Evaluación del modelo estructural

Una vez demostrada la validez y fiabilidad del modelo de medida se valora si el modelo estructural apoya el modelo propuesto, es decir, el modelo que recoge las relaciones existentes entre las variables latentes según la teoría que se emplea.

Página 163 El modelo fue testado considerando i) la varianza explicada o R2 de las variables endógenas o dependientes y b) la intensidad de los pesos de regresión estandarizados. Por otra parte, se aplicó c) la técnica no paramétrica Bootstrap para valorar la precisión y estabilidad de las estimaciones obtenidas. Esta técnica ofrece la significación de los caminos estructurales y, por tanto, el sostenimiento o no de las hipótesis planteadas a través del error estándar y los valores t de Student de los parámetros del modelo. Por último, para analizar la estabilidad de las estimaciones ofrecidas se aplica d) la validación cruzada del índice de redundancia, complementando así el nivel de significación de las relaciones entre los constructos y la evaluación de las R2.

La elección de este método de estimación en lugar de la técnica Jackknife se debe a que ofrece un rendimiento superior (Hair, Ringle y Sarstedt, 2011), aunque los errores estándar ofrecidos por ambas técnicas deberían converger.

i. Poder predictivo del modelo

La medida del poder predictivo del modelo es analizada utilizando el valor de R2 _también llamado como varianza explicada para las variables latentes dependientes, que tiene el mismo significado que los R2 obtenidos mediante el análisis de regresión múltiple, es decir, la cantidad de varianza del constructo que es explicada por el modelo.

Autores como Hair, Ringle y Sarstedt, (2011) establecen como valores adecuados de la varianza explicada aquellos que son iguales o mayores que 0,1 para valores inferiores indican un bajo nivel predictivo de la variable latente dependiente. En este estudio, tal y como se refleja en la siguiente Tabla 9.19, el modelo presenta un adecuado nivel predictivo. Todos los constructos dependientes tienen valores de R2 superiores a 0.1. Esto quiere decir que con el constructo Capital Intelectual logramos explicar el 39% de las circunstancias que influyen en la Innovación y con éste logramos explicar el 29% de las circunstancias que influyen en el rendimiento. Los valores de la varianza explicada por los constructos endógenos (variables dependientes) del modelo aparecen en la siguiente tabla.

Página 164

Tabla 9.19. Capacidad explicativa del modelo

Variables dependientes R2

Innovación 0,39

Rendimiento 0,29

Fuente: elaboración propia

ii. Contribución de las varianzas predictivas sobre la varianza explicada de las variables endógenas

Para analizar esta sección se deben centrar los cálculos en los coeficientes de regresión o pesos de regresión estandarizados, así como en las correlaciones entre los constructos o variables latentes. Los valores de estos coeficientes se reflejan en la siguiente tabla 9.20.

Tabla 9.20. Coeficientes del modelo Innovación Rendimiento Capital Intelectual 0,6841 0,0540

Innovación 0,4290

Rendimiento 0 0

Fuente: elaboración propia

La tabla representa el coeficiente de los caminos estructurales de un constructo a otro constructo. Estos coeficientes estructurales indican la intensidad y la dirección de las relaciones entre los constructos del modelo, actuando directamente en la confirmación o rechazo de las hipótesis presentadas. La interpretación de los coeficientes path debe hacerse de la misma forma que los obtenidos en regresiones tradicionales. Así, para poder ser considerados como aceptables deben tomar un valor de, al menos, 0,2; e idealmente situarse por encima de 0,3 (Hair, Ringle y Sarstedt, 2011). Como se desprende de la tabla anterior, de los 3 coeficientes path contenidos en el modelo interno, dos cumplen con la condición mínima propuesta por Hair, Ringle y Sarstedt, (2011) y quedará comprobar posteriormente si son o no significativos, aunque de los coeficientes de valores elevados se puede anticipar que van a ser significativos a cualquier nivel.

El modelo con las relaciones se recoge en la siguiente figura 9.13. Las relaciones entre las variables latentes del modelo interno o estructural, aparecen representadas por flechas.

Página 165

Figura 9.13. Relaciones entre variables latentes del modelo interno

Fuente: elaboración propia

Estos resultados ofrecen una primera idea de las relaciones teóricas propuestas, en las que dos de ellas tienen sustento empírico en los datos, el Capital Intelectual, en la que influyen las relaciones familiares, el capital relacional y capital estructural, tienen una influencia en la Innovación. A su vez, la Innovación tiene una influencia sobre el rendimiento de la empresa. Para comprobar la contribución de las variables predictivas sobre la varianza explicada (R2) de las variables endógenas en el modelo propuesto, se procede a calcular, en valor absoluto, el resultado de multiplicar el coeficiente path entre dos constructos por el valor de la correlación existente entre dichos constructos (Hair, Ringle y Sarstedt, 2011). El resultado será la varianza del constructo endógeno explicada por la variable predictiva, tal y como aparece en la siguiente Tabla 9.21.

Tabla 9.21. Contribución de la variable predictiva sobre la varianza explicada Relaciones planteadas en modelo interno Path Correlaciones % varianza explicada % CI → Innovación 0,6841 0,7429 0,3901 39% CI → Rendimiento 0,0540 0,3269 0,0121 1,2% Innovación → Rendimiento 0,4290 0,4092 0,2923 29%

Fuente: elaboración propia

Capital Intelectual Innovación Rendimiento 0,6841 0,0540 0,4290

Página 166 Para Hair, Ringle y Sarstedt, (2011), una variable predictora debería explicar al menos el 1,5% de la varianza de una variable predicha. En nuestro caso, el capital intelectual explica el 39% de la Innovación y la Innovación explica el 29% del rendimiento, cumpliendo ambos esa regla. Sin embargo, Capital Intelectual tan solo explica el 1% del rendimiento. Estos resultados vienen a corroborar los cálculos planteadas cuando se analizan los coeficientes de regresión estandarizados o path entre los constructos.

iii. Contraste de hipótesis planteadas en la investigación

Para poder contrastar las hipótesis planteadas se debe valorar la precisión y estabilidad de las estimaciones obtenidas, para lo cual se recurre a la técnica Bootstrap que ofrece el error estándar y los valores t de los parámetros.

Siguiendo a Hair, Ringle y Sarstedt, (2011), para calcular la significación de los coeficientes path, se genera una prueba Bootstrap de 500 submuestras y una distribución t de Student de dos colas con (n-1) grados de libertad, donde n es el número de submuestras. Los resultados se recogen en la tabla 9.22 mostrada a continuación:

Tabla 9.22. Resultados de la técnica no paramétrica Bootstrap Innovación Rendimiento Capital Intelectual 0,6841*** 0,0540

Innovación 0,4290***

Rendimiento 0 0

*p < 0,05; **p < 0,01; ***p < 0,001 Fuente: elaboración propia

A partir de aquí se obtiene la significación de los caminos estructurales y, por tanto, el sostenimiento o no de las hipótesis, como aparece en la tabla y en la figura anterior.

En concreto, de las tres hipótesis planteadas hasta ahora se han confirmado de manera positiva dos, de acuerdo a la Tabla 9.23 adjunta.

Página 167

Tabla 9.23 Hipótesis confirmadas

Hipótesis Coeficiente Estandarizados Valor t Bootstrap Hipótesis soportada H1: El capital intelectual influye positivamente en la

innovación de las empresas familiares del sector

vitivinícola en Chile. 0,6841*** 6,7538 Si

H2: El capital intelectual influye positivamente en el

rendimiento de las empresas familiares del sector

vitivinícola en Chile. 0,0540 0,3471 Parcialmente

H3: La innovación influye positivamente en el

rendimiento de las empresas familiares del sector

vitivinícola en Chile. 0,4290*** 3,9856 Si

*p < 0,05; **p < 0,01; ***p < 0,001 Fuente: elaboración propia

Como se puede observar de la tabla anterior, la relación entre el Capital Intelectual y la innovación es positiva y significativa. La relación entre el Capital Intelectual y el rendimiento de la empresa es positiva pero no significativa. La relación entre el Capital Intelectual y el rendimiento de la empresa es positiva y significativa.

9.5.5 Evaluación del modelo estructural teniendo en cuenta la influencia de la