Vous êtes sur la page 1sur 26

Moderação, mediação, moderadora-mediadora e efeitos indiretos em modelagem de equações estruturais

Resumo: Os principais objetivos desse paper são discutir (1) o conceito de mediação, moderação, moderadora-mediadora e efeitos indiretos utilizando variáveis latentes; (2) fazer uso prático da mediação, da moderação e dos efeitos indiretos como opções de testes de hipóteses, demonstrando usuais comandos e aplicando num modelo proposto e (3) verificar o estado-da-arte brasileiro na pesquisa em marketing e comportamento do consumidor utilizando moderação/mediação. Os achados demonstraram que mediação, moderadora-mediadora, moderação e efeitos indiretos produzem resultados diferentes e não devem ser tratados como sinônimos. Os achados também aplicaram três modos de testar mediação, classificados: em análise passo-a-passo dos caminhos, diferença entre coeficientes e produto dos coeficientes. Por fim, o resultado da avaliação do estado-da-arte brasileiro de 668 artigos nacionais publicados em marketing demonstrou uma tímida utilização de tais procedimentos nos testes das hipóteses, ou seja, apenas 5%. Palavras-Chave: Mediação, Moderação, Efeitos Indiretos. Los principales objetivos de este documento están discutiendo (1) el concepto de mediación, la moderación, moderador y mediador de los efectos indirectos utilizando variables latentes, (2) hacer uso práctico de la mediación, moderación y efectos indirectos como las opciones sobre las pruebas de hipótesis, lo que demuestra habitual comandos y la aplicación de un modelo propuesto, y (3) comprobar el estado del arte en Brasil en busca de marketing y el comportamiento de los consumidores mediante la moderación y la mediación. Los resultados mostraron que la mediación, el mediador- moderador, la moderación y los efectos indirectos producen resultados diferentes y no deben ser tratados como sinónimos. Las conclusiones se aplican también tres maneras para poner a prueba la caída de mediación: en el análisis paso a paso los caminos, la diferencia entre los coeficientes y coeficientes del producto. Por último, la evaluación del estado del arte brasileño de 668 artículos publicados en la comercialización nacional mostró una modesta utilización de esos procedimientos en las pruebas de hipótesis, que es sólo el 5%.

Mediator, moderator, mediator-moderator and indirect effects in structural equation modeling

Abstract: The goals of this paper are (1) discuss the concepts of mediator, moderator, mediator- moderator and indirect effects using latent variables; (2) do practical use of mediator, moderator and

indirect effects as ways of hypothesis test, showing software commands and applying them in a suggested model; and (3) verify the Brazilian state-of-art papers produced in marketing and consumer behavior that used mediator/ moderator. The outcomes suggested that mediator, moderator, mediator-

moderator and indirect effects are concepts really different each other and should not be use as synonymous. The results also apply three ways of testing mediator, called path analysis, coefficients difference and coefficients product. In the end, 668 Brazilian papers were verified showing that just 5% of them used moderator/mediator tests. It is a very little percentage of the total.

Key-Words: Mediator, moderator, mediator-moderator and indirect effects

Introdução

Diversos estudos na literatura internacional analisam variáveis mediadoras, moderadoras e mediadora-moderadora nas relações causais. No campo da psicologia o teste de tais variáveis é muito freqüente, uma vez que diversos trabalhos já utilizaram, tais como Abrahams e Alf (1972), Baron e Kenny (1986), James e Brett (1984), Judd e Kenny (1981), Kenny e Judd (1984), Paul e Dick (1993) Ping (1996) e Preacher e Hayes (2004). Por exemplo, nos trabalhos do Journal of Consumer Research e Journal of Consumer Psychology aproximadamente 70% dos estudos utilizam análise de mediação (IACOBUCCI, SALDANHA e DENG, 2007). Contudo, nacionalmente no campo marketing e comportamento do consumidor o processo de avaliação de tais variáveis ainda carece de estudos. Devido a isso, existe um esforço da literatura para incentivar seus exames e distinguir definições de mediação versus moderação versus mediadora-moderadora versus efeitos indiretos (BATRA e STAYMAN, 1990; BARON e KENNY, 1986; JAMES e BRETT, 1984; CHATTOPADHYAY e BASU, 1990; MCKINNON et al., 2002). No emaranhado da escassa utilização de tais testes e da existência de confusão dos termos; complicações ainda mais sérias surgem. Em outras palavras, a aplicação dos testes pode ser mais complexa, porém melhor, com a utilização de variáveis latentes em modelagem de equações estruturais (Iacobucci, Saldanha e Deng, 2007), do que quando comparado com os testes de variáveis observáveis empregados em modelos de regressão, tais como é apresentado por Abbad e Torres (2002). Realmente observa-se que no Brasil o uso da modelagem de equações estruturais ainda é recente. Por exemplo, segundo Brei e Liberali (2004), numa revisão dos artigos de marketing da RAC, RAE, REAd, e EnANPAD nos últimos 10 anos, apenas 36 estudos utilizaram da modelagem estrutural. Neste sentido, Brei e Liberali (2004) detectaram que mesmo embora exista uma literatura internacional farta a respeito, os resultados da estimação dos modelos nacionais ainda são considerados pobres. Diante das circunstâncias apresentadas, torna-se necessário esclarecer a utilização de variáveis mediadoras/moderadoras/indiretas fazendo uso conjugado da modelagem de equações estruturais como ferramenta de estimação. Na verdade, o ponto de destaque da modelagem de equações estruturais é que ela introduz o conceito das variáveis latentes, gerando um tratamento diferenciado da usual ANOVA/MANOVA para testes de moderação e da usual análise de regressão para teste da mediação. Nesse sentido, os principais objetivos desse trabalho são (1) discutir o conceito de mediação, moderação e mediadora-moderadora, utilizando variáveis latentes; (2) discutir o conceito de efeitos indiretos entre variáveis, diferenciando de mediação; (3) fazer uso prático da mediação, da moderação e dos efeitos indiretos num modelo proposto e (4) verificar o estado-da-arte brasileiro na pesquisa em marketing utilizando moderação/mediação.

Justifica-se o trabalho, pois na literatura existe uma diferenciação entre mediação versus moderação versus efeito indireto. Logo, a utilização de sinônimos dessas palavras não deve ser empregado erroneamente pelos pesquisadores, uma vez que cada uma delas gera resultado diferente. Por exemplo, Vieira e Matos (2006) acreditam que existe um efeito mediador devido a evidências de de efeito indireto entre variáveis. Algo concluído errado pelos autores uma vez que para o efeito mediador ocorrer não se pode apenas analisar o efeito indireto. Santos e Fernandes (2004) também erraram em confundir moderação com mediação. Segundo, o trabalho é justificável por introduzir esses conceitos em conjunto com a modelagem de equações estruturais, ferramenta pouco utilizada no cenário nacional (BREI e LIBERALI, 2004), mas que tem grande confiabilidade em tais testes e se acredita ser melhor que modelos empregando regressão (IACOBUCCI, SALDANHA e DENG, 2007). Terceiro, um levantamento nacional feito por este artigo no estado-da-arte dos artigos científicos em marketing demonstrou uma “tímida” utilização da mediação/moderação, salientando ainda mais a carência de tais testes para o desenvolvimento do campo. Quarto, o trabalho se justifica por demonstrar na prática os procedimentos de mediação/moderação/efeitos indiretos num modelo proposto. Desse modo, o artigo está estruturado da seguinte forma. Na próxima etapa apresenta-se a fundamentação teórica que sustenta o modelo sugerido para teste da mediação, moderação e efeitos- indiretos (ver Figura 1). A segunda parte apresenta a medologia de pesquisa. A próxima etapa discute os conceitos de mediação, aplicando no modelo. A quarta parte realiza as conceitualizações das variáveis moderadoras, empregando o seu exame no modelo. Após isso, uma análise no estado-da-arte dos trabalhos em marketing é realizada. Por fim, considerações finais fazem a parte final do trabalho.

Fundamentação Teórica do Modelo Proposto

A relação entre qualidade e satisfação procede da Teoria do Paradigma da Desconformidade, sugerindo a percepção de qualidade como sendo uma das variáveis formadoras da satisfação (OLIVER, 1997). Nesse sentido, a idéia é que a qualidade percebida está relacionada aos atributos ou dimensões de características específicas de um produto ou serviço, antecedendo a satisfação do consumidor. Estudos de Zeithaml, Berry e Parasuraman (1996), Dick e Basu (1994) e Lee e Lee (1999) indicam que a qualidade percebida de um serviço é determinante da satisfação e que ela possui conseqüências potenciais para lealdade. Logo, a hipótese elaborada é H 1: A qualidade terá um impacto positivo na satisfação. A teoria em marketing sugere uma afinidade entre qualidade e valor, onde uma maior qualidade entregue pelo fornecedor e/ou percebida pelo consumidor gera uma maior valoração em relação aos gastos ocorridos, quer monetários ou não-monetários. Assim, a percepção da qualidade no varejista

aumentaria os benefícios tangíveis e intangíveis percebidos pelo consumidor. Alguns estudos comprovaram essa relação (ANDREASSEN e LINDSTAD, 1997; DODDS e MONROE, 1985; GREWAL, MONROE e KRISHNAN, 1998; LAPIERRE, FILIATRAULT e CHEBAT, 1999; WARRINGTON, 2002). Portanto, propõe-se que H 2 : A qualidade terá um impacto positivo no valor percebido. A base da hipótese de que satisfação impacta na lealdade está nos estudos que acreditam que a lealdade é um resultado da Cadeia da Qualidade-Satisfação-Lealdade (ANDERSON e SULLIVAN 1993; ANDERSON e MITTAL, 2000; RUST, ZAHORIK e KEININGHAM, 1995). Em outras palavras, a qualidade percebida afeta satisfação pelo fato do serviço ter uma performance superior ao esperado e, assim, a satisfação desencadeia intenções comportamentais, tais como: recomendar o fornecedor, comportamento de compra e preferência (indicadores da lealdade). Pesquisas empíricas indicam a satisfação como antecedente da lealdade (ANDERSON e SRINIVASAN, 2003; GUMMERUS et al., 2004; GUSTAFSSON, JOHNSON e ROSS, 2005; SHANKAR, SMITH e RANGASWAMY, 2003). Conseqüentemente, hipotetiza-se que H 3 : A satisfação com o varejista eletrônico terá um impacto positivo na lealdade. Investigações recomendam uma relação positiva e significativa entre satisfação e boca-a-boca. Pressupõe-se que o senso do consumidor de que o consumo preenche as necessidades, os desejos e os objetivos de forma positiva gere uma reação comportamental positiva (isto é boca-a-boca). Na prática, em uma amostra de 373 entrevistados na indústria varejista, Gonçalves et al., (2005) identificaram que os “resultados da pesquisa confirmaram a hipótese (H 11 ) de que há uma relação monotônica positiva da satisfação do cliente na comunicação boca-a-boca deste cliente ( = 0,63), estando também de acordo com a pesquisa de Hennig-Thurau, Gwinner e Gremler (2002)” (p.13). Em outro estudo com 811 doadores para organizações sem fins lucrativos, Machado et al., (2005) também encontraram uma relação positiva e significativa da satisfação sobre boca-boca. Logo, propõe-se que H 4 : Satisfação com o varejista eletrônico terá tem um impacto positivo na comunicação boca-a-boca. Valor percebido é a avaliação geral da utilidade do bem baseado nas percepções do que é recebido e do que é dado (ZEITHAML, 1988). Nas palavras de Parasuraman e Grewal (2000) “muitas das pesquisas acadêmicas têm dado foco no valor percebido primariamente na qualidade do produto

[

...

]

e não na qualidade do serviço [

...

]”

(p.169). Nesse contexto, o valor pela perspectiva da qualidade

de serviço tornar-se-ia um objeto de análise interessante no varejo eletrônico, como suposto antecedente da lealdade. Parasuraman e Grewal (2000) salientam que já é de “conhecimento da academia que valor é um determinante da lealdade” (p.168). Alguns estudos já verificaram a relação

significativa de valor como explicador da lealdade (BREI e ROSSI, 2005; SIRDESHMUKH, SINGH e SABOL, 2002). Em segundo plano, estudos evidenciam a associação entre valor e satisfação, pressupondo que a percepção custo-benefício lançado a um estado de satisfação (ANDREASSEN e LINDESTAD, 1997). Sendo assim, estabelecem-se as próximas hipóteses, descritas como: H 5 : O valor percebido com o varejista eletrônico terá um impacto positivo na lealdade. H 6 : O valor percebido com o varejista eletrônico terá um impacto positivo na satisfação. Dick e Basu (1994) sugerem um esquema conceitual para compreender a lealdade dos consumidores. O esquema é baseado nos modelos tradicionais que dividem os componentes da atitude em três categorias diferentes de antecedentes: Cognitivos (confiança, clareza, centralidade), Afetivos (emoções, afeto, satisfação) e Conativos (custo de troca, expectativas). Nessa estrutura, um dos conseqüentes do relacionamento de lealdade é o boca-a-boca. Em outras palavras, o consumidor estando leal a um varejista tende a recomendar o mesmo de forma positiva a outras pessoas. Essa idéia de relação foi testada e suportada pelo trabalho de Srinivasan, Anderson e Ponnavalu (2002). Nesse contexto, propõe-se que H 7 : A lealdade ao varejista eletrônico terá um impacto positivo no boca-a- boca.

Diante do apresentado, estrutura-se o modelo estrutura proposto. Ele é apresentado na figura 1, a qual todas variáveis são tratadas como variáveis latentes.

Figura 1: Modelo Teórico dos Antecedentes e Conseqüentes da Lealdade

Método de Pesquisa

Fonte: autores

Para testar as hipóteses do modelo foi realizada uma pesquisa descritiva do tipo survey (Malhotra, 2001), com coleta de dados pela Internet a partir de um questionário em HTML. O instrumento era auto-preenchível e atrelado a uma base de dados (SQL). Após a tradução reversa das escalas obtidas na literatura, foi realizado um pré-teste do questionário. No total, sete pesquisadores em marketing conhecidos dos autores avaliaram e criticaram a versão prévia do instrumento. Modificações foram sugeridas e implementadas na nova versão da escala. A amostra foi formada por pessoas que já compraram produtos/serviços no varejo eletrônico. Com relação ao tipo, a amostra foi por conveniência e bola-de-neve (Malhotra, 2001), totalizando 299 pessoas inicialmente e n = 220; pós-purificação para teste das hipóteses. Uma pergunta filtro excluía as pessoas que não compraram pela Internet, as quais poderiam não ter conhecimento no preenchimento das respostas.

A definição conceitual e operacional dos construtos utilizados no modelo são apresentadas na Tabela 1. As dimensões de qualidade da escala e-TailQ de Wolfinbarger e Gilly (2003) foram definidas como: Qualidade Cumprimento (3 variáveis; α = 0,66), Qualidade Design (9 variáveis; α = 0,89 ), Qualidade Serviço ao Consumidor (4 variáveis; α = 0,82) e Qualidade Segurança (4 variáveis; α = 0,93). Todos indicadores usaram escala tipo Likert de 7 pontos, variando de “Discordo Totalmente” a “Concordo Totalmente”.

Tabela 1: Definições operacionais e constitutivas dos construtos utilizados no modelo

Construto

 

Definição constitutiva

   

Definição operacional

 
   

Escala

de

Mathwick,

Malhotra

e

Rigdon

Valor

Percebido

Valor

é

a avaliação

geral da utilidade

de

um

serviço baseado nas percepções do que é

(2001) em uma variação de 7 pontos

(α

= 0,83)

recebido sobre o que é dado (ZEITHAML, 1988).

“Discordo Totalmente” Totalmente”. 7 itens.

até

“Concordo

Lealdade

Um profundo comprometimento para recomprar um produto ou serviço preferido de maneira consistente no futuro, causando uma compra repetida da mesma marca ou conjunto de marcas

p.392).

Escala baseada em Espartel, Rossi e Müller (2004), Gustaffson, Johnson e Ross (2005), Cyr et al., (2005) e Zeithaml et al., (1996).

(α

= 0,83)

 

apesar dos esforços de marketing para causar uma mudança de comportamento (OLIVER, 1997

Variação de 7 pontos “Discordo Totalmente” até “Concordo Totalmente”. 7 itens.

Satisfação

O

julgamento

de

avaliação

com

respeito

Instrumento baseado em Oliver (1980), Gummerus et al., (2004) e Szymanski e Hise

específico

da

experiência

de

compra

on-line,

(2000). Foi utilizada uma escala de 7 pontos,

(α

= 0,83)

Oliver (1997).

 

variando de “Pouco Satisfeito” até “Muito Satisfeito” . 5 itens.

Boca-a-

Uma comunicação oral, de pessoa a pessoa entre

Escalas de Gummerus et al., (2004), Zeithaml et al., (1996) e Srinivasan,

Boca (α

=

Anderson e Ponnavolu (2002). Variação de 7

0,88)

um emissor e o receptor (ARNDT, 1967, p.189).

pontos “Discordo Totalmente” até “Concordo Totalmente”. 5 Itens.

Teste das Hipóteses

Fonte: Autores

Após o processo de refinamento do instrumento, da análise de linearidade das variáveis, da multicolinearidade, dos outlies, dos missing values uni e multivariados, da homocedasticidade, unidimensionalidade (Hair et al., 1998), da média da variância extraída e confiabilidade composta (Fornell e Larcker, 1981), o modelo conceitual foi submetido ao teste das hipóteses com os indicadores remanescentes ao processo de purificação. De modo geral, a estimativa por máxima verossimilhança

apresentou ajustamentos de GFI = 0,83; IFI = 0,92; TLI = 0,91; CFI = 0,92; RMSEA = 0,07 e resíduos padronizados (< ±2,58) dentro da faixa de 5%. O resultado das hipóteses está na Tabela 2. Considerando que o teste de qui-quadrado ( 2 ) é influenciado pelo tamanho da amostra (n = 220), o qui-quadrado relativo sobre graus de liberdade (g.l.) é analisado. Foi encontrado um valor de 2,20; p <

0,000.

Tabela 2: Hipóteses do Modelo Proposto e Resultados

 

Relações

β Padr.

t-value

p-value

Qualidade

H 1

Satisfação

0,47

3,79

p<0,000

Qualidade

H 2

Valor

0,78

6,73

p<0,000

Satisfação

H 3

Lealdade

0,50

3,74

p<0,000

Satisfação

H 4

Boca-a-Boca

0,55

6,87

p<0,000

Valor

H 5

Lealdade

0,20

1,62

p>0,105

Valor

H 6

Satisfação

0,45

3,98

p<0,000

Lealdade

H 7

Boca-a-Boca

0,35

4,43

p<0,000

Fonte: autores; Nota. R 2 Valor = 0,61; Satisfação R 2 = 0,75; Lealdade R 2 = 0,46 e Boca-a-Boca R 2 = 0,69

A primeira hipótese previa uma associação entre qualidade e satisfação. Essa hipótese foi suportada (β = 0,47; p < 0,001). Isso indica que questões de privacidade, de segurança para o cliente, de serviço ao consumidor, de design visual e de confiabilidade refletem qualidade e esse último prediz diretamente a satisfação. A segunda hipótese pressupõe uma relação entre qualidade e valor. Os dados suportaram tal relação e apontam que quanto mais qualidade for percebida pelo cliente, mais positiva se torna a relação benefícios vs. custo (ANDREASSEN e LINDSTAD, 1997; DODDS e MONROE, 1985). Além do mais, notou-se um grande impacto do construto qualidade sobre valor (β = 0,78; p < 0,001). A terceira hipótese pressupõe uma relação entre satisfação e lealdade. Os dados corroboram tal relação e indicaram que quanto mais satisfeito o consumidor está com o varejista, maior será probabilidade de recompra no mesmo local (β = 0,50; p < 0,001). A próxima hipótese (H 4 ) relaciona satisfação com boca-a-boca. Nesse caso, os achados sugerem a existência de uma relação linear positiva entre esses dois construtos (β = 0,55; p < 0,001). A quinta hipótese associa valor com lealdade. Os resultados não confirmaram tal relação (p = NS). Esse resultado é diferente dos sugeridos pela literatura convencional (BREI e ROSSI, 2005; ESPARTEL, ROSSI e MÜLLER, 2004; SIRDESHMUKH, SINGH e SABOL, 2002). A sexta hipótese assume uma associação entre valor e satisfação. O impacto foi significativo, suportando a hipótese (β = 0,45; p < 0,001). Infere-se nesse caso que a percepção custo-benefício lançado na compra levaria a um estado de satisfação com o varejista. Outras pesquisas também encontraram os mesmos resultados (ANDREASSEN e LINDESTAD, 1997). A última hipótese acredita que lealdade com o varejista eletrônico tem um impacto positivo no boca-a- boca. As evidências demonstraram que o consumidor leal a um varejista tende a recomendar o mesmo

de forma positiva a outras pessoas (β = 0,35; p < 0,001). Em suma, após a verificação das hipóteses e dos ajustamentos do modelo teórico, parte-se para explicação e, posterior aplicação, dos conceitos de mediação, moderação e efeitos indiretos.

Variáveis Mediadoras

A definição de variáveis de mediação (daqui por diante leia-se Med) possui mais de 50 anos na literatura e não é recente. A sua conceitualização foi aprimorada por Rozeboom (1956) para construtos que tem relação linear. Assim, a definição de uma variável mediadora é: Med é uma mediadora da relação probabilística Y = f (X) se Med é uma função probabilística de X (isto é, Med = f [X]) e Y se é uma função probabilística de Med (isto é, Ŷ = f [Med]), onde X, Y e Med representam construtos diferentes. Observa-se que Med é dependente de X e que Y é dependente de Med num outro momento. Para Abbad e Torres (2002) “o conceito de mediação implica suposição de relacionamentos causais entre as variáveis envolvidas. Uma variável mediadora é aquela que, ao estar presente na equação de regressão, diminui a magnitude do relacionamento entre uma variável independente [VI] e uma variável dependente [IV]” (p.21). Portanto, uma variável pode ser considerada mediadora no momento em que ela influencia a relação entre VI → VD (McKINNON et al., 2002), de modo que sua inserção neutraliza ou reduz a força do impacto da variável indepentende sobre a dependente. Para melhor ilustrar a definição de uma variável mediadora deve-se verificar o relacionamento entre três variáveis hipotéticas, sendo uma delas a variável Med no relacionamento VI → DV. Nota-se que a relação existente entre VI → VD ou ficará enfraquecida na presença da variável Med ou poderá chegar a ser nula. Se o valor for nulo isso significa que a Med absorveu todo o efeito da VI sobre a DV, e assim, concluí-se que a Med “bloqueia” todo o efeito, anteriomente existente, da VI. Por vezes, esse processo é conhecido como mediação completa ou pura. Portanto, no caso de uma variável mediadora pura o relacionamento VI → VD deixa de existir na presença da variável Med. No conceito de mediação existem diversas maneiras de exame de tais variáveis. Na prática, McKinnon et al., (2002) fizeram um estudo de Monte-Carlo e compararam 14 métodos para testar a significância do efeito da variável mediadora numa relação. O objetivo foi checar qual dos métodos tem maior Poder Estatístico e, por outro lado, menor Erro Tipo I. Os 14 procedimentos podem ser agrupados em três grandes grupos, denominados: (a) a análise passo-a-passo dos caminhos, (b) a diferença entre coeficientes e (c) o produto dos coeficientes. A seguir são explicados e aplicados algumas variações desses três grupos no modelo sugerido pela Figura 1. Os resultados podem ser vistos na Tabela 3.

A Análise Passo-a-Passo dos Caminhos. A análise dos caminhos foi inicialmente sugerida por Judd e Kenny (1981). Posteriormente, o procedimento foi melhorado por Baron e Kenny (1986). O pressuposto é que quatro condições são sugeridas para a Med ocorrer por meio da análise dos caminhos: (1) a VI afeta significativamente a Med (relação a é ≠ 0 na Figura 2 lado esquerdo), (2) a VI afeta significativamente a variável dependente na falta da variável mediadora (relação c é ≠ 0 na Figura 2 lado direito, observando que a variável mediadora não foi utilizada nesse momento), (3) a mediadora tem um efeito significativo único sobre a VD (relação b é ≠ 0 na Figura 2 lado esquerdo, onde ce a são asseguradas constantes – controladas) e, por fim, (4) o efeito da VI sobre a VD (relação c) enfraquece no momento da adição da variável mediadora, não controlando a e b (Shrout e Bolger, 2006; 2002). Nesse momento, se qualquer uma das duas relações, VI → Med ou Med → VD não for significativa, deve-se concluir que não existe mediação (IACOBUCCI, SALDANHA e DENG, 2007).

Figura 2: Modelo da variável mediadora

Mediadora a (Sa) b (Sb) c' Variável Variável Independente Dependente
Mediadora
a (Sa)
b (Sb)
c'
Variável
Variável
Independente
Dependente
Variável
Variável

Independente

Variável Dependente
Variável
Dependente

c

Fonte: Autores adaptado de Baron e Kenny (1986) e Judd e Kenny (1981).

Diferença nos Coeficientes. Variáveis mediadoras podem ser avaliadas alternativamente pela comparação da relação entre a VI e a VD antes e depois dos ajustamentos que utilizaram a mediadora (McKinnon et al., 2002). Isso sugere uma análise da diferença entre os caminhos, nesse caso a diferença entre c cvista na Figura 2. Alguns autores que defendem a utilização da diferença nos coeficientes são Freedman e Schatzkin (1992) e Clogg, Petkova e Cheng (1995). Assim, um exemplo da diferença nos coeficientes pode ser vista na equação 1 de Freedman e Schatzkin (1992), sugerindo que ρ XI é a correlação entre a variável independente e a mediadora, σ τ , é o erro padrão da relação c, e σ τ é o erro padrão da relação c. A estimativa τ – τé dividida pelo erro padrão da equação 1. O valor é então calculado por meio da distribuição t (com N -1 graus de liberdade). Se o resultado for significativo então existe a mediação. A fórmula é:

=

Freedman-Schatzkin

' 2 2 2 + - 2 1 XI ' '
'
2
2
2
+
-
2
1
XI
'
'

(1)

Produto dos Coeficientes. Um terceiro grupo de teste do efeito da mediação é dividir a estimativa do efeito da mediadora pelo seu erro padrão e comparar esse valor com uma distribuição normal padronizada (McKinnon et al., 2002). Nesse sentido, existem diversos variações da fórmula, as quais são baseadas no erro padronizada. Baron e Kenny (1986) descrevem o procedimento do teste de Sobel (Sobel, 1982). Preacher e Hayes (2004) apresentam uma outra variação sendo o teste Aroian (AROIAN, 1944/1947). Primeiramente, no caso de uma simples mediação, o teste de Sobel é conduzido comparando a força do efeito indireto da variável independente sobre a dependente na qual a hipótese nula é que esse efeito é igual a zero. O efeito indireto da independente sobre a dependente é definido pelo produto de VI → Med (BARON e KENNY, 1986) caminho a na Figura 1; com Med → VD caminho b na Figura 1. Em muitas situações, o produto de a*b (Goodman, 1960) é igual a c c, onde c é o efeito da VI → VD não controlando Med.; e cé o caminho de VI → VD depois da adição da Med. Quando o efeito indireto, a*b, é igual ao efeito total, c, pode ser dito que a relação VI → VD é completamente mediada por Med. Nesse caso não existe efeito direto de IV → VD e do caminho c(Shrout e Bolger, 2002). O problema com o cálculo do efeito indireto criado por a*b é que ele é sujeito a erro. Os erros padronizados dos caminhos de a e de b são representados respectivamente por Sa e Sb (Figura 2 lado esquerdo). Para Preacher (2006) e Preacher e Hayes (2004), um dos pressupostos para o teste de Sobel é que a amostra seja grande, então que o valor crítico para uma distribuição bi-caudal, assumindo que a distribuição seja normal, é α = 0,05 ou acima de ± 1,96 na tabela do z-test (PREACHER, 2006). A fórmula é:

=

Sobel

ab 2 2 2 2 b s + a s a b
ab
2
2
2
2
b s
+
a s
a
b

(2)

Para achar o valor z o pesquisador deve dividir o valor de a*b pelo resultado da raiz quadrada. O valor z deve ser maior do que ±1,96 para rejeitar a hipótese de que o efeito é nulo. Um segundo tipo de teste, baseando no teste de Sobel, é o teste de Aroian, demonstrado na equação 3. A diferença está na inclusão da adição de mais um termo. Termo esse denominado como a multiplicação dos erros ao quadrado. O teste de Sobel e de Aroian foram os que tiveram melhor performance num estudo de monte carlo (MAcKINNON, WARSI, e DWYER, 1995) e por isso devem ser introduzidos na pesquisa em marketing como complemento a sugestão de Baron e Kenny (1986). A fórmula de Aroian é i :

=

Aroian

ab

Produto dos Coeficientes . Um terceiro grupo de teste do efeito da mediação é dividir a

2

b s

2

a

+

2

a s

  • 2 +

b

2

s s

a

  • 2 (3)

b

Após a explicação de alguns exemplos dos três grandes grupos de teste de mediação, os próximos parágrafos apresentam suas aplicações no modelo proposto da Figura 1. As cinco estruturas de mediação ponderadas por este artigo são: (1) qualidade → │lealdade │→ boca-a-boca; (2) qualidade → │valor│ → satisfação; (3) qualidade → │satisfação │→ boca-a-boca; (4) qualidade → │satisfação│ → lealdade; e (5) satisfação → │lealdade │→ boca-a-boca. Essas cinco estruturas foram avaliadas nas três condições de mediação apresentadas: (I) a análise passo-a-passo dos caminhos, (II) a diferença entre coeficientes e (III) o produto dos coeficientes. Nessas cinco estruturas, os quatro passos de mediação de Baron e Kenny (1986) são apresentados nas oito primeiras colunas da Tabela 3 (esquerda para direita). Nas colunas 9, 10 e 11 apresentam-se os outros testes. Assim, os três primeiros passos de Baron e Kenny (1986) estão apresentados no bloco “isolada”. A quarta condição é apresentada na análise de regressão “conjunta”, onde a variável mediadora e a variável independente são colocadas no modelo conjuntamente, sem que exista controle. O objetivo é identificar uma redução (ver beta padronizado) do impacto da variável independente sobre a variável dependente na existência da mediadora. Como exemplo, analisar-se-á a relação qualidade → │lealdade │→ boca-a-boca. Quando da relação entre a VI → VD sem a existência da mediadora; o impacto de qualidade boca-a-boca é de β = 0,73. Quando a relação entre a VI → VD possui a existência da mediadora (isto é: lealdade), o impacto de qualidade boca-a-boca cai, chegando a β = 0,50 (Δβ = 0,23). Portanto, na estrutura de Baron e Kenny (1986), indícios de mediação da lealdade na relação qualidade boca-a-boca existem. Interpretando os resultados, compreende-se que a qualidade afeta a intenção comportamental de boca- a-boca (β = 0,73), mas quando existe uma intenção de recompra do consumidor, a qualidade exerce um efeito menor no boca-a-boca (β = 0,50), sendo que lealdade absorve parte do impacto da qualidade. Por contra prova, aplicando os testes de Sobel, de Arovian e de Freedman e Schatzkin, nota-se que o valor dos dois primeiros é acima de ± 1,96; p < 0,05 e que o último é p < 0,001, sugerindo que o efeito indireto é realmente diferente de zero (ver Tabela 3). Portanto, esses resultados suportam o efeito de mediação.

Tabela 3: Hipóteses de Mediação do Modelo Proposto

Condição

Indep.

Depend.

β

β não

Erro p-value

Sobel Arovian

Freedman e

 

padr.

padr.

 

Schatzkin

 

Qualidade

Lealdade

0,69

0,96

0,16

0,000

48%

Isolada

Qualidade

Boca-a-boca

0,73

1,13

0,09

0,000

53%

Lealdade

Boca-a-Boca

0,70

0,82

0,09

0,000

49%

5,01

3,98

p<,0036**

Conjunta

Lealdade

Boca-a-Boca

0,52

0,55

0,09

0,000

54%

Qualidade

Boca-a-Boca

0,50

0,70

0,14

0,000

 

Qualidade

Valor

0,77

1,03

0,16

0,000

60%

Isolada

Valor

Satisfação

0,80

0,76

0,07

0,000

64%

Qualidade

Satisfação

0,81

0,95

0,13

0,000

63%

5,54

4,43

p<,0007***

Conjunta

Qualidade

Satisfação

0,47

0,49

0,10

0,000

64%

Valor

Satisfação

0,64

0,51

0,06

0,000

 

Qualidade

Satisfação

0,79

0,95

0,13

0,000

63%

Isolada

Satisfação

Boca-a-Boca

0,76

0,95

0,08

0,000

57%

Qualidade

Boca-a-Boca

0,73

1,13

0,09

0,000

53%

6,20

5,06

p<,0035**

Conjunta

Qualidade

Boca-a-Boca

0,51

0,51

0,14

0,000

53%

Satisfação

Boca-a-Boca

0,71

0,72

0,10

0,000

 

Qualidade

Lealdade

0,69

0,96

0,16

0,000

48%

Isolada

Qualidade

Satisfação

0,79

0,95

0,13

0,000

63%

Satisfação

Lealdade

0,65

0,70

0,08

0,000

42%

5,60

4,25

p<,0000***

Conjunta

Qualidade

Lealdade

0,41

0,54

0,14

0,000

40%

Satisfação

Lealdade

0,48

0,47

0,09

0,000

 

Satisfação

Boca-a-Boca

0,76

0,95

0,08

0,000

57%

Isolada

Lealdade

Boca-a-Boca

0,70

0,82

0,09

0,000

49%

Satisfação

Lealdade

0,65

0,71

0,08

0,000

42%

6,35

4,66

p<,0000***

Conjunta

Satisfação

Boca-a-Boca

0,62

0,68

0,08

0,000

58%

Lealdade

Boca-a-Boca

0,43

0,45

0,08

0,000

Fonte: Autores; Nota: *p<0,05; **p<0,01; p<0,001. Valores de Freedman e Schatzkin estão em p-value; Sobel e

Arovian estão como z-test, o qual acima de 1,96 significa p<0,05.

Efeitos Indiretos É importante clarificar um ponto de confusão na literatura. Embora os termos efeito mediado e efeito indireto sejam por vezes utilizados erroneamente como sinônimos (conforme fizeram Vieira e Matos 2006), uma importante diferenciação deve ser feita. O efeito mediado é geralmente um caso “especial” de um efeito indireto. Entretanto, uma conclusão é que um efeito mediado implica que o total de efeito (c na Figura 2) entre VI→ VD foi apresentado inicialmente (Preacher e Hayes, 2004) e depois reduzido (c), senão chegado a nulo. No caso do efeito indireto, o efeito total não é apresentado inicialmente, por isso esses dois modos são sutilmente diferentes. Além do mais, no efeito indireto a relação entre VI → VD pode possuir quando existe mais de um construto mediador entre duas variáveis. Por exemplo, o efeito indireto pode existir por meio de qualidade →│ satisfação │ → lealdade,

valor

qualidade →│ satisfação

valor

comprometimento

lealdade

│ → boca-boca, e/ou mesmo qualidade → │valor → satisfação│ →

lealdade. Por fim, uma terceira diferença dos conceitos está na possibilidade de encontrar que um efeito indireto é significativo mesmo quando não existe evidência para um efeito total significativo. Assim, se o efeito indireto também representa a mediação deveria ser julgado através do exame do efeito total. De acordo com o modelo proposto pela Figura 1, os efeitos indiretos calculados foram realizados. A Tabela 4 apresenta-os sugerindo que mesmo embora qualidade não esteja associada

diretamente nem com lealdade nem com boca-a-boca, ela possui um impacto indireto e significativo com lealdade.

Tabela 4: Efeitos Indiretos do modelo

Relações Indiretas

Beta Padr.

p-value

Qualidade

Lealdade

0,57

0,005

Qualidade

Boca-a-Boca

0,65

0,01

Valor

Boca-a-Boca

0,40

0,01

Fonte: autores

Usuários familiarizados com software AMOS© da SPSS® (ARBUCKLE, 1999) podem obter valores do efeito indireto através dos seguintes comandos. No menu clique em “propriedades de análise”, depois na guia “Bootstrap” clique em “executar bootstrap” e “percentil do intervalo de confiança”. Os efeitos indiretos e os seus respectivos p-values serão apresentados. Adicionalmente, no menu clique em “propriedades de análise”, na guia “saída” clique em “efeitos diretos, indiretos e totais”. Esse segundo comando também deve estar acionado para demonstrar os valores de beta e p- value.

Variáveis Moderadoras em Modelos Multi-Grupos Modelos multi-grupos possuem opções que classificam uma dada variável em dois ou mais grupos. Modelos multi-grupos são multi-grupos (KRÜLL e MAcKINNON, 1999) porque existem variáveis nominais (ou ordinais ou indicadoras – dummy) que os distinguem (ou não) ii . Por exemplo, sexo, renda, idade, cidade, tipo de produto comprado, etc. Nessa situação, o pesquisador está interessado em identificar como o modelo é ajustado nos diferentes grupos pré-estabelecidos e quais diferenças existem nos coeficientes de regressão dependendo do valor da moderadora. Baron e Kenny (1986) definem uma variável moderadora (daqui por diante Mod) como uma variável qualitativa ou quantitativa que afeta a direção e/ou força da relação entre VI → DV. Assim, se Y = f (X) e se Mod é a variável moderadora, então para diferentes valores de Mod (ex. Alto/baixo), a forma e/ou força e/ou sinal de Y = f (X) pode variar (SAUER e DICK, 1993). Nos modelos que utilizam as variáveis moderadoras o objetivo é verificar se uma relação entre VI → VD é reduzida, trazida a zero (sendo, p = NS), ou até mesmo invertida “+/-”, dada a utilização de uma terceira variável Mod.

Evidentemente, o pesquisador deve estar preocupado na maneira de mensuração das variáveis, VI e Mod, para exame de moderação. Os quatro casos propostos por Baron e Kenny (1986, p.1175) de mensuração das variáveis são: Caso 1 – uma variável independente e uma variável moderadora ambas

dicotômicas use a ANOVA/ANCOVA 2 X 2. Caso 2 – uma variável independente contínua e uma variável moderadora dicotômica sugere-se o caso de modelos multi-grupo. Caso 3 – uma variável independente dicotômica e uma variável moderadora contínua; sugere-se o caso de dicotomizar a moderadora e proceder como no caso 1. Caso 4 – uma variável independente contínua e uma variável moderadora contínua sugere o caso ou de dicotomizar a moderadora e proceder como no caso 2 ou fazer regressões utilizando interação entre variáveis (Kenny e Judd, 1984; Paul e Dick, 1993; Ping,

1996).

Sharma et al., (1981) definem uma tipologia quádrupla de variáveis moderadoras na qual elas se diferenciam no ponto que afetam a força da relação entre VI → VD e as que afetam a forma da relação entre essas. Tendo em vista tais circunstâncias, verifica-se inicialmente a correlação entre Mod ↔ VD e entre Mod ↔ IV, criando uma combinação 2 x 2. Os resultados dos tipos são: (1) variável moderadora interveniente ocorre quando Mod ↔ VD e Mod ↔ VI são ambas p = NS; (2) variável moderadora homologizer que afeta a força ocorre quando Mod ↔ VD (p = NS) e Mod ↔ VI (p < 0,05); (3) variável quasi-moderadora ocorre quando Mod ↔ VD (p < 0,05) e afeta a forma e Mod ↔ VI (p < 0,05); e (4) variável moderadora pura ocorre quando Mod ↔ VD (p = NS) e Mod ↔ VI (p < 0,05), afetando a força. Portanto, além de encontrar empiricamente a existência de uma variável moderadora, o pesquisador deve definir qual tipo ela é, auxiliando ainda mais na explicação teórica do comportamento entre variáveis na existência de uma terceira. Na modelagem de equações estruturais o processo de moderação é testado da seguinte forma:

Para variáveis com dois grupos. Estabelecem-se os dois grupos que serão avaliados (ver Figura 3). Estima-se o modelo totalmente livre (no equality constraints ou baseline) tomando nota dos

valores de χ² por graus de liberdade. Estima-se, num segundo momento, o modelo totalmente restrito (with constraints). Nesse segundo momento, para Byrne (2001) coloca-se os seguintes

valores de restrição nas setas de regressão (p1, p2, p3,

,

pn). Anota-se, do output do modelo

devem ser realizadas, liberando-se um caminho por vez do grupo (1, 2, 3) para verificar as diferenças dentro dos grupos.

As três variáveis moderadoras que fizeram parte da amostra desta pesquisa foram: sexo, quanto tempo foi realizada a última compra e renda mensal familiar. O modelo multi-grupo sexo não apresentou diferença significativa Δχ² = 9 (Δg.l. = 7; p = NS) entre o modelo baseline χ² = 1009 (g.l. = 530) e o restrito χ² = 1018 (g.l. = 537). O modelo multi-grupo da variável renda também não apresentou diferença significativa Δχ² = 20 (Δg.l. = 14; p = NS) entre o modelo livre χ² = 1427,4 (g.l. = 795) e o restrito χ² = 1447 (g.l. = 809). Por fim, o modelo multi-grupo de quanto tempo fez a última compra apresentou diferença significativa Δχ² = 60 (Δg.l. = 14; p < 0,000) entre o modelo baseline χ² = 1436,4 (g.l. = 795) e o restrito χ² = 1463,7 (g.l. = 809). Os três grupos eram assim definidos Grupo 1 com compras < 1 mês (f = 120; 54%); Grupo 2 com compras de 2 a 3 meses (f = 54; 25%); e Grupo 3 com compras > 4 meses (f = 46; 21%). Dado que existiu uma diferença significativa no modelo de “quanto tempo fez a última compra”, partiu-se para uma análise de qual(is) relação(ções) existia(m) a(s) diferença(s). Assim, liberou-se um caminho por vez para verificar as diferenças entre os modelos. Por exemplo, a relação entre satisfação e lealdade foi liberada, gerando um valor de χ² = 1451 (g.l. = 807). Esse valor quando comparado com o modelo restrito χ² = 1463,7 (g.l. = 809) sugerindo uma diferença de Δχ² = 12 (Δg.l. = 2; p < 0,002). Esses resultados indicam que existe uma diferença significativa entre os grupos na relação satisfação e lealdade (H 3 ). Na relação lealdade e boca-a-boca (H 7 ) também e verificou uma diferença significativa. Nesse bojo, explorar-se á tais relações. Ver valores na Tabela 5.

Tabela 5: Verificação dos caminhos do modelo restrito vs. baseline

 

Relações

Fixado χ² (g.l.)

Livre χ² (g.l.)

Δ χ² (g.l.);

Qualidade

→ H 1

Satisfação

1463 (809)

1463 (807)

0 (2); p = NS

Qualidade

→ H 2

Valor

1463 (809)

1462 (807)

1 (2); p = NS

Satisfação

→ H 3

Lealdade

1463 (809)

1451 (807)

12 (2); p<0,002

Satisfação

→ H 4

Boca-a-Boca

1463 (809)

1460 (807)

3 (2); p = NS

Valor

→ H 5

Lealdade

1463 (809)

1457 (807)

6 (2); p<0,049

Valor

→ H 6

Satisfação

1463 (809)

1463 (807)

0 (2); p = NS

Lealdade

→ H 7

Boca-a-Boca

1463 (809)

1463 (807)

0 (2); p = NS

Fonte: autores

O próximo passo é identificar em quais desses três grupos está a diferença. Como não fio encontrada uma relação significativa entre IV e DP no grupo 3, nota-se que a diferença está entre os grupos 1 e 2 (ver Tabela 6). Assim, infere-se que a satisfação tem um impacto maior na lealdade para grupos que compraram dentro de 2 a 3 meses (β = 0,38 vs. β = 0,91; Δβ = 0,53) do que grupos que compraram em < 1 mês. Salienta-se que em modelos multi-grupo, Kline (1998) comenta que “coeficientes não-padronizados deveriam ser comparados” (p.181). No segundo resultado, a relação entre valor e lealdade foi liberada, gerando um valor de χ² = 1457 (g.l. = 807). Esse valor quando comparado com o modelo restrito χ² = 1463,7 (g.l. = 809), sugere um Δχ² = 6 (Δg.l. = 2; p < 0,049). Esse resultado indica que existe uma diferença significativa dentre os grupos 1 vs. 2. Como o grupo 3 novamente não apresentou relação significativa, nota-se que a diferença está entre os grupos 1 (β = 0,25) e o grupo 2 (β = 0,51). Em outras palavras, o impacto de valor sobre lealdade é significativamente superior no grupo com maior tempo de realização da última compra. Logo, infere-se que a compra dentro de um período de 2 a 3 meses gera mais impacto do que que uma à curto prazo (<1 mês), uma vez que é suposto o cliente estar mais crítico ou ter experiências negativas mais salientes na memória no curto prazo.

Tabela 6: Valores dos coeficientes da análise multi-grupos

 

Relações

β Padr.

β Não-padr

p-value

Satisfação

Lealdade

Grupo 1

0,39

0,38

p<0,003

 

Grupo 2

0,65

0,91

p<0,000

Grupo 3

n.s.

n.s.

p = NS

Valor

Lealdade

Grupo 1

0,25

0,25

p<0,05

 

Grupo 2

0,49

0,51

p<0,001

Grupo 3

NS

NS

p = NS

 

Fonte: autores

 

Usuários familiarizados com software AMOS® da SPSS® podem obter valores de moderação através dos seguintes comandos. No menu clique em Model-Fit e em seguida em Manage Groups. Crie quantos grupos for necessário (clicando em new groups). Clique File, depois em Data Files; selecione o nome do arquivo da base de dados. Depois selecione a grouping variable (variável a qual vai ser dividida, por exemplo, sexo) e os group value correspondentes (e.g. masculino/feminino), por exemplo, ver Figura 3. No output do AMOS, após estimar o modelo, busque visualizar ao lado esquerdo da tela os coeficientes para cada grupo, clicando em cima dos mesmos (grupo number 1,

grupo number 2, etc.).

Figura 3: Opção de escolha de variável e grupo dentro na variável no AMOS

Fonte: software AMOS da SPSS Para “fixar/desfixar” as setas de regressão use duplo clique na seta

Fonte: software AMOS da SPSS

Para “fixar/desfixar” as setas de regressão use duplo clique na seta escolhida, aparecera object properties, vá na guia parameters e coloque um valor. Certifique-se se o fixar/desfixar no

regression weight para um grupo ou para all groups.

Variável Mediadora-Moderadora

Suponha uma relação linear no seguinte sentido qualidade → │valor│ → satisfação. No questionário, além das questões do tipo likert para mensurar qualidade, valor e satisfação; uma questão adicional deve mensurar valor dicotomicamente como alto/baixo (Ping, 1996). Assim, quando testando a mediação de valor na relação qualidade → │valor│ → satisfação, tem-se uma conclusão. Quando testando os coeficientes da relação qualidade sobre satisfação para o grupo de alto valor, e depois para o grupo baixo valor, tem-se a conclusão da relação de moderação. Sem os resultados da moderação e da mediação forem significativos é possível concluir que a variável valor é mediadora-moderadora na relação qualidade satisfação. Assim, o termo variável mediadora-moderadora é sugerido para modelos que denotem as relações de mediação como contingente do nível da moderadora (James e Brett, 1984), ou seja, depende dessa última.

Estado-da-Arte em Mediação/moderação

O artigo também buscou analisar os trabalhos brasileiros produzidos em marketing e que utilizaram os exames de mediação/moderação. O objetivo foi verificar o quanto dos trabalhos nacionais empregou esses sistemas de testes na busca de novas explicações teóricas para os resultados. Não foi verificado se o modo de teste da mediação/moderação pelos trabalhos nacionais publicados era o mesmo dos procedimentos discutidos e empregados por este artigo.

A título de ilustração, notou-se durante a revisão dos artigos que algumas pesquisas fizeram teste de moderação e confundiram erroneamente com mediação. Por exemplo, Santos e Fernandes

(2004, p.9-11) escreveu que “[

...

]

a hipótese

de mediação [

...

]

para

que

ela seja

testada [

...

]

se

segmentou dois grupos [

...

]”.

Os autores ainda complementam em outro ponto que “A hipótese de

moderação [

...

]

será testada [

...

por

meio] multi-grupo”. No artigo notou-se que apenas um teste foi

feito (moderação). Vieira e Matos (2004) tambem encontraram um efeito indireto e suporam, erroneamente, um efeito de mediação numa determinada relação. Por meio dessas evidências nota-se confusões de determinados autores em diferenciar mediação/moderação, justificando ainda mais um trabalho desta natureza. Nessas circunstâncias, a análise do estado-da-arte gerou uma freqüência dos estudos com indícios de mediação/moderação. Para tal investigação, foram analisados 668 estudos de marketing obtidos nas publicações acadêmicas brasileiras RAC (1997-2005), RAE (1994-2006), REAd (1995- 2006) e RAE-Eletrônica (2002-2006) e nos congressos da área de marketing EnANPAD (1997-2005) e EMA (2004-2006). Todos os 668 trabalhos foram analisados com relação ao seu conteúdo e verificação dos tais exames. Os resultados podem ser vistos na tabela 7. De modo geral, observa-se que o teste de mediação e moderação ao mesmo tempo (JAMES e BRETT, 1984) é pouco feita. Quanto a testes de mediação e moderação de modo isolado, notou-se que mais mediação (f = 16) foi feita. De modo geral, 31 artigos de um total de 668 trabalhos publicados utilizaram algumas das técnicas.

Tabela 7: Estado-da-arte em mediação/moderação nas publicações nacionais em marketing

 

REAd

RAC

RAE

RAE/Elec

EnANPAD

EMA

Total

Total de Artigos publicados

26

17

46

4

390

185

668

Mediação

0

0

0

0

11

5

16 (2,3%)

Moderação

0

1

0

1

5

7

14 (2%)

Mediação/Moderação

0

0

0

0

1

0

1 (0,001%)

papers utilizaram técnicas

0%

5%

0%

25%

4%

6%

31 (4,6%)

Considerações Finais

Fonte: Autores

Um dos fatores vantajosos da modelagem de equações estruturais é que ela introduz o conceito de variáveis latentes, gerando um tratamento diferenciado da (M)ANOVA para testes de moderação/interação e da análise de regressão para teste da mediação. Evidências empíricas mostram que a relização de tais testes com a modelagem de equações estruturais é melhor do que com o uso análise de regressão (IACOBUCCI, SALDANHA e DENG, 2007). Em paralelo ao emprego da modelagem de equações estruturais; no campo do marketing o processo de avaliação de variáveis

moderadoras, mediadoras e moderadora-mediadora carece de estudos. Devido a isso existe um esforço da literatura para distinguir as definições e usos de mediação vs. moderação vs. efeito indireto. Nessa linha de raciocínio, os principais objetivos que o artigo tentou preencher foram o de discutir o conceito de mediação, de moderação e de mediadora-moderadora, utilizando variáveis latentes; diferenciar o conceito de efeitos indiretos e mediação; fazer uso prático dessas opções e verificar o estado-da-arte na pesquisa em marketing, utilizando moderação/mediação. A principal contribuição científica do artigo foi a de clarificar os conceitos, fazendo uma revisão histórica desde seu início (aprox. 1945) até os tempos atuais e apresentando esquemas mais vantajosos ao tradicional modelo de Baron e Kenny (1986). Outra contribuição do artigo foi o de demonstrar na prática como se realiza tais exames, tendo como justificativa alguns trabalhos que fizeram confusão com os termos. Acredita-se que este trabalho gere um incentivo para leituras mais acuradas da teoria em marketing, visando criação das hipóteses de mediação/moderação em modelos. Espera-se que o artigo sirva como ferramenta para eventuais dúvida, explicando como fazer os exames. Por fim, o artigo contribui para o campo uma vez que lista uma série de referências ao leitor. Conclui-se que mediação, moderação, efeitos indiretos e variável moderadora-mediadora são conceitos totalmente diferentes, embora muito correlacionados. Durante o trabalho todo buscou apresentar as diferenças entre essas opções. Mediação é diminuir a magnitude do relacionamento entre uma VI e uma DV, devido a uma terceira variável – em alguns casos a diminuição chega-se a zero. Nessa circunstância, três grandes conjuntos de testes foram apresentados para aumentar ainda mais a confiabilidade do exame de mediação. Moderação, por sua vez, é diferente de mediação e quatro tipos são possíveis, baseando na intensidade da transformação relação (ou força ou forma). Isso devido a correlação entre Mod com a VI e DV. Efeito indireto pode englobar mais de uma variável no meio da relação entre VI e DV. Outra conclusão do artigo é que o teste de mediação/moderação carece de maiores estudos. Nesse bojo, dos diversos trabalhos publicados nacionalmente em marketing apenas 5% fizeram tais ponderações. É importante também verificar que existem diferenças tanto conceituais, como de resultados entre moderação vs. mediação vs. efeito indireto. Assim, pesquisadores devem tomar cautela na utilização dos termos. Em suma, autores devem estar balizados fundamentalmente no que a teoria sugere previamente de moderação/mediação (IACOBUCCI, SALDANHA e DENG, 2007), ou seja, quais argumentos teóricos indicam que uma variável pode afetar a forma da relação entre outras duas. Dado que a construção de uma relação linear se baseia principalmente nos argumentos teóricos, no caso da mediação/moderação também ocorre o mesmo, ou seja, é essencial explicar as bases teóricas e o potencial explicador de variáveis desse tipo.

Referências ABBAD, G., TORRES, C.V. Regressão múltipla stepwise e hierárquica em psicologia organizacional:

aplicações, problemas e soluções. Estudos em Psicologia Natal, v.7, p.19-29, 2002. ABRAHAMS, N.M., ALF, E. Jr. Pratfalls in moderator research. Journal of Applied Psychology, v.56 n.2, 245-251, 1972. ANDERSON, E.W., MITTAL, N. Strengthening the satisfaction profit chain. Journal of Service Research, v.3 n.2, 107-120, 2000. ANDERSON, E.W., SULLIVAN, M.W. The antecedents and consequences of customer satisfaction for firms. Marketing Science, v.12 n.2, p.125-143, 1993. ANDREASSEN, T.W., LINDESTAD, B. Customer loyalty and complex services: the impact of corporate image on quality, customer satisfaction and loyalty for customer with varying degrees of service expertise. International Journal of Service Industry Management, v.9, n.1, p.07-23, 1997. ARBUCKLE, J. AMOS 4.0 User guide. [computer software]. Chicago: SmallWaters Corp, 1999. ARNDT, J. Role of product-related conversation in the diffusion of a new product. Journal of Marketing Research, v.1, n.4, p.291-295, 1967. AROIAN, L. A. The probability function of the product of two normally distributed variables. Annals of Mathematical Statistics, v.18, p.265-271, 1944/1947. BARON, R.M., KENNY, D.A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations, Journal of Personality and Social Psychology, v.51, n.6, p.1173-1182, 1986. BATRA, R. STAYMAN, D.M. The role of mood in advertising effectiveness. Journal of Consumer Research, v.17, n.2, p.203-214, 1990.

BREI, V.A., LIBERALI, G. O uso de modelagem em equações estruturais na área de marketing no

Brasil. In: Encontro EMA da ANPAD, 2004, Porto Alegre.

Anais...

Porto Alegre, 2004.

BREI, V.A., ROSSI, C.A.V. Confiança, valor percebido e lealdade em trocas relacionais de serviço:

um estudo com usuários de Internet Banking no Brasil. Revista de Administração Contemporânea, v.9, n.2, p.145-168, 2005. BYRNE, B. Structural Equation Modeling with AMOS: basic concepts, applications and programming. Mahwah, NJ: Lawrence Erlbaum Associates, 2001. CHATTOPADHYAY, A. BASU, K. Humor in advertising: the moderating role of prior brand evaluation, Journal of Marketing Research, v.27, n.3, p.466-476, 1990.

CLOGG, C.C., PETKOVA, E., SHIHADEH, E.S. Statistical methods for analyzing collapsibility in regression models. Journal of Educational Statistics, v.17, n.1, p.51-74, 1992. CYR, D., BONANNI, C., BOWES, J., ILSEVER, J. Beyond Trust: website design preferences across cultures. Journal of Global Information Management, v.13, n.4, p.02-42, 2005. DICK, A.S., BASU, K. Customer loyalty: toward an integrated conceptual framework. Journal of the Academy of Marketing Science, v.22, n.2, p.99-144, 1994. DODDS, W.B., MONROE, K.B. The effect of brand and price information on subjective product evaluations. In: HIRSCHMAN, E.C., HOLBROOK, M.B. (eds). Advances in Consumer Research, vol. 12, pp.85-99, Provo: UT, 1985.

ESPARTEL, L.B., ROSSI, C.A.V., MÜLLER, H.F. Teste de um modelo de antecedentes da lealdade em

três situações de consumo distintas. In: Encontro EMA da ANPAD, 2004, Porto Alegre. Alegre, 2004.

Anais...

Porto

FORNELL, C., LARCKER, D.F. Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, v.18, n.1, p.39-50, 1981.

GONÇALVES, C.F., ELIAS, C.L., SOUKI, G., LEITE, R.S. Antecedentes de lealdade de clientes: um

estudo empírico no varejo. In: CLADEA, 2005, Santiago do Chile.

Anais...

Santiago do Chile, 2005.

GOODMAN, L. A. On the exact variance of products. Journal of the American Statistical Association, v.55, p.708-713, 1960. GREWAL, D., MONROE, K.B., KRISHNAN, R. The effects of price comparison advertising on buyers’ perceptions of acquisition value and transaction value. Journal of Marketing, v.62, n.2, p.46-59,

1998.

GUMMERUS, J., LILJANDER, V., PURA, M., Van-RIEL, A. Customer royalty to content-based web sites: the case of an on-line health-care service. Journal of Services Marketing, v.18, n.3, p.175-186,

2004

GUSTAFSSON, A., JOHNSON, M.D., ROOS, I. The effects of customer satisfaction, relationship commitment dimensions, and triggers on customer retention. Journal of Marketing, v.69, n.3, p.210-

218, 2005. HAIR, J., ANDERSON, R.E., TATHAM, R., BLACK, W. Multivariate Data Analysis. New Jersey:

Prentice Hall, 1998. IACOBUCCI, D., SALDANHA, N., DENG, X. Meditation on mediation: evidence that structural equation models perform better than regressions. Journal of Consumer Psychology, v.17, p.139-153,

2007.

JAMES, L.R., BRETT, J.M. Mediators, moderators, and tests for mediation. Journal of Applied Psychology, v.69, n.2, p.307-321, 1984. JUDD, C.M., KENNY, A. Process analysis: estimating mediation in treatment evaluations. Evaluation Review, v.5, n.5, p.602-619 ,1981. KENNY, D., JUDD, C.M. Estimating the nonlinear and interactive effects of latent variables.

Psychological Bulletin, v.96, n.1, p.201-210, 1984. KLINE, R. B. Principles and practice of structural equation modeling. 1 st . New York: Guilford Press,

1998.

KRULL, J.L., MAcKINNON, D. P. Multilevel mediation modeling in group-based intervention studies.

Evaluation Review, v.23, n.4, p.418-444, 1999.

LAPIERRE, J., FILIATRAULT, P. CHEBAT, J. Value strategy rather than quality strategy: a case of business-to-business professional service. Journal of Business Research, v.45, n.2, p.235-246, 1999. LEE, J., LEE, J. The influence of switching costs on customer retention: a study of the cell phone market in France. In: DUBOIS, B., LOWREY, T.M., SHRUM, L.J., VANHUELE, M. (org.) European Advanced in Consumer Research. v.4, p. 277-283, Provo : UT, 1999. MACHADO, E.C.A., FILHO-GONÇALVES, C.G., MONTEIRO, P.R.R., MACHADO, M.A. Marketing de relacionamento, trocas sociais e identidade saliente: construção de um modelo no terceiro

setor. In: Encontro Nacional da ANPAD, 2005, Brasília.

Brasília, 2005.

MAcKINNON, D. P., LOCKWOOD, C. M., HOFFMAN, J. M., WEST, S. G., SHEETS, V. A

comparison of methods to test mediation and other intervening variable effects. Psychological Methods, v.7, n.1, p.83-104, 2002.

MALHOTRA, N. Pesquisa de Marketing: uma orientação aplicada. 3ª. Ed. Porto Alegre: Bookman,

2001.

MATHWICK, C., MALHOTRA, N., RIGDON, E. Experiential value: conceptualization measurement and application in the catalog and internet shopping environment. Journal of Retailing, v.77, n.1, p.39- 56, 2001. OLIVER, R.L. A cognitive model of the antecedents and consequences of satisfaction decisions. Journal of Marketing Research, v.17, n.4, p.460-469, 1980. OLIVER, R.L. Satisfaction: a behavioral perspective on the consumer. New York: McGraw-Hill, 1997. PARASURAMAN, A., GREWAL, D. The impact of technology on the quality-value-loyalty chain: a research agenda. Journal of the Academy of Marketing Science, v.28, n.1, p.168-174, 2000.

PAUL, L.S., DICK, A. Using Moderator Variables in Structural Equation Models, in Advances in Consumer Research, vol. 20, (eds). MCALISTER, L., ROTHSCHILD, M.L. Provo, UT : Association for Consumer Research, p.636-640, 1993. PING, R.A. Latent variable interaction and quadratic effect estimation: a two-step technique using structural equation analysis. Psychological Bulletin, v.119, n.1, p.166-175, 1996.

PREACHER, K. Calculation for the Sobel Test: An interactive calculation tool for mediation tests. disponível em http://www.psych.ku.edu/preacher/sobel/sobel.htm acessado em 9/novembro de 2006. PREACHER, K.J., HAYES, A.F. SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments Computers, v.36, n.4, p.717-731, 2004. Rozeboom, W.W. Mediation variables in scientific theory. Psychological Review, v.63, n.4, p.249-264,

1956.

RUST, R.T., ZAHORIK, A.J., KEININGHAM T.L. Return on quality (ROQ): making service quality financially accountable. Journal of Marketing, v.59, n.2, p.58-70, 1995. SANTOS, C.P., FERNANDES, D.V.H. A recuperacao de servicos e seu efeito na confianca e lealdade do cliente. In: Anais do I Encontro do EMA-AnPAD, RS, 2004. Porto Alegre, 2004. SHANKAR, V., SMITH, A., RANGASWAMY, A. Customer satisfaction and loyalty in on-line and off- line environments. International Journal of Research in Marketing, v.20, n.2, p.01-34, 2003. SHARMA, S., DURAND, R.M., GUR-ARIE, O. Identification and Analysis of Moderator Variables, Journal of Marketing Research, v.18, n.3, p.291-300, 1981. SHROUT, P. E., BOLGER, N. Mediation in experimental and non-experimental studies: New procedures and recommendations. Psychological Methods, v.7, n.4, p.422-445, 2002. SIRDESHMUKH, D., SINGH, J., SABOL, B. Consumer trust, value and loyalty in relational exchanges. Journal of Marketing, v.66, n.1, p.15-28, 2002. SOBEL, M. E. Asymptotic intervals for indirect effects in structural equations models. In S. Leinhart (Ed.), Sociological methodology (p.290-312). San Francisco: Jossey-Bass, 1982. SRINIVASAN, S.S., ANDERSON, R., PONNAVOLU, K. Customer loyalty in e-commerce: an exploration of its antecedents and consequences. Journal of Retailing, v.78, n.1, p.41-50, 2002. SZYMANSKI, D.M., HISE, R.T. E-satisfaction: an initial examination. Journal of Retailing, v.76, n.3, p.309-322, 2000. VIEIRA, V.A., MATOS, C.A. Uma análise dos antecedentes da lealdade no ambiente de varejo virtual:

proposta e teste de um modelo teórico. In: Anais do II Encontro do EMA-AnPAD, RJ, 2006. Rio de Janeiro, 2006.

WARRINGTON, P.T.Customer evaluations of e-shopping: the effects of quality-value perceptions and e-shopping satisfaction on e-shopping loyalty. PhD Thesis Graduate College, University of Arizona,

2002.

WOLFINBARGER, M., Gilly, M. eTailQ: dimensionalizing, measuring and predicting e-tail quality. Journal of Retailing, v.79, n.3, p.183-198, 2003. ZEITHAML, V.A. Consumer perceptions of price, quality and value: a means-end model and synthesis of evidence. Journal of Marketing, v.52, n.3, p.02-22, 1988. ZEITHAML, V.A., BERRY, L.L., PARASURAMAN, A. The behavioral consequences of service quality. Journal of Marketing, v.60, n.2, p.31-47, 1996.

i Para interessados em realizar o teste de Aroian, Sobel e Goodman, ver link http://www.psych.ku.edu/preacher/sobel/sobel.htm ii Os autores agradecem a sugestão do revisor neste ponto.