BrBRHUAp0080-21072014000200011

Antecedentes da intenção de uso de sistemas de home broker sob a ótica dos investidores do mercado acionário

1. INTRODUÇÃO Na pesquisa, o objetivo central é investigar a intenção de uso de sistemas de home broker, assim como os fatores que a influenciam, pela ótica de seu usuário final, ou seja, investidores do mercado acionário. Para isso, adota-se o anteparo teórico de modelos de adoção de tecnologia amplamente empregados em estudos empíricos sobre os mais variados tipos de sistemas de informação. Na medida em que sistemas de home broker podem ser vistos como tecnologias computacionais para habilitar o relacionamento digital de intermediação entre corretoras e investidores, espera-se que sua adoção possa ser adequadamente explicada pelos referidos modelos.

Segundo Davis, Bagozzi e Warshaw (1989) e Legris, Ingham e Collerette (2003), de nada adiantará um sistema de informação de alto desempenho técnico se o usuário, por alguma razão, não adotar e/ou não aceitar a tecnologia disponibilizada. É preciso, portanto, entender os motivos pelos quais os usuários aceitam ou rejeitam determinados sistemas para, posteriormente, prevê- los, explica-los e modernizá-los. Assim, entender os motivos por trás da aceitação ou resistência dos usuários a Sistemas de Informação tornou-se um dos mais desafiadores temas para pesquisas na área de sistemas de informação (Davis et al.,1989; Venkatesh, Davis & Morris, 2007; Kim & Kankanhalli, 2009).

Por outro lado, durante a última década, as bolsas de valores passaram a desempenhar um papel de grande importância no sistema financeiro internacional, segundo a Federação Mundial de Bolsas (2008). Em termos quantitativos, os mercados que operam por meio de bolsas regulamentadas cresceram em uma escala muito acelerada, o que lhes atribuiu um papel ativo e uma responsabilidade ímpar no centro da economia mundial.

Atualmente, as atividades da Bolsa de Valores de São Paulo (Bovespa) são marcadas por intenso uso de informática em suas operações. Em 1999, com o lançamento do sistema de home broker, tornou-se viável a participação de pequenos e médios investidores nesse mercado. O sistema de home broker permite que o investidor, por meio do site das corretoras na Internet, transmita sua ordem de compra ou venda diretamente ao sistema de negociação da Bovespa.

Assim, desde o início de 2006, a Bolsa de Valores de São Paulo vem operando somente em pregão eletrônico.

Além disso, segundo a Companhia Brasileira de Liquidação e Custódia (CBLC), o número de corretoras que oferece sistemas de home broker no mercado financeiro brasileiro tem crescido rapidamente, passando de seis corretoras no ano de 1999 para mais de 60 no primeiro semestre de 2011. As dez corretoras com o maior volume financeiro de negócios movimentaram juntas, no mês de setembro de 2011, mais de R$ 20 bilhões (Gutman & Joia, 2012).

Esse cenário de crescimento de participantes do mercado financeiro, aliado à evolução da Internet, transformou o sistema de home broker em um importante instrumento de intermediação nesse segmento. Looney, Valacich, Todd e Morris (2006), por exemplo, observaram que as corretoras que operam por meio da Internet atraíram, no mercado norte-americano, um contingente de milhões de investidores desde o lançamento desse serviço nos Estados Unidos em 1994. No entanto, ainda é escasso o número de pesquisas que têm o sistema de home broker como objeto de estudo (ver, por exemplo, Prabhudev, Menon & Balasubramanian, 2000; Balasubramanian, Konana & Menon, 2003; Roca, Garcia e De La Vega, 2009).

Neste trabalho, o objetivo é, portanto, responder à seguinte pergunta de pesquisa: Quais são os antecedentes da intenção de uso de sistemas de home broker, sob a ótica dos próprios investidores do mercado acionário? A relevância de tal estudo justifica-se não apenas pela já mencionada escassez de pesquisas especificamente sobre sistemas de home broker, mas também pelo contexto e pela importância das bolsas de valores na economia mundial.

O artigo está estruturado da forma que se segue. Após esta introdução, apresenta-se o referencial teórico usado na pesquisa e, fruto desse referencial, as hipóteses de pesquisa e o modelo proposto para teste. Em seguida, os procedimentos metodológicos a que a pesquisa obedeceu são tornados claros. A partir daí, os dados coletados são analisados e os resultados obtidos apresentados. Na seção seguinte, discutem-se os resultados obtidos. Finalmente, na última seção, são elencadas as implicações acadêmicas e gerenciais oriundas deste trabalho, as limitações desta investigação e uma agenda para pesquisas futuras.

2. REFERENCIAL TEÓRICO 2.1. E-brokerage E-brokerage é a intermediação entre compradores e vendedores realizada por meio da Internet. Para Evans e Wurster (2000), intermediários normalmente obtêm seu lucro por meio do binômio excelência-alcance. No primeiro caso, o lucro é obtido por intermédio de um serviço diferenciado com alto nível de excelência, geralmente superior ao que seria oferecido ao consumidor se não houvesse a participação do intermediário. No segundo caso, os intermediários exploram sua capacidade de alcançar um grande número de consumidores para obter seu lucro.

Segundo Evans e Wurster (2000), devem-se entender as mudanças associadas à difusão da Internet como um caminho em direção a uma nova forma de intermediário, que consegue obter vantagens sobre a desintermediação. Nessa desintermediação, a tecnologia torna possível que competidores obtenham alcance maior, ao mesmo tempo em que oferecem mais facilidades e recursos (Costa & Joia, 2006).

Na presente pesquisa, é abordado o conceito de e-brokerage aplicado ao mercado financeiro, para o processo de compra e venda de ações. Conforme descrevem Dasgupta e Dickinson (1998), o processo de investimento em ações é composto de quatro etapas: envio da ordem pelo investidor; roteamento da ordem até sua execução; estabelecimento do preço; e confirmação da ordem.

Especificamente no processo eletrônico, segundo Sharma e Bingi (2000) e Costa e Joia (2006), o investidor insere sua ordem de compra ou venda diretamente, por meio de seu computador. A ordem é enviada pela corretora à bolsa de valores, que procura então combinar o preço de compra e venda e executar a ordem, utilizando a melhor oferta possível.

O processo de e-brokerage possui menor custo, se comparado ao processo de compra e venda de ações pela maneira tradicional, por ter menos agentes intermediários. Voss (2000) lembra que o desenvolvimento da Internet tornou possível que empresas provessem seus serviços diretamente por meio da rede, com pouca ou nenhuma intervenção humana. Segundo Sharma e Bingi (2000), essa redução de custos é repassada para o investidor que, normalmente, paga uma corretagem menor para operar por meio de sistemas de home broker.

No entanto, como argumentam Bakos et al. (2005) e Roca et al. (2009), o modus operandi associado à compra e à venda de ações por meio de sistemas baseados na Internet é extremamente peculiar e específico, justificando investigações acerca desse tema que não apenas mimetizem resultados advindos de pesquisas sobre on-line banking. Isso ocorre pela característica dinâmica desse processo e pelos marcos regulatórios, legal, tributário e de outras naturezas, associados à compra e venda de ações por investidores individuais. Nessa mesma linha, Roca et al. (2009, p. 97) afirmam que on-line investing e on-line banking têm grandes diferenças, o que sugere que os vários modelos já desenvolvidos para Internet banking não sejam aplicáveis, sem algum tipo de ajuste, a sistemas de home broker. Por fim, Konana e Balasubramanian (2005) argumentam que os estudos sobre aceitação de sistemas de on-line investing devem ser bem mais holísticos do que os estudos acerca de Internet banking, de modo que alguns fatores constantemente desconsiderados na análise desses últimos sistemas não o sejam na investigação de sistemas de home broker. Dentre os fatores desconsiderados citados por esses autores encontra-se, por exemplo, a satisfação do investidor com o sistema usado.

2.2. Modelos de aceitação de tecnologia da informação Pesquisadores e profissionais da área de tecnologia da informação vêm buscando entender os motivos pelos quais indivíduos resistem a utilizar determinado sistema de informação (Legris et al., 2003; Benbasat & Barki, 2007).

Diversas abordagens têm sido elaboradas para avaliar tecnologias e prever como os usuários irão responder a elas, de forma a melhorar sua aceitação. Dentre essas, destacam-se a teoria da ação racionalizada (Theory of Reasoned Action - TRA), a teoria do comportamento planejado (Theory of Planned Behavior - TPB) e a teoria de aceitação de tecnologia (Technology Accepentace Model - TAM) e suas variações, a seguir explicitadas.

2.2.1. Teoria da ação racionalizada (TRA) Na teoria da ação racionalizada (TRA), que tem suas raízes na Psicologia Social, busca-se identificar os fatores determinantes do comportamento consciente e intencional (Fishbein & Ajzen, 1975). Na TRA, considera-se que as pessoas se comportam de forma racional, avaliando o que têm a perder e a ganhar, via manifestação de suas atitudes. Dessa forma, suas ideias, metas pessoais, valores, crenças e atitudes influenciam seu comportamento. Se as pessoas acreditarem, por exemplo, que compartilhar conhecimento lhes trará benefícios, elas tenderão a ser favoráveis ao compartilhamento (Fishbein & Ajzen, 1975). Por outro lado, a intenção de comportar-se de determinada forma é também influenciada pelas normas subjetivas existentes, ou seja, a percepção do indivídulo de que pessoas importantes para ele acreditem que ele deva comportar-se daquela forma. Na Figura_1, apresenta-se um esquema de relacionamento entre os construtos da teoria da ação racionalizada.

Segundo Davis et al. (1989), por ser tão generalizável e também por integrar diversas perspectivas teóricas da Psicologia, a TRA seria apropriada para o estudo dos determinantes do uso de computadores e de sistemas de informação específicos. Quando aplicada a TRA a esse contexto, sugere-se que a atitude de uma pessoa em relação ao uso de determinado sistema de informação, juntamente com a pressão de seus pares, pode influenciar sua intenção de utilizar o sistema e, assim, o uso em si da tecnologia.

2.2.2. Teoria do comportamento planejado (TPB) Embora a TRA tenha sido muito utilizada para estudar a aceitação do usuário em relação aos computadores e sistemas de informação, outras perspectivas teóricas foram propostas e aplicadas para esse fim. Ajzen (1991) propôs a teoria do comportamento planejado (TPB), que complementa a TRA, agregando-lhe mais um antecedente da intenção de uso: o controle comportamental percebido (Perceived Behavioral Control - PBC). A TPB e seus elementos teóricos vêm sendo aplicados em estudos empíricos sobre a aceitação dos mais variados tipos de sistemas computacionais (Taylor & Todd, 1995; Dillon & Morris, 1996; Venkatesh, Thong & Xin, 2012).

O construto controle comportamental percebido foi introduzido para diminuir as falhas da TRA nos casos em que os indivíduos não possuíam total consciência de seu comportamento. O construto é definido como a percepção do indivíduo acerca das informações, recursos e oportunidades disponíveis, que podem inibir ou facilitar o comportamento em questão. Assim, ele refere-se tanto ao controle interno (por exemplo, habilidades pessoais) quanto às restrições externas (por exemplo, oportunidades), considerados necessários para exercer determinado comportamento (Taylor & Todd, 1995; Cho & Cheung, 2003).

Como é mostrado nas Figuras_1 e 2, há muitas similaridades entre a TRA e a TPB.

Nos dois modelos, a intenção é um fator-chave na explicação do comportamento.

Nas duas teorias, a intenção tem por antecedentes as atitudes e as normas subjetivas relacionadas ao indivíduo, sendo essas influenciadas por suas crenças. Além disso, as duas teorias assumem que os indivíduos são racionais e fazem uso sistemático das informações disponíveis para tomar suas decisões.

[/img/revistas/rausp/v49n2/11f02.jpg]

2.2.3. Modelo de aceitação de tecnologia (TAM) e variações TAM é o modelo de pesquisa mais utilizado para avaliar a aceitação de tecnologias de informação (Gefen & Straub, 2000; Lee, Kozar & Larsen, 2003, Legris et al., 2003; Benbasat & Barki, 2007). Ele foi proposto por Davis et al. (1989), para explicar os motivos pelos quais os usuários aceitavam ou rejeitavam determinada tecnologia da informação e para melhorar a aceitação dessa tecnologia. No modelo, explicitam-se os impactos de fatores externos, relacionados à tecnologia, sobre fatores internos, associados ao indivíduo, como as crenças, atitudes e intenções de uso (Costa-Filho & Pires, 2005).

Em sua essência, no TAM indica-se que a adoção de TI é afetada por dois construtos associados ao usuário: utilidade percebida (Perceived Usefulness - PU) e facilidade de uso percebida (Perceived Ease of Use - PEOU). A utilidade percebida foi definida por Davis et al. (1989) como o grau em que um indivíduo acredita que utilizar determinado sistema irá melhorar seu desempenho numa tarefa. Já a facilidade de uso percebida diz respeito ao grau em que um indivíduo acredita que utilizar determinado sistema será livre de esforço.

Davis et al. (1989) sugerem que essas duas percepções criam uma disposição favorável, ou intenção positiva, para utilizar determinada tecnologia de informação. Assim, no modelo TAM, sugere-se que os indivíduos utilizarão o sistema se acreditarem que esse uso fornecerá resultados positivos, considerando a facilidade de uso percebida e a utilidade percebida (Igbaria, Guimarães & Davis, 1995).

Na Figura_3, ilustra-se o modelo de aceitação de tecnologia proposto por Davis et al. (1989).

[/img/revistas/rausp/v49n2/11f03.jpg]

A partir do modelo original, vários outros construtos foram sendo adicionados ao TAM, levando à criação do TAM 2 (Venkatesh, 2000; Venkatesh & Davis, 2000), do TAM 3 (Venkatesh & Bala, 2008) e outras inúmeras variantes (Venkatesh et al., 2012), no que Benbasat e Barki (2007, p. 212) chamaram de "TAM ++ research". Não obstante a sofisticação dos atuais modelos de aceitação de tecnologia derivados do TAM, eles sofrem críticas (por exemplo, Lee et al., 2003; Benbasat & Barki, 2007), principalmente por não considerarem outras abordagens teóricas para adoção de tecnologia, como a teoria da difusão da inovação (Rogers, 2003), e por não levarem em consideração as especificidades das tecnologias sob análise, considerando-as todas iguais e, portanto, passíveis de terem seu uso explicado pela mesma abordagem teórica (Orlikowski & Iacono, 2001). Segundo seus críticos (ver também Lee et al., 2003; Legris et al., 2003; Benbasat e Barki, 2007), tais deficiências fazem com que o modelo TAM e seus derivados expliquem, no máximo, 40% da variação da atitude e intenção de uso de sistemas de informação (Legris et al., 2003), sugerindo que fatores importantes que influenciam essas variáveis não foram considerados nas análises empreendidas. Para fazer frente a essas questões, apresentam-se a seguir outras abordagens teóricas que visam aumentar o poder de explicação do TAM e suas derivações.

2.2.4. Teoria da difusão da inovação (IDT) Na teoria de difusão da inovação (Innovation Diffusion Theory - IDT), objetiva- se explicar o processo pelo qual as inovações em tecnologia são adotadas pelos usuários e, assim, difundidas. Segundo a definição de Rogers (2003), inovação é uma ideia, prática ou objeto que é percebido como novo por um indivíduo ou outra unidade de adoção. O mesmo autor define difusão como o processo pelo qual uma inovação é comunicada por meio de determinados canais, ao longo do tempo, para os membros de um sistema social.

Na forma originalmente proposta por Rogers (2003), a IDT considera alguns dos atributos relacionados à inovação tecnológica para explicar sua adoção em larga escala: vantagem relativa, compatibilidade, complexidade, experimentabilidade e observabilidade. No entanto, segundo Chen, Gillenson e Sherrell (2004), desses atributos, somente vantagem relativa, compatibilidade e complexidade parecem estar consistentemente associados à adoção de inovação tecnológica.

Para Plouffe, Hulland e Vandenbosch (2001), Carter e Belanger (2005) e Benbasat e Barki (2007), a IDT pode acrescentar maior poder de explicação ao modelo original do TAM, devendo, assim, ser considerado em pesquisas associadas à adoção de tecnologia da informação. Como explicado adiante, o modelo proposto neste trabalho alinha-se a essa proposta.

•Confiança Existem muitas definições para confiança, o que revela a natureza complexa desse construto. Em revisão de literatura em diversas disciplinas, desenvolvida por Rousseau, Sitkin, Burt e Camerer (1998), revela-se que as expectativas pessoais e a propensão a estar vulnerável são componentes críticos em todas as definições de confiança.

A definição citada com mais frequência na literatura é a proposta por Mayer, Davis e Schoorman (1995), adotada na presente pesquisa. Nessa visão, na confiança envolvem-se dois agentes - o confiante (sujeito que confia em alguém) e o confiado (depositário da confiança) - e é definida como "a disposição de uma parte de ser vulnerável às ações de outra parte, baseada na expectativa de que a outra parte tomará uma ação particular importante ao confiado, independentemente da habilidade de monitorar ou controlar essa outra parte" (Mayer et al., 1995, p. 712). Essa definição baseia-se na ideia de que o indivíduo que confia se torna vulnerável, o que implica que algo de importante pode, potencialmente, ser perdido como resultado desse relacionamento de confiança (Mayer et al., 1995; McKnight, Choudhury & Kacmar, 2002; Schlosser, White & Lloyd, 2006).

De maneira geral, no ambiente Internet, usuários remotos de qualquer lugar do mundo podem acessar arquivos em computadores. As informações que trafegam em sistemas de home broker têm, portanto, um risco inerente, do ponto de vista de segurança. Nesse contexto, ainda existe outro risco intrínseco de que a ordem de compra ou venda enviada pelo usuário não seja executada corretamente ou no prazo necessário. Assim, parece ser imprescindível que o usuário confie no perfeito funcionamento do sistema para que tenda realmente a utilizá-lo, sempre que necessário (McKnight et al., 2002). De fato, segundo Bakos et al. (2005) e Roca et al. (2009), o sucesso de sistemas de compra e venda de ações por meio de e-brokerage depende bastante da confiança que os investidores têm no uso do sistema de compra e venda de ações. Vale ressaltar que Hassanein e Head (2004) asseveram que o tipo de produto/serviço comercializado na Web influencia o grau de confiança que se tem na transação efetuada e, portanto, o grau de satisfação do usuário.

•Satisfação do usuário Wixom e Todd (2005) explicam que há duas vertentes teóricas distintas adotadas em pesquisas sobre adoção de tecnologia da informação. A primeira, apresentada anteriormente, envolve os modelos de aceitação tecnológica, com preponderância para o TAM e seus derivados. Já a segunda, iniciada por Bailey e Pearson (1983), Ives, Olson e Baroudi (1983), Melone (1990), Seddon (1997), entre outros, usa a satisfação do usuário com o sistema de informação para explicar sua adoção. Ambas as abordagens teóricas têm contribuído bastante para o aumento do entendimento do sucesso/fracasso no uso de sistemas de informação, permanecendo, no entanto, distanciadas entre si (Wixom & Todd, 2005).

Segundo Mather, Caputi e Jayasuriya (2002) e Wixom e Todd (2005), as duas abordagens teóricas, se usadas de forma conjunta, poderiam melhor explicar a adoção de tecnologias da informação. Em particular, Wixom e Todd (2005) destacam que, diferentemente do modelo TAM e de seus derivados, a literatura de satisfação do usuário é extremamente centrada nas características do sistema em uso, atendendo às reivindicações de Orlikowski e Iacono (2001) acerca dessa problemática.

Mather et al. (2002) ressaltam ainda que o uso da variável dependente intenção de uso, como feito no modelo TAM e seus derivados, tende a gerar resultados distorcidos, visto que os respondentes podem apresentar viés cognitivo em suas respostas sobre sua real intenção de uso do sistema, procurando reportar resultados positivos ou dizer apenas o que lhes interessa dizer. Some-se a isso o fato de que a variável dependente original do modelo TAM tem pouca utilidade em ambientes em que o uso é mandatório (Rawstorne, Jayasuriya & Caputi, 2000). Por fim, a variável dependente usada nos modelos TAM e derivados continua sendo alvo de controvérsias: alguns autores a entendem como a intenção de uso do sistema (Chau, 1996; Agarwal & Prasad, 1998), enquanto outros a entendem como o uso real do sistema (Adams, Nelson & Todd, 1992; Igbaria et al., 1995).

Por seu potencial de mitigar os problemas acima apresentados, a satisfação do usuário com o sistema pode ser um antecedente adequado da intenção de uso de sistemas de informação ou mesmo um proxis da atitude do usuário em relação ao uso do sistema, conforme afirmam Gatian (1994) e Mather et al. (2002), entre outros. Assim, optou-se neste estudo por adotar a satisfação do usuário com o sistema de home broker como um proxis da atitude do usuário em relação ao uso do sistema.

3. MODELO PROPOSTO E HIPÓTESES DE PESQUISA Os sistemas de home broker, apesar de compartilharem algumas das características dos sistemas de on-line banking, são um tipo distinto de tecnologia utilizada no ambiente da Internet (Roca et al., 2009). Dessa forma, fatores que tradicionalmente influenciam a adoção de outros tipos de sistemas, inclusive os de on-line banking, podem não explicar adequadamente a intenção de uso de sistemas de home broker. Assim, propõe-se no presente estudo um modelo que integra os principais elementos do modelo TAM e da teoria da difusão da inovação (IDT), além dos construtos confiança e norma subjetiva, esse último contemplado nas teorias da ação racionalizada (TRA) e do comportamento planejado (TPB). Espera-se que a integração de teorias, que normalmente são utilizadas de forma estanque para explicar a adoção de sistemas de informação, aumente o poder do modelo proposto de explicar a satisfação do usuário com os sistemas de home broker e, por conseguinte, sua intenção de utilizá-los.

É importante ressaltar que a combinação do modelo TAM com o construto confiança, como feito por Gefen, Karahanna e Staub (2003), Carter e Belanger (2005), Konana e Balasubramanian (2005), Wu e Chen (2005), entre outros, tem se mostrado útil para explicar as variações no grau de adoção de sistemas disponibilizados on-line para seus usuários. Além disso, segundo Rogers (2003), na medida em que a oferta de serviços financeiros na Internet pode ser vista como uma inovação tecnológica, sua difusão pode estar sujeita às influências previstas na teoria da difusão da informação.

O modelo de pesquisa deste estudo foi elaborado a partir do referencial teórico anteriormente apresentado. Ele está ilustrado na Figura_4. Em seguida, são listadas e discutidas as hipóteses correspondentes.

H1 - A satisfação do usuário com o sistema de home broker tem efeito positivo na intenção de uso do sistema de home broker.

H2 - As normas subjetivas têm efeito positivo na intenção de uso do sistema de home broker.

H3 - A utilidade percebida tem impacto positivo na intenção de uso do sistema de home broker.

H4 - A utilidade percebida tem impacto positivo na satisfação do usuário com o sistema de home broker.

H5 - A facilidade de uso percebida influencia positivamente a satisfação do usuário com o sistema de home broker.

H6 - A facilidade de uso percebida tem impacto positivo na utilidade percebida.

H7 - A complexidade influencia negativamente a satisfação do usuário com o sistema de home broker.

H8 - A compatibilidade tem impacto positivo na satisfação do usuário com o sistema de home broker.

H9 - A vantagem relativa tem efeito positivo na satisfação do usuário com o sistema de home broker.

H10 - A confiança tem efeito positivo na satisfação do usuário com o sistema de home broker.

As hipóteses 1, 3, 4, 5 e 6 foram formuladas com base no modelo TAM e abarcam os construtos utilidade e facilidade de uso percebidas, presentes na maioria dos modelos de aceitação de tecnologia (Lee et al., 2003; Legris et al., 2003), e a variável satisfação de uso, como um adequado proxis para atitude em relação ao uso do sistema (Ajzen & Fishbein, 1980; Gatian, 1994; Mather et al., 2002; Wixom & Todd, 2005).

A hipótese 2 tem por base os modelosTRA e TPB, cuja combinação com o modelo TAM é encontrada em vários artigos sobre aceitação de sistemas (Wu & Chen, 2005; Lee, 2009). Em tais casos, o construto norma subjetiva é visto como um antecedente à intenção de uso do sistema.

As hipóteses 7, 8 e 9 são fundamentadas pela teoria de difusão da tecnologia.

Como já foi dito, vários autores sugerem a combinação do IDT com o TAM (por exemplo, Plouffe et al., 2001; Carter & Belanger, 2005; Banbasat & Barki, 2007), com o objetivo de acrescentar poder de explicação aos modelos originais.

A hipótese 10 diz respeito ao construto confiança, que tem sido amplamente combinado com os modelos clássicos de aceitação de tecnologia, mormente em sistemas acessados via Web e em operações que denotem compra e venda de bens e serviços, como no caso do on-line investing (Konana & Balasubramanian, 2005; Wu & Chen, 2005; Roca et al., 2009).

4. PROCEDIMENTOS METODOLÓGICOS 4.1. Operacionalização dos construtos A mensuração dos construtos incluídos no modelo da pesquisa ocorreu por meio de escalas previamentes testadas disponíveis na literatura. Os construtos que compõem o modelo TAM e o IDT, assim como normas subjetivas e confiança, vêm sendo amplamente estudados e avaliados já há algumas décadas. Há considerável consenso, portanto, em relação à forma como são mensurados. Na Figura_5, apresentam-se esses construtos, suas definições, as fontes das escalas adotadas no estudo para mensurá-los e algumas referências em que essas escalas foram empregadas.

Ao contrário do que foi observado para os construtos expostos, ainda há certa discordância em relação à mensuração da satisfação com um sistema de informação. Segundo Ajzen e Fishbein (1980, p. 80) e Wixom e Todd (2005), a satisfação do usuário pode ser entendida como uma atitude em relação a um objeto - no caso, um dado sistema computacional. Doll e Torkzadeh (1988) desenvolveram, então, uma escala específica para mensuração da satisfação de usuários de sistemas de informação. Entretanto, Chin e Lee (2000) a questionaram posteriormente, por entenderem que a satisfação é derivada da diferença entre o desempenho obtido e o desempenho esperado do sistema. Dado que ainda não há consenso em relação a uma forma de mensuração adequada, optou- se nesta pesquisa por avaliar a satisfação do usuário com o sistema de home broker por meio de uma escala de 0 a 10, em que 10 significa que o usuário está totalmente satisfeito, e 0, totalmente insatisfeito com o sistema. Essa abordagem é a mesma adotada por Albuquerque, Sousa e Martins (2010), em trabalho desenvolvido para avaliação da satisfação de idosos rurais com as próprias vidas.

4.2. Coleta de dados e amostra A amostra de respondentes da pesquisa foi obtida a partir da base de dados de uma das maiores corretoras de compra e venda de ações do Brasil, à época da realização da pesquisa. A base de dados continha 1.545 indivíduos que, entre 2008 e 2011, haviam efetuado transações com ações, seja pelo método tradicional, seja por meio de sistema de home broker. Pouco antes da coleta de dados, a corretora havia apresentado seu sistema de home broker a todos os seus investidores do mercado acionário, dando-lhes a opção de migrar para essa plataforma.

Os dados foram coletados por meio de um questionário eletrônico, elaborado com base nas escalas apresentadas na seção anterior. O questionário era composto de duas partes. Na primeira, coletavam-se dados demográficos do respondente, como idade, renda, gênero, nível educacional e estado civil. Além disso, perguntava- se ao participante se ele já era usuário de sistemas de home broker. A segunda parte era composta pelas escalas dos construtos incluídos no modelo proposto.

Todos os construtos, exceto a satisfação com o sistema de home broker, foram medidos por meio de uma escala Likert de cinco pontos, variando de "discordo totalmente" a "concordo totalmente". Conforme já mencionado, a escala do construto satisfação variava entre 0 e 10.

Antes da disponibilização do questionário para todos os investidores cadastrados no banco de dados da corretora, foi realizado um pré-teste com dez indivíduos, selecionados aleatoriamente entre os usuários do sistema de home broker da empresa. Os participantes foram incentivados a criticar o formato do questionário e a apontar questões que considerassem vagas ou de difícil compreensão. Seus comentários foram utilizados para refinar o instrumento, não havendo necessidade de efetuar modificações substanciais.

Os investidores cadastrados na corretora foram convidados por e-mail (enviado pela própria empresa) para participar da pesquisa. Na mensagem, apresentavam-se de forma breve os objetivos do estudo e deixava-se claro que a participação era voluntária e que a confidencialidade das respostas seria protegida. O e-mail incluía também o link para acesso ao questionário eletrônico.

O questionário esteve disponível para os investidores entre junho e julho de 2011. Ao final desse período, foram obtidos 152 questionários preenchidos completamente, considerados válidos para os propósitos da pesquisa. A taxa de resposta correspondente foi de 9,8%.

A expressiva maioria dos respondentes que compunham a amostra obtida é do sexo masculino (90,8% do total). Esse resultado reflete a realidade no mercado de ações, em que a quantidade de investidores do sexo feminino ainda é muito baixa. Cerca de 80% dos participantes informaram, à época, já terem utilizado o sistema de home broker da corretora. No que tange ao seu estado civil, mais da metade deles era casada (57,2%), e pouco mais de um terço, solteiro (37,5%). Os investidores estavam relativamente bem distribuídos entre as sete faixas de renda mensal definidas no questionário, com 59,2% reportando uma renda de pelo menos R$ 5.500,00. As idades variaram entre 20 e 66 anos, com uma média de 34,8 anos e um desvio padrão de 9,2 anos. Quanto ao nível educacional, 98,0% dos respondentes informaram ter pelo menos o nível superior completo. Desses, 63,8% já haviam concluído algum tipo de pós-graduação.

4.3. Método de análise Os dados coletados foram analisados com técnicas de equações estruturais baseadas no método de Partial Least Squares (PLS), que vem sendo apontado como uma alternativa interessante para os métodos tradicionais de equações estruturais baseados em covariância, conhecidos por Structural Equation Modeling (SEM) e implementados em aplicativos tais como LISREL, AMOS e R.

Dentre as vantagens do método PLS, destacam-se: sua robustez em relação a violações da premissa de normalidade multivariada requerida pelo SEM, à multicolinearidade entre e em blocos de variáveis manifestas, e a problemas de especificação do modelo de equações estruturais; a possibilidade de trabalhar- se com amostras menores do que as tipicamente exigidas em SEM; a maior facilidade de tratar as moderações; e a possibilidade de modelar construtos reflexivos e formativos de forma mais simples (Chin, 2010; Urbach & Ahlemann, 2010; Vinzi, Trinchera & Amato, 2010). Por outro lado, ainda não estão disponíveis no PLS índices de qualidade de ajuste similares aos que são usualmente adotados em SEM (por exemplo, GFI, AGFI, RMSEA etc.), ou mesmo testes estatísticos de comparação de modelos. Em função disso, a qualidade de um modelo em PLS é geralmente avaliada de acordo com sua capacidade preditiva, conforme demonstrado pelos valores de R2 gerados para as variáveis latentes endógenas (Urbach & Ahlemann, 2010).

Como alguns estudos têm indicado que fatores demográficos podem influenciar a intenção de adoção de sistemas de informação (ver, por exemplo, Venkatesh & Bala, 2008), foram incluídas no modelo proposto as seguintes variáveis de controle: gênero, idade, educação e renda. Adicionou-se também, para os mesmos fins, uma variável dummy que indicava se o respondente já havia ou não utilizado o sistema de home broker anteriormente. As cinco variáveis de controle foram conectadas à variável latente mais endógena no modelo, ou seja, a que correspondia ao construto intenção de uso.

A avaliação da significância estatística dos efeitos previstos num modelo de PLS é feita por meio de técnicas de reamostragem, tais como bootstrapping e blindfolding (Chin, 2010; Urbach & Ahlemann, 2010; Hair Jr., Sarstedt, Pieper & Ringle, 2012). No presente estudo, essa avaliação foi feita por meio de bootstrapping, com o tamanho das amostras fixado em 152, e o número de reamostragens, em 1.000. O software utilizado foi o SmartPLS v. 2.0.M3 (Ringle, Wende & Will, 2005).

5. ANÁLISE DOS DADOS COLETADOS O modelo de mensuração do estudo foi avaliado por meio de uma análise fatorial confirmatória (Confirmatory Factor Analysis - CFA), seguindo os prodecimentos definidos por Wetzels, Odekerken-Schröder e van Oppen (2009). A partir dos resultados obtidos, verificou-se se as condições especificadas por Chin (2010), Hair Jr., Anderson, Tatham e Black (2009) e Vinzi et al. (2010) para avaliar se a consistência interna e a validade convergente e discriminante das escalas haviam sido atendidas, são elas: •as cargas das variáveis observadas devem ser altas e significantes; •a amplitude de variação dessas cargas para uma mesma variável latente deve ser pequena; •eventuais cargas cruzadas das variáveis observadas devem ser menores do que as cargas em suas respectivas variáveis latentes; •valores de variância média extraída (Average Variance Extracted - AVE) devem ser iguais ou superiores a 0,50; •valores de confiabilidade composta (Composite Reliability - CR) devem ser iguais ou superiores a 0,70; •a raiz quadrada de AVE para uma variável latente deve ser maior que suas correlações com as demais variáveis latentes.

Observou-se, então, que era necessário remover alguns itens, de forma que as cinco condições fossem plenamente atendidas. Uma nova CFA foi realizada, atestando a validade convergente e discriminante das escalas, ou seja, a adequação do modelo de mensuração utilizado. Os resultados finais obtidos são apresentados na Tabela_1.

Comprovada a validade do modelo de mensuração, prosseguiu-se com a avaliação do modelo estrutural. Na Figura_6, apresentam-se os resultados obtidos. Nela, observa-se que as proporções de variância explicada para as variáveis satisfação (R2 = 0,38) e intenção de uso (R2 = 0,42) foram razoáveis, sugerindo que o modelo proposto tem um poder preditivo moderado. É importante ressaltar, no entanto, que parte da variação na intenção de uso do sistema de home broker foi explicada pela variável de controle usuário, que indica se o indivíduo já utilizou o aplicativo antes de responder a pesquisa. Embora a magnitude do efeito dessa variável tenha sido consideravelmente menor que o da variável satisfação, o resultado sugere que investidores que já utilizaram o sistema tendem a continuar a fazê-lo no futuro. Nenhum dos fatores demográficos incluídos como variável de controle teve efeito estatisticamente significante na intenção de uso dos investidores (α= 0,05).

Quatro das hipóteses propostas no estudo obtiveram suporte empírico. Conforme previsto em H1, a satifação do investidor com o sistema de home broker parece ser um forte preditor de sua intenção de utilizar o sistema no futuro (β=0,40; p<0,001). Essa satisfação, por sua vez, tende a ser influenciada pela percepção do indivíduo acerca da utilidade (β=0,22; p<0,05), da facilidade de uso (β=0,14; p<0,05) e da compatibilidade do sistema com suas experiências, valores e necessidades (β=0,33; p<0,05). Esses três resultados proveem suporte para as hipóteses H4, H5, e H8.