A INFLUÊNCIA DAS HÉLICES DE INOVAÇÃO SOBRE A ECOINOVAÇÃO NA BUSCA DO DESENVOLVIMENTO SUSTENTÁVEL: UMA SURVEY NO SUL DO BRASIL

THE INFLUENCE OF INNOVATION HELIX ON ECOINOVATION IN THE SEARCH OF SUSTAINABLE DEVELOPMENT: A SURVEY IN SOUTHERN BRAZIL

LA INFLUENCIA DE LOS PROPULSORES DE LA INNOVACIÓN EN LA ECOINOVACIÓN EN LA BÚSQUEDA DEL DESARROLLO SOSTENIBLE: UNA ENCUESTA EN EL SUR DE BRASIL

ELIANA ANDRÉA SEVERO elianasevero2@hotmail.com

Universidade Federal de Pernambuco (UFPE), Brasil

JULIO CESAR FERRO DE GUIMARÃES juliocfguimaraes@yahoo.com.br

Universidade Federal de Pernambuco (UFPE), Brasil

Esta obra está bajo una Licencia Creative Commons Atribución 4.0 Internacional.

As múltiplas hélices de inovação, tais como governo, empresas, universidades, parques tecnológicos, spin-off, incubadoras, startup, equipes de consultorias, acionistas das empresas, fornecedores e clientes, aqui denominadas de hélices holísticas de inovação (HHI) são primordiais para a sustentabilidade ambiental e o desenvolvimento regional.

Entretanto, conforme Severo e Guimarães (2022), as HHI sofrem pressões normativas, coercitivas e sociais, as quais são importantes para a preservação ambiental e dos recursos naturais, por meio de seus stakeholders. Coerentemente, as HHI são primordiais, pois o governo é responsável pelas políticas públicas e empresas, parques tecnológicos, spin-off, incubadoras e startup, por sua vez, pelas inovações e por postos de trabalho no mercado. Já as universidades qualificam os discentes que serão os profissionais a atuarem nessas HHI. Portanto, essas diferentes HHI também visam ao desenvolvimento regional e nacional, bem com a competitividade das organizações.

Nesse cenário, diversos problemas ambientais exigem novas soluções inovadoras (Brem & Radziwon, 2017; Marín-Vinuesa et al., 2018; Greaker et al., 2020). No entanto, no desenvolvimento da inovação é necessário incorporar a sustentabilidade ambiental, para se transformar em uma ecoinovação (EI), ou seja, uma inovação sustentável, visando à manutenção dos recursos naturais, qualidade de vida das pessoas, competitividade e performance das organizações.

A EI fornece contribuições extensivas para a obtenção de resultados da sustentabilidade a longo prazo, o que implica uma necessidade de mudanças holísticas em torno dos processos de negócios (Severo et al., 2020). Nesse cenário, a EI apresenta diferentes expressões, entretanto, todas estão relacionadas à mesma abordagem ou assunto, tais como inovações verdes, inovações sustentáveis, inovações ecológicas ou inovações ambientais (Chen et al., 2018; Wang et al., 2022; Bag et al., 2022: Chien et al., 2022), ou seja, a inovação que contribua para a sustentabilidade ambiental.

Conforme Yang et al. (2022), a EI é uma força motriz para o desenvolvimento econômico de alta qualidade, que pode promover o crescimento econômico e, ao mesmo tempo, garantir benefícios ecológicos. A pesquisa de Wu et al. (2022), realizada na China, destaca que uma nova política de crédito verde, por meio das instituições financeiras, trata-se de um motor exógeno para melhorar a EI das empresas. Nesse sentido, tanto a hélice do governo, como as instituições financeiras podem fomentar o desenvolvimento da EI nas demais hélices holísticas (empresas, universidades, parques tecnológicos, spin-off, incubadoras, startup e fornecedores).

No que tange a literatura, encontra-se uma lacuna teórica sobre a colaboração das HHI para com a EI, o que, segundo Guerrero e Urbano (2017), é inerente nas economias emergentes, pois os benefícios das hélices de inovação ainda são inexpressivos, o que requer estudos para uma melhor compreensão sobre a influência desses agentes nas inovações. Coerentemente, as práticas ambientais (PA) e a metodologia de produção mais limpa (PL) podem ser utilizadas na EI para segregar corretamente os resíduos gerados e diminuir o consumo dos recursos naturais.

Conforme Alos-Simo et al. (2020), a literatura confirma que todo setor é afetado por tecnologias específicas, que determinam as inovações em bens e serviços, embora essas diferenças tecnológicas permaneçam ambíguas no contexto da EI. Além disso, a relação entre EI, P+L e as diferentes medidas de desempenho não é totalmente clara. Para Latupeirissa e Adhariani (2020), a EI é uma área de pesquisa em evolução e pode ter implicações práticas para a P+L, embora a identificação das consequências econômicas da EI tenha sido amplamente investigada na literatura existente, ainda restam muitas questões sobre seu impacto no contexto dos países em desenvolvimento.

De acordo com Kumar e Anbanandam (2019), embora pesquisadores e profissionais concentrem sua atenção na dimensão econômica e ambiental da sustentabilidade, menos atenção é dada à dimensão social da sustentabilidade, particularmente nos países em desenvolvimento. Para tanto, as ações sociais (AS) com foco em inovação impulsionaram uma mudança organizacional, estimulando uma gestão estratégica holística, abordando os desafios da sustentabilidade (Roome, 2011).

Perante o exposto, a questão de pesquisa é: qual a influência das hélices holísticas de inovação (HHI) sobre a ecoinovação (EI), bem como consequentes práticas ambientais (PA), produção mais limpa (PL), ações sociais (AS), desenvolvimento sustentável (DS) e desenvolvimento regional (DR)? Coerentemente, este estudo tem como objetivo analisar a influência das HHI sobre a EI, bem como consequentes PA, PL, AS, DS e DR, por meio da percepção de 2.338 participantes do sul do Brasil.

A pesquisa é classificada como quantitativa e descritiva, realizada por meio de uma survey com 2.338 participantes residentes no sul do Brasil (Paraná, Santa Catarina e Rio Grande Sul). De acordo com Hair Jr. et al. (2013), a pesquisa quantitativa apresenta maiores benefícios, pois permite a mensuração de diferentes relações para a confirmação positiva dos resultados, por meio de procedimentos estatísticos. Conforme Vergara (2010), o estudo descritivo visa a determinar a população ou fenômeno, correlacionando suas variáveis, identificando e definindo sua natureza.

Vale destacar que a amostra se classifica como não probabilística, por conveniência (Hair Jr. et al., 2013). A coleta de dados ocorreu entre os dias 12 de dezembro de 2019 e 27 de janeiro de 2020, por meio de um questionário aplicado pela técnica de Bola de Neve, em que, inicialmente, os pesquisadores enviaram o questionário eletrônico (Google Forms) aos contatos e redes sociais (e-mail, Facebook e WhatsApp), assim como estes replicaram a pesquisa para outras pessoas, pois segundo Lee e Spratling (2019), ocorre uma eficácia da técnica de amostragem de bolas de neve, através do uso de mídia social. Vale ressaltar que o questionário possuía 4 questões relacionadas ao perfil dos respondentes e 33 afirmativas (Tabela 1), compostas por uma escala Likert de 5 pontos que variam de: 1 Discordo Totalmente; 2 Discordo Parcialmente; 3 Nem Concordo Nem Discordo; 4 Concordo Parcialmente; e 5 Concordo Totalmente. O questionário foi validado previamente por três doutores experts nas áreas de inovação, sustentabilidade ambiental e desenvolvimento regional.

Inicialmente, realizou-se um pré-teste aplicado a 32 respondentes, para o entendimento das questões e tempo de duração do questionário. Posteriormente, as respostas do pré-teste foram incorporadas à amostra da pesquisa. O questionário ultrapassa o critério estipulado por Hair Jr. et al. (2013), o qual é de 10 respondentes por questão, representando 70,8 respondentes por questão.

Para a caracterização do perfil dos respondentes questionou-se: i) Idade do respondente: os respondentes foram classificados com base nos estudos de Strauss e Howe (1991) sobre as diferentes gerações, dividindo-se os nascidos antes de 1965 como Baby boomers, a geração X, dos nascidos entre 1965 e 1981, e a geração Y, dos nascidos depois de 1981; ii) Gênero: feminino, masculino ou outro; iii) Grau de Escolaridade; iv) Trabalho e cargo na empresa; v) região de residência.

Isso posto, evidencia-se a inexistência de escalas já validadas para analisar em conjunto, a influência das HHI sobre a EI, bem como os consequentes, PA, PL, AS, DS e DR. Coerentemente, o questionário (Tabela 1) foi desenvolvido com base nos estudos: i) Hélices Holísticas de Inovação (HHI): adaptado dos pressupostos teóricos de Etzkowitz and Leydesdorff (1995), Etzkowitz e Leydesdorff (2000), Gouvea et al. (2013), Grundel e Dahlström (2016), Guerrero e Urbano (2017) e Chen et al. (2018); ii) Ecoinovação (EI): com base no estudo de Severo et al. (2018); iii) Práticas Ambientais (PA): adaptado dos estudos de García-Granero et al. (2018), Pinto et al. (2018) e Severo et al. (2018); iv) Produção mais Limpa (PL): adaptado dos pressupostos de Cong e Shi (2018) e da pesquisa de Severo et al. (2018); v) Ações Sociais (AS): adaptado das pesquisas de Voegtlin e Greenwood (2016), Tamayo-Orbegozo et al. (2017) e Halkos e Skouloudis (2018); vi) Desenvolvimento Sustentável (DS): adaptado do estudo de Severo et al. (2018); e vii) Desenvolvimento Regional (DR): adaptado das pesquisas de Bossle et al. (2016) e Liu e Huang (2018).

Para a análise dos dados, verificou-se a normalidade e confiabilidade dos dados e, posteriormente, foi feita a Análise Fatorial Exploratória (AFE) por meio da Rotação Varimax, e a Análise Fatorial Confirmatória (AFC) com o uso do software SPSS® (v.21). A aplicação do método de Modelagem de Equações Estruturais (MEE), ocorreu com o auxílio do software AMOS® (v.21).

Nesse cenário, para operacionalização da metodologia MEE, foram adotados neste estudo os passos sugeridos por Byrne (2010), Kline (2011) e Hair Jr. et al. (2013), os quais consideram a necessidade de definir o modelo teórico, construir o nível de significância p<0.001 (relações causais); definir o tipo de matriz de entrada e estimação do modelo teórico, avaliar o modelo estrutural, avaliar a qualidade de ajuste do modelo e, se necessário, ajustar e modificar o modelo.

A depuração dos dados obedeceu às determinadas etapas: i) retirar os casos de missing (não-respostas) quando forem mais de 10%; ii) excluir os casos que apresentem respostas em uma única alternativa da escala Likert de 5 pontos; iii) os casos de escores extremos, com análise de outliers univariados e multivariados, seguindo as recomendações de Kline (2011) e Hair Jr. et al (2013), no qual foi usado o cálculo dos Z escores (entre -3 e +3) para cada variável; iv) os casos de curtose, em que cada variável observável foi avaliada através do Coeficiente de Mardia (Mardia, 1971; Bentler, 1990); v) verificação da assimetria de Pearson; vi) realizaram-se os Testes de Kolmogorov-Smirnov e Shapiro-Wilk, para verificar a normalidade dos dados, os quais apresentaram resultados significativos, indicando normalidade dos dados. Consoante a isso, inicialmente, foram coletados 2.364 questionários, entretanto, foram excluídos 26 casos, por ocorrer resposta em uma única alternativa (outliers univariados), entretanto, não houve não resposta (missing), permanecendo a amostra final com 2.338 casos válidos, o que é superior ao recomendado por Kline (2011) e Hair Jr. et al. (2013) que sugerem, para o uso da MEE, entre 200 a 400 respondentes.

No que tange aos testes realizados, para todas as variáveis (33 variáveis observáveis) verificou-se a normalidade, confiabilidade e consistência interna dos dados, por meio do Alpha de Cronbach’s, Kaiser-Meyer-Olkin (KMO), Teste de esfericidade de Bartlett e a Variância total explicada (Hair Jr. et al., 2013), de acordo com a Tabela 1 e 2.

A amostra final é constituída por 2.338 casos válidos, distribuídos em: i) Gênero: 51,8% masculino; 48,2% feminino; iii) Escolaridade: 67,3% está cursando ou possui graduação; 14,3% está cursando ou possui especialização (Pós-graduação); 12,6% está cursando ou possui Ensino médio; 5,8% está cursando ou possui pós-graduação em nível de mestrado, doutorado ou pós-doutorado; iv) 91,6% dos respondentes estão trabalhando como: 31,3% auxiliar/técnico/analista; 9,9% gestores; 13,3% professores; e 37% em outras atividades profissionais; apenas 8,5% não estão trambalhado, entretanto, estão estudando. No que se refere à região, 56% dos respondentes residem no RS, 30% em SC e 14% no PR.

Após os testes de normalidade, confiabilidade e consistência interna dos dados para todas as variáveis, aplicou-se a técnica de AFE (Tabela 1) por meio da Rotação Varimax – análise entre blocos, seguindo os seguintes parâmetros Hair Jr. et al (2013): i) verificar a combinação das variáveis observáveis na formação de construtos; ii) verificar a carga fatorial de cada variável (=ou>0,5); iii) verificar o percentual de explicação da variância do conjunto de variáveis (>60%); iv) verificar a comunalidade (=ou>0,5); v) verificar a confiabilidade simples: Alpha de Cronbach’s (>0,7); vi) Teste de Esfericidade de Bartlett (significativo p<0,001); e vi) cálculo do Kaiser, Meyer e Olkin (KMO) (>0,7). Consoante a isso, todos os testes estatísticos apresentaram valores significativos (Tabela 1), ou seja, ficaram dentro dos parâmetros sugeridos por Hair Jr. et al. (2013).

A Tabela 1 apresenta as variáveis observáveis, os respectivos construtos de pesquisa, as afirmativas que estavam em uma escala Likert de 5 pontos, a carga fatorial e a comunalidade.

Tabela 1.
Variáveis observáveis e construtos

Fonte: Elaborado pelos autores (2020).

Perante o exposto, os testes estatísticos para todas as variáveis observáveis apresentaram valores significativos (Tabela 2), ou seja, ficaram dentro dos parâmetros sugeridos por Hair Jr. et al. (2013), assim como a Variância total explicada é de 71,9%. Perante o exposto, a Tabela 2 apresenta os testes: Alpha de Cronbach’s; KMO; Teste de esfericidade de Bartlett; Qui-quadrado aprox.; df; Sig.; e variância total explicada.

Tabela 2.
Testes para todas as variáveis

Fonte: Dados provenientes da pesquisa (2020).

No processo de avaliação da normalidade confiabilidade simples dos dados, mensurou-se o Teste de Esfericidade de Bartlett’s, o qual apresentou valores significativos (p<0,001) nos construtos e no conjunto de todas as variáveis (Tabelas 1 e 2), identificando a normalidade dos dados, portanto, os dados possuem uma distribuição normal. Esse resultado foi confirmado pelo teste do Coeficiente de Mardia (>5), assim como o Coeficiente de assimetria de Pearson (próximo a zero) (Kline, 2011; Hair Jr. et al., 2013).

Na Tabela 2 pode-se observar os valores do Alpha de Cronbach’s (0,931) para todas as variáveis, os quais ficaram acima das recomendações (>0,7) de Hair Jr. et al. (2013). Os valores de média e desvio-padrão das variáveis observáveis demonstram que os respondentes concordam com as afirmativas, pois as respostas médias foram superiores a 3,6 e o desvio-padrão médio das respostas foram próximos a 1.

A validação da escala, variáveis observáveis e construtos ocorreu com a aplicação da AFE e confiabilidade composta, seguindo os preceitos de Fornell e Larcker (1981), Marôco (2010) e Hair Jr. et al. (2013). No cálculo da AFE (Tabela 1), utilizou-se a análise de componentes principais, com o uso da Rotação Varimax, que agrupou as variáveis observáveis nos sete construtos (Hélices Holísticas de Inovação – HHI, Ecoinovação – EI, Práticas Ambientais – PA, Produção mais Limpa – PL, Ações Sociais – AS, Desenvolvimento Sustentável – DS e Desenvolvimento Regional – DR), com 71,91% de variação explicada acumulada dos dados de todas as variáveis observáveis. Observa-se, na Tabela 1, que a variação explicada de cada construto foi superior a 61%, o que é superior ao recomendado (>60%) por Hair Jr. et al. (2013).

Os valores de KMO (Tabela 1) são superiores (>0,5), indicando adequação do modelo de análise fatorial, por meio do teste da consistência geral dos dados. Portanto, os dados da pesquisa apresentam adequação e viabilidade para a aplicação da AFE. As cargas fatoriais e comunalidade (Tabela 1) resultaram em valores superiores ao recomendado (≥0,5). Estes resultados indicam que as variáveis observáveis contribuem para a formação do construto e estão altamente correlacionadas entre si.

O cálculo da confiabilidade composta do conjunto de todas as variáveis resultou em de 0,989, assim a VME de 0,730, com relação à confiabilidade composta de cada construto (Tabela 1) ficaram com valores superiores ao recomendado (>0,7) por Hair Jr. et al. (2013).

A análise da Correlação de Pearson não identificou altas correlações (maiores que 0,8) entre as variáveis, indicando que não foi identificado multicolinariedade, conforme preconizam Hair Jr. et al. (2013).

Como acréscimo realizou-se a análise de Variância Média Extraída (VME), que explica a variância total de cada variável observável, a qual é utilizada para avaliar o construto (Marôco, 2010), por meio da confiabilidade composta, onde é possível avaliar a Validade Convergente (VC) (>0,5) e a Validade discriminante (VD), a qual se espera que seja menor que a VC. A Tabela 3 exibe a VME para cada construto pesquisado.

A Tabela 3 demonstra que, em todos os construtos, a VD é menor que a VC (HHI 0,700., EI 0,645ª, PA 0,908ª, PL 0,689., AS 0,760., DS 0,675. e DR 0,721ª).

Tabela 3.
Variância média extraída (VME)

Fonte: Dados provenientes da pesquisa (2020).a Validade Convergente (VC)b Validade Discriminante (VD)

A Figura 2 apresenta o modelo de mensuração e o modelo estrutural, com os resultados da MEE, para avaliar as relações de influência entre os construtos, realizou-se os testes de hipóteses, que resultaram nos valores de Unstandardized Estimates (UE) e Standardized Estimates (SE) expressos na Tabela 4. Os resultados de UE e SE são estatisticamente significativos (p<0,001). Os valores de SE indicam que as relações entre HHIàEI (H1), EIàPA (H2), EIàAS (H4) e EIàDR (H6) são considerados de alta intensidade (>0,5), a relação entre EIàPL (H3) é de moderada intensidade (>0,3 e <0,5), entretanto, a relação de EIàDS (H5) é importante, mas de baixa intensidade (<0,3). Perante o exposto, todas as seis hipóteses da pesquisa foram confirmadas.

Tabela 4.
Testes de Hipóteses

Fonte: Dados provenientes da pesquisa (2020).*** Nível de significância p<0,001

Para avaliar a qualidade do modelo integrado, verificaram-se os índices de ajuste do modelo com base nos estudos de Bentler (1990) e Hair Jr. et al. (2013). Podem-se observar, na Tabela 5, os resultados do cálculo de todas as vaiáveis observáveis, em que os valores de VME, confiabilidade composta e KMO são considerados satisfatórios, entretanto os índices específicos de ajuste do modelo estrutural (X2/DF, RMSEA, NFI, IFI, TLI, CFI, GFI, AGFI) ficaram fora dos parâmetros recomendáveis (ꭓ2/DF≤5; RMSEA entre 0,05 e 0,08; NFI GFI e AGFI≥0.90; IFI, TLI e CFI valores próximos a 1,0). Estes resultados não invalidam a comprovação das hipóteses da pesquisa, apenas indicam que o modelo pode ser melhorado, com a inclusão ou exclusão de variáveis observáveis, bem como com a possibilidade de inserir no modelo estrutural as possíveis correlações entre as variáveis observáveis e entre os construtos. Este achado é sugerido para futuros estudos. A Tabela 5, a seguir, indica os Índices de Ajuste do Modelo (VME, Confiabilidade composta, KMO, X2/DF, RMSEA, NFI, IFI, TLI, CFI, GFI e AGFI). Contudo, vale ressaltar que as informações desta pesquisa referem-se a um corte transversal, e que as evidências são possíveis indicativos de causa, restringindo-se os resultados e inferências apenas à amostra pesquisada, a qual é de 2.338 participantes do sul do Brasil.

Tabela 5.
Índices de Ajuste do Modelo

Fonte: Dados provenientes da pesquisa (2020).* Significance level p<0.001

A coleta por meio das redes sociais influenciou no alto índice de respondentes da Geração Y (76,7%), sendo a geração X composta por (20,5%) e Baby boomers (2,8). A maioria dos respondentes está cursando ou possui Ensino Superior, assim como está cursando ou possui Pós-graduação – especialização em nível de mestrado, doutorado ou pós-doutorado – (87.5%). Esse perfil dos respondentes permite respostas mais assertivas, pois a formação contribui para a compreensão das afirmativas (questionário) apresentadas na survey.

Os testes de normalidade, confiabilidade (simples e composta), testes de variância e a AFE validaram a escala e o construtos. Portanto, o questionário foi validado estatisticamente, por meio do Framework desenvolvido. Os resultados da pesquisa, referente ao modelo de mensuração (variáveis observáveis), permitem afirmar que a escala desenvolvida nessa pesquisa apresenta viabilidade para mensurar a composição dos construtos, nesse sentido, o questionário pode ser aplicado em outros contextos.

Figura 2.
Modelo integrado final
Fonte: Elaborado pelos autores (2020).

Os altos valores das cargas fatoriais, comunalidade e VME indicam que os construtos são consistentes em suas mensurações e que há uma intensa correlação interna entre as variáveis observáveis na formação do construto. Isso expressa a importância dos elementos que compõe cada construto, por exemplo para avaliar EI é fundamental abordar as questões que envolvem as diretrizes para o negócio sustentável, entre as quais destacam-se a relação entre inovação e meio ambiente, conforme os preceitos de López e Montalvo (2015) e García-Sánchez et al. (2020), assim como a agregação de valor ao negócio/produto/serviço, conforme a pesquisa de Pialot e Millet (2018), as quais agregam valor ao meio ambiente, à tecnologia e aos stakeholders.

Os testes de hipóteses encontraram importantes e significativas relações entre os construtos estudados. A pesquisa comprovou que as HII são importantes antecedentes e influenciam diretamente a EI (H1) (HHI.EI), com uma alta intensidade (SE=0,503), o que corrobora com os estudos de Dudin et al. (2015), Li et al. (2018) e Luengo-Valderrey et al. (2020), os quais afirmam que as interações ativas nas redes de pesquisa e desenvolvimento (P&D) dos atores institucionais das hélices de inovação, como universidade-indústria-governo, podem melhorar as capacidades inovadoras dos países. Também esse resultado da pesquisa comprova o argumento de Liu e Huang (2018), o qual afirma que as universidades têm um papel fundamental para as relações das hélices da inovação, pois forma cidadãos que irão gerenciar as organizações.

Nesse contexto, o teste de hipótese (EI.PA) da H2 apresentou uma moderada influência (SE=0,441), a qual é efetiva para a redução do uso de recursos naturais, tais como materiais, energia e água, a diminuição de poluição atmosférica, e a redução dos impactos ambientais, o que corrobora com as pesquisas de Cheng e Shiu (2012), Cheng et al. (2014) e Pinto et al. (2018). De acordo com García-Sánchez et al. (2020), a EI busca reduzir o impacto ambiental de produtos e processos, usando novas tecnologias e trabalho que contribuam para o desenvolvimento sustentável, bem como aumentam a competitividade organizacional.

No que tange à H3, o teste de hipóteses (EIàPL) apresentou uma alta influência (SE=0,524), ressaltando que a EI, ao utilizar PL, terá eficiência no seu processo produtivo, pois, de acordo com as pesquisas de Cong e Shi (2018), a PL trata-se de uma metodologia para o desenvolvimento sustentável, assim como a aplicação contínua de uma estratégia ambiental preventiva e integrada ao processo produtivo, com ênfase na redução do consumo de matérias-primas e insumos, assim como da geração de resíduos (Severo et al., 2018; Zhang et al., 2018; Alos-Simo et al., 2020).

Nesse cenário, o teste de hipótese da H4 (EIàAS) também indicou uma alta intensidade (SE=0,566), consoante a isso, a EI para as AS das organizações beneficia colaboradores e a comunidade local, pois os problemas sociais regionais e globais influenciam as ações de responsabilidade social, o que está de acordo com as pesquisas de e Halkos e Skouloudis (2018), visto que mudanças socioeconômicas e políticas fazem com que as empresas se envolvam ativamente na mitigação de pressões sociais, problemas além da mera gestão de externalidades, ocasionando uma criação de valor para o bem comum (Bontoux e Bengtsson, 2016).

Entretanto, o teste de hipótese para a H5 (EIàDS), mesmo sendo significativo, apresentou uma baixa intensidade (0,270), contudo, a EI é fator primordial para o DS, pois as gerações futuras necessitam ter as necessidades atendidas, o que corrobora com a pesquisa de Severo et al. (2018), pois a EI contribui significativamente para o desenvolvimento da região de forma sustentável, pois uma ecoinovação pode ser direcionada para o DS, a fim de preservar os recursos naturais para as futuras gerações. De acordo com Orbegozo et al. (2017), a EI é um tema emergente entre empresas, universidades e governos, pois, de forma eficiente, busca alcançar um grau mais elevado DS.

No teste de hipótese para a H6, os resultados indicam que ocorreu a maior intensidade na relação de todas as seis hipóteses pesquisadas (SE=0,789) entre a EIàDR, indicando que quanto maior for a utilização dos preceitos de EI, maior será a percepção de DR. Esses achados visam à criação de produtos, serviços e tecnologias sustentáveis, as quais são capazes de estimular a economia local com vistas ao DR (Gouvea et al, 2013; De Guimarães et al., 2018; Amara e Chen, 2020).

Todas as seis hipóteses de pesquisa foram comprovadas, com hipóteses (H1, H3 e H6) com altas intensidades das relações, uma hipótese (H2) com uma moderada intensidade, bem como uma hipótese (H5) com baixa intensidade (Tabela 4). Entre nos resultados, destaca-se a alta intensidade da relação de EIàDR (SE=0,789), que, a partir da percepção dos cidadãos, indica que a inovação sustentável pode influenciar positivamente o desenvolvimento da região, pois, segundo estudos de Xavier et al. (2017) e Bossle et al. (2016), a inovação sustentável estimula um novo ambiente de negócio que integra ganhos econômicos e ambientais, por meio de novos processos e estratégias competitivas de negócio.

No que tange à contribuição para a ciência na área pesquisada, e no que se refere à lacuna teórica destacada na introdução, sobre a colaboração das HHI para com a EI em economias emergentes (Guerrero e Urbano, 2017), o Brasil trata-se de um país subdesenvolvido, e a pesquisa ressaltou que as HHI são fortes agentes para o desenvolvimento de inovações, o que contribui para o DS e, consequentemente, o DR. Nesse contexto, estes achados são contribuições científicas para empresas, governos e instituições de ensino que estão implementado as HHI, PA, PL, AS, DR e DS, bem como todos esses construtos de pesquisa são primordiais para a melhoria da qualidade de vida das pessoas, o desenvolvimento regional e a preservação do meio ambiente, podendo também ser atrelados aos indicadores dos ODS.

A principal contribuição da pesquisa está na comprovação de que Hélices Holística de Inovação (HHI) são preditoras do processo de inovação sustentável, o que é expresso nessa pesquisa no construto de Ecoinovação (EI). Esse achado pode contribuir para a promoção de políticas públicas de incentivo da integração entre os stakeholders das HHI, podendo abranger universidades, governo, indústrias de transformação, parques tecnológicos, spin-off, incubadoras, startup, equipes de consultorias, acionistas das empresas, fornecedores e clientes.

A integração entre os diferentes agentes de HHI podem gerar EI que, consequentemente, influencia positivamente na promoção de Práticas ambientais (PA), Produção mais Limpa (PL), Ações sociais (AS), Desenvolvimento Sustentável (DS) e Desenvolvimento Regional (DR). Dessa maneira, a pesquisa contribui para o avanço da ciência ao comprovar que, na percepção dos indivíduos, a EI é um drive estratégico para aumentar significativamente os elementos de sustentabilidade ambiental, bem como é um potencializador para o DR. Paralelamente, as seis hipóteses de pesquisas foram confirmadas estatisticamente.

No que se refere às contribuições gerenciais da pesquisa, destaca-se a identificação dos preditores HHI e EI que influenciam significativamente os construtos de PA, PL, AS, DS e DR. Os achados da pesquisa impactam positivamente para a tomada de decisão gerencial, que visa à melhor utilização dos recursos, pois a EI é o ponto central para as ações que objetivam a sustentabilidade a nível ambiental, social e regional. Nesse sentido, as organizações devem focar na divulgação das ações ambientais e sociais, para ampliar o potencial de valor da marca da empresa, além da filantropia, reputação e imagem organizacional (Gold et al., 2018; López-González et al., 2019).

Outra importante contribuição acadêmica da pesquisa está na disponibilização de um frameworkde análise com o modelo de mensuração e o modelo estrutural, o qual foi validado estatisticamente (variáveis observáveis e construtos). O modelo integrado (framework) proposto na pesquisa pode ser replicado em diferentes contextos regionais e internacionais, fomentando as pesquisas científicas e, consequentemente, o avanço da ciência.

A pesquisa apresenta importantes achados, no entanto, existem limitações relacionadas à coleta de dados, a partir da percepção exclusiva de indivíduos. Essa percepção dos indivíduos com o uso de uma Escala Likert pode permitir vieses de resposta, como a generalização enganosa (efeito Halo) e Common-Method Variance (CMV) descritos por Bagozzi e Yi (1991) e Richardson et al. (2009). Nesse sentido, os dados foram validados estatisticamente com o uso de testes de normalidade, confiabilidade simples, confiabilidade composta, testes de variância e a aplicação da Confirmatory Factor Analysis Marker, conforme proposto por Williams et al. (2003) para identificação da possível ocorrência de CMV.

A partir dos achados da pesquisa, sugerem-se novos estudos que identifiquem outros fatores mediadores e moderadores, para compreender quais os elementos que efetivamente podem promover o desenvolvimento regional e o desenvolvimento sustentável. Pois é relevante para a ciência conhecer as variáveis que podem auxiliar os governos e outras organizações a desenvolver políticas e ações para promover a melhoria da qualidade de vida das pessoas em uma perspectiva do triple bootom line de longo prazo. Coerentemente, sugere-se, tanto pesquisa de cunho qualitativo, como quantitativo, bem como analisar a percepção dos diferentes agentes envolvidos nesses processos.