Análise de flexibilidade em economia da informação: modelagem de equações estruturais

Flexibility analysis in an information economy: structural equation modeling

Flexibility; economy of information; organization; structural equations; environmental dynamics

Análise de flexibilidade em economia da informação: modelagem de equações estruturais

Flexibility analysis in an information economy: structural equation modeling

Feruccio Bilich^I; Ricardo Da Silva^II; Paulo Ramos^I

^IUniversidade de Brasília, Brasília, DF, Brasil

^IICNPq, Brasília, DF, Brasil

^{Endereço para correspondência}

ABSTRACT

This paper analyzes the new concept of flexibility in organizations - of relevance both at micro and macro level. Information Economy (IE) modern function is specifically analyzed. The purpose of this paper is not limited to the study of information economy flexibility, but extends its focus to other areas of organization and economic studies, having as reference the proposed model. Although not covering all aspects regarding objectives and hypotheses, results obtained demonstrate that subsequent studies can lead to success experiences, since the models presented are: stability in relation to the deviations presented in the resulting equations; values that are very close to what is desirable for adjustment indexes, factorial loads, t-values, extracted variances and reliability; as well as other necessary aspects for the application of the technique. The approach focuses the analysis of information economy flexibility based on structural equations modeling to serve as reference for the development of adaptation phenomenon studies in relation to structures, strategies and organizational processes, against the environmental dynamics contemporary society is faced with.

Keywords: Flexibility; economy of information; organization; structural equations; environmental dynamics.

1. Introdução

Como forma de proporcionar alternativas para aplicações científicas do conteúdo exposto nesse trabalho, a indicação da técnica de modelagem de equações estruturais apresenta-se como possibilidade de aplicação no modelo teórico aqui desenvolvido. Esse trabalho procura estabelecer as bases teóricas para sua utilização, bem como indica as possibilidades de aplicação da modelagem de equações estruturais na abordagem do problema de pesquisa em micro e macro economia, tendo como base um roteiro sistematizado para sua aplicação em organizações.

Ao estabelecer como alternativa para a análise da flexibilidade em economia da informação (EI) a modelagem de equações estruturais, os procedimentos de análise descritiva e análise multivariada, denotam condição preliminar para sua aplicação. Essa técnica apresenta-se como uma forma de analisar um grupo de variáveis simultaneamente. Segundo Hair et al. (1998, p. 584) o modelo de equações estruturais provê um método direto para lidar simultaneamente com múltiplos relacionamentos de dependência com eficiência estatística, explorando-os de maneira aprofundada, gerando análises exploratórias e confirmatórias, e permitindo a representação de conceitos não observáveis nesses relacionamentos, verificando inclusive, possíveis erros de mensuração ocorridos durante o processo estatístico.

A modelagem de equações estruturais, também denominada de análise fatorial confirmatória ou análise de variáveis latentes, é considerada como uma técnica de análise multivariada, distinguindo-se das demais técnicas de mesma natureza, por estimar simultaneamente uma série de regressões múltiplas, de forma individualizada e, no entanto, interdependente, por intermédio da especificação de modelos estruturais.

De uma forma simplificada, essa técnica de modelagem utiliza-se de sistemas de equações estruturadas para analisar as relações de dependência entre variáveis que estão intercorrelacionadas e equações de mensuração para especificar como variáveis latentes ou não-observadas podem ser estimadas por meios das observáveis. A técnica ainda permite estabelecer relações gráficas entre variáveis observáveis e variáveis latentes, possibilitando, por intermédio desses diagramas, descrever as equações propostas para análise do modelo.

2. Arcabouço Teórico e Metodológico

De acordo com Hair et al. (1998, p. 592-616), a utilização da técnica de modelagem de equações estruturais pode ser estabelecida por intermédio da aplicação de sete estágios seqüenciais, de forma adaptada aos objetivos e hipóteses levantadas para esse estudo.

Estágio 1: desenvolvimento do modelo teórico - com base em relações causais, de modelo teórico, identificado na assunção de relações causais entre as variáveis selecionadas para a pesquisa em bases teóricas de relacionamento.

A técnica de modelagem de equações estruturais tem por finalidade, conforme Hair et al (1998), a confirmação de modelos, a avaliação de modelos concorrentes ou o desenvolvimento de novos modelos. A aplicação aqui sugerida, volta-se para o desenvolvimento de novos modelos, pela falta de base empírica referente ao modelo proposto.

Estágio 2: construção de diagramas de caminhos (path diagrams) das relações estabelecidas - expressão gráfica de causa e efeito estabelecidas no modelo teórico, de forma a permitir a visualização dos relacionamentos derivados dos construtos. Esse diagrama permite descrever as relações de causa e efeito identificadas nas relações entre variáveis dependentes - também chamadas de endógenas, e as variáveis independentes - também chamadas de exógenas, bem como verificar os relacionamentos entre os construtos.

Essas relações entre variáveis são representadas graficamente entre variáveis a partir da teoria - construtos, e os sinais indicadores dos relacionamentos - setas. Um modelo simplificado do diagrama de caminhos pode ser observado nas Figuras 3, 5, 7 e 9.

Estágio 3: conversão do diagrama de caminhos em modelo de mensuração e modelo estrutural - esse estágio consiste na formalização do modelo teórico, por intermédio do conjunto de equações propostas para a definição dos relacionamentos entre os construtos que compõem o modelo. A construção do modelo de mensuração tem por objetivo especificar os construtos a serem mensurados e suas variáveis relacionadas. Essa etapa envolve também a validação dos construtos, a partir da verificação de confiabilidade e significância entre as variáveis, por intermédio da análise fatorial confirmatória, que testará os relacionamentos entre as relações e entre os indicadores - também chamados de variáveis observáveis, e seus construtos - também chamados de variáveis latentes. O modelo estrutural permite a representação do diagrama de caminhos no conjunto de equações estruturais que representam as relações entre variáveis e construtos, definidas a partir do modelo de mensuração, indicando dessa forma, a modelagem estrutural a ser testada.

A partir desse modelo teórico proposto são estabelecidas as hipóteses a serem testadas na aplicação de sistemas de equações estruturais. Para tanto, as hipóteses foram formuladas em nível geral e específico, visando estabelecer respectivamente, as relações entre os construtos e as relações entre as dimensões que os integram, conforme indica a Figura 1.

As hipóteses gerais relacionam os construtos de influência ambiental, da capacidade de adaptação da configuração da flexibilidade no processo de EI, sendo descritas como:

• H01 - O ambiente não exerce influência direta sobre a capacidade de adaptação da configuração organizacional de EI;

• H02 - A capacidade de adaptação da configuração organizacional de EI não influencia a flexibilidade no processo;

• H03 - O ambiente não influencia a flexibilidade no processo de EI.

As hipóteses específicas relacionam as dimensões que compõem os construtos de influência ambiental, da capacidade de adaptação da configuração da flexibilidade no processo de EI.

As dimensões que compõem o construto da influência ambiental dividem-se em ambiente externo e ambiente interno, sendo integradas pelas variáveis descritas na Figura 2.

A configuração básica do modelo teórico pode ser observada no construto proposta na Figura 2.

Na proposição de hipóteses com base nessa dimensão, serão testadas relações com as dimensões do construto de capacidade de adaptação da configuração organizacional de EI, mais propriamente nas dimensões da estrutura, estratégia e cultura, sendo aquelas:

• H04 - O ambiente externo não exerce influência sobre o ambiente interno;

• H05 - O ambiente interno não influencia a flexibilidade da estrutura de EI;

• H06 - O ambiente externo não influencia a flexibilidade das estratégias de EI;

• H07 - O ambiente interno não influencia a flexibilidade das estratégias de EI;

• H08 - O ambiente interno não influencia a formação da cultura de flexibilidade em EI.

O construto da capacidade de adaptação da configuração organizacional de EI - composto pelas dimensões de estrutura, estratégia e cultura, apresenta-se em temos de formulação de hipóteses tendo como base às relações entre suas dimensões e as dimensões do construto de flexibilidade no processo de EI.

• H09 - A flexibilidade na estrutura de EI não influencia na flexibilidade estratégica;

• H010 - A cultura de flexibilidade em EI não influencia na flexibilidade estratégica;

• H011 - A flexibilidade estratégica de EI não influencia a flexibilidade do processo de planejamento;

• H012 - A flexibilidade estratégica de EI não influencia a flexibilidade do processo de análise.

As dimensões que compõem o construto da flexibilidade no processo de EI referem-se aos sub-processos de planejamento, coleta, análise e disseminação de informações, que integram o ciclo de economia da informação.

O sub-processo de planejamento com suas variáveis origina as seguintes hipóteses específicas:

• H013 - A flexibilidade no planejamento de EI não influencia na flexibilidade do processo de coleta de informações;

• H014 - A flexibilidade no planejamento de EI não influencia na flexibilidade do processo de análise de informações;

• H015 - A flexibilidade no planejamento de EI não influencia na flexibilidade do processo de disseminação de informações.

O sub-processo de coleta de informações com suas variáveis origina as seguintes hipóteses específicas:

• H016 - A flexibilidade na coleta de informações não influencia na flexibilidade do processo de análise de informações;

• H017 - A flexibilidade na coleta de informações não influencia na flexibilidade do processo de disseminação de informações.

O sub-processo de análise de informações com suas variáveis origina as seguintes hipóteses específicas:

• H018 - A flexibilidade na análise de informações não influencia na flexibilidade do processo de disseminação de informações;

• H019 - A flexibilidade na análise de informações não influencia na flexibilidade do processo de planejamento de EI;

• H020 - A flexibilidade na análise de informações não influencia na flexibilidade do processo de coleta de informações.

Dessa forma, o conjunto de hipóteses a serem testadas por intermédio da aplicação de técnicas de modelagem de equações estruturais pode ser descrito pelas hipóteses especificadas nesse item. No entanto, podem surgir no decorrer do processo de pré-teste, previsto como fase essencial de qualquer metodologia de pesquisa, outras hipóteses a serem testadas decorrentes diretamente da aplicação dessas técnicas.

Estágio 4: definição do tipo de matriz de entrada de dados e estimação do modelo estrutural proposto - estabelecimento da matriz de variância, covariância ou correlação a ser utilizada para a entrada de dados. Na definição dessa matriz é necessário considerar a análise do padrão de relacionamento entre perguntas e respostas, assim como considerar a técnica escolhida para a estimação do modelo estrutural. A técnica de maior utilização para a estimação consiste no Maximum Likelihood, indicado para casos em que a normalidade da distribuição é presumida e seu tamanho se apresenta em números de casos superiores a 100;

Estágio 5: verificação da identificação do modelo estrutural - esse estágio consiste na verificação da ocorrência de limitações explanatórias do modelo para gerar soluções únicas. Consiste na apuração de significância e lógica estatística do modelo, evitando-se problemas de estimação de parâmetros, com o desenvolvimento de análise fatorial confirmatória;

Estágio 6: avaliação dos critérios de ajuste do modelo - apresenta-se como a forma de definir a adequação e ajuste geral do modelo. Essa verificação consiste na observação das medidas de adequação absolutas - determinantes do grau de predição da matriz de variância, covariância ou correlação, pelo modelo estrutural; medidas de ajuste incremental - comparativo do modelo proposto em relação a um modelo único, gerado a partir das relações de estatística não paramétrica (qui-quadrado) e associados às covariâncias e correlações do construto, também chamado de modelo nulo; e as medidas de ajustes de parcimônia - identificador do ajuste do modelo em relação à proporção entre o número de equações estabelecidas e o número de variáveis não-sabidas existentes, também traduzido pelo termo overfitting. Os testes mais comumente utilizados no processo de avaliação do modelo, são: teste do qui-quadrado (X²), média padronizada da raiz quadrada dos resíduos (SRMSR), média quadrada dos erros de aproximação (RMSEA), normed fit index (NFI), nonnormed fit index (NNFI), comparative fit index (CFI), testes de significância - t ou z, e testes de confiabilidade - alpha de Cronbach (α), variância extraída e teste do coeficiente de determinação (R²);

A aplicação dos estágios 4, 5 e 6 indica a existência de condições necessárias em relação aos modelos de mensuração para realizar a avaliação do modelo estrutural, em relação a unidimensionalidade, a confiabilidade, a validade convergente e discriminante dos construtos expressos pelos modelos latentes.

A escolha da matriz de entrada de dados empregada para a aplicação da modelagem de equações estruturais pode recair sobre a matriz de covariância ou matriz de correlação, dependendo dos objetivos do pesquisador. No caso desse estudo, por haver comparações entre opiniões distintas entre a amostra, indicadas na análise de clusters, a matriz de covariância demonstra ser a mais indicada, conforme indica Hair et al.(1998).

Na definição das técnicas para estimação dos parâmetros, para definição do modelo de estimação, apresentam-se de maximum likelihood (ML) e normal theory generalized least square (GLS), que observam a necessidade da premissa de normalidade da distribuição e requerem o uso de variáveis métricas.

A verificação do nível de adequação para os modelos de mensuração propostos, pode ser realizada por intermédio das medidas de ajustamento que verificam a intensidade ou o grau em que o modelo prediz a matriz de covariância e possibilita a comparação com um modelo nulo. Os índices que permitem essas verificações podem ser subdivididos em índices de ajuste geral e índices de ajuste comparativos, e segundo Hair et al. (1998) podem ser assim explicitados:

Índices de Ajuste Geral

Quociente qui-quadrado/graus de liberdade - aponta as disparidades entre as matrizes estimadas e observadas, indicando, em valor absoluto, que as diferenças entre as matrizes serão menores quão menor for a relação entre graus qui-quadrado e graus de liberdade. São considerados valores absolutos abaixo de 5, observando a sensibilidade quanto ao tamanho da amostra;

Goodness of Fit - GFI - esse índice absoluto varia de zero a um e permite a comparação dos resíduos decorrentes das matrizes de dados. O zero é considerado um ajuste fraco, enquanto o um representa o ajuste ideal, sendo considerado aceitáveis índices superiores a 0,8.

Root Mean Square Error of Aproximation - RMSEA - utilizado para verificar a correção da tendência apresentada pelo qui-quadrado de se rejeitar o modelo a partir de grandes amostras. Tende a ser aceitável no intervalo de 0,05 a 0,08.

Índices de Ajuste Comparativo

Normed Fit Index - NFI - varia de zero a um, e pode ser considerado aceitável para valores superiores a 0,9. Caracteriza-se por ser uma medida de comparação entre o modelo proposto e o modelo nulo, representando um ajuste incremental;

Tucker-Lewis Index - TLI - apresenta uma medida de parcimônia entre os índices do modelo proposto e do modelo nulo. Varia de zero a um, com índice aceitável acima de 0,9.

Comparative Fit Index - CFI - compara de forma geral o modelo estimado e o modelo nulo, considerando valores mais próximos de um como indicadores de ajustamento satisfatório.

Após a verificação da adequação dos índices de ajustamento, verifica-se a avaliação do modelo de medidas, por intermédio da análise fatorial confirmatória, que consiste na verificação de cada construto, representado pela variável latente, a partir da análise da unidimensionalidade, confiabilidade, validade convergente e validade discriminante. Pode ser empregada como forma de verificar a validade dos construtos e avaliação de escalas de medidas.

A unidimensionalidade do construto é indicada pela capacidade que a variável latente possui de representar as variáveis observáveis que compõe o construto. A unidimensionalidade é constatada se os resíduos padronizados do construto se apresentam em valores abaixo de 2,58 a um nível de significância de 5%.

A confiabilidade indica o grau de consistência interna do construto ao verificar a capacidade de representar resultados coerentes para as variáveis observáveis em relação aos diferentes escores apresentados nas diversas medições obtidas para as respectivas variáveis. Essa verificação pode ser realizada por intermédio da confiabilidade composta e da variância extraída.

A validade do construto aponta a capacidade do instrumento de medida representar de maneira precisa o que se pretende mensurar. Na indicação Churchill (1999), a validade do construto relaciona a identificação entre os indicadores empíricos e os indicadores teóricos, levando em conta a validade convergente e a validade discriminante. A validade discriminante, de acordo com Garver e Mentzer (1999), pode ser verificada a partir dos t-values e das cargas fatoriais das variáveis observáveis, sendo considerados aceitáveis indicadores maiores que 0,05 ou t-values maiores ou iguais a 1,96. A validade discriminante é verificada pela comparação entre a variância extraída do construto e as variâncias compartilhadas, indicadas pelos quadrados dos coeficientes de correlação, com os outros construtos relacionados, ocorrendo validade discriminante quando as variâncias extraídas são maiores do que as variâncias compartilhadas.

Essas análises permitem verificar a adequação do modelo de mensuração e a partir de então, pode-se proceder à avaliação do modelo estrutural.

Estágio 7: interpretação e modificação do modelo - verificação e considerações finais sobre o modelo, comparando os resultados obtidos no desenvolvimento do modelo com os objetivos e hipóteses estabelecidas no estudo. Esse estágio deve verificar se os relacionamentos estabelecidos a partir da teoria foram comprovados estatisticamente, quanto à própria natureza do relacionamento e quanto à direção estabelecida. Podem ser ainda estabelecidos parâmetros para a reespecificação do modelo, com a inclusão ou exclusão de parâmetros estimados no modelo teórico original, se houver base teórica ou indícios que apontem de maneira incisiva para a determinação de modificação na teoria existente.

A avaliação das relações hipotetizadas no modelo estrutural é realizada a partir dos indicadores de ajustamento do modelo e da significância dos coeficientes de regressão verificados para cada equação estrutural, representados por valores de t-value superiores a 1,96 para um nível de significância de 0,05. Dessa forma, ocorrendo um enquadramento satisfatório desses índices confirma-se a validade preditiva do modelo.

Da mesma forma que as técnicas de análise multivariada, a modelagem de equações estruturais, apresenta algumas condições para sua aplicação que podem determinar o sucesso ou o insucesso de sua aplicação. Nota-se que todas as condições para aplicação de técnicas multivariadas aqui sugeridas (p. 93-96) também são aplicadas à modelagem de equações estruturais.

A base teórica também constitui condição representativa para o estabelecimento e avaliação dos modelos de mensuração e estrutural, uma vez que as relações entre variáveis observadas e latentes, que constituem o referencial desses modelos, devem ser testadas por intermédio das hipóteses estabelecidas. A base teórica estabelecida nesse estudo tem como referência o estudo da flexibilidade em nível organizacional, a partir do nível de análise macro, com foco nas organizações. Esse ponto de partida proporciona ao pesquisador os insumos básicos para o direcionamento e adequação da análise do fenômeno da flexibilidade com foco no processo de economia da informação.

Os conceitos de flexibilidade desenvolvidos nesse trabalho, referenciados nas ciências biológicas, jurídicas e econômicas, associados à proposta de estudo da flexibilidade organizacional de Volberda (1998) e a outras taxonomias conceituais, fornecem o referencial de onde é extraído o modelo teórico. Essas referências representam a flexibilidade como uma ação de resposta à dinâmica ambiental, que pode ser analisada a partir da avaliação da magnitude da mudança observada e da capacidade de adaptação do objeto da ação de flexibilização. Dessa forma, a compreensão da flexibilidade no processo de economia da informação proposta nesse estudo, se estabelece a partir da percepção das influências ambientais e da capacidade de adaptação observada em relação ao próprio processo, a estrutura existente, o comportamento estratégico adotado e a cultura existente em relação.

Dessa forma, as relações básicas para o desenvolvimento dos construtos foram estabelecidas a partir da relação entre a flexibilidade observada no processo, a magnitude das influências ambientais e da capacidade de adaptação.

Na observação inicial do modelo conceitual proposto para a análise da flexibilidade no processo de economia da informação, foram estabelecidas as principais dimensões que compõem os construtos para elaboração do modelo teórico a ser testado, em nível de hipóteses, no desenvolvimento da análise baseada em equações estruturais.

Outro aspecto que assume importância para a aplicação da modelagem de equações estruturais diz respeito ao tratamento dos dados.

O uso de técnicas de estatística descritiva e análise multivariada, devido aos processamentos computacionais avançados, o tamanho dos bancos de dados necessários para a aplicação dessas técnicas e a complexidade das análises envolvidas, exigem ao iniciar um estudo que envolva esse tipo de aplicação técnicas, os dados coletados, referentes a essa investigação, sejam adequados e ajustados, para que se verifiquem resultados efetivos em seu processamento e análise subseqüentes. Nesse sentido, Hair et al. (1998, p. 35-85), ressaltam como principal benefício do tratamento dos dados, os ganhos relativos à compreensão crítica e analítica dos dados, para o desenvolvimento das etapas posteriores da pesquisa envolvendo aspectos como: verificação de características desejáveis em relação à distribuição de dados amostrais, análise dos missing values, análise de outliers e análise dos aspectos relativos a análise multivariada, observando a sua normalidade, a homocedasticidade, a linearidade e a ausência de erros de correlação.

Outra indicação para o tratamento dos dados referentes à pesquisa é baseada nos estudos sobre Psicofísica de Stevens (1975), onde a relação entre estímulos e percepção é representada por uma função potência. A proposta do autor se configura a partir de base empírica consolidada e extenso referencial teórico bem como a respeito da percepção dos fenômenos físicos e psicológicos, por intermédio de escalas não lineares, representados conforme estabelece a Primeira Lei da Psicofísica (Stevens, 1975, p. 1-36). Nesse postulado são desenvolvidos métodos científicos diretos para a construção de escalas que permitem a mensuração de percepções baseadas nos estudos de Cramer (1728, apud. Stevens, 1975, p.4) - quanto ao desenvolvimento da relação entre estímulo e percepção ser baseada em uma função potência, e de Bernoulli (1738, apud. Stevens, 1975, p.5) - quanto ao desenvolvimento de funções logarítmicas, a partir da função potência, para explicar as relações entre estímulo e percepção. Portanto, a proposta desse estudo de mensurar percepções de especialistas a respeito do processo de economia da informação nas organizações sofre influência direta da Primeira Lei da Psicofísica, quando da mensuração das opiniões de especialistas em escalas representativas de suas percepções sobre os fenômenos observados.

Assim, ao lançar os dados coletados de fontes primárias, referentes às percepções de especialistas a respeito de fenômenos observados, as escalas intervalares propostas serão transformadas em escalas logarítmicas, com a finalidade de reduzir alguns desvios que a linearidade observada nas escalas inicialmente propostas para medição dos fenômenos possa causar durante o processamento e análise estatística dos dados.

Bilich (1978, p. 67), aponta a transformação das escalas lineares em escalas não lineares, mais especificamente em logarítmicas, como forma de reduzir a probabilidade de problemas em relação à distribuição amostral de dados da pesquisa, destacando-se para efeitos desse estudo, (1) a facilidade de especificação, (2) a elasticidade dos coeficientes das variáveis independentes e (2) a redução dos erros residuais, como por exemplo, em relação aos desvios, as variâncias e os demais coeficientes apontados visando auferir melhor performance aos modelos não lineares do que com a utilização de escalas lineares. Hair et al. (1998, p. 76-78) vão ao encontro das propostas de Bilich (1978, p. 67). Quando se referirem à transformação dos dados da distribuição amostral da pesquisa em escalas não lineares logaritmizadas visando reduzir ou eliminar problemas que poderiam influenciar as principais hipóteses estabelecidas para a realização da análise multivariada.

Ainda constitui premissa básica para modelagem, a verificação adequada do tamanho da amostra, pois seu sub-dimensionamento pode ocasionar desvios e inconsistência dos modelos de mensuração e estrutural.

O dimensionamento da amostra necessária leva a busca por indicações que referenciem a viabilidade e significância da pesquisa. Para reforçar essa necessidade Tabachnick e Fidell (1996, p. 640) recomendam que "o tamanho da amostra seja suficientemente grande para que as correlações sejam estimadas de maneira confiável", traduzindo dessa forma a relação entre o tamanho da amostra e as correlações entre a população e os indicadores observados nos fenômenos. Outra percepção representativa dessa relação entre amostra, população e indicadores do fenômeno estudado, é apresentada por Malhotra (2001), que indica que o tamanho amostral em uma razão de quatro a cinco vezes o número de variáveis presentes no estudo, com a finalidade de tornar seus resultados significativos. Hair et al (1998, p. 98), apresenta recomendação de que o tamanho da amostra indique pelo menos cinco vezes o número de variáveis estudadas, ressaltando que sua indicação de proporção ideal se apresente na razão de dez casos para cada variável estudada.

A apresentação de opções de intervalos de confiança a serem utilizados para a determinação da amostra encontra a determinação de seu índice específico na análise dos Erros Tipo I e Tipo II admitidos para a investigação. Segundo Bilich (2001, p. 39), ao referir-se às probabilidades de ocorrências desses erros considera que "há um risco de considerar H0 falsa quando ela é verdadeira, que é conhecido como erro Tipo I e se designa pela letra grega alfa. Um segundo tipo de erro que pode ocorrer é não rejeitar H0 quando ela é falsa, que é um erro Tipo II e se designa pela letra grega ß (beta)". Assim ao procurar um índice de erro amostral reduzido ou um intervalo de confiança mais elevado pode ocasionar reflexos na probabilidade de ocorrências de ? (alfa) ou ß (beta).

A indicação de Bilich (2001, p. 39) aponta para a busca da redução da probabilidade de se rejeitar erroneamente a hipótese proposta, selecionando-se valores críticos extremos - isto é, que deixam pequena área na(s) cauda(s) de uma distribuição.O autor ainda ressalta a relação inversa que existe entre o erro Tipo I e o erro Tipo II implicando em que "a redução da probabilidade de um erro Tipo I aumentará a probabilidade de um erro Tipo II. O ideal é minimizar o saldo do custo de um erro Tipo I versus um erro Tipo II, muito embora, na prática, seja costume escolher níveis tradicionais de erro Tipo I e ignorar os erros Tipo II".

Em vista dessas colocações, o dimensionamento da amostra adequado, indica o direcionamento para parâmetros mais conservadores quanto à metodologia de cálculo, apontando dessa maneira para o estabelecimento de um intervalo de confiança de 95% e para a previsão de erro amostral de 5%. Esses indicadores possibilitarão um maior equilíbrio na relação entre erro Tipo I e Tipo II, sem, no entanto auferir maiores prejuízos a significância do cálculo, possibilitando dessa forma a generalização dos resultados, em relação aos fenômenos estudos, para a população-alvo.

Ao observar as condições necessárias à aplicação de modelagem de equações estruturais e o as fases do roteiro proposto por Hair et al. (1998), o pesquisador terá referenciado a base teórico-empírica necessária para embasar o processo de aplicação da técnica na abordagem do modelo proposto para a análise da flexibilidade em economia da informação.

Na aplicação prática da modelagem de equações estruturais para o modelo proposto, a abordagem sugere a avaliação dos modelos de mensuração individualmente buscando verificar sua validade e consistência, e em seguida realizar a abordagem do modelo estrutural.

Nessa aplicação foi utilizado o software EQS 6.0 - Equation System, pela sua simplicidade e facilidade de representação gráfica dos modelos. Assim, a partir daqui serão representados os modelos de mensuração representativos das relações de interdependência entre as respectivas variáveis observadas e latentes que o compõe.

Construto da Influência Ambiental

Esse modelo de 2ª ordem retrata a influência do ambiental no processo de economia da informação, baseada na influência do ambiente externo e interno da organização, conforme representa o Quadro 1.

A representação gráfica, baseada no diagrama de caminhos permite estabelecer graficamente as relações entre variáveis observadas (V1 - V10) e latentes (F1 - F2), e ainda, entre as variáveis latentes de 1ª ordem (F1 - F2) e a variável latente de 2ª ordem (F10). A construção do diagrama de caminhos possibilita, por intermédio das setas indicadoras das relações entre as variáveis, estabelecer a influência e interdependência entre as mesmas, conforme indica a Figura 3.

Com base no diagrama de caminhos as equações, representativas das relações indicadas podem ser assim descritas:

V1 = + 1F1 + 1E1;

V2 = + *F1 + 1E2;

V3 = + *F1 + 1E3;

V4 = + *F1 + 1E4;

V5 = + *F1 + 1E5;

V6 = + 1F2 + 1E6;

V7 = + *F2 + 1E7;

V8 = + *F2 + 1E8;

V9 = + *F2 + 1E9;

V10 = + *F2 + 1E10;

F1 = + *F10 + 1D1;

F2 = + *F10 + 1D2;

Na avaliação dos índices ajustamento do construto da influência ambiental, verifica-se um índice relativo de ajustamento nos critérios adotados pelo EQS 6.0. Para essa avaliação, no entanto a verificação de melhores índices poderia ser ainda alcançada com reespecificações e com o desenvolvimento de modelos rivais. Os principais índices de ajustamento se apresentam da seguinte forma:

CHI-SQUARE = 210.009

DEGREES OF FREEDOM = 32

PROBABILITY VALUE FOR THE CHI-SQUARE STATISTIC IS .00000

BENTLER-BONETT NORMED FIT INDEX = .821

BENTLER-BONETT NON-NORMED FIT INDEX = .778

COMPARATIVE FIT INDEX (CFI) = .842

MCDONALD (MFI) FIT INDEX = .333

LISREL GFI FIT INDEX = .624

LISREL AGFI FIT INDEX = .353

ROOT MEAN-SQUARE RESIDUAL (RMR)= .031

ROOT MEAN-SQUARE ERROR OF APPROXIMATION (RMSEA) = .264

90% CONFIDENCE INTERVAL OF RMSEA ( .229, .296)

As cargas fatoriais, associadas aos t-values, indicam a relação de expressão da variável latente pelas variáveis observáveis, verificando-se a apresentação de cargas significativas em relação aos fatores que objetivam exprimir, retratando a validade convergente do modelo de mensuração, conforme indica o Quadro 2.

A representação do diagrama de caminhos, após a execução da programação estabelecida para as equações indica os índices calculados, conforme indica a Figura 4.

Construto da Capacidade de Adaptação da Configuração de Economia da informação

Esse modelo de 2ª ordem retrata a capacidade de adaptação da configuração de economia da informação, baseada na estrutura, na estratégia e na cultura de EI, conforme representa o Quadro 3.

A representação gráfica, baseada no diagrama de caminhos permite estabelecer graficamente as relações entre variáveis observadas (V11 - V28) e latentes (F3 - F4 - F5), e ainda, entre as variáveis latentes de 1ª ordem (F3 - F4 - F5) e a variável latente de 2ª ordem (F11). A construção do diagrama de caminhos possibilita, por intermédio das setas indicadoras das relações entre as variáveis, estabelecer a influência e interdependência entre as mesmas, conforme indica a Figura 5.

Com base no diagrama de caminhos as equações, representativas das relações indicadas podem ser assim descritas:

V11 = + 1F3 + 1E11;

V12 = + *F3 + 1E12;

V13 = + *F3 + 1E13;

V14 = + *F3 + 1E14;

V15 = + *F3 + 1E15;

V16 = + *F3 + 1E16;

V17 = + 1F4 + 1E17;

V18 = + *F4 + 1E18;

V19 = + *F4 + 1E19;

V20 = + *F4 + 1E20;

V21 = + *F4 + 1E21;

V22 = + *F4 + 1E22;

V23 = + 1F5 + 1E23;

V24 = + *F5 + 1E24;

V25 = + *F5 + 1E25;

V26 = + *F5 + 1E26;

V27 = + *F5 + 1E27;

V28 = + *F5 + 1E28;

F3 = + *F11 + 1D3;

F4 = + *F11 + 1D4;

F5 = + *F11 + 1D5;

Na avaliação dos índices ajustamento do construto da capacidade de adaptação da configuração de EI, verifica-se índices pouco adequados de ajustamento nos critérios adotados pelo EQS 6.0 para essa avaliação, sendo que os principais índices de ajustamento se apresentam da seguinte forma:

CHI-SQUARE = 415.499

DEGREES OF FREEDOM = 131

PROBABILITY VALUE FOR THE CHI-SQUARE STATISTIC IS .00000

BENTLER-BONETT NORMED FIT INDEX = .788

BENTLER-BONETT NON-NORMED FIT INDEX = .816

COMPARATIVE FIT INDEX (CFI) = .843

MCDONALD (MFI) FIT INDEX = .173

LISREL GFI FIT INDEX = .652

LISREL AGFI FIT INDEX = .545

ROOT MEAN-SQUARE RESIDUAL (RMR) = .019

STANDARDIZED RMR = .059

ROOT MEAN-SQUARE ERROR OF APPROXIMATION (RMSEA) = .165

90% CONFIDENCE INTERVAL OF RMSEA ( .146, .181)

As cargas fatoriais, associadas aos t-values, indicam a relação de expressão da variável latente pelas variáveis observáveis, verificando-se a apresentação de cargas significativas em relação aos fatores que objetivam exprimir, retratando a validade convergente do modelo de mensuração, conforme indica o Quadro 4.

A representação do diagrama de caminhos, após a execução da programação estabelecida para as equações indica os índices calculados, conforme indica a Figura 6.

Construto da Flexibilidade no Processo de EI

Esse modelo de 2ª ordem retrata a flexibilidade no processo de economia da informação, baseada na influência da flexibilidade nos sub-processos de planejamento, coleta, análise e disseminação de informações, conforme representa o Quadro 5.

A representação gráfica, baseada no diagrama de caminhos permite estabelecer graficamente as relações entre variáveis observadas (V29 - V67) e latentes (F6 - F7 - F8 - F9), e ainda, entre as variáveis latentes de 1ª ordem ((F6 - F7 - F8 - F9) e a variável latente de 2a ordem (F12). A construção do diagrama de caminhos possibilita, por intermédio das setas indicadoras das relações entre as variáveis, estabelecer a influência e interdependência entre as mesmas, conforme indica a Figura 7.

Com base no diagrama de caminhos as equações, representativas das relações indicadas podem ser assim descritas:

V29 = + 1F6 + 1E29;

V30 = + *F6 + 1E30;

V31 = + *F6 + 1E31;

V32 = + *F6 + 1E32;

V33 = + *F6 + 1E33;

V34 = + *F6 + 1E34;

V35 = + *F6 + 1E35;

V36 = + *F6 + 1E36;

V37 = + *F6 + 1E37;

V38 = + 1F7 + 1E38;

V39 = + *F7 + 1E39;

V40 = + *F7 + 1E40;

V41 = + *F7 + 1E41;

V42 = + *F7 + 1E42;

V43 = + *F7 + 1E43;

V44 = + *F7 + 1E44;

V45 = + *F7 + 1E45;

V46 = + *F7 + 1E46;

V47 = + *F7 + 1E47;

V48 = + 1F8 + 1E48;

V49 = + *F8 + 1E49;

V50 = + *F8 + 1E50;

V51 = + *F8 + 1E51;

V52 = + *F8 + 1E52;

V53 = + *F8 + 1E53;

V54 = + *F8 + 1E54;

V55 = + *F8 + 1E55;

V56 = + *F8 + 1E56;

V57 = + *F8 + 1E57;

V58 = + 1F9 + 1E58;

V59 = + *F9 + 1E59;

V60 = + *F9 + 1E60;

V61 = + *F9 + 1E61;

V62 = + *F9 + 1E62;

V63 = + *F9 + 1E63;

V64 = + *F9 + 1E64;

V65 = + *F9 + 1E65;

V66 = + *F9 + 1E66;

V67 = + *F9 + 1E67;

F6 = + *F12 + 1D6;

F7 = + *F12 + 1D7;

F8 = + *F12 + 1D8;

F9 = + *F12 + 1D9;

Na avaliação dos índices ajustamento do construto da capacidade de adaptação da configuração de EI, verifica-se índices pouco adequados de ajustamento nos critérios adotados pelo EQS 6.0 para essa avaliação, sendo que os principais índices de ajustamento se apresentam da seguinte forma:

CHI-SQUARE = 4433.151

DEGREES OF FREEDOM = 697

PROBABILITY VALUE FOR THE CHI-SQUARE STATISTIC IS .00000

BENTLER-BONETT NORMED FIT INDEX = .454

BENTLER-BONETT NON-NORMED FIT INDEX = .462

COMPARATIVE FIT INDEX (CFI) = .494

MCDONALD (MFI) FIT INDEX = .000

LISREL GFI FIT INDEX = .207

LISREL AGFI FIT INDEX = .113

ROOT MEAN-SQUARE RESIDUAL (RMR) = .030

STANDARDIZED RMR = .100

ROOT MEAN-SQUARE ERROR OF APPROXIMATION (RMSEA) = .259

90% CONFIDENCE INTERVAL OF RMSEA ( .250, .264)

As cargas fatoriais, associadas aos t-values, indicam a relação de expressão da variável latente pelas variáveis observáveis, verificando-se a apresentação de cargas significativas em relação aos fatores que objetivam exprimir, retratando a validade convergente do modelo de mensuração, conforme indica o Quadro 6.

A representação do diagrama de caminhos, após a execução da programação estabelecida para as equações indica os índices calculados, conforme indica a Figura 8.

Construto da Flexibilidade no Processo de EI

Esse modelo de 3ª ordem retrata a flexibilidade em economia da informação, baseada na influência ambiental, na capacidade de adaptação da configuração de EI e na da flexibilidade no processo de economia da informação, conforme representa o Quadro 7.

Com base no diagrama de caminhos as equações, representativas das relações indicadas podem ser assim descritas:

A representação gráfica, baseada no diagrama de caminhos permite estabelecer graficamente as relações entre variáveis observadas (V1 - V67) e latentes de 1ª ordem (F1 - F9), e ainda, entre as variáveis latentes de 2ª ordem (F10-F12) e a variável latente de 3ª ordem (F13), conforme indica a Figura 9.

3. Conclusão

O desenvolvimento de pesquisas científicas sobre atividades de economia da informação no Brasil apresenta-se de forma embrionária, no que diz respeito a sua aplicação no meio empresarial, representando a realidade da implementação da atividade no País. Os estudos sobre flexibilidade em processos organizacionais, também manifestam sua recência em relação ao desenvolvimento de modelos que possibilitem sua análise como fenômeno organizacional. A proposta desse estudo foi a de desenvolver uma base teórico-empírica que possibilite estabelecer referencial para o estudo da flexibilidade no processo de economia da informação, bem como possibilitar sua aplicação em pesquisas em nível organizacional e em nível de processos. Os resultados obtidos com a aplicação dessas técnicas, possibilitaram atingir os objetivos propostos nesse estudo, voltados para descrever as características de flexibilidade no estudo da economia da informação nas organizações, bem como, verificar as diferenças existentes entre essas características; determinar, verificar e avaliar como se apresentam as características de flexibilidade no processo e nos sub-processos de economia da informação nas organizações.

As conclusões obtidas a partir do survey realizado com especialistas em economia da informação, referem-se aos objetivos da pesquisa, ao modelo teórico estabelecido e a aplicação das técnicas de pesquisa. Quanto às recomendações, essas foram estabelecidas visando proporcionar, a partir do conhecimento e experiência gerados por esse estudo, indicações para sua aplicação no processo de economia da informação nas organizações, bem como em aplicações científicas e outras pesquisas que possam ser realizadas a respeito do tema. A problemática desse estudo consistiu em esquadrinhar o processo de economia da informação nas organizações, composto pelos sub-processos de planejamento, coleta, análise e disseminação de informações que subsidiem a tomada de decisões estratégicas em face das influências e da dinâmica ambiental, como forma de verificar como este se apresenta em relação às características de flexibilidade abordadas para elaboração das dimensões que o influenciam.

Os objetivos aqui propostos tencionam tornar o mais abrangente possível a abordagem dessa problemática, visando estabelecer as bases científicas para esse estudo, bem como contribuir em termos de base empírica para outros trabalhos científicos subseqüentes. Dessa forma, a aplicação de metodologias de pesquisa e as técnicas estatísticas aqui empregadas e o marco teórico estabelecido, possibilitaram atingir os objetivos, no que se refere a descrever as características de flexibilidade no estudo da economia da informação nas organizações, bem como verificar as diferenças existentes entre essas características; determinar, verificar e avaliar como se apresentam as características de flexibilidade no processo e sub-processos de economia da informação nas organizações.

A abordagem dos objetivos de descrição e de verificação das diferenças existentes entre as características de flexibilidade no estudo da economia da informação nas organizações, envolveu, além da dimensão da flexibilidade no processo de EI, as dimensões da influência ambiental e da capacidade de adaptação configuração de EI nas organizações. Nesse sentido, ao perceber as diferentes características de flexibilidade no processo propriamente dito, pode-se verificar as características do ambiente onde a atividade se desenvolve, bem como a configuração organizacional onde o processo efetiva-se.

Ao expor a possibilidade de aplicação da modelagem de equações estruturais para o estudo da flexibilidade em economia da informação, com base nos dados coletados na realização dessa pesquisa, observam-se alguns aspectos importantes para a definição de outros estudos referentes ao mesmo tema:

• A quantidade amostral influencia sobremaneira no estabelecimento dos modelos, uma vez que os índices apresentados poderiam ter performances mais significativas se as relações entre variáveis e casos se apresentassem de maneira mais ampla, contemplando uma relação de no mínimo 5 casos para cada variável;

• Os modelos de 3ª ordem necessitam de recursos computacionais específicos para executar os sistemas de equações dessa grandeza, envolvendo recursos gráficos e de programação.

Os resultados obtidos, embora não atinjam em todos os seus aspectos, os objetivos em relação às hipóteses demonstram que aprofundamentos subseqüentes podem resultar em experiências de sucesso, pois os modelos de mensuração apresentaram estabilidade em relação aos desvios apresentados nas equações resultantes, bem como valores bem próximos aos desejáveis para os índices de ajustamento, cargas fatoriais, t-values, variâncias extraídas e confiabilidade, bem como nos demais aspectos necessários à aplicação da técnica.

Dessa forma, estudos subseqüentes sobre flexibilidade em economia da informação podem extrair subsídios teóricos e práticos em relação a essa aplicação, como forma de embasar a construção de novos e diversos modelos sobre o estudo do tema.

Por outro lado, essa contribuição não se limita apenas ao estudo da flexibilidade no campo da economia da informação, como seu foco de podendo ser estendido para outras áreas dos estudos organizacionais, tendo como referência o modelo aqui proposto. A abordagem enfocada para a análise da flexibilidade em economia da informação baseada na modelagem de equações estruturais se dispõe a servir de referência para o desenvolvimento do estudo do fenômeno de adaptação em relação a estruturas, estratégias e processos organizacionais, em face da dinâmica ambiental que se apresenta na sociedade contemporânea.

A atividade de economia da informação no Brasil, embora esteja em fase de franca expansão com a adesão de organizações tanto ligadas a atividades governamentais, como a atividades ligadas à iniciativa privada, ainda se apresenta de forma embrionária em relação a estudos e pesquisas científicas voltadas para o desenvolvimento de conhecimentos e o aperfeiçoamento desse processo nas organizações.

A intenção que justifica a realização dessa pesquisa propõe-se a estabelecer referencial teórico-empírico para ampliar as bases de conhecimento existente sobre o tema. A possibilidade de contribuir para o desenvolvimento da atividade de EI e estar auxiliando o aprimoramento da competitividade entre as organizações na busca por melhores posicionamentos junto a seus mercados, elevando assim, de maneira direta ou indireta, a qualidade de seus produtos e serviços, retratam a relevância desse estudo no contexto organizacional.

Ricardo DaSilva

Msc., Administração, Universidade de Brasília, CNPq

E-mail: [e-mail]

Paulo Ramos

Msc., Administração, Universidade de Brasília

Empresa Brasileira de Correios e Telégrafos - ECT

E-mail: [e-mail]

Recebido em: 03/02/2006

Aprovado em: 02/06/2006

• BILICH, Feruccio. Dependence-Based Transportation Model. 1978.201p. PhD Dissertation - Wharton Doctoral Program, University of Pennsylvania. USA
• BILICH, Feruccio. Estatística Inferencial. UNB - Universidade de Brasília. Brasília: Março de 2001.
• CHURCHILL, Gilbert. Basic Marketing Research. Orlando: The Dryden Press, 2001.
• EVANS, Philip B.; WURSTER, Thomas S. A explosão dos bits: blown to bits. Rio de Janeiro: Campus, 2000.
• GARVER, M. S.; MENTZER J. T. Logistics Research Methods: Employing Structural Equation Modeling to test for Construct Validity. Journal of Business Logistics. V. 20, 1, p. 33-57, 1999.
• HAIR, Joseph F. Jr.; ANDERSON, Rolph E.; TATHAM, Ronald L.; BLACK, William C. Multivariate Data Analysis. New Jersey: Prentice Hall, 1998.
• LITAN, Robert E.; RIVLIN, Alice M. Projecting the economic impact of the Internet. The American Economic Review, v. 91, n. 2. p. 313-317, May 2001.
• MALHOTRA, Naresh K. Pesquisa de Marketing: Uma Orientação Aplicada. Porto Alegre: Bookman, 2001.
• SHAPIRO, Carl; VARIAN, Hal R. A economia da informação: como os princípios econômicos se aplicam a era da Internet. Rio de Janeiro : Campus, 1999.
• STEVENS, Stanley; STEVENS, Geraldine. Psychophysics: Introduction to Perceptual, Neural and Social Prospects. New York: J. Willey, 1975.
• TABACHNICK, Barbara; FIDELL, Linda. Using Multivariate Statistics. New York: Harper Collins, 1996.
• TAPSCOTT, Don; LOWY, Alex; TICOLL, David. Plano de ação para uma economia digital. São Paulo: Makron Books, 2000.
• VOLBERDA, Henk W. Building the Flexible Forms: How to Remain Competitive. New York: Oxford University Press, 1998.
• WOO, York Y.; HSU, Shu-Lu. Order processing cost reduction in a joint vendor-buyer inventory system via the application of information technology. The engineering economist, v. 45, n. 4, p.350-365, 2000.

Datas de Publicação

• Publicação nesta coleção
  21 Fev 2011
• Data do Fascículo
  2006

Histórico

• Aceito
  02 Jun 2006
• Recebido
  03 Fev 2006