A modelação de equações estruturais na análise da satisfação dos responsáveis de alojamentos turísticos ao desempenho dos municípios portugueses

Modelado de ecuaciones estructurales en el análisis de satisfacción de los responsables de alojamientos turísticos con el desempeño de los municipios portugueses

Structural equation modeling in the analysis of the satisfaction of those responsible for tourist accommodation to the performance of Portuguese municipalities

RODRIGO SOARES

Universidade de Lisboa, Portugal

MANUELA SARMENTO

Universidade de Lisboa, Portugal

Apesar do revés no crescimento que se vinha observando na indústria do turismo, após o final de 2019 devido ao SARS-CoV-2, é expectável que esta continue a impulsionar o crescimento econômico regional e nacional. O seu crescimento, dependerá da capacidade das várias entidades ligadas a este setor de gerar valor por meio da implementação de práticas inovadoras, sobretudo ao nível de estratégias diferenciadoras em regiões emergentes. Com base no conceito de “especialização inteligente”, Boschma (2016) refere a importância de se reforçarem vínculos entre setores econômicos com base nos recursos e capacidades endógenas existentes em cada região.

Um dos setores econômicos com elevada relevância no âmbito do turismo é o da hotelaria. Este setor capacita a região para a permanência do turista e, em alguns casos, é o motor da dinamização da região. Os alojamentos turísticos criam riqueza com geração de emprego, fixação da população e pagamento de taxas e impostos, alguns dos quais municipais.

Contudo a divulgação e dinamização do turismo numa região é feita pela combinação de diversos fatores e entidades, públicas ou privadas. Uma das entidades relevantes na captação de turistas, para uma determinada região, em Portugal, são as Câmaras Municipais. Parte dos recursos destas entidades deverá ser utilizada tendo como objetivo o aumento de turistas na região e, consequentemente, o aumento da riqueza da população em geral e dos alojamentos turísticos em particular. Em suma, a alocação de recursos feita pelos municípios terá de ter em consideração a satisfação dos seus diversos “clientes”, sendo estes os seus munícipes, quer sejam particulares ou empresas.

Assim, o objetivo deste trabalho foi analisar, com base na alocação de recursos feita pelos responsáveis municipais na captação de turistas, quais os que mais contribuem para a satisfação global (SG) dos responsáveis pelos alojamentos turísticos (AT). Para alcançar o objetivo mencionado, recorreu-se ao uso da modelação de equações estruturais (MEE) como metodologia. Com o recurso a esta metodologia, pretendeu-se validar um modelo, previamente definido, em que alguns fatores (variáveis latentes) foram constituídos a partir de diversas variáveis observadas.

Analisar a temática ligada à satisfação do cliente é cada vez mais matéria de estudo em diversas áreas e a indústria do turismo não é exceção (KWOK, JUSOH e KHALIFAH, 2016). Coloca-se então a difícil questão de definir o significado de satisfação. Na literatura encontram-se várias definições, uma das mais populares é a que remete para a concretização das expectativas geradas pelo cliente (KWOK, JUSOH e KHALIFAH, 2016).

A medição dos níveis de satisfação tem sido alvo de várias abordagens e diferentes metodologias no anseio de conseguir captar a forma de superar as expectativas dos clientes e dar às organizações possibilidade de se diferenciarem. Contudo a medição dos níveis de satisfação é uma tarefa complicada, uma vez que é intangível, abstrata e difere em virtude de experiências anteriores, expectativas, necessidades e objetivos de cada cliente.

Normalmente, a maior parte dos estudos relacionados com o turismo é feita pela ótica do turista. Remoaldo et al. (2016), por exemplo, analisaram os níveis de satisfação dos turistas em relação à cidade de Guimarães enquanto Patrimônio Mundial, assim como a alguns atributos específicos da cidade, tais como sinalização, informações turísticas ou transportes. Mas há, também, estudos desenvolvidos pela ótica das populações, como o de Foroni, Modica e Zenga (2019), que buscaram captar a satisfação dos residentes ao impacto do turismo numa estância balnear italiana. Apesar de estes dois autores terem sido referenciados, foi efetuado um vasto levantamento bibliográfico que, embora não se reflita neste documento, evidenciou que nenhum estudo abordou a satisfação dos responsáveis dos AT considerando-os como “clientes” dos municípios. Assim, pode acrescentar-se que não foi possível comparar os resultados obtidos com o de outros estudos, visto que esta é uma abordagem inovadora, tanto do ponto de vista da ótica em análise, como relativamente à metodologia usada.

Neste estudo, recorreu-se a uma técnica para análise da satisfação, a MEE, que, apesar de apresentar algumas limitações, foi usada na análise da satisfação relacionada com o turismo por diversos autores. Por exemplo, San-Martín, Herrero e Salmones (2018) analisaram o valor da marca de destino na satisfação do turista; Djofack e Camacho (2017) investigaram os efeitos da certificação ISO na satisfação dos responsáveis por empresas de turismo espanholas; Ali et al. (2017) examinaram relações entre a qualidade do serviço percebida e a satisfação dos hóspedes em hotéis na Malásia; Mendes et al. (2010) verificaram a relação entre os níveis de satisfação com a experiência turística e a lealdade no destino turístico da região do Arade, Algarve.

A MEE é uma técnica de modelação geral, usada para testar a validade de modelos teóricos que definem relações causais e hipotéticas entre variáveis. Essas relações são representadas por parâmetros que indicam a magnitude do efeito que algumas variáveis independentes têm sobre variáveis dependentes. As variáveis dependentes são designadas de variáveis latentes (VL) sempre que não podem ser medidas e por isso são constructos hipotéticos, baseados nas variáveis observadas (VO) que lhes servem de indicadores.

A MEE é um método de análise multivariada, que concilia aspectos de regressão múltipla e de análise fatorial com o objetivo de estimar em simultâneo uma série de relações de dependência. Como vantagem, pode-se corroborar todas as hipóteses do modelo ao mesmo tempo, pois permite a análise do comportamento de cada uma das variáveis sobre as outras. Além disso, pode ser representado graficamente (KLINE, 2011).

Uma vez que o objetivo desta investigação foi criar um modelo que avaliasse quais os constructos que mais contribuíam para a satisfação dos respondentes relativamente ao seu município no que diz respeito a ações que captem a atenção e consequentemente a vinda e permanência do turista, foi desenvolvido, com base em hipóteses, um sistema integrado explicativo: (1) da percepção que os responsáveis por AT tinham sobre o desempenho e afetação de recursos por parte dos municípios; (2) da forma como os constructos concebidos geravam relações causais na satisfação.

Diante do exposto e dada a complexidade da medição dos níveis de satisfação, recorreu-se à sua representação mediante um número significativo e mensurável de parâmetros que podiam ter valor para os respondentes. Assim, e apesar das limitações, na medição da satisfação, recorreu-se ao uso de questionários, e escalas de Likert de 7 pontos, em que 1 significava péssimo e 7 excelente, para percepcionar os níveis de satisfação relacionados com atividades e ações dos municípios. Por e-mail, foram enviados 3.665 questionários a AT de Portugal, entre 21 de maio e 10 de julho de 2020. Obtiveram-se apenas 379 respostas válidas, pois, devido à situação pandêmica de SARS-CoV-2, muitos estabelecimentos estavam encerrados.

O modelo apresentado baseou-se na revisão da literatura, nas respostas ao questionário e, numa primeira fase, na análise de componentes principais. Alterações ao modelo inicial tiveram em consideração o sentido crítico e a pesquisa teórica. A elaboração do modelo assentou em seis hipóteses de pesquisa. Entre os parênteses correspondentes a cada uma das hipóteses, apresentadas a seguir, constam a designação com que posteriormente se designa a VL, assim como a numeração atribuída às questões associadas às variáveis observadas e que podem ser consultadas no Quadro1.

H1. A satisfação com a realização de eventos por parte do município, assim como o apoio ao turista e à realização de eventos, têm um efeito positivo sobre a SG percepcionada pelos respondentes (“Eventos”: 4.5-4.20).

H2. A satisfação com a divulgação feita pelo município tem um efeito positivo sobre a SG percepcionada pelos respondentes (“Divulgação”: 4.1-4.4 e 4.21-4.24).

H3. A satisfação com o investimento feito pelo município em ativos e serviços tem um efeito positivo sobre a SG percepcionada pelos respondentes (“Investimento”: 4.25-4.31).

H4. A satisfação com o site do município tem um efeito positivo na SG percepcionada pelos respondentes (“Site”: 7.1-7.5).

H5. A satisfação com a oferta consertada de produtos turísticos, com a quantidade de camas e a mão de obra do município (oferta) tem um efeito positivo sobre a SG percepcionada pelos respondentes (“Oferta Produtos/serviços”: 8.1-8.4).

H6. A satisfação com a divulgação feita por entidades ligadas ao turismo, tais como Associações Empresariais de Turismo (AET), Agências Regionais de Promoção Turística (ARPT), Entidades Intermunicipais (EI) e Associações Hoteleiras (AH), tem um efeito positivo sobre a SG percepcionada pelos respondentes (“Promoção/Divulgação outras Entidades”: 9.1-9.4).

Quadro 1
Variáveis observadas
Fonte: Elaborado pelos autores.

Quadro 1 Continuação

Com base nas hipóteses anteriormente definidas, o modelo inicial remete a uma análise em que seis VL (constructos) impactam na VL satisfação global (Figura 1).

FIGURA 1
Modelo inicial
Fonte: Elaborada pelos autores.

O recurso à MEE requer o início da avaliação do modelo por meio da análise fatorial confirmatória (AFC), bem como alterações ao modelo inicial sempre que se justifiquem. Posteriormente, estima-se o modelo estrutural, avaliam-se os resultados e procede-se, caso seja necessário, a novos ajustes. Após validação do modelo, os resultados podem, então, ser analisados.

As fases conducentes à análise confirmatória consistem em:

1. 1. Detectar possíveis distorções de dados: todas as respostas “não sei/não responde” foram consideradas como dados omissos. Após a sua análise e sempre que possível, recorreu-se à metodologia series mean, para colmatar estas lacunas, uma vez que a técnica MEE é sensível à dimensão da amostra e a eliminação das respostas com casos omissos iria reduzir a precisão das estimativas;
2. 2. Possível existência de outliers que conduziriam a distorções na análise (HAIR et al. 2009). Na identificação de possíveis outliers univariados, cada variável foi analisada individualmente, usando-se um limite moderado, >2,58 e p<0,01 (KLINE, 2011). Foram identificados 11 outliers, todos conotados com a questão 4.24, razão pela qual esta questão foi retirada. Como esta questão está diretamente relacionada com possíveis apoios dados pelos municípios diretamente aos AT e não com o desempenho dos municípios na captação de turistas, poderá ter ocasionado discrepâncias nas respostas. Para a identificação de outliers multivariados, recorreu-se à distância de Mahalanobis (D²), tendo sido eliminadas 39 respostas por não cumprirem os requisitos (GÓNZALEZ, ABAD e LÈVY, 2006);
3. 3. Análise da normalidade via realização de testes univariados e multivariados. A normalidade univariada da amostra foi primeiramente verificada com recurso ao teste de Shapiro-Wilk e, para um p-value<0,001, verificou-se inexistência de normalidade para todas as variáveis. Seguiram-se os testes de assimetria (skewness) e de curtose (kurtosis). Relativamente ao teste de assimetria, constatou-se existência de desvios significantes, quando se consideraram indicadores de normalidade moderada, conotados com quatro questões (4.2; 4.4; 4.20 e 4.21). Estas questões apresentavam valores superiores a , razão pela qual foram retiradas (KLINE, 2011). Relativamente ao teste de curtose, nenhuma questão refletia uma situação extrema, uma vez que o valor máximo encontrado foi de 3,8, abaixo do valor (GÓNZALEZ, ABAD e LÈVY, 2006). Para a percepção sobre a existência de normalidade multivariada, procedeu-se ao cálculo do teste de Mardia (K_m ) (MARDIA, 1970). Obteve-se o valor de K_m =57,3, que, sendo superior a 5, indica que não há distribuição normal multivariada;
4. 4. A verificação de linearidade das variáveis foi feita mediante análise dos diagramas de dispersão e dos gráficos de resíduos padronizados que apontaram para relações lineares para todas as dimensões do modelo, não sendo observadas relações curvilíneas (HAIR et al., 2009). Procedeu-se, ainda, à realização do teste de correlação de Pearson. Este coeficiente é um bom indicador do ajuste linear entre as variáveis, sendo tanto maior o grau de associação entre as variáveis quanto mais próximo de 1 for o valor (HAIR et al., 2009). Os valores obtidos, relativos ao coeficiente de Pearson, mostraram ser aceitáveis, uma vez que estavam todos compreendidos entre 0,4 e 0,9;
5. 5. Avaliação da multicolineariedade entre as variáveis foi observada por meio dos valores obtidos para o variance inflation factor (VIF), que não devem exceder o valor 10 (NORUSIS, 2004). Das 42 variáveis, verificou-se que apenas três não cumpriam os requisitos de VIF<10, em virtude disso e para efeito da construção do modelo, foram removidas. Estas variáveis dizem respeito às questões 4.11; 7.1 e 7.2. Com a remoção destas variáveis, o coeficiente de Mardia (K_m ) passou a 51,2 - o que significou uma ligeira melhoria generalizada dos valores da normalidade multivariada.

Os resultados relativos à análise confirmatória e estrutural foram obtidos recorrendo-se ao software R^®_V4.0.2. Contudo, devido à melhor representação gráfica, todas as figuras, apresentadas neste trabalho foram obtidas por intermédio do software AMOS^® V.25

Com o objetivo de validar o modelo, o primeiro passo refere-se à componente medição que permite operacionalizar as VL. Da análise às cargas fatoriais de cada item, e como todos contribuíam de forma positiva (acima de 68%) para a construção de cada uma das VL, não houve necessidade de eliminação de nenhum outro item, para além dos anteriormente mencionados. Contudo foi necessário efetuar correlações entre vários erros de medida na construção das diversas VL. Foi igualmente necessário repensar o modelo, uma vez que a VL “site” não apresentava índices de ajuste aceitáveis. Neste caso, duas hipóteses se colocavam: (1) eliminar esta VL ou (2) considerar os itens 7.3; 7.4 e 7.5 impactando positivamente na VL “Divulgação”. Comparados os valores dos índices resultantes das duas hipóteses, estes se adequavam mais à hipótese (1), levando à eliminação total dos itens subjacentes à variável “Site”.

Todas as variáveis tinham pesos fatoriais adequados, acima do valor de referência (λ>0,5), e estatisticamente significativos (p-value ≤ 0,05, valor de referência), (REIS, 2001). A fiabilidade individual dos itens era elevada, uma vez que o valor mais baixo de R² era superior a 0,42 e os índices de qualidade de ajustamento foram considerados bons, conforme se pode visualizar na Tabela 1 (os valores de referência podem ser consultados na Tabela 2).

TABELA 1
RESUMO DOS ÍNDICES DE AJUSTE DAS VARIÁVEIS LATENTES - TESTE DE SATORRA E BENTLER (2001)

Fonte: Elaborada pelos autores.

Em seguida, analisa-se cada uma das VL por meio dos valores obtidos para os termos residuais (erros). Igualmente, o modelo passa a incluir os efeitos que são transversais a mais de um item, pela correlação existente entre estes e considerando não só os índices de modificação, mas também relações que fizessem sentido em termos teóricos.

A VL “Eventos” contém 13 itens (VO), todos com λ>0,8. A consistência interna foi considerada excelente, uma vez que o valor de alfa de Cronbach foi de 0,978, isto é, superior a 0,9 (HAIR et al., 2009; KLINE, 2011). O item que mais contribuiu para a constituição desta variável foi o 4.13 e o que menos contribuiu foi o 4.7. Contudo, dada a proximidade entre os valores obtidos, evidencia que todos os itens tiveram um peso significativo e equivalente.

Os resultados apontaram para a existência de diversas correlações entre os itens.

Correlação positiva entre o item 4.10 e os itens 4.8, 4.9, 4.12 e 4.13, sugerindo que o maior apreço por ações ligadas à cultura, como o teatro, envolve o apreço por outras ações culturais do município, tais como: cinema (48%), exposições (43%), enfeite das ruas (22%) e festas, feiras e romarias (23%). A correlação negativa entre o item 4.10 e os itens 4.6 (-7%) e 4.17 (-6%) sugere que os respondentes que mais valorizam os eventos ligados à cultura, como o teatro, desvalorizam eventos mais ligados ao desporto e aventura e vice-versa. A correlação positiva entre os itens 4.6 e 4.18 (28%) era expectável, uma vez que as duas variáveis dizem respeito a eventos desportivos e de aventura, com a diferença de que num caso seriam organizados pelo município e no outro caso só seriam apoiados por este. A elevada correlação (50%) entre o item 4.5 e 4.6 assenta no pressuposto de que a expectativa relativa à realização de eventos desportivos por parte dos municípios seja equivalente à da realização de eventos culturais. Correlações entre o item 4.8 com o 4.9 (28%) e o 4.7 (22%) têm como pressuposto que a existência de festas, feiras e romarias, assim como os eventos audiovisuais, implicam o enfeite das ruas no intuito de criar um apelo maior a estes acontecimentos. Finalmente, a correlação positiva entre os apoios dos municípios aos eventos culturais, tais como teatro (4.10), cinema (4.12) e exposições (4.13), mostra o relacionamento e semelhança inerentes a estes três tipos de eventos.

A variável “Divulgação” contém 4 itens, todos com λ>0,7 e alfa de Cronbach de 0,919. O item que mais contribuiu para a constituição desta variável foi o 4.1, com um peso de 91%. O que menos contribuiu foi o 4.22, com um peso de 79%. Foi necessário efetuar apenas uma única correlação entre os itens 4.22 e 4.23 (59%), o que pressupõe que o investimento na divulgação do município potenciará a redução da sazonalidade.

A variável “Investimento” contém 7 itens, todos com λ>0,8 e alfa de Cronbach de 0,956. O item que mais contribuiu para a constituição desta variável foi o 4.29 com um peso de 90% e o que menos contribuiu foi o 4.31 com um peso de 82%. A maior correlação entre itens (71%) ocorre entre 4.30 e 4.31, uma vez que os dois dizem respeito ao investimento feito pelos municípios na recuperação de patrimônio, ressaltando-se que um diz respeito ao material e o outro ao imaterial. Importante mencionar ainda a correlação entre os itens 4.28 e 4.27 (60%), cujo pressuposto é de que o município, ao investir em serviços de recolha de lixo, consiga ter as ruas mais limpas e vice-versa. Por último, uma breve referência à correlação de 20% entre as variáveis 4.26 (Investimento em serviços de saneamento básico) e 4.25 (Investimento em infraestrutura, como estradas, parqueamentos e transportes).

A variável promoção/divulgação por outras entidades, que passará a ser designada “DivulgaçãoEntidades”, contém 4 itens, todos com λ>0,8 e alfa de Cronbach de 0,928. Todos os itens apresentam pesos muito similares, entre 0,854 e 0,877, no que concerne à contribuição para a VL. Apenas os itens 9.1 e 9.4 apresentaram correlação de 30%,, sugerindo alguma similaridade nas ações promocionais e de divulgação realizadas pelas Associações Empresariais de Turismo e as Associações Hoteleiras.

A variável oferta de produtos e serviço, que passará a ser designada “Oferta”, contém 4 itens, todos com λ>0,6 e alfa de Cronbach de 0,855. O item que mais contribuiu para a constituição desta variável foi o 8.1 com um peso de 87%, e o que menos contribuiu foi o 8.4 com um peso de 68%. Neste caso, apenas uma correlação foi feita entre os itens 8.4 e 8.1. Curiosamente esta correlação é negativa: de 33%, o que significa que a existência de uma oferta consertada de produtos turísticos exerce uma influência negativa sobre a relação oferta/procura do município. Isso poderá expressar algum desequilíbrio entre a oferta e a procura de camas, por excesso ou por escassez, ao existir oferta consertada de produtos turísticos.

Após se terem efetuado as correlações mencionadas, de acordo com a abordagem dois estágios, procedeu-se primeiro à confirmação do modelo, por meio da análise fatorial confirmatória e recurso à análise dos índices de ajuste, seguindo-se a análise estrutural (MARÔCO, 2014).

Com base nos valores obtidos, foi ainda necessário proceder a alguns ajustes. Assim, efetuaram-se as seguintes correlações: entre os itens 9.1 e 9.2 (15%); 4.1 e 4.3 (31%), uma vez que se podem considerar a sinalética e sinalização existentes nos municípios como uma componente de divulgação dos pontos de interesse para o turista; entre os itens 4.16 e 4.18 (11%), que relaciona os apoios a festivais de música e os apoios a eventos de cariz desportivo e de aventura; e entre os itens 8.1 e 8.3 (-25%), com a indicação de que a oferta consertada de produtos turísticos influencia negativamente a quantidade de mão de obra especializada no setor hoteleiro, levando à dispersão da mão de obra por várias áreas ligadas ao turismo, muitas vezes em regiões onde a mão de obra é escassa.

Uma vez que cada VL foi examinada per si, o modelo inicial e o modelo final apresentaram valores muito semelhantes para os índices de ajuste. Os valores referentes ao modelo final apresentam-se na Tabela 2 e podem ser considerados razoáveis/bons.

TABELA 2
MEDIDAS DE AJUSTE GERAL: VALORES DE REFERÊNCIA E VALORES OBTIDOS NO MODELO FINAL

Legenda: X²- Qui-quadrado; GFI - Índice de qualidade do ajuste; RMSR - Raiz Quadrada Média Padronizada; RMSEA - Raiz do erro quadrático médio de aproximação; AGFI - Índice ajustado de qualidade do ajuste; TLI - Índice de Tuker-Lewis; NNFI - Índice de ajuste não ponderado; NFI - Índice de ajuste ponderado; CFI - Índice de ajuste comparativo; RFI - Índice de ajuste relativo; AIC - Critério de informação Akaike; X² /df =X² ponderado (df=graus de liberdade). Fonte: Elaorada pelos autores.

De acordo com a AFC e uma vez que o modelo de medida mostra consistência com o modelo teórico, é possível concluir que efetivamente as diversas VO representam as medidas para as cinco VL construídas. Da análise aos valores da Tabela 3, constata-se que a confiabilidade composta é superior a 0,88 para todas as VL, o que é um bom indicador (FORNELL e LARCKER, 1981).

Para analisar a validade convergente, que permite avaliar a percentagem total dos itens que é explicada pela VL, usou-se a variância extraída média (VEM), obtendo-se valores acima de 0,65 para todas as VL Tabela 3.

TABELA 3
CONFIABILIDADE COMPOSTA E VARIÂNCIA EXTRAÍDA MÉDIA

(a) Confiabilidade composta deverá ser > 0,7 (NUNNALLY, 1978). (b) VEM deverá ser > 0,5 (FORNELL e LARCKER, 1981). Fonte: Elaborada pelos autores.

Recorrendo ao método de Fornell e Larcker (1981), verificou-se que os valores obtidos para a VEM são superiores aos obtidos para o quadrado do coeficiente de correlação das VL (variância compartilhada), o que é indicativo da existência de validade discriminante (Tabela 4). Esta validade das VL permite perceber se as questões foram compreendidas pelos respondentes como um conjunto homogêneo (MATTOZO, 2014).

TABELA 4
VALIDADE DISCRIMINANTE

Fonte: Elaborada pelos autores.

A análise fatorial confirmatória validou o modelo proposto. Na verdade, o modelo final, após ajustes, apresentou valores aceitáveis e bons para todos os testes de ajuste, confirmando-se a existência de confiabilidade, validade convergente e validade discriminante. Assim, pode concluir-se que as VL em que o modelo assentou foram bem preditas.

Modelo de equações estruturais: satisfação global como variável latente

Nesta seção, a SG foi considerada como VL construída com base nos constructos já constituídos e apresentados na seção anterior. Na seção seguinte, será feita uma abordagem em que a SG será considerada variável observada (VO).

Assim, após validação do modelo de medida, a AFC, avançou-se para a análise estrutural do modelo (MEE) com o objetivo de validar se as hipóteses inicialmente colocadas são estatisticamente significantes. Para tal, procedeu-se novamente ao cálculo dos índices de ajuste visando verificar se o modelo continuava válido e consistente com o preconizado teoricamente. Uma vez que a matriz de covariância dos resíduos das VO estava definida como não positiva, foi preciso eliminar a correlação entre o erro do item 4.28 e o do 4.31 e criar a correlação entre o erro do item 8.3 e o do 8.4, criando uma relação entre a mão de obra especializada e a relação oferta-procura relativamente ao número de camas. Os índices de ajuste obtidos encontram-se na Tabela 5, coluna “SG final (VL)”.

A qualidade de ajuste está entre o aceitável e o bom, conforme se pode constatar da análise dos índices. De uma forma geral, pode considerar-se que todas as medidas de ajuste absoluto são aceitáveis apesar do valor do qui-quadrado apresentar-se um pouco elevado (HAIR et al., 2009).

Quanto às medidas de ajuste incremental, todas se mostram adequadas e de acordo com o que é preconizado pela literatura (BYRNE, 2010); a exceção é o valor do GFI abaixo do recomendado. No entanto, de acordo com Kim (2005), uma vez que este índice é sensível à dimensão e à eventual complexidade do modelo, já é considerado como aceitável desde que o seu valor esteja acima de 0,8. Finalmente, as medidas de ajuste parcimonioso podem também considerar-se como aceitáveis (valores de referência na Tabela 2).

TABELA 5
MEDIDAS DE AJUSTE GERAL DE ACORDO COM O MODELO ESTRUTURAL CONSIDERANDO A SATISFAÇÃO GLOBAL COMO VL VERSUS VO

Fonte: Elaborada pelos autores.

Interessa agora perceber a magnitude dos efeitos de um constructo sobre outro, uma vez que o objetivo desta pesquisa é perceber até que ponto os vários constructos, baseados nas hipóteses iniciais, relacionam-se não só uns com os outros (o que já se analisou por meio da AFC), mas também em relação à sua contribuição para a SG dos respondentes.

Conforme se pode constatar no diagrama da Figura 2, todos os itens dos constructos apresentam valores acima de 0,42, o que pode ser considerado adequado, uma vez que as fiabilidades individuais são adequadas se R²≥0,25 (BOLLEN, 1989). Os itens com valores mais baixos dizem respeito ao constructo “oferta” com 0,42 e 0,58, enquanto os outros dois coeficientes dos itens deste mesmo constructo apresentam os valores de 0,62 e 0,93. Todos os restantes itens dos diversos constructos do modelo apresentam valores de R²>0,66.

Igualmente, todos os coeficientes padronizados de correlação múltipla relativos às VL (fatores) que contribuem para o constructo “SG” apresentam valores de R² elevados, expressando a elevada percentagem de variância explicada por cada fator e o quão importante é o fator. Conforme se pode constatar, é o fator “divulgação” que apresenta o coeficiente mais elevado, seguido de “eventos” - os valores de R2 podem ser observados na Figura 2 ou na Tabela 8, coluna “R2 SG (VL)”.

Considerando o modelo com estimativas estandardizadas, verifica-se ainda que os pesos fatoriais, independentemente do constructo, encontram-se entre os valores 0,64 e 0,97, indicando que todas as VO, assim como as VL, convergem de forma muito satisfatória e mostram haver uma relação elevada na formação de cada um dos constructos. Na verdade, quanto maior o valor de R2, maior o poder explicativo da equação de regressão e maior a predição da variável dependente (MATTOZO, 2014).

Em termos de contribuição dos fatores para a SG, podem ser feitas duas análises. Uma análise baseada nos valores não estandardizados e outra com base nos valores estandardizados. Os índices de significância de cada carga fatorial são determinados pela relação entre o valor da carga fatorial da variável e o seu erro padrão. O valor obtido pode ser considerado como um valor crítico, uma vez que dele depende a confirmação ou não da hipótese colocada (Tabela 6, coluna “CR-estatística t”). Caso os valores obtidos sejam maiores que |1,96|, são considerados significativos; caso tal não aconteça, isso indica que o valor é estatisticamente igual a zero e, portanto, o índice pouco explica sobre a VL. Como se pode constatar, todos os valores são superiores a 13, com p<0,01. “Divulgação” apresenta o valor 1 para B, uma vez que foi pré-fixado, para se poderem obter os restantes coeficientes, e por isso não possui erro padrão associado.

Figura 2
Modelo de Equações Estruturais que analisa o efeito das VL sobre a VL “Satisfação Global”
Legenda: de e37 ao e41: distúrbio ou erro de medida para cada VL; restantes “e”: erro de medida para cada item; retângulos: VO; ovais: VL; valores junto às setas unidirecionais: magnitude dos efeitos de uma variável sobre a outra; valores junto às setas bidirecionais: indica a correlação existente entre as duas variáveis; valores junto aos retângulos ou às ovais: proporção da variância explicada (R2). Os valores apresentados são estandardizados e apresentam níveis significativos (p<0,01).Fonte: Elaborada pelos autores.

TABELA 6
TESTE DE HIPÓTESES DO MODELO ESTRUTURAL: COEFICIENTES ESTIMADOS DAS RELAÇÕES ENTRE VARIÁVEIS EM QUE A SATISFAÇÃO GLOBAL É UMA VL

Fonte: Elaborada pelos autores.

Ainda de acordo com os valores apresentados na Tabela 6, todas as hipóteses inicialmente colocadas foram validadas. A hipótese H4 tinha sido retirada por impossibilidade de ser testada individualmente, conforme anteriormente explicado.

Adicionalmente, segue-se uma mais perceptível explicação dos impactos dos vários fatores na variável dependente SG. De acordo com as estimativas não estandardizadas e uma vez que todos os impactos são positivos, quanto maior for, por exemplo, o apoio que o município dá à realização de eventos, maiores serão os níveis de satisfação dos respondentes. O mesmo se aplica aos restantes fatores constituídos. Quanto às estimativas estandardizadas (Figura 2), consegue-se perceber, no âmbito da componente da medição, qual o fator que tem uma maior população (lobby) relativamente à VL “satisfação global”. Neste caso, é a “Divulgação” que tem maior contribuição, pois explica 95% da variabilidade da SG seguida da variável “Eventos”, com 83%.

O acréscimo de um ponto em “Divulgação” leva a um acréscimo médio de 0,97 na SG dos respondentes, mantendo-se todo o resto constante, o que leva a concluir que quanto mais o município investir em divulgação, maiores serão os níveis de satisfação dosrespondentes.

Em suma, pode dizer-se que todos os constructos são importantes determinantes da SG dos respondentes. A VL “Divulgação” mostrou ter maior impacto (97%), seguida de “Eventos” (91%), “Investimento” (87%), “Oferta” (81%) e, finalmente, “Divulgação por outras Entidades” (75%).

Modelo de equações estruturais: satisfação global como variável observada

Uma vez que no questionário foi solicitado aos respondentes que avaliassem o seu grau de SG relativamente ao desempenho dos municípios na captação de turistas, foi realizada uma segunda análise estrutural, mas agora considerando a SG como variável observada.

Neste caso, os índices de ajuste geral são ligeiramente melhores que os obtidos quando a variável SG era latente - Tabela 7, coluna “SG Final (VO)”.

Da Tabela 7 constam os valores dos coeficientes estandardizados e constata-se uma vez mais que todas as VL influenciam significativamente a SG (p=0,000; t>|1,96|).

TABELA 7
TESTE DE HIPÓTESES DO MODELO ESTRUTURAL: COEFICIENTES ESTIMADOS DAS RELAÇÕES ENTRE VARIÁVEIS EM QUE A SATISFAÇÃO GLOBAL É UMA VO

Fonte: Elaborada pelos autores.

De acordo com os valores apresentados na Tabela 8, verifica-se que, quando a SG é variável observável, a VL “Divulgação” continua a ser a que mais contribui para explicar aquela variável. Contudo a contribuição das outras VL altera-se ligeiramente e agora é a variável “Oferta” que se apresenta em segundo lugar, seguida de “Eventos”, que perdeu poder explicativo. Verifica-se também que o poder explicativo de todas as variáveis latentes sobre a SG é menor quando comparado com a primeira situação, em que a SG era ela própria uma VL (Figura 3).

TABELA 8
VALORES DE R2 E PESOS DOS FATORES PARA A SATISFAÇÃO GLOBAL COMO VL E COMO VO

Legenda: SG- satisfação global; VO-variável observada; VL- variável latente. Fonte: Elaborada pelos autores.

Quanto ao poder preditivo, isto é, a magnitude dos efeitos de uma variável sobre a outra, verificam-se diminuições nos pesos dos fatores, ainda que continuem com valores significativos. Assim, ainda que a variável com maior poder preditivo continue a ser “Divulgação”, ela é seguida de “Oferta”, “Eventos” e “Investimento”.

De acordo com os resultados, pode admitir-se que, por um lado, quando são criados constructos para a definição de uma VL (neste caso a SG), o modelo consegue predizer a variância explicada e o grau de importância de uma variável sobre a outra. Por outro lado, quando se comparam os resultados em que a satisfação global é VL com os resultados obtidos considerando a satisfação global como VO, o modelo continua a ser adequado, mas a variância explicada pelos constructos na SG (VO), assim como o grau de importância das variáveis latentes sobre a SG (VO), sofrem algumas alterações.

Resumindo, a sequência em termos de variância explicada e de predição das variáveis latentes sobre a SG é diferente:

SG(VO): Divulgação?Oferta?Eventos?Investimento?DivulgEntidades.

SG(VL): Divulgação?Eventos?Investimento?Oferta?DivulgEntidades.

Figura 3
Modelo de Equações Estruturais que analisa o efeito das variáveis latentes sobre a VO “SG”
Fonte: Elaborada pelos autores.

Com base num modelo teórico, previamente definido, elaboraram-se hipóteses que pudessem ser validadas para perceber quais as variáveis com mais impacto sobre a SG dos responsáveis por alojamentos turísticos relativamente ao desempenho do seu município na captação de turistas, uma vez que, apesar de estes responsáveis serem uma peça fulcral do desenvolvimento turístico de uma região, não são, na maior parte das vezes, consultados pelos responsáveis municipais quando estes procedem à alocação de recursos.

Recorreu-se a uma metodologia estatística não muito usual, a MEE, para fazer a análise e, também, perceber até que ponto um modelo pré-concebido, do qual faziam parte 44 questões, podia ser interpretado por meio da construção de variáveis latentes e avaliar as relações causais existentes entre estas e a SG.

O modelo assentou sobre a construção de seis VL; contudo, por razões de constrangimentos relacionados com os pré-requisitos ao modelo de equações estruturais, a hipótese H4, relativa à VL “site”, foi retirada.

Em relação à construção das restantes VL, e para que pudessem cumprir os pré-requisitos inerentes a uma posterior análise confirmatória, houve a necessidade de retirar oitoVO. Igualmente houve necessidade de estabelecer diversas covariâncias entre os erros das VO e recorrer à metodologia series mean para não diminuir o número da amostra e colmatar o problema dos casos omissos.

O modelo foi validado com recurso aos índices de ajuste e constatou-se que estruturalmente todas as hipóteses inicialmente colocadas, com exceção da H4 por ter sido retirada, foram validadas, uma vez que todos os constructos contribuíam positivamente para a SG.

O peso e a contribuição com de cada constructo para a SG são diferentes quando se considera esta variável como latente ou como observada. Contudo a principal conclusão é que a divulgação, independentemente da forma como esta variável é considerada no modelo, é a variável com mais impacto sobre a SG dos responsáveis por alojamentos turísticos em relação aos recursos alocados pelos municípios na captação de turistas.

Assim, é essencial que os responsáveis municipais tenham a capacidade de implementar estratégias de divulgação e promoção eficientes que evidenciem a diversidade e a riqueza local em termos de atrações culturais, naturais ou gastronômicas oferecidas pelos municípios. Isto é tão mais importante à medida que o município for menos afamado em termos turísticos. Acrescente-se que a organização ou o apoio a eventos, independentemente da sua natureza, são igualmente fundamentais na atração de turistas.

Importante mencionar ainda a necessidade de haver condições privilegiadas no município para a permanência do turista, que é assegurada pelos AT, e que, ao prestar serviços adequados e com qualidade, garantem a satisfação do turista e podem ser fortes impulsionadores do turismo numa região. Sugere-se uma aposta na formação da mão de obra ou uma oferta consertada e diversificada de serviços ligados ao turismo, tais como restauração, atividades de aventura e de natureza ou de índole desportiva e cultural que o município deverá fomentar e apoiar.

A metodologia usada (MEE) pode ser enquadrada como capacitante de trabalhos de investigação em várias áreas do conhecimento e setores de atividade. Na verdade, é facilitadora de elementos de análise e resultados conducentes a uma fácil interpretação e com cariz iminentemente prático.

No caso em concreto, os resultados foram ao encontro do que seria esperado, contribuindo para validar tanto a metodologia quanto o modelo que se pretendia testar. Contudo, na raiz dos resultados, estão as questões que deram origem ao questionário. Diante disso, pode-se começar por referir que seria de toda a conveniência fazer abordagens para regiões mais pequenas, restringindo-se a aspectos menos genéricos e permitindo perceber, em cada região, quais os aspectos mais valorizados pelos responsáveis hoteleiros ao nível da afetação de recursos das autarquias.

Para trabalho futuro seria igualmente interessante poder comparar a ótica dos responsáveis de hotelaria com a dos turistas e a dos responsáveis autárquicos. Ou, ainda, comparar os resultados obtidos com este estudo com os obtidos caso se recorresse a outras metodologias.