrutural, mas sim medir a influência, a força das relações presumidas entre variáveis do modelo estrutural, a partir do arcabouço conceitual apresentado neste trabalho.
Isto porque, conforme Denis e Legerski (2006) para que um modelo possa ser considerado de natureza causal, este deve atender a dois pressupostos. O primeiro pressuposto é o de que a direcionalidade de causa e efeito deve ser pensada hipoteticamente sem que métodos empíricos sejam usados para testá-las, ou seja, é fácil deduzir a direcionalidade da relação entre as variáveis idade e QI (coeficiente de inteligência), na qual é virtualmente impossível haver circunstâncias nas quais o QI determina a idade cronológica das pessoas. No entanto a relação de variáveis como a auto-estima e a relação entre mãe e filho na infância necessariamente devem ter a sua direcionalidade presumida por argumentos teóricos, suportados por resultados de pesquisas anteriores e, portanto podendo ser falseadas por novas descobertas. O segundo pressuposto é a suposição de que o sistema de variáveis que compõem o modelo devem efetivamente constituir uma realidade fechada, no sentido de que todas as variáveis causais devem ser identificadas.
Assim, considerando a complexidade das relações que envolvem as diferentes influências sobre a formação de estratégias nas empresas, as quais não podemos reproduzir em um experimento no qual tenhamos controle de todas variáveis, não é realista supor que o modelo proposto para esta pesquisa atenda aos pressupostos acima. Esta argumentação é corroborada por Shadish, Cook e Campbell (2002), que afirmam que as relações causais dizem respeito a controles metodológicos e não estatísticos sobre as variáveis de um estudo.
Pilati e Laros (2007), ainda trazem a argumentação de Bullock, Harlow e Mulaik (1994) para os quais, se há correlação por natureza entre os dados, nenhum método estatístico pode alterar esse delineamento e concluem que em estudos que utilizam MEE, a direção dos coeficientes de determinação estabelecidos pela perspectiva teórica do pesquisador, não significam que as relações impostas indiquem relação causal entre variáveis, mas sim uma relação preditiva ou de determinação. E é este o entendimento que temos do modelo estrutural proposto, no qual estão estabelecidas as relações entre os construtos competências organizacionais, ambiente organizacional e grupos estratégicos.
3.4.1.1 Método de Estimação dos Coeficientes
Conforme Zwicker, Souza e Bido (2008) há mais de um método de estimação dos coeficientes de mensuração e estruturais dos modelos. A técnica mais tradicional e utilizada é a da matriz de covariância (MEEBC). Por esta técnica, inicialmente é gerada uma matriz de covariância prevista com base nos parâmetros impostos pelo modelo. Em seguida por um processo interativo, os softwares que realizam este tipo de análise estimam os valores para todos os parâmetros do modelo de forma a minimizar as diferenças entre a matriz de covariâncias prevista pelo modelo e a matriz de covariâncias observada. A MEEBC fornece também medidas de ajuste geral do modelo que é obtida a partir das diferenças existentes entre a matriz de covariâncias observada e a matriz que pode ser predita a partir do modelo proposto. Por meio dessa medida, é possível avaliar se o modelo tem ou não ajuste aos dados empíricos.
Mas a MEEBC é um método de estimação que tem algumas exigências que podem restringir sua aplicação, como o tamanho da amostra (mínimo recomendado de 200 casos) e a normalidade multivariada das variáveis observadas (considerando a utilização do procedimento mais comum para estimação dos parâmetros do modelo, a máxima verossimilhança). Adicionalmente, para identificação dos parâmetros, idealmente o modelo deve ter de 3 a 4 indicadores por construto, é necessário impor restrições aos parâmetros e três problemas podem ocorrer: às vezes o modelo não converge, soluções impróprias e indeterminância fatorial (ZWICKER; SOUZA; BIDO, 2008; FORNELL; BOOLSTEIN, 1982).
Conforme Wetzels, Odekerken-Schroder e Oppen (2009), as restrições impostas pelo MEEBC podem ser evitadas ou minimizadas com o uso da MEEPLS, também é conhecida como MEE baseada em componentes. A MEEPLS é um método de estimação baseado no
estudo de um sistema de relações lineares entre variáveis latentes que é resolvido por partes (combinações de construtos teóricos e medidas), uma de cada vez, pelo uso de regressões interdependentes. O diagrama como um todo é repartido em blocos e uma estimativa inicial da variável latente é estabelecida de modo que os escores tenham variância unitária. A estimação pela MEEPLS gera automaticamente os valores para os escores fatoriais das variáveis latentes.
Devido à suas características, a MEEPLS é o método mais adequado para ser usada em estudos cujo modelo contém grande quantidade de indicadores, que inclua construtos formativos no arcabouço conceitual, cujos dados não satisfaçam o pressuposto da normalidade multivariada e devido às suas semelhanças com a análise de componentes principais, evita os problemas inerentes à estimação de variância negativa (WETZELS; ODEKERKEN-SCHRODER; OPPEN, 2009; LOHMÖLLER, 1988). Adicionalmente, ao contrário da MEEBC para a qual recomenda-se no mínimo uma amostra da ordem de 200 casos, a MEEPLS admite tamanho de amostras menores, que conforme Chin (1998) deve seguir a regra de 10 casos por preditor, considerando-se o bloco com maior número de indicadores (a maior equação de medição), ou a variável dependente com o maior número de variáveis independentes a impactando (a maior equação estrutural), sendo o mínimo recomendado entre 30 a 100 casos, conforme Zwicker, Souza e Bido (2008).
No Quadro 4, elaborado por Zwicker, Souza e Bido (2008), estão apresentadas as principais diferenças entre os dois métodos de estimação dos modelos em MEE.
Considerando as características descritas acima, e o objetivo exploratório e não confirmatório deste estudo, optou-se por utilizar a MEEPLS como método de estimação dos coeficientes de mensuração e estruturais do modelo de pesquisa deste estudo, ressalvando-se que a MEEPLS carece de uma medida global de ajuste do modelo aos dados empíricos, como o disponível na MEEBC. Dessa maneira, embora seja possível determinar em que grau as variáveis dependentes no modelo são previstas pelas variáveis independentes, não é possível avaliar se os dados obtidos corroboram ou não as suposições teóricas descritas no modelo (ZWICKER; SOUZA; BIDO, 2008).
Quadro 4 - Diferenças entre a MEEPLS e MEEBC