Moderação, mediação, moderadora-mediadora e efeitos indiretos em modelagem de equações

estruturais
Resumo: Os principais objetivos desse paper são discutir (1) o conceito de mediação, moderação,
moderadora-mediadora e efeitos indiretos utilizando variáveis latentes; (2) fazer uso prático da
mediação, da moderação e dos efeitos indiretos como opções de testes de hipóteses, demonstrando
usuais comandos e aplicando num modelo proposto e (3) verificar o estado-da-arte brasileiro na
pesquisa em marketing e comportamento do consumidor utilizando moderação/mediação. Os achados
demonstraram que mediação, moderadora-mediadora, moderação e efeitos indiretos produzem
resultados diferentes e não devem ser tratados como sinônimos. Os achados também aplicaram três
modos de testar mediação, classificados: em análise passo-a-passo dos caminhos, diferença entre
coeficientes e produto dos coeficientes. Por fim, o resultado da avaliação do estado-da-arte brasileiro de
668 artigos nacionais publicados em marketing demonstrou uma tímida utilização de tais
procedimentos nos testes das hipóteses, ou seja, apenas 5%.
Palavras-Chave: Mediação, Moderação, Efeitos Indiretos.
Los principales objetivos de este documento están discutiendo (1) el concepto de mediación, la
moderación, moderador y mediador de los efectos indirectos utilizando variables latentes, (2) hacer uso
práctico de la mediación, moderación y efectos indirectos como las opciones sobre las pruebas de
hipótesis, lo que demuestra habitual comandos y la aplicación de un modelo propuesto, y (3)
comprobar el estado del arte en Brasil en busca de marketing y el comportamiento de los consumidores
mediante la moderación y la mediación. Los resultados mostraron que la mediación, el mediador-
moderador, la moderación y los efectos indirectos producen resultados diferentes y no deben ser
tratados como sinónimos. Las conclusiones se aplican también tres maneras para poner a prueba la
caída de mediación: en el análisis paso a paso los caminos, la diferencia entre los coeficientes y
coeficientes del producto. Por último, la evaluación del estado del arte brasileño de 668 artículos
publicados en la comercialización nacional mostró una modesta utilización de esos procedimientos en
las pruebas de hipótesis, que es sólo el 5%.

Mediator, moderator, mediator-moderator and indirect effects in structural equation modeling

Abstract: The goals of this paper are (1) discuss the concepts of mediator, moderator, mediator-
moderator and indirect effects using latent variables; (2) do practical use of mediator, moderator and
indirect effects as ways of hypothesis test, showing software commands and applying them in a
suggested model; and (3) verify the Brazilian state-of-art papers produced in marketing and consumer
behavior that used mediator/ moderator. The outcomes suggested that mediator, moderator, mediator-
1
moderator and indirect effects are concepts really different each other and should not be use as
synonymous. The results also apply three ways of testing mediator, called path analysis, coefficients
difference and coefficients product. In the end, 668 Brazilian papers were verified showing that just 5%
of them used moderator/mediator tests. It is a very little percentage of the total.

Key-Words: Mediator, moderator, mediator-moderator and indirect effects

2
Introdução
Diversos estudos na literatura internacional analisam variáveis mediadoras, moderadoras e
mediadora-moderadora nas relações causais. No campo da psicologia o teste de tais variáveis é muito
freqüente, uma vez que diversos trabalhos já utilizaram, tais como Abrahams e Alf (1972), Baron e
Kenny (1986), James e Brett (1984), Judd e Kenny (1981), Kenny e Judd (1984), Paul e Dick (1993)
Ping (1996) e Preacher e Hayes (2004). Por exemplo, nos trabalhos do Journal of Consumer Research
e Journal of Consumer Psychology aproximadamente 70% dos estudos utilizam análise de mediação
(IACOBUCCI, SALDANHA e DENG, 2007). Contudo, nacionalmente no campo marketing e
comportamento do consumidor o processo de avaliação de tais variáveis ainda carece de estudos.
Devido a isso, existe um esforço da literatura para incentivar seus exames e distinguir definições de
mediação versus moderação versus mediadora-moderadora versus efeitos indiretos (BATRA e
STAYMAN, 1990; BARON e KENNY, 1986; JAMES e BRETT, 1984; CHATTOPADHYAY e BASU,
1990; MCKINNON et al., 2002).
No emaranhado da escassa utilização de tais testes e da existência de confusão dos termos;
complicações ainda mais sérias surgem. Em outras palavras, a aplicação dos testes pode ser mais
complexa, porém melhor, com a utilização de variáveis latentes em modelagem de equações estruturais
(Iacobucci, Saldanha e Deng, 2007), do que quando comparado com os testes de variáveis observáveis
empregados em modelos de regressão, tais como é apresentado por Abbad e Torres (2002).
Realmente observa-se que no Brasil o uso da modelagem de equações estruturais ainda é
recente. Por exemplo, segundo Brei e Liberali (2004), numa revisão dos artigos de marketing da RAC,
RAE, REAd, e EnANPAD nos últimos 10 anos, apenas 36 estudos utilizaram da modelagem estrutural.
Neste sentido, Brei e Liberali (2004) detectaram que mesmo embora exista uma literatura internacional
farta a respeito, os resultados da estimação dos modelos nacionais ainda são considerados pobres.
Diante das circunstâncias apresentadas, torna-se necessário esclarecer a utilização de variáveis
mediadoras/moderadoras/indiretas fazendo uso conjugado da modelagem de equações estruturais como
ferramenta de estimação. Na verdade, o ponto de destaque da modelagem de equações estruturais é que
ela introduz o conceito das variáveis latentes, gerando um tratamento diferenciado da usual
ANOVA/MANOVA para testes de moderação e da usual análise de regressão para teste da mediação.
Nesse sentido, os principais objetivos desse trabalho são (1) discutir o conceito de mediação,
moderação e mediadora-moderadora, utilizando variáveis latentes; (2) discutir o conceito de efeitos
indiretos entre variáveis, diferenciando de mediação; (3) fazer uso prático da mediação, da moderação e
dos efeitos indiretos num modelo proposto e (4) verificar o estado-da-arte brasileiro na pesquisa em
marketing utilizando moderação/mediação.
3
 Justifica-se o trabalho, pois na literatura existe uma diferenciação entre mediação versus
moderação versus efeito indireto. Logo, a utilização de sinônimos dessas palavras não deve ser
empregado erroneamente pelos pesquisadores, uma vez que cada uma delas gera resultado diferente.
Por exemplo, Vieira e Matos (2006) acreditam que existe um efeito mediador devido a evidências de de
efeito indireto entre variáveis. Algo concluído errado pelos autores uma vez que para o efeito mediador
ocorrer não se pode apenas analisar o efeito indireto. Santos e Fernandes (2004) também erraram em
confundir moderação com mediação. Segundo, o trabalho é justificável por introduzir esses conceitos
em conjunto com a modelagem de equações estruturais, ferramenta pouco utilizada no cenário nacional
(BREI e LIBERALI, 2004), mas que tem grande confiabilidade em tais testes e se acredita ser melhor
que modelos empregando regressão (IACOBUCCI, SALDANHA e DENG, 2007). Terceiro, um
levantamento nacional feito por este artigo no estado-da-arte dos artigos científicos em marketing
demonstrou uma “tímida” utilização da mediação/moderação, salientando ainda mais a carência de tais
testes para o desenvolvimento do campo. Quarto, o trabalho se justifica por demonstrar na prática os
procedimentos de mediação/moderação/efeitos indiretos num modelo proposto.
Desse modo, o artigo está estruturado da seguinte forma. Na próxima etapa apresenta-se a
fundamentação teórica que sustenta o modelo sugerido para teste da mediação, moderação e efeitos-
indiretos (ver Figura 1). A segunda parte apresenta a medologia de pesquisa. A próxima etapa discute os
conceitos de mediação, aplicando no modelo. A quarta parte realiza as conceitualizações das variáveis
moderadoras, empregando o seu exame no modelo. Após isso, uma análise no estado-da-arte dos
trabalhos em marketing é realizada. Por fim, considerações finais fazem a parte final do trabalho.

Fundamentação Teórica do Modelo Proposto

A relação entre qualidade e satisfação procede da Teoria do Paradigma da Desconformidade,
sugerindo a percepção de qualidade como sendo uma das variáveis formadoras da satisfação (OLIVER,
1997). Nesse sentido, a idéia é que a qualidade percebida está relacionada aos atributos ou dimensões
de características específicas de um produto ou serviço, antecedendo a satisfação do consumidor.
Estudos de Zeithaml, Berry e Parasuraman (1996), Dick e Basu (1994) e Lee e Lee (1999) indicam que
a qualidade percebida de um serviço é determinante da satisfação e que ela possui conseqüências
potenciais para lealdade. Logo, a hipótese elaborada é H1: A qualidade terá um impacto positivo na
satisfação.
A teoria em marketing sugere uma afinidade entre qualidade e valor, onde uma maior qualidade
entregue pelo fornecedor e/ou percebida pelo consumidor gera uma maior valoração em relação aos
gastos ocorridos, quer monetários ou não-monetários. Assim, a percepção da qualidade no varejista
4
aumentaria os benefícios tangíveis e intangíveis percebidos pelo consumidor. Alguns estudos
comprovaram essa relação (ANDREASSEN e LINDSTAD, 1997; DODDS e MONROE, 1985;
GREWAL, MONROE e KRISHNAN, 1998; LAPIERRE, FILIATRAULT e CHEBAT, 1999;
WARRINGTON, 2002). Portanto, propõe-se que H2: A qualidade terá um impacto positivo no valor
percebido.
A base da hipótese de que satisfação impacta na lealdade está nos estudos que acreditam que a
lealdade é um resultado da Cadeia da Qualidade-Satisfação-Lealdade (ANDERSON e SULLIVAN
1993; ANDERSON e MITTAL, 2000; RUST, ZAHORIK e KEININGHAM, 1995). Em outras
palavras, a qualidade percebida afeta satisfação pelo fato do serviço ter uma performance superior ao
esperado e, assim, a satisfação desencadeia intenções comportamentais, tais como: recomendar o
fornecedor, comportamento de compra e preferência (indicadores da lealdade). Pesquisas empíricas
indicam a satisfação como antecedente da lealdade (ANDERSON e SRINIVASAN, 2003;
GUMMERUS et al., 2004; GUSTAFSSON, JOHNSON e ROSS, 2005; SHANKAR, SMITH e
RANGASWAMY, 2003). Conseqüentemente, hipotetiza-se que H3: A satisfação com o varejista
eletrônico terá um impacto positivo na lealdade.
Investigações recomendam uma relação positiva e significativa entre satisfação e boca-a-boca.
Pressupõe-se que o senso do consumidor de que o consumo preenche as necessidades, os desejos e os
objetivos de forma positiva gere uma reação comportamental positiva (isto é boca-a-boca). Na prática,
em uma amostra de 373 entrevistados na indústria varejista, Gonçalves et al., (2005) identificaram que
os “resultados da pesquisa confirmaram a hipótese (H11) de que há uma relação monotônica positiva da
satisfação do cliente na comunicação boca-a-boca deste cliente (β = 0,63), estando também de acordo
com a pesquisa de Hennig-Thurau, Gwinner e Gremler (2002)” (p.13). Em outro estudo com 811
doadores para organizações sem fins lucrativos, Machado et al., (2005) também encontraram uma
relação positiva e significativa da satisfação sobre boca-boca. Logo, propõe-se que H4: Satisfação com
o varejista eletrônico terá tem um impacto positivo na comunicação boca-a-boca.
Valor percebido é a avaliação geral da utilidade do bem baseado nas percepções do que é
recebido e do que é dado (ZEITHAML, 1988). Nas palavras de Parasuraman e Grewal (2000) “muitas
das pesquisas acadêmicas têm dado foco no valor percebido primariamente na qualidade do produto
[...] e não na qualidade do serviço [...]” (p.169). Nesse contexto, o valor pela perspectiva da qualidade
de serviço tornar-se-ia um objeto de análise interessante no varejo eletrônico, como suposto
antecedente da lealdade. Parasuraman e Grewal (2000) salientam que já é de “conhecimento da
academia que valor é um determinante da lealdade” (p.168). Alguns estudos já verificaram a relação

5
significativa de valor como explicador da lealdade (BREI e ROSSI, 2005; SIRDESHMUKH, SINGH e
SABOL, 2002). Em segundo plano, estudos evidenciam a associação entre valor e satisfação,
pressupondo que a percepção custo-benefício lançado a um estado de satisfação (ANDREASSEN e
LINDESTAD, 1997). Sendo assim, estabelecem-se as próximas hipóteses, descritas como: H5: O valor
percebido com o varejista eletrônico terá um impacto positivo na lealdade. H6: O valor percebido com
o varejista eletrônico terá um impacto positivo na satisfação.
Dick e Basu (1994) sugerem um esquema conceitual para compreender a lealdade dos
consumidores. O esquema é baseado nos modelos tradicionais que dividem os componentes da atitude
em três categorias diferentes de antecedentes: Cognitivos (confiança, clareza, centralidade), Afetivos
(emoções, afeto, satisfação) e Conativos (custo de troca, expectativas). Nessa estrutura, um dos
conseqüentes do relacionamento de lealdade é o boca-a-boca. Em outras palavras, o consumidor
estando leal a um varejista tende a recomendar o mesmo de forma positiva a outras pessoas. Essa idéia
de relação foi testada e suportada pelo trabalho de Srinivasan, Anderson e Ponnavalu (2002). Nesse
contexto, propõe-se que H7: A lealdade ao varejista eletrônico terá um impacto positivo no boca-a-
boca.
Diante do apresentado, estrutura-se o modelo estrutura proposto. Ele é apresentado na figura 1,
a qual todas variáveis são tratadas como variáveis latentes.

Figura 1: Modelo Teórico dos Antecedentes e Conseqüentes da Lealdade

Fonte: autores

Método de Pesquisa
Para testar as hipóteses do modelo foi realizada uma pesquisa descritiva do tipo survey
(Malhotra, 2001), com coleta de dados pela Internet a partir de um questionário em HTML. O
instrumento era auto-preenchível e atrelado a uma base de dados (SQL). Após a tradução reversa das
escalas obtidas na literatura, foi realizado um pré-teste do questionário. No total, sete pesquisadores em
marketing conhecidos dos autores avaliaram e criticaram a versão prévia do instrumento. Modificações
foram sugeridas e implementadas na nova versão da escala. A amostra foi formada por pessoas que já
compraram produtos/serviços no varejo eletrônico. Com relação ao tipo, a amostra foi por conveniência
e bola-de-neve (Malhotra, 2001), totalizando 299 pessoas inicialmente e n = 220; pós-purificação para
teste das hipóteses. Uma pergunta filtro excluía as pessoas que não compraram pela Internet, as quais
poderiam não ter conhecimento no preenchimento das respostas.

6
 A definição conceitual e operacional dos construtos utilizados no modelo são apresentadas na
Tabela 1. As dimensões de qualidade da escala e-TailQ de Wolfinbarger e Gilly (2003) foram definidas
como: Qualidade Cumprimento (3 variáveis; α = 0,66), Qualidade Design (9 variáveis; α = 0,89 ),
Qualidade Serviço ao Consumidor (4 variáveis; α = 0,82) e Qualidade Segurança (4 variáveis; α =
0,93). Todos indicadores usaram escala tipo Likert de 7 pontos, variando de “Discordo Totalmente” a
“Concordo Totalmente”.

Tabela 1: Definições operacionais e constitutivas dos construtos utilizados no modelo

Construto Definição constitutiva Definição operacional
Escala de Mathwick, Malhotra e Rigdon
Valor Valor é a avaliação geral da utilidade de um
(2001) em uma variação de 7 pontos
Percebido serviço baseado nas percepções do que é
“Discordo Totalmente” até “Concordo
(α = 0,83) recebido sobre o que é dado (ZEITHAML, 1988).
Totalmente”. 7 itens.
Um profundo comprometimento para recomprar
um produto ou serviço preferido de maneira Escala baseada em Espartel, Rossi e Müller
consistente no futuro, causando uma compra (2004), Gustaffson, Johnson e Ross (2005),
Lealdade
repetida da mesma marca ou conjunto de marcas Cyr et al., (2005) e Zeithaml et al., (1996).
(α = 0,83)
apesar dos esforços de marketing para causar Variação de 7 pontos “Discordo Totalmente”
uma mudança de comportamento (OLIVER, 1997 até “Concordo Totalmente”. 7 itens.
p.392).
Instrumento baseado em Oliver (1980),
O julgamento de avaliação com respeito Gummerus et al., (2004) e Szymanski e Hise
Satisfação
específico da experiência de compra on-line, (2000). Foi utilizada uma escala de 7 pontos,
(α = 0,83)
Oliver (1997). variando de “Pouco Satisfeito” até “Muito
Satisfeito” . 5 itens.
Escalas de Gummerus et al., (2004),
Boca-a- Zeithaml et al., (1996) e Srinivasan,
Uma comunicação oral, de pessoa a pessoa entre
Boca (α = Anderson e Ponnavolu (2002). Variação de 7
um emissor e o receptor (ARNDT, 1967, p.189).
0,88) pontos “Discordo Totalmente” até “Concordo
Totalmente”. 5 Itens.
Fonte: Autores

Teste das Hipóteses

Após o processo de refinamento do instrumento, da análise de linearidade das variáveis, da
multicolinearidade, dos outlies, dos missing values uni e multivariados, da homocedasticidade,
unidimensionalidade (Hair et al., 1998), da média da variância extraída e confiabilidade composta
(Fornell e Larcker, 1981), o modelo conceitual foi submetido ao teste das hipóteses com os indicadores
remanescentes ao processo de purificação. De modo geral, a estimativa por máxima verossimilhança

7
apresentou ajustamentos de GFI = 0,83; IFI = 0,92; TLI = 0,91; CFI = 0,92; RMSEA = 0,07 e resíduos
padronizados (< ±2,58) dentro da faixa de 5%. O resultado das hipóteses está na Tabela 2.
Considerando que o teste de qui-quadrado (χ2) é influenciado pelo tamanho da amostra (n = 220), o
qui-quadrado relativo sobre graus de liberdade (g.l.) é analisado. Foi encontrado um valor de 2,20; p <
0,000.
Tabela 2: Hipóteses do Modelo Proposto e Resultados
Relações β Padr. t-value p-value
Qualidade → H1 Satisfação 0,47 3,79 p<0,000
Qualidade → H2 Valor 0,78 6,73 p<0,000
Satisfação → H3 Lealdade 0,50 3,74 p<0,000
Satisfação → H4 Boca-a-Boca 0,55 6,87 p<0,000
Valor → H5 Lealdade 0,20 1,62 p>0,105
Valor → H6 Satisfação 0,45 3,98 p<0,000
Lealdade → H7 Boca-a-Boca 0,35 4,43 p<0,000
Fonte: autores; Nota. R Valor = 0,61; Satisfação R = 0,75; Lealdade R = 0,46 e Boca-a-Boca R2 = 0,69
2 2 2

A primeira hipótese previa uma associação entre qualidade e satisfação. Essa hipótese foi
suportada (β = 0,47; p < 0,001). Isso indica que questões de privacidade, de segurança para o cliente,
de serviço ao consumidor, de design visual e de confiabilidade refletem qualidade e esse último prediz
diretamente a satisfação. A segunda hipótese pressupõe uma relação entre qualidade e valor. Os dados
suportaram tal relação e apontam que quanto mais qualidade for percebida pelo cliente, mais positiva se
torna a relação benefícios vs. custo (ANDREASSEN e LINDSTAD, 1997; DODDS e MONROE,
1985). Além do mais, notou-se um grande impacto do construto qualidade sobre valor (β = 0,78; p <
0,001). A terceira hipótese pressupõe uma relação entre satisfação e lealdade. Os dados corroboram tal
relação e indicaram que quanto mais satisfeito o consumidor está com o varejista, maior será
probabilidade de recompra no mesmo local (β = 0,50; p < 0,001). A próxima hipótese (H4) relaciona
satisfação com boca-a-boca. Nesse caso, os achados sugerem a existência de uma relação linear
positiva entre esses dois construtos (β = 0,55; p < 0,001). A quinta hipótese associa valor com
lealdade. Os resultados não confirmaram tal relação (p = NS). Esse resultado é diferente dos sugeridos
pela literatura convencional (BREI e ROSSI, 2005; ESPARTEL, ROSSI e MÜLLER, 2004;
SIRDESHMUKH, SINGH e SABOL, 2002). A sexta hipótese assume uma associação entre valor e
satisfação. O impacto foi significativo, suportando a hipótese (β = 0,45; p < 0,001). Infere-se nesse caso
que a percepção custo-benefício lançado na compra levaria a um estado de satisfação com o varejista.
Outras pesquisas também encontraram os mesmos resultados (ANDREASSEN e LINDESTAD, 1997).
A última hipótese acredita que lealdade com o varejista eletrônico tem um impacto positivo no boca-a-
boca. As evidências demonstraram que o consumidor leal a um varejista tende a recomendar o mesmo
8
de forma positiva a outras pessoas (β = 0,35; p < 0,001). Em suma, após a verificação das hipóteses e
dos ajustamentos do modelo teórico, parte-se para explicação e, posterior aplicação, dos conceitos de
mediação, moderação e efeitos indiretos.

Variáveis Mediadoras
A definição de variáveis de mediação (daqui por diante leia-se Med) possui mais de 50 anos na
literatura e não é recente. A sua conceitualização foi aprimorada por Rozeboom (1956) para construtos
que tem relação linear. Assim, a definição de uma variável mediadora é: Med é uma mediadora da
relação probabilística Y = f (X) se Med é uma função probabilística de X (isto é, Med = f [X]) e Y se é
uma função probabilística de Med (isto é, Ŷ = f [Med]), onde X, Y e Med representam construtos
diferentes. Observa-se que Med é dependente de X e que Y é dependente de Med num outro momento.
Para Abbad e Torres (2002) “o conceito de mediação implica suposição de relacionamentos
causais entre as variáveis envolvidas. Uma variável mediadora é aquela que, ao estar presente na
equação de regressão, diminui a magnitude do relacionamento entre uma variável independente [VI] e
uma variável dependente [IV]” (p.21). Portanto, uma variável pode ser considerada mediadora no
momento em que ela influencia a relação entre VI → VD (McKINNON et al., 2002), de modo que sua
inserção neutraliza ou reduz a força do impacto da variável indepentende sobre a dependente.
Para melhor ilustrar a definição de uma variável mediadora deve-se verificar o relacionamento
entre três variáveis hipotéticas, sendo uma delas a variável Med no relacionamento VI → DV. Nota-se
que a relação existente entre VI → VD ou ficará enfraquecida na presença da variável Med ou poderá
chegar a ser nula. Se o valor for nulo isso significa que a Med absorveu todo o efeito da VI sobre a DV,
e assim, concluí-se que a Med “bloqueia” todo o efeito, anteriomente existente, da VI. Por vezes, esse
processo é conhecido como mediação completa ou pura. Portanto, no caso de uma variável mediadora
pura o relacionamento VI → VD deixa de existir na presença da variável Med.
No conceito de mediação existem diversas maneiras de exame de tais variáveis. Na prática,
McKinnon et al., (2002) fizeram um estudo de Monte-Carlo e compararam 14 métodos para testar a
significância do efeito da variável mediadora numa relação. O objetivo foi checar qual dos métodos
tem maior Poder Estatístico e, por outro lado, menor Erro Tipo I. Os 14 procedimentos podem ser
agrupados em três grandes grupos, denominados: (a) a análise passo-a-passo dos caminhos, (b) a
diferença entre coeficientes e (c) o produto dos coeficientes. A seguir são explicados e aplicados
algumas variações desses três grupos no modelo sugerido pela Figura 1. Os resultados podem ser vistos
na Tabela 3.

9
 A Análise Passo-a-Passo dos Caminhos. A análise dos caminhos foi inicialmente sugerida por
Judd e Kenny (1981). Posteriormente, o procedimento foi melhorado por Baron e Kenny (1986). O
pressuposto é que quatro condições são sugeridas para a Med ocorrer por meio da análise dos
caminhos: (1) a VI afeta significativamente a Med (relação a é ≠ 0 na Figura 2 lado esquerdo), (2) a VI
afeta significativamente a variável dependente na falta da variável mediadora (relação c é ≠ 0 na Figura
2 lado direito, observando que a variável mediadora não foi utilizada nesse momento), (3) a mediadora
tem um efeito significativo único sobre a VD (relação b é ≠ 0 na Figura 2 lado esquerdo, onde c’ e a
são asseguradas constantes – controladas) e, por fim, (4) o efeito da VI sobre a VD (relação c’)
enfraquece no momento da adição da variável mediadora, não controlando a e b (Shrout e Bolger,
2006; 2002). Nesse momento, se qualquer uma das duas relações, VI → Med ou Med → VD não for
significativa, deve-se concluir que não existe mediação (IACOBUCCI, SALDANHA e DENG, 2007).

Figura 2: Modelo da variável mediadora

Mediadora
a (Sa) b (Sb)

Variável c' Variável c

Variável Variável
Independente Dependente Independente Dependente

Fonte: Autores adaptado de Baron e Kenny (1986) e Judd e Kenny (1981).

Diferença nos Coeficientes. Variáveis mediadoras podem ser avaliadas alternativamente pela
comparação da relação entre a VI e a VD antes e depois dos ajustamentos que utilizaram a mediadora
(McKinnon et al., 2002). Isso sugere uma análise da diferença entre os caminhos, nesse caso a
diferença entre c – c’ vista na Figura 2. Alguns autores que defendem a utilização da diferença nos
coeficientes são Freedman e Schatzkin (1992) e Clogg, Petkova e Cheng (1995). Assim, um exemplo
da diferença nos coeficientes pode ser vista na equação 1 de Freedman e Schatzkin (1992), sugerindo
que ρXI é a correlação entre a variável independente e a mediadora, σ τ, é o erro padrão da relação c, e
στ’ é o erro padrão da relação c’. A estimativa τ – τ’ é dividida pelo erro padrão da equação 1. O valor
é então calculado por meio da distribuição t (com N -1 graus de liberdade). Se o resultado for
significativo então existe a mediação. A fórmula é:

τ − τ'
σ Freedman- Schatzkin = (1)
σ 2τ + σ 2τ' - 2σ τ σ τ ' 1 − ρ 2 XI

10
 Produto dos Coeficientes. Um terceiro grupo de teste do efeito da mediação é dividir a
estimativa do efeito da mediadora pelo seu erro padrão e comparar esse valor com uma distribuição
normal padronizada (McKinnon et al., 2002). Nesse sentido, existem diversos variações da fórmula, as
quais são baseadas no erro padronizada. Baron e Kenny (1986) descrevem o procedimento do teste de
Sobel (Sobel, 1982). Preacher e Hayes (2004) apresentam uma outra variação sendo o teste Aroian
(AROIAN, 1944/1947). Primeiramente, no caso de uma simples mediação, o teste de Sobel é
conduzido comparando a força do efeito indireto da variável independente sobre a dependente na qual a
hipótese nula é que esse efeito é igual a zero. O efeito indireto da independente sobre a dependente é
definido pelo produto de VI → Med (BARON e KENNY, 1986) caminho a na Figura 1; com Med →
VD caminho b na Figura 1. Em muitas situações, o produto de a*b (Goodman, 1960) é igual a c – c’,
onde c é o efeito da VI → VD não controlando Med.; e c’ é o caminho de VI → VD depois da adição
da Med. Quando o efeito indireto, a*b, é igual ao efeito total, c, pode ser dito que a relação VI → VD é
completamente mediada por Med. Nesse caso não existe efeito direto de IV → VD e do caminho
c’(Shrout e Bolger, 2002).
O problema com o cálculo do efeito indireto criado por a*b é que ele é sujeito a erro. Os erros
padronizados dos caminhos de a e de b são representados respectivamente por Sa e Sb (Figura 2 lado
esquerdo). Para Preacher (2006) e Preacher e Hayes (2004), um dos pressupostos para o teste de Sobel
é que a amostra seja grande, então que o valor crítico para uma distribuição bi-caudal, assumindo que a
distribuição seja normal, é α = 0,05 ou acima de ± 1,96 na tabela do z-test (PREACHER, 2006). A
fórmula é:
ab
Sobel = (2)
b s + a 2 sb2
2 2
a

Para achar o valor z o pesquisador deve dividir o valor de a*b pelo resultado da raiz quadrada.
O valor z deve ser maior do que ±1,96 para rejeitar a hipótese de que o efeito é nulo. Um segundo tipo
de teste, baseando no teste de Sobel, é o teste de Aroian, demonstrado na equação 3. A diferença está na
inclusão da adição de mais um termo. Termo esse denominado como a multiplicação dos erros ao
quadrado. O teste de Sobel e de Aroian foram os que tiveram melhor performance num estudo de
monte carlo (MAcKINNON, WARSI, e DWYER, 1995) e por isso devem ser introduzidos na pesquisa
em marketing como complemento a sugestão de Baron e Kenny (1986). A fórmula de Aroian éi:

ab
Aroian = (3)
b s + a 2 sb2 + sa2 sb2
2 2
a

11
 Após a explicação de alguns exemplos dos três grandes grupos de teste de mediação, os
próximos parágrafos apresentam suas aplicações no modelo proposto da Figura 1. As cinco estruturas
de mediação ponderadas por este artigo são: (1) qualidade → │lealdade │→ boca-a-boca; (2) qualidade
→ │valor│ → satisfação; (3) qualidade → │satisfação │→ boca-a-boca; (4) qualidade → │satisfação│
→ lealdade; e (5) satisfação → │lealdade │→ boca-a-boca. Essas cinco estruturas foram avaliadas nas
três condições de mediação apresentadas: (I) a análise passo-a-passo dos caminhos, (II) a diferença
entre coeficientes e (III) o produto dos coeficientes.
Nessas cinco estruturas, os quatro passos de mediação de Baron e Kenny (1986) são
apresentados nas oito primeiras colunas da Tabela 3 (esquerda para direita). Nas colunas 9, 10 e 11
apresentam-se os outros testes. Assim, os três primeiros passos de Baron e Kenny (1986) estão
apresentados no bloco “isolada”. A quarta condição é apresentada na análise de regressão “conjunta”,
onde a variável mediadora e a variável independente são colocadas no modelo conjuntamente, sem que
exista controle. O objetivo é identificar uma redução (ver beta padronizado) do impacto da variável
independente sobre a variável dependente na existência da mediadora.
Como exemplo, analisar-se-á a relação qualidade → │lealdade │→ boca-a-boca. Quando da
relação entre a VI → VD sem a existência da mediadora; o impacto de qualidade → boca-a-boca é de β
= 0,73. Quando a relação entre a VI → VD possui a existência da mediadora (isto é: lealdade), o
impacto de qualidade → boca-a-boca cai, chegando a β = 0,50 (Δβ = 0,23). Portanto, na estrutura de
Baron e Kenny (1986), indícios de mediação da lealdade na relação qualidade → boca-a-boca existem.
Interpretando os resultados, compreende-se que a qualidade afeta a intenção comportamental de boca-
a-boca (β = 0,73), mas quando existe uma intenção de recompra do consumidor, a qualidade exerce um
efeito menor no boca-a-boca (β = 0,50), sendo que lealdade absorve parte do impacto da qualidade. Por
contra prova, aplicando os testes de Sobel, de Arovian e de Freedman e Schatzkin, nota-se que o valor
dos dois primeiros é acima de ± 1,96; p < 0,05 e que o último é p < 0,001, sugerindo que o efeito
indireto é realmente diferente de zero (ver Tabela 3). Portanto, esses resultados suportam o efeito de
mediação.

Tabela 3: Hipóteses de Mediação do Modelo Proposto

β β não Freedman e
Condição Indep. Depend. Erro p-value R² Sobel Arovian
padr. padr. Schatzkin
Qualidade Lealdade 0,69 0,96 0,16 0,000 48%
Isolada Qualidade Boca-a-boca 0,73 1,13 0,09 0,000 53%
Lealdade Boca-a-Boca 0,70 0,82 0,09 0,000 49% 5,01 3,98 p<,0036**
Lealdade Boca-a-Boca 0,52 0,55 0,09 0,000
Conjunta 54%
Qualidade Boca-a-Boca 0,50 0,70 0,14 0,000

12
 Qualidade Valor 0,77 1,03 0,16 0,000 60%
Isolada Valor Satisfação 0,80 0,76 0,07 0,000 64%
Qualidade Satisfação 0,81 0,95 0,13 0,000 63% 5,54 4,43 p<,0007***
Qualidade Satisfação 0,47 0,49 0,10 0,000
Conjunta 64%
Valor Satisfação 0,64 0,51 0,06 0,000
Qualidade Satisfação 0,79 0,95 0,13 0,000 63%
Isolada Satisfação Boca-a-Boca 0,76 0,95 0,08 0,000 57%
Qualidade Boca-a-Boca 0,73 1,13 0,09 0,000 53% 6,20 5,06 p<,0035**
Qualidade Boca-a-Boca 0,51 0,51 0,14 0,000
Conjunta 53%
Satisfação Boca-a-Boca 0,71 0,72 0,10 0,000
Qualidade Lealdade 0,69 0,96 0,16 0,000 48%
Isolada Qualidade Satisfação 0,79 0,95 0,13 0,000 63%
Satisfação Lealdade 0,65 0,70 0,08 0,000 42% 5,60 4,25 p<,0000***
Qualidade Lealdade 0,41 0,54 0,14 0,000
Conjunta 40%
Satisfação Lealdade 0,48 0,47 0,09 0,000
Satisfação Boca-a-Boca 0,76 0,95 0,08 0,000 57%
Isolada Lealdade Boca-a-Boca 0,70 0,82 0,09 0,000 49%
Satisfação Lealdade 0,65 0,71 0,08 0,000 42% 6,35 4,66 p<,0000***
Satisfação Boca-a-Boca 0,62 0,68 0,08 0,000
Conjunta 58%
Lealdade Boca-a-Boca 0,43 0,45 0,08 0,000
Fonte: Autores; Nota: *p<0,05; **p<0,01; p<0,001. Valores de Freedman e Schatzkin estão em p-value; Sobel e
Arovian estão como z-test, o qual acima de 1,96 significa p<0,05.

Efeitos Indiretos
É importante clarificar um ponto de confusão na literatura. Embora os termos efeito mediado e
efeito indireto sejam por vezes utilizados erroneamente como sinônimos (conforme fizeram Vieira e
Matos 2006), uma importante diferenciação deve ser feita. O efeito mediado é geralmente um caso
“especial” de um efeito indireto. Entretanto, uma conclusão é que um efeito mediado implica que o
total de efeito (c na Figura 2) entre VI→ VD foi apresentado inicialmente (Preacher e Hayes, 2004) e
depois reduzido (c’), senão chegado a nulo. No caso do efeito indireto, o efeito total não é apresentado
inicialmente, por isso esses dois modos são sutilmente diferentes. Além do mais, no efeito indireto a
relação entre VI → VD pode possuir quando existe mais de um construto mediador entre duas
satisfação
variáveis. Por exemplo, o efeito indireto pode existir por meio de qualidade →│ valor │ → lealdade,
satisfação → comprometimento
qualidade →│ valor → lealdade │ → boca-boca, e/ou mesmo qualidade → │valor → satisfação│ →
lealdade. Por fim, uma terceira diferença dos conceitos está na possibilidade de encontrar que um efeito
indireto é significativo mesmo quando não existe evidência para um efeito total significativo. Assim, se
o efeito indireto também representa a mediação deveria ser julgado através do exame do efeito total.
De acordo com o modelo proposto pela Figura 1, os efeitos indiretos calculados foram
realizados. A Tabela 4 apresenta-os sugerindo que mesmo embora qualidade não esteja associada

13
diretamente nem com lealdade nem com boca-a-boca, ela possui um impacto indireto e significativo
com lealdade.
Tabela 4: Efeitos Indiretos do modelo
Relações Indiretas Beta Padr. p-value
Qualidade → Lealdade 0,57 0,005
Qualidade → Boca-a-Boca 0,65 0,01
Valor → Boca-a-Boca 0,40 0,01
Fonte: autores

Usuários familiarizados com software AMOS© da SPSS® (ARBUCKLE, 1999) podem obter
valores do efeito indireto através dos seguintes comandos. No menu clique em “propriedades de
análise”, depois na guia “Bootstrap” clique em “executar bootstrap” e “percentil do intervalo de
confiança”. Os efeitos indiretos e os seus respectivos p-values serão apresentados. Adicionalmente, no
menu clique em “propriedades de análise”, na guia “saída” clique em “efeitos diretos, indiretos e
totais”. Esse segundo comando também deve estar acionado para demonstrar os valores de beta e p-
value.

Variáveis Moderadoras em Modelos Multi-Grupos

Modelos multi-grupos possuem opções que classificam uma dada variável em dois ou mais
grupos. Modelos multi-grupos são multi-grupos (KRÜLL e MAcKINNON, 1999) porque existem
variáveis nominais (ou ordinais ou indicadoras – dummy) que os distinguem (ou não)ii. Por exemplo,
sexo, renda, idade, cidade, tipo de produto comprado, etc. Nessa situação, o pesquisador está
interessado em identificar como o modelo é ajustado nos diferentes grupos pré-estabelecidos e quais
diferenças existem nos coeficientes de regressão dependendo do valor da moderadora.
Baron e Kenny (1986) definem uma variável moderadora (daqui por diante Mod) como uma
variável qualitativa ou quantitativa que afeta a direção e/ou força da relação entre VI → DV. Assim, se
Y = f (X) e se Mod é a variável moderadora, então para diferentes valores de Mod (ex. Alto/baixo), a
forma e/ou força e/ou sinal de Y = f (X) pode variar (SAUER e DICK, 1993). Nos modelos que
utilizam as variáveis moderadoras o objetivo é verificar se uma relação entre VI → VD é reduzida,
trazida a zero (sendo, p = NS), ou até mesmo invertida “+/-”, dada a utilização de uma terceira variável
Mod.
Evidentemente, o pesquisador deve estar preocupado na maneira de mensuração das variáveis,
VI e Mod, para exame de moderação. Os quatro casos propostos por Baron e Kenny (1986, p.1175) de
mensuração das variáveis são: Caso 1 – uma variável independente e uma variável moderadora ambas

14
dicotômicas use a ANOVA/ANCOVA 2 X 2. Caso 2 – uma variável independente contínua e uma
variável moderadora dicotômica sugere-se o caso de modelos multi-grupo. Caso 3 – uma variável
independente dicotômica e uma variável moderadora contínua; sugere-se o caso de dicotomizar a
moderadora e proceder como no caso 1. Caso 4 – uma variável independente contínua e uma variável
moderadora contínua sugere o caso ou de dicotomizar a moderadora e proceder como no caso 2 ou
fazer regressões utilizando interação entre variáveis (Kenny e Judd, 1984; Paul e Dick, 1993; Ping,
1996).
Sharma et al., (1981) definem uma tipologia quádrupla de variáveis moderadoras na qual elas se
diferenciam no ponto que afetam a força da relação entre VI → VD e as que afetam a forma da relação
entre essas. Tendo em vista tais circunstâncias, verifica-se inicialmente a correlação entre Mod ↔ VD e
entre Mod ↔ IV, criando uma combinação 2 x 2. Os resultados dos tipos são: (1) variável moderadora
interveniente ocorre quando Mod ↔ VD e Mod ↔ VI são ambas p = NS; (2) variável moderadora
homologizer que afeta a força ocorre quando Mod ↔ VD (p = NS) e Mod ↔ VI (p < 0,05); (3) variável
quasi-moderadora ocorre quando Mod ↔ VD (p < 0,05) e afeta a forma e Mod ↔ VI (p < 0,05); e (4)
variável moderadora pura ocorre quando Mod ↔ VD (p = NS) e Mod ↔ VI (p < 0,05), afetando a
força. Portanto, além de encontrar empiricamente a existência de uma variável moderadora, o
pesquisador deve definir qual tipo ela é, auxiliando ainda mais na explicação teórica do comportamento
entre variáveis na existência de uma terceira. Na modelagem de equações estruturais o processo de
moderação é testado da seguinte forma:
• Para variáveis com dois grupos. Estabelecem-se os dois grupos que serão avaliados (ver Figura
3). Estima-se o modelo totalmente livre (no equality constraints ou baseline) tomando nota dos
valores de χ² por graus de liberdade. Estima-se, num segundo momento, o modelo totalmente
restrito (with constraints). Nesse segundo momento, para Byrne (2001) coloca-se os seguintes
valores de restrição nas setas de regressão (p1, p2, p3, ..., pn). Anota-se, do output do modelo
restrito os valores de χ² por graus de liberdade. No Excel®, compara-se a diferença de χ² (inicial
– final) e a diferença de graus de liberdade (inicial – final), por meio da “= dist.qui(valor do χ²
resultante; valor dos graus de liberdade resultante)”.
• Para variáveis com mais de dois grupos. Inicialmente, realizam-se os mesmos passos descritos
anteriormente. Contudo, se a Δχ²/g.l. for significativa deve-se buscar encontrar em quais dos
grupos existe a discriminação. Por exemplo, no caso de 3 grupos deve-se buscar encontrar se a
discriminação está entre: grupo 1 vs. 2; grupo 1 vs. 3; grupo 3 vs. 2; ou entre todos eles. Ou seja,
do mesmo modo realizado pela (M)ANOVA com Post-Hoc test. Portanto, novas comparações

15
 devem ser realizadas, liberando-se um caminho por vez do grupo (1, 2, 3) para verificar as
diferenças dentro dos grupos.

As três variáveis moderadoras que fizeram parte da amostra desta pesquisa foram: sexo, quanto
tempo foi realizada a última compra e renda mensal familiar. O modelo multi-grupo sexo não
apresentou diferença significativa Δχ² = 9 (Δg.l. = 7; p = NS) entre o modelo baseline χ² = 1009 (g.l. =
530) e o restrito χ² = 1018 (g.l. = 537). O modelo multi-grupo da variável renda também não
apresentou diferença significativa Δχ² = 20 (Δg.l. = 14; p = NS) entre o modelo livre χ² = 1427,4 (g.l. =
795) e o restrito χ² = 1447 (g.l. = 809).
Por fim, o modelo multi-grupo de quanto tempo fez a última compra apresentou diferença
significativa Δχ² = 60 (Δg.l. = 14; p < 0,000) entre o modelo baseline χ² = 1436,4 (g.l. = 795) e o
restrito χ² = 1463,7 (g.l. = 809). Os três grupos eram assim definidos Grupo 1 com compras < 1 mês (f
= 120; 54%); Grupo 2 com compras de 2 a 3 meses (f = 54; 25%); e Grupo 3 com compras > 4 meses (f
= 46; 21%).
Dado que existiu uma diferença significativa no modelo de “quanto tempo fez a última
compra”, partiu-se para uma análise de qual(is) relação(ções) existia(m) a(s) diferença(s). Assim,
liberou-se um caminho por vez para verificar as diferenças entre os modelos. Por exemplo, a relação
entre satisfação e lealdade foi liberada, gerando um valor de χ² = 1451 (g.l. = 807). Esse valor quando
comparado com o modelo restrito χ² = 1463,7 (g.l. = 809) sugerindo uma diferença de Δχ² = 12 (Δg.l. =
2; p < 0,002). Esses resultados indicam que existe uma diferença significativa entre os grupos na
relação satisfação e lealdade (H3). Na relação lealdade e boca-a-boca (H7) também e verificou uma
diferença significativa. Nesse bojo, explorar-se á tais relações. Ver valores na Tabela 5.

Tabela 5: Verificação dos caminhos do modelo restrito vs. baseline

Relações Fixado χ² (g.l.) Livre χ² (g.l.) Δ χ² (g.l.);
Qualidade → H1 Satisfação 1463 (809) 1463 (807) 0 (2); p = NS
Qualidade → H2 Valor 1463 (809) 1462 (807) 1 (2); p = NS
Satisfação → H3 Lealdade 1463 (809) 1451 (807) 12 (2); p<0,002
Satisfação → H4 Boca-a-Boca 1463 (809) 1460 (807) 3 (2); p = NS
Valor → H5 Lealdade 1463 (809) 1457 (807) 6 (2); p<0,049
Valor → H6 Satisfação 1463 (809) 1463 (807) 0 (2); p = NS
Lealdade → H7 Boca-a-Boca 1463 (809) 1463 (807) 0 (2); p = NS
Fonte: autores

16
 O próximo passo é identificar em quais desses três grupos está a diferença. Como não fio
encontrada uma relação significativa entre IV e DP no grupo 3, nota-se que a diferença está entre os
grupos 1 e 2 (ver Tabela 6). Assim, infere-se que a satisfação tem um impacto maior na lealdade para
grupos que compraram dentro de 2 a 3 meses (β = 0,38 vs. β = 0,91; Δβ = 0,53) do que grupos que
compraram em < 1 mês. Salienta-se que em modelos multi-grupo, Kline (1998) comenta que
“coeficientes não-padronizados deveriam ser comparados” (p.181).
No segundo resultado, a relação entre valor e lealdade foi liberada, gerando um valor de χ² =
1457 (g.l. = 807). Esse valor quando comparado com o modelo restrito χ² = 1463,7 (g.l. = 809), sugere
um Δχ² = 6 (Δg.l. = 2; p < 0,049). Esse resultado indica que existe uma diferença significativa dentre os
grupos 1 vs. 2. Como o grupo 3 novamente não apresentou relação significativa, nota-se que a
diferença está entre os grupos 1 (β = 0,25) e o grupo 2 (β = 0,51). Em outras palavras, o impacto de
valor sobre lealdade é significativamente superior no grupo com maior tempo de realização da última
compra. Logo, infere-se que a compra dentro de um período de 2 a 3 meses gera mais impacto do que
que uma à curto prazo (<1 mês), uma vez que é suposto o cliente estar mais crítico ou ter experiências
negativas mais salientes na memória no curto prazo.

Tabela 6: Valores dos coeficientes da análise multi-grupos

Relações β Padr. β Não-padr p-value
Satisfação → Lealdade Grupo 1 0,39 0,38 p<0,003
Grupo 2 0,65 0,91 p<0,000
Grupo 3 n.s. n.s. p = NS
Valor → Lealdade Grupo 1 0,25 0,25 p<0,05
Grupo 2 0,49 0,51 p<0,001
Grupo 3 NS NS p = NS
Fonte: autores

Usuários familiarizados com software AMOS® da SPSS® podem obter valores de moderação
através dos seguintes comandos. No menu clique em Model-Fit e em seguida em Manage Groups.
Crie quantos grupos for necessário (clicando em new groups). Clique File, depois em Data Files;
selecione o nome do arquivo da base de dados. Depois selecione a grouping variable (variável a qual
vai ser dividida, por exemplo, sexo) e os group value correspondentes (e.g. masculino/feminino), por
exemplo, ver Figura 3. No output do AMOS, após estimar o modelo, busque visualizar ao lado
esquerdo da tela os coeficientes para cada grupo, clicando em cima dos mesmos (grupo number 1,
grupo number 2, etc.).

Figura 3: Opção de escolha de variável e grupo dentro na variável no AMOS

17
 Fonte: software AMOS da SPSS

Para “fixar/desfixar” as setas de regressão use duplo clique na seta escolhida, aparecera object
properties, vá na guia parameters e coloque um valor. Certifique-se se o fixar/desfixar no
regression weight para um grupo ou para all groups.

Variável Mediadora-Moderadora
Suponha uma relação linear no seguinte sentido qualidade → │valor│ → satisfação. No
questionário, além das questões do tipo likert para mensurar qualidade, valor e satisfação; uma questão
adicional deve mensurar valor dicotomicamente como alto/baixo (Ping, 1996). Assim, quando testando
a mediação de valor na relação qualidade → │valor│ → satisfação, tem-se uma conclusão. Quando
testando os coeficientes da relação qualidade sobre satisfação para o grupo de alto valor, e depois para
o grupo baixo valor, tem-se a conclusão da relação de moderação. Sem os resultados da moderação e da
mediação forem significativos é possível concluir que a variável valor é mediadora-moderadora na
relação qualidade → satisfação. Assim, o termo variável mediadora-moderadora é sugerido para
modelos que denotem as relações de mediação como contingente do nível da moderadora (James e
Brett, 1984), ou seja, depende dessa última.

Estado-da-Arte em Mediação/moderação
O artigo também buscou analisar os trabalhos brasileiros produzidos em marketing e que
utilizaram os exames de mediação/moderação. O objetivo foi verificar o quanto dos trabalhos nacionais
empregou esses sistemas de testes na busca de novas explicações teóricas para os resultados. Não foi
verificado se o modo de teste da mediação/moderação pelos trabalhos nacionais publicados era o
mesmo dos procedimentos discutidos e empregados por este artigo.

18
 A título de ilustração, notou-se durante a revisão dos artigos que algumas pesquisas fizeram
teste de moderação e confundiram erroneamente com mediação. Por exemplo, Santos e Fernandes
(2004, p.9-11) escreveu que “[...] a hipótese de mediação [...] para que ela seja testada [...] se
segmentou dois grupos [...]”. Os autores ainda complementam em outro ponto que “A hipótese de
moderação [...] será testada [...por meio] multi-grupo”. No artigo notou-se que apenas um teste foi
feito (moderação). Vieira e Matos (2004) tambem encontraram um efeito indireto e suporam,
erroneamente, um efeito de mediação numa determinada relação. Por meio dessas evidências nota-se
confusões de determinados autores em diferenciar mediação/moderação, justificando ainda mais um
trabalho desta natureza.
Nessas circunstâncias, a análise do estado-da-arte gerou uma freqüência dos estudos com
indícios de mediação/moderação. Para tal investigação, foram analisados 668 estudos de marketing
obtidos nas publicações acadêmicas brasileiras RAC (1997-2005), RAE (1994-2006), REAd (1995-
2006) e RAE-Eletrônica (2002-2006) e nos congressos da área de marketing EnANPAD (1997-2005) e
EMA (2004-2006). Todos os 668 trabalhos foram analisados com relação ao seu conteúdo e verificação
dos tais exames. Os resultados podem ser vistos na tabela 7. De modo geral, observa-se que o teste de
mediação e moderação ao mesmo tempo (JAMES e BRETT, 1984) é pouco feita. Quanto a testes de
mediação e moderação de modo isolado, notou-se que mais mediação (f = 16) foi feita. De modo geral,
31 artigos de um total de 668 trabalhos publicados utilizaram algumas das técnicas.

Tabela 7: Estado-da-arte em mediação/moderação nas publicações nacionais em marketing

REAd RAC RAE RAE/Elec EnANPAD EMA Total
Total de Artigos publicados 26 17 46 4 390 185 668
Mediação 0 0 0 0 11 5 16 (2,3%)
Moderação 0 1 0 1 5 7 14 (2%)
Mediação/Moderação 0 0 0 0 1 0 1 (0,001%)
papers utilizaram técnicas 0% 5% 0% 25% 4% 6% 31 (4,6%)
Fonte: Autores

Considerações Finais
Um dos fatores vantajosos da modelagem de equações estruturais é que ela introduz o conceito
de variáveis latentes, gerando um tratamento diferenciado da (M)ANOVA para testes de
moderação/interação e da análise de regressão para teste da mediação. Evidências empíricas mostram
que a relização de tais testes com a modelagem de equações estruturais é melhor do que com o uso
análise de regressão (IACOBUCCI, SALDANHA e DENG, 2007). Em paralelo ao emprego da
modelagem de equações estruturais; no campo do marketing o processo de avaliação de variáveis

19
moderadoras, mediadoras e moderadora-mediadora carece de estudos. Devido a isso existe um esforço
da literatura para distinguir as definições e usos de mediação vs. moderação vs. efeito indireto.
Nessa linha de raciocínio, os principais objetivos que o artigo tentou preencher foram o de
discutir o conceito de mediação, de moderação e de mediadora-moderadora, utilizando variáveis
latentes; diferenciar o conceito de efeitos indiretos e mediação; fazer uso prático dessas opções e
verificar o estado-da-arte na pesquisa em marketing, utilizando moderação/mediação. A principal
contribuição científica do artigo foi a de clarificar os conceitos, fazendo uma revisão histórica desde
seu início (aprox. 1945) até os tempos atuais e apresentando esquemas mais vantajosos ao tradicional
modelo de Baron e Kenny (1986). Outra contribuição do artigo foi o de demonstrar na prática como se
realiza tais exames, tendo como justificativa alguns trabalhos que fizeram confusão com os termos.
Acredita-se que este trabalho gere um incentivo para leituras mais acuradas da teoria em marketing,
visando criação das hipóteses de mediação/moderação em modelos. Espera-se que o artigo sirva como
ferramenta para eventuais dúvida, explicando como fazer os exames. Por fim, o artigo contribui para o
campo uma vez que lista uma série de referências ao leitor.
Conclui-se que mediação, moderação, efeitos indiretos e variável moderadora-mediadora são
conceitos totalmente diferentes, embora muito correlacionados. Durante o trabalho todo buscou
apresentar as diferenças entre essas opções. Mediação é diminuir a magnitude do relacionamento entre
uma VI e uma DV, devido a uma terceira variável – em alguns casos a diminuição chega-se a zero.
Nessa circunstância, três grandes conjuntos de testes foram apresentados para aumentar ainda mais a
confiabilidade do exame de mediação. Moderação, por sua vez, é diferente de mediação e quatro tipos
são possíveis, baseando na intensidade da transformação relação (ou força ou forma). Isso devido a
correlação entre Mod com a VI e DV. Efeito indireto pode englobar mais de uma variável no meio da
relação entre VI e DV. Outra conclusão do artigo é que o teste de mediação/moderação carece de
maiores estudos. Nesse bojo, dos diversos trabalhos publicados nacionalmente em marketing apenas
5% fizeram tais ponderações. É importante também verificar que existem diferenças tanto conceituais,
como de resultados entre moderação vs. mediação vs. efeito indireto. Assim, pesquisadores devem
tomar cautela na utilização dos termos.
Em suma, autores devem estar balizados fundamentalmente no que a teoria sugere previamente
de moderação/mediação (IACOBUCCI, SALDANHA e DENG, 2007), ou seja, quais argumentos
teóricos indicam que uma variável pode afetar a forma da relação entre outras duas. Dado que a
construção de uma relação linear se baseia principalmente nos argumentos teóricos, no caso da
mediação/moderação também ocorre o mesmo, ou seja, é essencial explicar as bases teóricas e o
potencial explicador de variáveis desse tipo.
20
Referências
ABBAD, G., TORRES, C.V. Regressão múltipla stepwise e hierárquica em psicologia organizacional:
aplicações, problemas e soluções. Estudos em Psicologia Natal, v.7, p.19-29, 2002.
ABRAHAMS, N.M., ALF, E. Jr. Pratfalls in moderator research. Journal of Applied Psychology, v.56
n.2, 245-251, 1972.
ANDERSON, E.W., MITTAL, N. Strengthening the satisfaction profit chain. Journal of Service
Research, v.3 n.2, 107-120, 2000.
ANDERSON, E.W., SULLIVAN, M.W. The antecedents and consequences of customer satisfaction for
firms. Marketing Science, v.12 n.2, p.125-143, 1993.
ANDREASSEN, T.W., LINDESTAD, B. Customer loyalty and complex services: the impact of
corporate image on quality, customer satisfaction and loyalty for customer with varying degrees of
service expertise. International Journal of Service Industry Management, v.9, n.1, p.07-23, 1997.
ARBUCKLE, J. AMOS 4.0 User guide. [computer software]. Chicago: SmallWaters Corp, 1999.
ARNDT, J. Role of product-related conversation in the diffusion of a new product. Journal of
Marketing Research, v.1, n.4, p.291-295, 1967.
AROIAN, L. A. The probability function of the product of two normally distributed variables. Annals
of Mathematical Statistics, v.18, p.265-271, 1944/1947.
BARON, R.M., KENNY, D.A. The moderator-mediator variable distinction in social psychological
research: conceptual, strategic, and statistical considerations, Journal of Personality and Social
Psychology, v.51, n.6, p.1173-1182, 1986.
BATRA, R. STAYMAN, D.M. The role of mood in advertising effectiveness. Journal of Consumer
Research, v.17, n.2, p.203-214, 1990.
BREI, V.A., LIBERALI, G. O uso de modelagem em equações estruturais na área de marketing no
Brasil. In: Encontro EMA da ANPAD, 2004, Porto Alegre. Anais... Porto Alegre, 2004.
BREI, V.A., ROSSI, C.A.V. Confiança, valor percebido e lealdade em trocas relacionais de serviço:
um estudo com usuários de Internet Banking no Brasil. Revista de Administração Contemporânea, v.9,
n.2, p.145-168, 2005.
BYRNE, B. Structural Equation Modeling with AMOS: basic concepts, applications and programming.
Mahwah, NJ: Lawrence Erlbaum Associates, 2001.
CHATTOPADHYAY, A. BASU, K. Humor in advertising: the moderating role of prior brand
evaluation, Journal of Marketing Research, v.27, n.3, p.466-476, 1990.

21
CLOGG, C.C., PETKOVA, E., SHIHADEH, E.S. Statistical methods for analyzing collapsibility in
regression models. Journal of Educational Statistics, v.17, n.1, p.51-74, 1992.
CYR, D., BONANNI, C., BOWES, J., ILSEVER, J. Beyond Trust: website design preferences across
cultures. Journal of Global Information Management, v.13, n.4, p.02-42, 2005.
DICK, A.S., BASU, K. Customer loyalty: toward an integrated conceptual framework. Journal of the
Academy of Marketing Science, v.22, n.2, p.99-144, 1994.
DODDS, W.B., MONROE, K.B. The effect of brand and price information on subjective product
evaluations. In: HIRSCHMAN, E.C., HOLBROOK, M.B. (eds). Advances in Consumer Research, vol.
12, pp.85-99, Provo: UT, 1985.
ESPARTEL, L.B., ROSSI, C.A.V., MÜLLER, H.F. Teste de um modelo de antecedentes da lealdade em
três situações de consumo distintas. In: Encontro EMA da ANPAD, 2004, Porto Alegre. Anais... Porto
Alegre, 2004.
FORNELL, C., LARCKER, D.F. Evaluating structural equation models with unobservable variables
and measurement error. Journal of Marketing Research, v.18, n.1, p.39-50, 1981.
GONÇALVES, C.F., ELIAS, C.L., SOUKI, G., LEITE, R.S. Antecedentes de lealdade de clientes: um
estudo empírico no varejo. In: CLADEA, 2005, Santiago do Chile. Anais... Santiago do Chile, 2005.
GOODMAN, L. A. On the exact variance of products. Journal of the American Statistical Association,
v.55, p.708-713, 1960.
GREWAL, D., MONROE, K.B., KRISHNAN, R. The effects of price comparison advertising on
buyers’ perceptions of acquisition value and transaction value. Journal of Marketing, v.62, n.2, p.46-59,
1998.
GUMMERUS, J., LILJANDER, V., PURA, M., Van-RIEL, A. Customer royalty to content-based web
sites: the case of an on-line health-care service. Journal of Services Marketing, v.18, n.3, p.175-186,
2004
GUSTAFSSON, A., JOHNSON, M.D., ROOS, I. The effects of customer satisfaction, relationship
commitment dimensions, and triggers on customer retention. Journal of Marketing, v.69, n.3, p.210-
218, 2005.
HAIR, J., ANDERSON, R.E., TATHAM, R., BLACK, W. Multivariate Data Analysis. New Jersey:
Prentice Hall, 1998.
IACOBUCCI, D., SALDANHA, N., DENG, X. Meditation on mediation: evidence that structural
equation models perform better than regressions. Journal of Consumer Psychology, v.17, p.139-153,
2007.

22
JAMES, L.R., BRETT, J.M. Mediators, moderators, and tests for mediation. Journal of Applied
Psychology, v.69, n.2, p.307-321, 1984.
JUDD, C.M., KENNY, A. Process analysis: estimating mediation in treatment evaluations. Evaluation
Review, v.5, n.5, p.602-619 ,1981.
KENNY, D., JUDD, C.M. Estimating the nonlinear and interactive effects of latent variables.
Psychological Bulletin, v.96, n.1, p.201-210, 1984.
KLINE, R. B. Principles and practice of structural equation modeling. 1st. New York: Guilford Press,
1998.
KRULL, J.L., MAcKINNON, D. P. Multilevel mediation modeling in group-based intervention studies.
Evaluation Review, v.23, n.4, p.418-444, 1999.
LAPIERRE, J., FILIATRAULT, P. CHEBAT, J. Value strategy rather than quality strategy: a case of
business-to-business professional service. Journal of Business Research, v.45, n.2, p.235-246, 1999.
LEE, J., LEE, J. The influence of switching costs on customer retention: a study of the cell phone
market in France. In: DUBOIS, B., LOWREY, T.M., SHRUM, L.J., VANHUELE, M. (org.) European
Advanced in Consumer Research. v.4, p. 277-283, Provo : UT, 1999.
MACHADO, E.C.A., FILHO-GONÇALVES, C.G., MONTEIRO, P.R.R., MACHADO, M.A.
Marketing de relacionamento, trocas sociais e identidade saliente: construção de um modelo no terceiro
setor. In: Encontro Nacional da ANPAD, 2005, Brasília. Anais... Brasília, 2005.
MAcKINNON, D. P., LOCKWOOD, C. M., HOFFMAN, J. M., WEST, S. G., SHEETS, V. A
comparison of methods to test mediation and other intervening variable effects. Psychological
Methods, v.7, n.1, p.83-104, 2002.
MALHOTRA, N. Pesquisa de Marketing: uma orientação aplicada. 3ª. Ed. Porto Alegre: Bookman,
2001.
MATHWICK, C., MALHOTRA, N., RIGDON, E. Experiential value: conceptualization measurement
and application in the catalog and internet shopping environment. Journal of Retailing, v.77, n.1, p.39-
56, 2001.
OLIVER, R.L. A cognitive model of the antecedents and consequences of satisfaction decisions.
Journal of Marketing Research, v.17, n.4, p.460-469, 1980.
OLIVER, R.L. Satisfaction: a behavioral perspective on the consumer. New York: McGraw-Hill, 1997.
PARASURAMAN, A., GREWAL, D. The impact of technology on the quality-value-loyalty chain: a
research agenda. Journal of the Academy of Marketing Science, v.28, n.1, p.168-174, 2000.

23
PAUL, L.S., DICK, A. Using Moderator Variables in Structural Equation Models, in Advances in
Consumer Research, vol. 20, (eds). MCALISTER, L., ROTHSCHILD, M.L. Provo, UT : Association
for Consumer Research, p.636-640, 1993.
PING, R.A. Latent variable interaction and quadratic effect estimation: a two-step technique using
structural equation analysis. Psychological Bulletin, v.119, n.1, p.166-175, 1996.
PREACHER, K. Calculation for the Sobel Test: An interactive calculation tool for mediation tests.
disponível em http://www.psych.ku.edu/preacher/sobel/sobel.htm acessado em 9/novembro de 2006.
PREACHER, K.J., HAYES, A.F. SPSS and SAS procedures for estimating indirect effects in simple
mediation models. Behavior Research Methods, Instruments Computers, v.36, n.4, p.717-731, 2004.
Rozeboom, W.W. Mediation variables in scientific theory. Psychological Review, v.63, n.4, p.249-264,
1956.
RUST, R.T., ZAHORIK, A.J., KEININGHAM T.L. Return on quality (ROQ): making service quality
financially accountable. Journal of Marketing, v.59, n.2, p.58-70, 1995.
SANTOS, C.P., FERNANDES, D.V.H. A recuperacao de servicos e seu efeito na confianca e lealdade
do cliente. In: Anais do I Encontro do EMA-AnPAD, RS, 2004. Porto Alegre, 2004.
SHANKAR, V., SMITH, A., RANGASWAMY, A. Customer satisfaction and loyalty in on-line and off-
line environments. International Journal of Research in Marketing, v.20, n.2, p.01-34, 2003.
SHARMA, S., DURAND, R.M., GUR-ARIE, O. Identification and Analysis of Moderator Variables,
Journal of Marketing Research, v.18, n.3, p.291-300, 1981.
SHROUT, P. E., BOLGER, N. Mediation in experimental and non-experimental studies: New
procedures and recommendations. Psychological Methods, v.7, n.4, p.422-445, 2002.
SIRDESHMUKH, D., SINGH, J., SABOL, B. Consumer trust, value and loyalty in relational
exchanges. Journal of Marketing, v.66, n.1, p.15-28, 2002.
SOBEL, M. E. Asymptotic intervals for indirect effects in structural equations models. In S. Leinhart
(Ed.), Sociological methodology (p.290-312). San Francisco: Jossey-Bass, 1982.
SRINIVASAN, S.S., ANDERSON, R., PONNAVOLU, K. Customer loyalty in e-commerce: an
exploration of its antecedents and consequences. Journal of Retailing, v.78, n.1, p.41-50, 2002.
SZYMANSKI, D.M., HISE, R.T. E-satisfaction: an initial examination. Journal of Retailing, v.76, n.3,
p.309-322, 2000.
VIEIRA, V.A., MATOS, C.A. Uma análise dos antecedentes da lealdade no ambiente de varejo virtual:
proposta e teste de um modelo teórico. In: Anais do II Encontro do EMA-AnPAD, RJ, 2006. Rio de
Janeiro, 2006.

24
WARRINGTON, P.T.Customer evaluations of e-shopping: the effects of quality-value perceptions and
e-shopping satisfaction on e-shopping loyalty. PhD Thesis Graduate College, University of Arizona,
2002.
WOLFINBARGER, M., Gilly, M. eTailQ: dimensionalizing, measuring and predicting e-tail quality.
Journal of Retailing, v.79, n.3, p.183-198, 2003.
ZEITHAML, V.A. Consumer perceptions of price, quality and value: a means-end model and synthesis
of evidence. Journal of Marketing, v.52, n.3, p.02-22, 1988.
ZEITHAML, V.A., BERRY, L.L., PARASURAMAN, A. The behavioral consequences of service
quality. Journal of Marketing, v.60, n.2, p.31-47, 1996.

25
i
Para interessados em realizar o teste de Aroian, Sobel e Goodman, ver link
http://www.psych.ku.edu/preacher/sobel/sobel.htm
ii
Os autores agradecem a sugestão do revisor neste ponto.