La fin de l’ˆ age d’or pour le d´ eveloppement ouvert

Como os constructos e a construção das variáveis já foram testadas em trabalhos anteriores (KEH; FOO; LIM, 2002), esta dissertação parte do princípio da confirmação dos resultados, e não em explorar os dados via Análise Fatorial Exploratória. Assim, deve-se verificar o quanto a amostra adere ao modelo anteriormente proposto (com o uso da Análise Fatorial Confirmatória). Dessa forma, é possível comparar os resultados anteriores com o caso aqui estudado.

Para a utilização da análise fatorial, foram estabelecidos alguns indicadores de ajustes mínimos necessários. Tais ajustes são citados em Hair et al. (2009) como aqueles mínimos para que se possa agrupar determinadas variáveis em um fator.

Foram utilizados alguns critérios como: Carga fatorial > 0,70 (podendo aceitar até > 0,50), Variância Extraída superior à metade do número de questões, Comunalidade > 50%. Também se verificou a aderência e robustez pelo Alpha de Cronbach (esperado > 0,70). Os indicadores de ajuste do modelo são apresentados diretamente na MEE.

Ao todo foram testados 6 fatores. Destes, um deles possui apenas uma variável e, por isso, foi adicionada ao modelo como uma variável observada. Espera-se encontrar sempre constructos unidimensionais (um único fator), condição essa exigida para o uso das MEE.

Para que seja possível a compreensão e interpretação dos fatores estudados, optou-se por demonstrá-los graficamente e suas variáveis em forma de tabela. Estas tabelas contém a carga fatorial de cada questão, bem como os autovalores e a variância explicada (esperada acima de 0,50).

O primeiro dos fatores analisado foi a Percepção de Risco:

Gráfico 6 – Análise Fatorial da Percepção de Risco

Fonte: Dados da pesquisa.

Tabela T2 – Análise Fatorial da Percepção de Risco

Factor Loadings (Unrotated) (Spreadsheet Extraction: Principal components

(Marked loadings are >,700000) Variable Factor 1 Q1 Q2 Q3 Q4 Expl.Var Prp.Totl -0,800888 -0,789248 -0,822170 -0,620920 2,325838 0,581459

Fonte: Dados da pesquisa.

É possível observar pela Tabela T2 que os coeficientes das cargas fatoriais ficaram elevados, com carga fatorial acima de 0,70 que era uma condição mínima. Apenas um deles (Q4) ficou com um coeficiente de 0,62. Ainda assim a variável foi mantida por se tratar de um coeficiente aceitável.

O Alpha de Cronbach deste fator foi de 0,74, também acima dos valores mínimos exigidos. Não foi feita nenhuma rotação dos fatores. O método utilizado foi o de Componentes Principais. O autovalor superou a metade do número de questões (2,32) com uma variância explicada total de 58% (superior aos 50% esperados).

Com isso, é possível determinar que as questões apresentadas aos respondentes formam um fator, tratado doravante como Percepção de Risco. Para melhor operacionalizar este fator, foi feita uma escala somativa com as variáveis que compõem o fator PR.

A segunda análise fatorial foi com relação à Avaliação de Oportunidades.

Gráfico 7 – Análise Fatorial da Análise de Oportunidades

Fonte: Dados da pesquisa.

Tabela T3 – Análise Fatorial da Análise de Oportunidades

Fonte: Dados da pesquisa.

Para o fator Análise de Oportunidade, as variáveis utilizadas ficaram todas com cargas fatoriais acima dos 0,70 mínimos esperados. Com isso, preencheu todas as exigências necessárias. Os autovalores também ficaram acima de 1 e a variância extraída explica 74% da variância do fator, bastante acima dos 50% exigidos. O Alpha de Cronbach é de 83%, também acima dos 70% exigidos. Assim como em PR, uma escala somativa com as três questões foi formada para os testes necessários.

Factor Loadings (Unrotated) (Spreadsheet1 Extraction: Principal components

(Marked loadings are >,700000)

Variable Factor 1 AO1 AO2 AO3 Expl.Var Prp.Totl 0,898932 0,898329 0,784357 2,230289 0,743430

A terceira fatorial foi sobre a Lei dos Pequenos Números – LPN: Gráfico 8 – Análise Fatorial da Lei dos Pequenos Números

Fonte: Dados da pesquisa.

Tabela T4 – Análise Fatorial da Lei dos Pequenos Números

Factor Loadings (Unrotated) (Spreadsheet1 Extraction: Principal components

(Marked loadings are >,700000) Variable Factor 1 Factor 2 LPN1 LPN2 LPN3 Expl.Var Prp.Totl 0,808313 0,128851 0,804287 -0,161534 -0,026152 -0,985289 1,300932 1,013491 0,433644 0,337830

Fonte: Dados da pesquisa.

Diferente do que foi encontrado no fator AO anterior, no fator sobre a Lei dos Pequenos Números, a análise fatorial não encontrou unidimensionalidade. Conforme é possível observar na Tabela T4, a questão LPN3 possui carga fatorial próxima de zero para o Fator 1, e próxima a 1 no fator 2. Com isso, dado que a MEE exige unidimensionalidade dos constructos, optou-se por excluir a questão LPN3 do fator LPN. Feita a exclusão, os novos coeficientes de cargas fatoriais, autovalores e variância extraída estão apresentados a seguir:

Tabela T5 – Análise Fatorial da Lei dos Pequenos Números - Corrigida Factor Loadings (Unrotated) (Spreadsheet1

Extraction: Principal components (Marked loadings are >,700000)

Variable Factor 1 LPN1 LPN2 Expl.Var Prp.Totl 0,806467 0,806467 1,300777 0,650389 Fonte: Dados da pesquisa.

Feita a exclusão necessária, o autovalor acima de 1 e a variância extraída acima dos 50%, além das cargas fatoriais acima de 0,70, mostram que o fator pode ser representado pelas questões LPN1 e LPN2. Ainda assim, o uso de apenas duas variáveis como representativas de um fator pode acarretar em prejuízo de variância e explicação. Essa constatação pode ser confirmada pelo baixo valor do Alpha de Cronbach, de 46%, valor ligeiramente abaixo dos 0,70 esperados. Ainda assim, o fator foi mantido para os testes.

A quarta fatorial é a Ilusão de Controle – IC:

Gráfico 9 – Análise Fatorial da Ilusão de Controle

Tabela T6 ‒ Análise Fatorial da Ilusão de Controle Factor Loadings (Unrotated) (Spreadsheet1 Extraction: Principal components

(Marked loadings are >,700000) Variable Factor 1 IC1 IC2 IC3 Expl.Var Prp.Totl 0,806674 0,829826 0,485449 1,574995 0,524998

Fonte: Dados da pesquisa.

A análise fatorial do IC apresentou valores satisfatórios. Ainda que as variáveis IC1 e IC2 estejam altamente correlacionadas, com cargas fatoriais acima dos 0,70 esperados, a questão IC3 não apresentou valor próximo deste limite. Ainda assim, o autovalor do fator ficou acima de 1 e a variância extraída ficou acima dos 50% exigidos mínimos. O Alpha de Cronbach foi de 53%, abaixo dos 70% esperados. Não foram feitas alterações neste constructo, que permaneceu com as 3 variáveis iniciais para a formação da escala somativa.

A quinta fatorial é sobre a Falácia do Planejamento – FP

Gráfico 10 – Análise Fatorial da Falácia do Planejamento – FP

Tabela T7 ‒ Análise Fatorial da Falácia do Planejamento – FP Factor Loadings (Unrotated) (Spreadsheet1 Extraction: Principal components

(Marked loadings are >,700000)

Variable Factor 1 FP1 FP2 Expl.Var Prp.Totl 0,795271 0,795271 1,264913 0,632457 Fonte: Dados da pesquisa.

O fator da Falácia do Planejamento, representado pelo Gráfico 10, apresentou os valores das cargas fatoriais acima do 0,70 proposto inicialmente. O autovalor ficou acima de um e a variância extraída acima de 50%. Por se tratar de um fator com apenas duas variáveis, o fator pode ter sua limitação de variância e poder explicativo. Tal evidência aparece no Alpha de Cronbach, que ficou com 43%. Isso pode ser consequência do baixo número de questões, ainda que bem correlacionadas entre si. Ainda assim, não foram feitas alterações no fator FP.

A sexta análise fatorial, e última, é a da Propensão ao Risco:

Gráfico 11 – Análise Fatorial da Propensão ao Risco

Tabela T8 – Análise Fatorial da Propensão ao Risco Factor Loadings (Unrotated) (Spreadsheet2 Extraction: Principal components

(Marked loadings are >,700000) Variable Factor 1 PR O1 PR O3 Expl.Var Prp.Totl 0,781656 0,781656 1,221971 0,610985

Factor Loadings (Unrotated) (Spreadsheet2 Extraction: Principal components

(Marked loadings are >,700000) Variable Factor 1 PR O2 PR O4 PR O5 Expl.Var Prp.Totl -0,571618 -0,787475 0,713572 1,456048 0,485349

Para o fator da Propensão ao Risco, assim como já verificado em LPN, foram encontrados dois fatores (conforme apresentado NO Gráfico 11). Por não ser permitido em MEE o uso de multifatores, optou-se pela exclusão das variáveis que não estavam correlacionadas entre si. Assim, PRO2, PRO4 e PRO5 foram excluídas e mantidas apenas as questões PRO1 e PRO3. As cargas fatoriais ficaram acima dos 0,70.

Finalizadas as análises fatoriais, foram construídas as escalas somativas a partir das variáveis consideradas válidas e da ponderação pelas cargas fatoriais com a correlação entre as variáveis. Assim, é possível tratar o fator como um escore único por entrevistado e elaborar novos testes que possam contribuir nas análises. Abaixo, a matriz de correlação entre os fatores e as características pessoais dos entrevistados (q23 a q27, com as características como escolaridade, idade, gênero e tempo de empresa).

A partir da ideia de que a Avaliação de Oportunidades é a variável dependente de interesse desta dissertação, observa-se que nenhuma das demais variáveis possui correlação significativa a 5% com ela, exceto com Percepção de Risco. Outras correlações importantes podem ser observadas na Tabela T9.

Tabela T9 – Matriz de Correlação

Legenda: Fonte: Dados da pesquisa.

Valores positivos com asterisco representam significância a 5%.

Basicamente, a matriz de correlação valida algumas das hipóteses, mas essas análises serão demonstradas a seguir durante a MEE. Assim, terminada a análise fatorial e uma breve análise de correlação entre as variáveis, o próximo passo foi rodar o MEE.