Working with internal and external stakeholders

El estudio teórico apoya las hipótesis sobre lo que es influenciado por el proceso de trans- misión del conocimiento dentro de los distritos industriales. Los aspectos conceptuales profundizados en esta tesis, por lo tanto, suscitaron elementos teóricos relacionados con los determinantes para la formación de relaciones de los elementos teóricos concernientes a factores en la transmisión del conocimiento.

Considerando que el cuestionario aplicado para esa investigación fue una adaptación del instrumento construido por Budí-Orduña (2013), se optó por aplicar la técnica del análisis factorial confirmatorio (AFC) para evaluar el grado en que los datos pudieran satisfacer la estructura de los factores elaborada anteriormente (Hair et al., 2006).

En el modelo de AFC, hay una relación de diversos factores (o sólo un factor) con diversas variables por factor (Kolenikov, 2009). El método elegido para la estimación de los pará- metros fue el de máxima verosimilitud (ML), como se describe en Kolenikov (2009). La adecuación y confiabilidad del modelo se realizaron en base a los criterios de RMSEA, RMSR, TLI, y CFI, según lo detallado por León (2011) y Kolenikov (2009).

El modelo estimado está representado en la Figura (23), en la cual se observa el agrupa- miento de diversas variables manifiestas y latentes, representadas por cuadrados y círcu- los, respectivamente; es posible, también, observar la correlación entre las dimensiones, representada por flechas que interconectan las propias dimensiones.

La primera etapa del modelo estructural estimado se inicia con la construcción del modelo de AFC, descrito en el tópico anterior. Así, se observa la agrupación de variables en di- mensiones y la correlación entre esas dimensiones. A diferencia del modelo de AFC, se añaden las variables manifiestas, representadas por cuadrados, a fin de verificar la in- fluencia de las cuatro dimensiones en esas variables. Esta influencia está representada por las flechas que vinculan las dimensiones a las siguientes variables: conocimiento tácito, conocimiento explícito, participación en distrito industrial y transmisión del conoci- miento.

128

En cuanto al modelo de ecuaciones estructurales, este fue utilizado para identificar la relación entre los conocimientos tácitos, explícitos, la participación en el distrito indus- trial y la transmisión del conocimiento. El modelo de ecuaciones estructurales es espe- cialmente favorable cuando una variable dependiente se independiza en las relaciones subsiguientes de dependencia (Hair, et al., 2009). Según estos autores, un enfoque teórico es esencial, ya que todas las relaciones deben ser especificadas por el investigador antes de que la estimación del modelo se realice. Los autores enfatizan, también, que la técnica es útil para verificar una causalidad, a pesar de que sólo con esta técnica no es suficiente para dicho cometido.

Para el análisis del tamaño de la muestra, del método de estimación y del grado de espe- cificación del modelo, presentamos la Tabla (10), con estadísticas e índices de calidad de ajuste, utilizados con mayor frecuencia en aplicación de análisis de ecuaciones estructu- rales, con sus respectivos valores de referencia, adaptados de la práctica y observación de la literatura, (Marôco, 2010).

129

Tabla 10: Índices de ajuste

Clasificación Principales índices Valores de Referencia Medidas de ajustes

absolutos (Marôco, 2010)

X2 _{y p-valor Cuanto menor es mejor y p<0,05}

X2_{/gl >5 –el ajuste es malo} [2;5] -el ajuste no es bueno

[1;2] -el ajuste es bueno ~1- el ajuste es muy bueno

GFI <0,8- el ajuste es malo

[0,8; 0,9]-el ajuste no es bueno [0,9; 0,95] - el ajuste es bueno ≥0,95- el ajuste es muy bueno Medidas de ajuste incremental (Marôco, 2010) CFI TLI NFI RFI TLI <0,8- el ajuste es malo

[0,8; 0,9]-el ajuste no es bueno [0,9; 0,95] - el ajuste es bueno ≥0,95- el ajuste es muy bueno Medidas de ajuste de parsimonia (Marôco, 2010) PGFI PCFI <0,6- el ajuste es malo [0,6;0,8] -el ajuste es bueno ≥0,8- el ajuste es muy bueno PRATIO

PNFI PCFI

> 0,6

RMSEA <0,1- el ajuste es malo

[0,05; 0,10] -el ajuste es bueno ≤0,05- el ajuste es muy bueno

PCLOSE > 5%

AIC BCC ECVI

MECVI

Se utilizan para comparar modelos. Cuanto menor es mejor...

Medidas de ajuste absolutas (Hair, 1998) χ²/Grados de Libertad (CMIN/DF) < 5 RMR < 0,10 Medida de extracción de los factores (Stevens, 1992):

Comunalidad Muestra de 50, una carga de 0,722 100, la carga debe ser mayor que 0,512 200, debe ser mayor que 0,364

300, debe ser mayor que 0,298 600, debe ser mayor que 0,21 1000, debe ser mayor que 0,162. Medida de adecuación

de la muestra (Marôco, 2010)

Kaiser-Meyer-Olkim (KMO) [0,5; 0,7]- el valor es mediocre [0,7; 0,8]- el valor es bueno [0,8; 0,9]- el valor es óptimo > 0,9 es excelente

130 La prueba de esfericidad de Bartlett

p < 0,05

Fuente: Marôco (2010)

Para verificar la influencia del conocimiento tácito, conocimiento explícito y participa- ción en un distrito industrial para la transmisión de conocimiento, tanto en España como en Brasil se utilizaron las siguientes pruebas: Prueba de Razón de Verosimilitud; para la prueba de fiabilidad, se utilizó el Alfa de Cronbach; para comparar los valores de un conjunto de datos numéricos, se utilizó el análisis de varianza ANOVA; y para verificar la ausencia de sesgo común al método en este estudio se utilizó la prueba del factor común de Harman.

El análisis de la varianza sirve para comparar si los valores de un conjunto de datos nu- méricos son significativamente distintos de los valores de otro o más conjuntos de datos. El procedimiento para comparar estos valores está basado en la varianza global observada en los grupos de datos numéricos a comparar. Comúnmente, y para nuestro caso concreto, el ANOVA se utiliza para asociar una probabilidad a la conclusión de que la media de un grupo de puntuaciones es distinta de la media de otro grupo de puntuaciones (Marôco, 2010).

Para medir la consistencia interna se utilizó el Alfa de Cronbach. El valor mínimo acep- table para el Alfa de Cronbach es 0,60, por debajo de ese valor, la consistencia interna de la escala utilizada se considera baja. En cambio, el valor máximo esperado es 0,90; por encima de este valor, se puede considerar que hay redundancia o duplicación, o sea, varios ítems están midiendo exactamente el mismo elemento de un constructo; por lo tanto, los elementos redundantes deben ser eliminados. Generalmente, se prefieren valores de alfa entre 0,80 y 0,90 (Streiner, 2003).

La prueba del factor común de Harman fue realizada con el objetivo de verificar la existencia de errores en relación a la utilización de un solo método de recolección de datos. Si el análisis factorial indica que el factor único explica menos del 50% de la va- rianza de los ítems, es posible afirmar que con ese porcentaje no existe sesgo, o sea, de- ficiencia en el conjunto de datos (Podsakoff et al., 2003).

131

Los objetivos de la investigación y las respectivas técnicas estadísticas utilizadas se resu- men en la Tabla (11):

132

Tabla 11: Objetivo de la investigación y sus respectivas técnicas estadísticas Describir las características sociodemográficas de

los encuestados.

Análisis descriptivo, ecuaciones estructurales y análisis de varianza.

Analizar el conocimiento de los trabajadores en el distrito industrial.

Análisis descriptivo, ecuaciones estructurales y análisis de varianza.

Verificar la influencia del distrito industrial en la transmisión del conocimiento.

Análisis descriptivo, análisis factorial exploratorio y análisis factorial confirmatorio. Fuente: Elaboración propia