faculdade meridional imed escola de …§ão - tamires bressiani... · aos meus familiares e amigos...
TRANSCRIPT
FACULDADE MERIDIONAL – IMED
ESCOLA DE ADMINISTRAÇÃO
PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO
MESTRADO EM ADMINISTRAÇÃO
Tamires Bressiani Pagnussatt
Aglomerações territoriais de empresas: uma atmosfera industrial
para a inovação e o desempenho em regiões vitivinícolas
Passo Fundo
2018
Tamires Bressiani Pagnussatt
Aglomerações territoriais de empresas: uma atmosfera industrial para a
inovação e o desempenho em regiões vitivinícolas
Dissertação apresentada ao Programa de Pós-
Graduação em Administração da Escola de
Administração da Faculdade Meridional –
IMED, como requisito parcial para a obtenção
do grau de Mestre em Administração sob a
orientação do Prof. Dr. Claudionor Guedes
Laimer.
Passo Fundo
2018
CIP – Catalogação na Publicação
P139a PAGNUSSATT, Tamires Bressiani
Aglomerações territoriais de empresas : uma atmosfera industrial para a
inovação e o desempenho em regiões vitivinícolas / Tamires Bressiani Pagnussatt. –
2018.
91 f. ; 30 cm.
Dissertação (Mestrado em Administração) – Faculdade Meridional – IMED,
Passo Fundo, 2018.
Orientador: Prof. Dr. Claudionor Guedes Laimer.
1. Relações interorganizacionais. 2. Inovação nos negócios. 3. Desempenho
organizacional. I. Laimer, Claudionor Guedes, orientador. II. Título.
CDU: 658.011.4
Catalogação: Bibliotecária Angela Saadi Machado - CRB 10/1857
Dedico este trabalho à meu esposo Alexandro,
pelo incentivo e apoio em todos os momentos.
AGRADECIMENTOS
Ao Prof. Dr. Claudionor Guedes Laimer, que no papel de orientador me trouxe clareza
e segurança com seus ensinamentos e contribuições acadêmicas. Além da amizade e incentivo
desde o início desta jornada, com seus conselhos e sua paciência. Obrigada!
À Faculdade Meridional IMED e a Comissão de Aperfeiçoamento de Pessoal de Nível
Superior (CAPES), pela concessão parcial da bolsa de estudos.
Aos Docentes do Programa de Pós-Graduação em Administração IMED, pela dedicação
e competência durante o desenvolvimento das atividades.
Aos colegas do Mestrado pelo companheirismo e trocas de experiências neste período
de mudanças em nossas vidas. Em especial as colegas Andreia Alcântara da Rosa e Jéssica
Pasa, com quem pude dividir as angústias, os medos e aflições, mas também as alegrias após
cada etapa vencida. Também agradeço o apoio recebido da colega Alissa Bilhar e Laura
Battezini Torres. Vocês foram fundamentais, obrigada pela amizade!
Ao Prof. Adriano José da Silva, pelo incentivo e contribuições.
Ao amigo Vianei Roberto Mayolo, pelas dicas e contatos que foram úteis para a coleta
de dados.
Ao Sr. Irineu Guarnieri, pelo apoio concedido na coleta de dados.
Ao Prof. Nédio Antonio Andreolli da Faculdade da Serra Gaúcha, peço apoio concedido
com a coleta de dados.
Ao Instituto Brasileiro do Vinho – Ibravin, pela disponibilidade de acesso à
informações.
A todas as empresas participantes da pesquisa, por acreditarem no trabalho e por
contribuírem com informações necessárias para a realização do estudo.
Aos meus pais, Roseli Piccoli Bressiani e Neucir Bressiani e meu irmão Vitor Augusto
Bressiani. Pelas palavras de incentivo e pela confiança que depositaram em mim. A torcida de
vocês pelo meu sucesso é o pilar que sustenta meu caminho.
Aos meus familiares e amigos que de uma forma ou de outra estiveram presentes nesta
caminhada com palavras de incentivo.
A Deus por guiar meus caminhos e iluminar meus passos.
E para finalizar, o meu agradecimento especial ao meu esposo Alexandro Pagnussatt
que foi rocha firme em toda essa caminhada. Acompanhou todos os meus passos, me deu o
suporte necessário, chorou junto e lutou pela mesma causa. Esta conquista também é tua!
“É saber se sentir infinito
Num universo tão vasto e bonito, é saber sonhar
Então fazer valer a pena
Cada verso daquele poema sobre acreditar.
Não é sobre chegar
No topo do mundo e saber que venceu
É sobre escalar e sentir que o caminho te fortaleceu
É sobre ser abrigo
E também ser morada em outros corações
E assim ter amigos contigo em todas as situações.
A gente não pode ter tudo
Qual seria a graça do mundo se fosse assim?
Por isso eu prefiro sorrisos
E os presentes que a vida trouxe pra perto de mim.”
Trecho da música “Trem Bala”
(Ana Vilela)
RESUMO
As aglomerações territoriais de empresa caracterizam-se pela concentração dessas unidades
produtivas em determinada área geográfica, onde a proximidade entre elas pressupõe a
existência de relações que podem promover a aprendizagem e a disseminação do conhecimento.
Da mesma forma, a troca de recursos entre as empresas pode gerar implicações na inovação e
no desempenho, assim, este estudo tem como objetivo investigar o papel das aglomerações
territoriais no desenvolvimento de inovações e na melhoria do desempenho das empresas em
regiões vitivinícolas. Para atender ao objetivo proposto, foi realizada uma pesquisa quantitativa
com caráter descritivo e transversal, onde a coleta de dados foi realizada através de um
questionário nas empresas vitivinícolas localizadas no estado do Rio Grande do Sul. Da coleta
de dados, constituíram a amostra 49 empresas vinícolas. Para a análise e interpretação dos
dados, foram utilizadas técnicas de análise descritivas e análise de regressão linear. Os
resultados da pesquisa mostram que o capital social é um apoio para a aprendizagem coletiva
pela sua capacidade de interação entre os atores. Além disso, existe uma relação positiva entre
a transferência de conhecimento e a inovação, bem como entre a inovação e o desempenho.
Esses achados indicam que, para o contexto estudado, as empresas podem se valer de suas
relações para aprender e contribuir com outras empresas, essa interação estimula atividades
inovadoras, que por sua vez, melhoram o desempenho. No âmbito gerencial, os resultados do
estudo podem indicar o aumento das relações e interações entre as empresas vinícolas, sendo
importante oportunizar ambientes para a cooperação e troca entre as empresas que pertencem
ao aglomerado. No aspecto teórico, a pesquisa contribui para o tema relacionado à
aglomerações territoriais e contribui para a expansão dos estudos. São apresentadas ainda,
limitações e sugestões para pesquisas futuras.
Palavras-chave: Relações interorganizacionais. Aglomerações territoriais. Recursos.
Inovação. Desempenho.
ABSTRACT
The territorial agglomerations of companies are characterized by the concentration of these
productive units in a certain geographic area, where the proximity between them presupposes
the existence of relations that can promote learning and the dissemination of knowledge.
Similarly, the exchange of resources between companies can have implications for innovation
and performance, so this study aims to investigate the role of territorial agglomerations in the
development of innovations and in the improvement of the performance of companies in wine
regions. To meet the proposed goal, it was made a quantitative research with descriptive and
transversal character, where the data collection was done through a questionnaire in the wine
companies located in the state of Rio Grande do Sul. From the data collection, the sample
consisted of 49 wine companies. For the analysis and interpretation of the data, we used
descriptive analysis techniques and linear regression analysis. The research results show that
social capital is a support for collective learning because of its ability to interact among the
actors. Besides that, there is a positive relationship between knowledge transfer and innovation,
as well as between innovation and performance. These findings indicate that, for the studied
contexto, companies can use their relationships to learn and contribute to other companies, this
interaction stimulates innovative activities, which in turn improve performance. In the
managerial context, the results of the study can indicate the increase of relations and interactions
between the wine companies, being important to provide opportunities for cooperation and
exchange between the companies that belong to the agglomerate. In the theoretical aspect, the
research contributes to the theme related to territorial agglomerations and contributes to the
expansion of the studies. Limitations and suggestions for future research are also presented.
Keywords: Interorganizational relationships. Territorial agglomerations. Resources.
Innovation. Performance.
LISTA DE FIGURAS
Figura 1 - Modelos visuais de aglomeração de empresas ....................................................... 24
Figura 2 - Modelo teórico da pesquisa .................................................................................... 38
Figura 3 - Regiões vitivinícolas no Brasil ............................................................................... 40
Figura 4: Modelo de regressão 1 ............................................................................................. 63
Figura 5: Modelo de regressão 2 ............................................................................................. 65
Figura 6: Modelo de regressão 3 ............................................................................................. 66
Figura 7: Modelo de regressão 4 ............................................................................................. 67
Figura 8: Modelo de regressão 5 ............................................................................................. 67
LISTA DE QUADROS
Quadro 1 - Resumo das tipologias de aglomeração ................................................................ 27
Quadro 3 - Construtos e variáveis utilizados na elaboração do questionário.......................... 45
Quadro 4 - Técnicas de análise de dados ................................................................................ 47
Quadro 5 - Variáveis dependentes e independentes dos modelos de regressão propostos ..... 54
Quadro 6 - Resumo do teste de hipóteses de pesquisa ............................................................ 69
LISTA DE TABELAS
Tabela 1 - Área e produção de uva em estados brasileiros ...................................................... 18
Tabela 2 - Elementos da amostra de aglomerações vitivinícolas a serem pesquisadas ........... 42
Tabela 3 - Homogeneidade da variância de duas amostras e teste K-S................................... 49
Tabela 4 - Assimetria e Curtose............................................................................................... 52
Tabela 5 - Análise de confiabilidade da escala pelo Alpha de Cronbach ................................ 54
Tabela 6 - Regras práticas sobre o coeficiente de correlação* ................................................ 55
Tabela 7 - Matriz de correlação de Pearson das variáveis ....................................................... 56
Tabela 8 - Cidade dos respondentes por aglomeração ............................................................ 57
Tabela 9 - Classificação das empresas conforme porte empresarial/faturamento ................... 58
Tabela 10 - Idade das empresas ............................................................................................... 59
Tabela 11 - Resumo dos modelos de regressão linear múltipla do estudo .............................. 60
Tabela 12 - Análise de variância dos modelos de regressão do estudo ................................... 60
Tabela 13 - Testes de significância dos coeficientes de regressões parciais ........................... 62
LISTA DE SIGLAS
ABNT – Associação Brasileira de Normas Técnicas
ABS – Associação Brasileira de Sommeliers
ACAVATIS – Associação Catarinense de Produtores de Vinhos Finos de Altitude
AGAVI – Associação Gaúcha de Vinicultores
APL – Arranjo Produtivo Local
IBRAVIN – Instituto Brasileiro do Vinho
PMEs – Pequenas e Médias Empresas
PPGA – Programa de Pós-Graduação em Administração
REDESIST – Rede de Pesquisa em Sistemas e Arranjos Produtivos Locais
SLPIs – Sistemas Locais Produtivos e Inovativos
SUMÁRIO
1 INTRODUÇÃO ..................................................................................................................... 15
1.1 Justificativa e delimitação do problema de pesquisa .................................................... 16
1.2 Objetivos ............................................................................................................................ 19
1.2.1 Objetivo Geral ............................................................................................................... 19
1.2.2 Objetivos Específicos ..................................................................................................... 19
1.3 Estrutura da dissertação .................................................................................................. 19
2 FUNDAMENTAÇÃO TEÓRICA ........................................................................................ 21
2.1 Aglomerações territoriais................................................................................................. 21
2.1.1 Tipologias de aglomeração ............................................................................................ 25
2.2. Aprendizagem coletiva em aglomerações ...................................................................... 27
2.3 Capital Social .................................................................................................................... 28
2.4 Transferência de conhecimento em aglomerações ........................................................ 31
2.5 Inovação em aglomerações .............................................................................................. 33
2.6 Desempenho em aglomerações ........................................................................................ 36
2.7 Modelo teórico da pesquisa .............................................................................................. 37
3 MÉTODO .............................................................................................................................. 39
3.1 População e Amostra de Pesquisa ................................................................................... 39
3.2 Coleta de Dados ................................................................................................................ 42
3.3 Análise de dados ............................................................................................................... 47
4 RESULTADOS E DISCUSSÕES ......................................................................................... 57
4.1 Caracterização da amostra .............................................................................................. 57
4.2 Análise de regressão e teste de hipóteses ........................................................................ 59
5 CONSIDERAÇÕES FINAIS ................................................................................................ 70
5.1 Implicações teóricas da pesquisa ..................................................................................... 71
5.2 Implicações gerenciais da pesquisa ................................................................................. 72
5.3 Limitações da pesquisa e sugestões de estudos futuros ................................................. 72
REFERÊNCIAS ....................................................................................................................... 74
APÊNDICE .............................................................................................................................. 86
1 INTRODUÇÃO
O mercado cada vez mais dinâmico e competitivo faz com que as empresas necessitem
diferenciar-se de seus concorrentes através de estratégias competitivas que possam melhorar o
desempenho, possibilitando obter vantagem competitiva. As interações entre as empresas
aglomeradas podem possibilitar trocas de informações e de conhecimentos, em que a inovação
tem papel fundamental como estratégia de diferenciação.
A aglomeração territorial refere-se à concentração de empresas em uma determinada
área geográfica (MARCO-LAJARA et al., 2015), sendo que a proximidade entre as empresas
exerce efeito positivo e atrai mais empresas e trabalhadores e pressupõe a existência de
interação entre as organizações (DIAS, 2011; HOFFMANN; OLIVEIRA; BROCHHI, 2016).
Assim, o efeito da localização torna-se um pressuposto básico para a discussão sobre
aglomerações territoriais (NECKEL; HOFFMANN; SCHOREDER, 2016).
Dessa forma, as aglomerações territoriais de empresas podem proporcionar a
disseminação do conhecimento, acesso à insumos e especialização de mão de obra, o que pode
aumentar o desempenho das empresas pertencentes ao aglomerado (BRITO et al., 2010). Estas
combinações de relações torna o ambiente de aglomeração dificilmente reprodutível em outros
contextos (RUIZ-ORTEGA; PARRA-REQUENA; GARCÍA-VILLAVERDE, 2016) e são
fundamentais para o desenvolvimento e disseminação de novos conhecimentos que muitas
vezes contribuem para a inovação (STABER, 2001). Além disso, as atividades desenvolvidas
podem gerar ganhos em escala, produtividade, crescimento e a inovação (NEUMANN;
HEXSEL; BALESTRIN, 2011).
Ainda, as relações entre as empresas são importantes para a aprendizagem coletiva
(NOOTEBOOM, 2008) e em algum momento pode causar a disseminação do conhecimento
(BRITO et al., 2010). Sendo o capital social uma lente para auxiliar no estudo das relações
interorganizacionais, busca-se integrar vários aspectos diferentes das relações que podem
beneficiar aqueles que conseguirem acessar mais oportunidades geradas pela proximidade
(NAHAPIET, 2008).
As estratégias coletivas em pequenas empresas podem representar uma forma de
desenvolvimento e acesso à vantagem competitiva, visto que, de modo geral, encontram-se em
desvantagem perante a grandes empresas, como no caso do acesso às tecnologias (OLIVEIRA;
GONÇALVES, 2014; DEBOÇÁ; MARTINS, 2015). É uma estratégia utilizada para enfrentar
o desafio de pequenas e médias empresas permanecerem no mercado (JOÃO; OLIVARES,
2014), mesmo partindo do pressuposto de que as empresas são heterogêneas e apresentam
16
formas diferenciadas de administrar seus recursos (PUGAS; CALEGARIO; ANTONIALLI,
2013).
O Brasil, é um campo fértil para pesquisas em aglomerações territoriais em função da
existência de muitas regiões industriais (ANDRADE; HOFFMANN, 2010), além de ser um
país continental com uma diversidade de origens culturais que podem influenciar em diferentes
tipos de concentrações. Alguns estudos em aglomerações já foram realizados, um exemplo
disso é a indústria vinícola do Vale dos Vinhedos no Rio Grande do Sul, estudada por Wilk e
Fensterseifer (2003), que buscaram identificar os recursos estratégicos e capacidades do cluster
do vinho. Seus achados mostram que a região possui características idiossincráticas e condições
únicas para a competitividade.
1.1 Justificativa e delimitação do problema de pesquisa
O número de estudos que buscam a compreensão de aglomerações territoriais vem
aumentando significativamente a partir da década de 1990, o que demonstra a crescente
importância do tema. No decorrer das últimas duas décadas, diversas denominações e
abordagens sobre aglomerações territoriais vem se tornando objeto de análise para a academia
e também foco de políticas industriais para o desenvolvimento regional.
A aglomeração representa uma nova forma de pensar as economias, proporciona a
compreensão do papel da localização gerando novas ideias gerenciais e novos papéis para os
governos (PORTER, 1999). Assim, torna-se importante investigar a aglomeração de empresas,
sendo que podem impulsionar o crescimento econômico e beneficiar-se de mercados mais
amplos em relação a serviços especializados e fluxos de informação (MARSHALL, 1985).
Diversos estudos nacionais buscam entender as aglomerações de empresas. Como a
aglomeração de confecções de vestuário no Vale do Itajaí em Santa Catarina (HOFFMANN;
MOLINA-MORALES; MARTÍNEZ-FERNANDEZ, 2008), a aglomeração industrial de
petróleo e gás da Bacia de Campo no Rio de Janeiro (SILVESTRE; DACOL, 2008), a
aglomeração de industrias de confecções de Cianorte no Paraná (CAMPOS; PAULA, 2008), a
aglomeração de empresas turísticas de Canoa Quebrada no Ceará (BARROS; MOREIRA,
2006), entre outras (CARDOSO; GUIMARÃES, 2011; NEUMANN; HEXSEL; BALESTRIN,
2011; THOMAZ et al.; 2011; MIRANDA JÚNIOR; COSTA; HOFFMANN, 2016).
As aglomerações territoriais de empresas, também, têm despertado a atenção de estudos
internacionais, devido ao sucesso obtido em alguns países e a atenção de vários governos como
o fenômeno econômico da região da Emília Romana na Itália (PYKE; BECATTINI;
17
SENGENBERGER (1992). Já Saxenian (1994) busca entender o sucesso e o fracasso de
aglomerações de empresas usando os exemplos do Vale do Silício e a Rota 128 nos Estados
Unidos, regiões com empresas de alta tecnologia. Giuliani e Bell (2005) buscaram evidências
sobre a formação de redes de conhecimento no Vale do Conchágua, cluster de vinho no Chile.
Alguns trabalhos apontam que os estudos recentes buscam investigar teorias baseadas
no conhecimento, no desenvolvimento regional, os processos de aprendizagem e os spillovers
de conhecimento, sustentabilidade, a interação entre as empresas e a difusão da informação na
produção de inovações que podem levar ao crescimento de aglomerações (CRUZ; TEIXEIRA,
2009; MASCENA; FIGUEIREDO; BOAVENTURA, 2013). Além disso, há sugestões para a
análise do papel desempenhado pelas dimensões relacional e estrutural do capital social para
melhorar a aquisição de conhecimento (PARRA-REQUENA; MOLINA-MORALES;
GARCÍA-VILLAVERDE, 2010).
Neste sentido, quando se fala em aglomerações vitivinícolas no Brasil, a maioria dos
estudos encontrados abordam a aglomeração do Vale dos Vinhedos, localizado no Rio Grande
do Sul (LIMA; CARVALHO, 2011; ZEN; FENSTERSEIFER; PRÉVOT, 2010; ASHTON;
VALDUGA; TOMAZZONI; 2015), por ser a região onde há a maior produção de uva e vinho
do país. Segundo dados do IBGE (2017) atualizados em 2015 mostram que a viticultura
brasileira ocupa em torno de 80 mil hectares de área plantada e a maior concentração está no
estado do Rio Grande do Sul, sendo que a produção ultrapassa 870 mil toneladas de uva (Tabela
1).
No entanto, o Brasil possui várias regiões produtoras em desenvolvimento, inclusive,
regiões que vem crescendo no próprio estado do Rio Grande do Sul. As mais representativas
são: São Francisco, em Petrolina (PE); São Joaquim, em Santa Catarina; Vale dos Vinhedos e
Campanha Gaúcha, no Rio Grande do Sul (IBRAVIN, 2017). Entretanto, os estudos se
concentram em sua maioria no Vale dos Vinhedos, onde pequenas propriedades rurais acabam
compartilhando o território com vinícolas de diversos portes, sendo que seus vinhos são os
únicos a deterem Denominação de Origem.
Desta forma, na literatura disponível sobre aglomerações territoriais enfatiza-se a
capacidade para a difusão e geração de conhecimento e a inovação (GIULIANI; BELL, 2005),
onde a valorização dos recursos e capacidades podem fundamentalmente moldar suas futuras
opções estratégicas (WILK; FERNSTERSEIFER, 2003). Ainda, há a oportunidade de comparar
entre diferentes aglomerações de uma mesma localidade ou segmento, buscando compreender
o desempenho das empresas ou da própria aglomeração (MASCENA; FIGUEIREDO;
BOAVENTURA, 2013).
18
Tabela 1 - Área e produção de uva em estados brasileiros
Unidade da
federação Área colhida (ha*) Produção (t**)
Rio Grande do Sul
Pernambuco
São Paulo
Bahia
Santa Catarina
Paraná
Minas Gerais
Goiás
Espírito Santo
Paraíba
Distrito Federal
Mato Grosso
Ceará
Rondônia
Piauí
Mato Grasso do Sul
Rio de Janeiro
49.733
6.814
7.803
2.861
4.843
4.459
856
150
148
122
79
51
38
27
7
13
7
876.215
237.367
142.631
77.408
69.118
69.035
12.615
4.008
2.327
2.196
1.890
981
940
197
168
105
101
Brasil 78.011 1.497.302 Fonte: IBGE (2017).
Nota: * - hectares
** - toneladas
Portanto, é sabido que existem barreiras significativas entre os participantes de uma
aglomeração quando se trata da troca, assim maiores evidências sobre os desafios e barreiras
enfrentados pelas organizações, poderá ser relevante no processo de gestão (NEUMANN;
HEXSEL; BALESTRIN, 2011). Além disso, as fontes de inovação podem ser afetadas pela
estrutura das ligações entre as empresas da aglomeração, com isso, aproveitar as vantagens
existentes depende da rede social em que as empresas estão envolvidas (MOLINA-MORALES;
MARTÍNEZ-FERNÁNDEZ, 2003). Assim, torna-se relevante buscar resposta ao seguinte
problema de pesquisa: A aglomeração territorial promove um ambiente favorável ao
desenvolvimento de inovações e melhoria do desempenho das empresas em regiões
vitivinícolas?
Assim sendo, o argumento central deste estudo é que a aglomeração promove a
aprendizagem coletiva e a transferência de conhecimento, que pode influenciar a inovação e o
desempenho das empresas. Pois, pressupõe-se que a proximidade geográfica das empresas, o
capital social das empresas e as condições físicas e tecnológicas proporcionam uma atmosfera
industrial, que favorece as relações interorganizacionais na aglomeração territorial.
19
1.2 Objetivos
A seguir serão apresentados o objetivo geral e os objetivos específicos deste estudo
baseado no que foi exposto.
1.2.1 Objetivo Geral
De acordo o problema de pesquisa apresentado, o presente estudo tem como objetivo
investigar o papel das aglomerações territoriais no desenvolvimento de inovações e na melhoria
do desempenho das empresas em regiões vitivinícolas.
1.2.2 Objetivos Específicos
A partir do objetivo geral, foram estabelecidos os seguintes objetivos específicos:
a) Verificar se o capital social influencia a aprendizagem coletiva e a transferência de
conhecimento das empresas nas aglomerações vitivinícolas;
b) Verificar se as condições físicas e tecnológicas influenciam a aprendizagem coletiva
e a transferência de conhecimento das empresas nas aglomerações vitivinícolas;
c) Analisar o efeito da aprendizagem coletiva na inovação e no desempenho das
empresas nas aglomerações vitivinícolas;
d) Analisar o efeito da transferência de conhecimento na inovação e no desempenho das
empresas nas aglomerações vitivinícolas;
e) Analisar o efeito da inovação no desempenho das empresas nas aglomerações
vitivinícolas.
1.3 Estrutura da dissertação
A dissertação está estruturada em quatro capítulos, sendo o primeiro capítulo constituído
pela presente introdução, a qual apresenta o estudo, a sua delimitação e justificativa para o
problema de pesquisa, além dos objetivos. No capítulo dois apresenta-se a fundamentação
teórica, envolvendo a discussão sobre aglomeração territorial, suas características e tipologias
para aglomeração. Ainda, apresenta a aprendizagem coletiva e a transferência de conhecimento
em aglomeração, suas características e a possibilidade de contribuir para a inovação e para o
desempenho da empresa.
20
No capítulo três apresenta-se o método que foi utilizado para a pesquisa, as etapas da
pesquisa, assim como os procedimentos que foram adotados para alcançar os objetivos da
pesquisa. Ainda, apresenta a população e amostra que foi investigada e elaboração do
questionário que foi aplicado.
O capítulo quatro é dedicado à apresentação e discussão dos resultados da pesquisa,
inicia-se pela caracterização da amostra da pesquisa, seguida da análise de regressão e testagem
das hipóteses da pesquisa. Por fim, o capítulo cinco apresenta as considerações finais da
pesquisa, com suas contribuições, limitações e sugestões para pesquisas futuras.
21
2 FUNDAMENTAÇÃO TEÓRICA
Neste capítulo, apresenta-se a fundamentação teórica acerca de aglomerações
territoriais, suas características e denominações, proximidade geográfica e o capital social, a
transferência de conhecimento e aprendizagem coletiva, inovação e desempenho.
2.1 Aglomerações territoriais
Considerado o introdutor do conceito de economias de aglomeração na teoria econômica
em 1890, Alfred Marshall iniciou os estudos sobre aglomerações territoriais ao observar regiões
industriais na Inglaterra no fim do século XIX, percebeu a crescente ênfase na subdivisão de
funções e também identificou um processo de integração com o aumento das relações entre as
partes de um organismo industrial. A indústria se reproduzia em um contexto favorável de mão
de obra, insumos, fornecedores, o que despertava o interesse de empresários e investidores em
abrir novos negócios na mesma localidade (MARSHALL, 1985).
Refere-se ao agrupamento geográfico de empresas e instituições que estão relacionadas
em termos de produção específica e/ou atividades econômicas (PORTER, 1999), apresentando
alguma especialização produtiva (TAVARES; CASTRO, 2012; NASCIMENTO; MOREIRA
FILHO, 2012). Trata-se da concentração de empresas de qualquer tamanho e setor em uma
determinada área geográfica (NEUMANN; HEXSEL; BALESTRIN, 2011; MARCO-
LAJARA et al., 2016) sendo que essa proximidade exerce efeito positivo e atrai mais firmas e
trabalhadores (DALBERTO; CIRINO; STADUTO, 2016), no qual pressupõe a existência de
interação entre as organizações (DIAS, 2011; HOFFMANN; OLIVEIRA; BROCCHI, 2016).
Vários estudos apresentam que o fenômeno das aglomerações é relativamente comum e
não fica limitado a exemplos clássicos como Vale do Silício, e ainda sua origem pode estar
relacionada a diversas razões, assim sendo vistas como uma forma de impulsionar a
competitividade das empresas em escala global (THOMAZ et al., 2011). Parecem não surgir de
forma planejada, mas da necessidade de sobreviver (NEUMANN; HEXSEL; BALESTRIN,
2011). Estruturam-se em economias avançadas ou em desenvolvimento, ou seja, pode assumir
formas distintas conforme sua profundidade, temporalidade e sofisticação; variam conforme
seu tamanho, amplitude e estágio de desenvolvimento (CZAJKOWSKI; CUNHA, 2010).
Ainda, Marshall (1985) introduziu dois termos técnicos em sua análise: as “economias
externas” que dependem do desenvolvimento geral da indústria, e as “economias internas” que
dependem dos recursos das empresas que a ela dedicam-se individualmente. O autor afirma que
22
“as economias externas podem frequentemente ser conseguidas pela concentração de muitas
pequenas empresas similares em determinadas localidades, ou seja, como se diz comumente,
pela localização da indústria” (MARSHALL, 1985, p. 229).
Pode-se perceber que aproveitar as economias externas pode proporcionar ganhos em
escala associados as empresas tomadas individualmente, ou seja, benefícios de economias
internas, sendo as condições estruturais, físicas, logísticas e climáticas os principais motivos
que levam à aglomeração (MARSHALL, 1985). Em seu estudo, Dauth (2013) concluiu que os
benefícios da aglomeração podem ajudar as indústrias locais a persistir nas mudanças
estruturais e na concorrência internacional.
Quanto mais se enfatizar as características locais e valorizar suas particularidades
culturais e regionais em detrimento da hegemonia global maior o seu potencial de crescimento
(NASCIMENTO; MOREIRA FILHO, 2012; NEUMANN; HEXSEL; BALESTRIN, 2011),
sendo que as atividades desenvolvidas podem ser interpretadas como uma complexa sinergia
que pode gerar ganhos em escala, produtividade, crescimento e a inovação (NEUMANN;
HEXSEL; BALESTRIN, 2011).
É possível envolver alguma especialização produtiva na região em que estão localizados
os aglomerados, onde pode-se assumir um caráter horizontal, envolvendo empresas de mesmo
segmento ou atividades similares, ou caráter vertical, envolvendo empresas que venham a
desenvolver atividades complementares na cadeia produtiva (NASCIMENTO; MOREIRA
FILHO, 2012; TAVARES; ANTONIALLI; SANTOS, 2010).
Fatores econômicos podem explicar sistematicamente padrões de aglomerações, sendo
enfatizados na literatura de geografia econômica quatro categorias: a) ligações verticais de
produção, b) externalidades nos mercados de trabalho, c) externalidades nos mercados de bens
de capital e d) a vantagem da proximidade geográfica (ALFARO; CHEIN, 2014).
As externalidades da aglomeração podem ser vagamente definidas à medida que uma
empresa obtenha benefícios por estar localizada próximo a outros atores econômicos (NEFFKE
et al., 2011), dão origem a processos de aglomeração cujos mecanismos têm efeitos óbvios
sobre a produtividade da indústria (CLAVER; CASTEJÓN; GRACIA, 2012). São economias
de escala externas à empresa, mas interna ao sistema territorial, o que facilita a aglomeração
em função das vantagens de localização, como redução de custos de produção, o acesso a
insumos especializados e fornecedores e o acesso à aprendizagem devido a presença de
spillovers de conhecimento ou tecnologia (GLAESER et al., 1992).
Para Marshall (1985) as externalidades são cruciais na formação de economias de
aglomeração, de modo que as principais vantagens que uma empresa localizada possui são: a)
23
um mercado local para a indústria localizada; b) aumento de conhecimento (spillovers) e
tecnologia; c) surgimento de indústrias subsidiárias. Essas vantagens associam-se a economias
externas e geram impactos econômicos para toda a região do aglomerado (MARSHALL, 1985).
Os benefícios das externalidades positivas levam as empresas localizadas dentro de uma
área concentrada a ter maior produtividade, no entanto é importante perceber que as
deseconomias de aglomeração podem aparecer a medida que as regiões crescem em tamanho,
devido ao aumento de concorrência, custos mais altos de terra e outros possíveis fatores (LIN;
LI; YANG, 2011). Sendo as externalidades positivas, os lucros crescem junto com a
aglomeração, mas se as externalidades negativas forem mais fortes, os lucros devem diminuir,
assim se a relevância das externalidades varia com o nível da aglomeração da empresa, a relação
entre lucros e aglomeração não será linear, mas curva (MARCO-LAJARA et al., 2016).
Ainda, estudos apontam que a proximidade geográfica é um pré-requisito de
externalidades positivas em aglomerações, especialmente na inovação (GELDES et al., 2015).
A proximidade fornece a oportunidade para interações, relações sociais e profissionais
(LAZZERETTI; CAPONE, 2016) e cria um ambiente que facilite a confiança, a difusão de
ideias e de conhecimento (AUDRETSCH; FELDMAN, 1996).
Markusen (1996), em seus estudos sobre aglomerações, criou modelos visuais
esquemáticos (Figura 1) para mostrar como as empresas e as instituições se organizam no
território, sendo: aglomerações marshaliana ou italiana; aglomeração centro-radical;
aglomeração plataforma satélite; e aglomeração suportada pelo governo ou por instituições
importantes. O primeiro modelo é a aglomeração marshaliana ou italiana, reúne um grande
número de pequenas e médias empresas que são controladas localmente, onde é desencadeado
a existência de capital no interior da aglomeração entre fornecedores e clientes que se estrutura
por contratos de longo prazo, esta proximidade gera economias externas (MARKUSEN, 1996).
O segundo modelo é a aglomeração centro-radial, denominada por uma ou várias
empresas grandes e integradas verticalmente, onde as grandes empresas mantêm ligações com
fornecedores e concorrentes fora da aglomeração que são mediadas por contratos de longo
prazo (MARKUSEN, 1996). Nas aglomerações centro-radiais as economias de escala são
elevadas, as grandes empresas detêm o poder de barganha e maiores investimentos
(MARKUSEN, 1996).
24
Figura 1 - Modelos visuais de aglomeração de empresas
Fonte: Adaptado de Markusen (1996).
25
No terceiro modelo, aglomerações plataforma satélite, são formados por filiais de
multinacionais ou grandes corporações que acabam se deslocando para localidades com baixos
salários ou por algum subsídio oferecido, sendo pequeno o comércio entre fornecedores e
compradores em função do alto grau de relação com empresas externas, o que torna os
benefícios e vantagens decorrentes de aglomerações bem limitados (MARKUSEN, 1996).
O quarto modelo apresentado por Markusen (1996) é a aglomeração suportada pelo
governo ou por instituições importantes que criam condições para uma localização industrial
privilegiada, onde as decisões partem de diferentes níveis do governo. As instituições
relacionadas costumam ser grandes e estimulam o crescimento de fornecedores em seus
arredores, porém a relação entre os clientes do Estado e os fornecedores é mediada por contratos
de curto prazo em função de possíveis mudanças políticas (MARKUSEN, 1996). O modelo
utilizado neste estudo é o primeiro modelo, aglomerações marshaliana ou italiana.
De forma geral, as aglomerações produtivas se definem sob quatro elementos principais,
sendo 1) atividades semelhantes sendo executadas em uma concentração espacial; 2) apoio para
as empresas locais de instituições públicas e privadas; 3) alguns vínculos interorganizacionais
verticais e horizontais e 4) concordância sobre normas de conduta fundamentadas por vínculos
culturais e sociais (TAVARES; ANTONIALLI; SANTOS, 2010). De fato, as aglomerações
territoriais são caracterizadas por manter relações, que em alguns casos, podem ultrapassar
aquelas meramente comerciais (HOFFMANN; MOLINA-MORALES; MATÍNEZ-
FERNÁNDEZ, 2007).
2.1.1 Tipologias de aglomeração
No Brasil, várias denominações surgiram para tratar de aglomeração territorial, o que
dificulta as classificações para o avanço nas pesquisas e implementação de políticas públicas
pensando no desenvolvimento local, tais como cluster, distrito industrial, Arranjo Produtivo
Local – APL e Sistemas Locais de Produção e Inovação - SLPIs (COSTA; MAIOR, 2006;
SILVESTRE; DALCOL, 2008; LÜBECK; WITTMANN; DA SILVA, 2012; SARACENI;
ANDRADE Jr.; RESENDE, 2013; SALUME et al., 2014).
A Universidade Federal do Rio de Janeiro possui um grupo de pesquisa interdisciplinar
denominado Rede de Pesquisa em Sistemas e Arranjos Produtivos e Inovativos Locais –
REDESIST, no qual entende que os agentes econômicos, políticos e sociais que estão
localizados em um mesmo território e desenvolvem atividades correspondentes apresentando
vínculos de produção, aprendizagem, interação e cooperação denominam-se por Sistemas
26
Produtivos e Inovativos Locais – SPIs (REDESIST, 2016). Nos APLs há mais
complementaridade entre as empresas organizadas entre si (SORDI; MEIRELES, 2012).
Já a análise de cluster tenta entender os elementos estruturais e sistêmicos da
aglomeração, investigando o tamanho das organizações, as articulações e padrões de
especialização, observando as vantagens competitivas que podem ser criadas a partir da
estruturação de aglomerações produtivas (IPIRANGA; AMORIN; FARIA, 2007). Termo
bastante difundido que remete à noção de aglomeração geográfica de empresas similares,
relacionadas ou complementares entre si, que são fortemente articuladas (COSTA; MAIOR,
2006).
Para Silvestre e Dalcol (2008) o cluster está relacionado a concentração geográfica de
empresas de setores correspondentes ou indústrias complementares. Se configura por um
conceito muito elástico pois não fornece um modelo universal sobre como as aglomerações se
relacionam com o crescimento de empresas e regiões, já que o cluster pode cobrir qualquer
número de empresas em qualquer perímetro (PORTO; BRITO, 2010).
Os distritos industriais tratam-se de uma grande quantidade de empresas que estão
envolvidas em diversos estágios de produção de um produto homogêneo e são delimitados pela
demanda e capacidade produtiva (BRUSCO, 1990). Estão associados à presença de sistemas de
produção locais marcados por características específicas como especialização produtiva,
produção concentrada em determinada localidade, divisão de trabalho local, elevado nível de
qualificação de recursos humanos ao nível local, entre outras características (KUPFER, 2002).
Muitas definições se voltam para aglomerações de empresas, mas independentemente
disso, o interessante é o aproveitamento da sinergia gerada pelas interações entre as empresas
que estão geograficamente aglomeradas, seja pelo tipo de empresa e setor, ou pela competição
e cooperação, fortalece suas chances de sobrevivência e crescimento sendo uma importante
fonte de vantagem competitiva (PUGAS; FERNANDES, 2014).
Dessa forma, há várias discussões acerca das diferenças semânticas dos conceitos de
cluster, APL, distrito industrial ou aglomerações de empresas, em essência todos têm em
comum a ideia de que as aglomerações ou concentrações afetam a produtividade podendo
incrementar o desempenho econômico de uma região (SAXENIAN, 1994; BRITO et al., 2010).
O estudo proposto utilizará as lentes dos aglomerados para buscar atender aos objetivos
propostos, pois entende que os aglomerados apresentam uma visão mais abrangente das
conexões e complementaridades existentes (PORTER, 1999). Assim, apresenta-se o Quadro 1
com o resumo das tipologias de aglomeração e a próxima seção mostra algumas características
essenciais no estudo de aglomerações.
27
Quadro 1 - Resumo das tipologias de aglomeração
TIPO CONCEITO / CARACTERÍSTICA BASE TEÓRICA
Aglomeração
territorial
Concentração de empresas de qualquer tamanho em
uma determinada área geográfica, na qual
pressupõe a existência de interações entre si.
Neumann, Hexsel e Balestrin (2011)
Marco-Lajara et al. (2015)
Hoffmann, Oliveira e Brocchi (2016)
Arranjo
Produtivo
Local – APL
Localizam-se em um mesmo território e
desenvolvem atividades correspondentes
apresentando vínculos de produção, há
complementaridade entre as empresas.
Sordi e Meireles (2012)
REDESIST (2016)
Cluster
Pode cobrir qualquer número de empresas em
qualquer perímetro. Relaciona-se a empresas
concentradas de empresas de setores
correspondentes.
Silvestre e Dacol (2008)
Porto e Brito (2010)
Distrito
Industrial
Trata-se de grande quantidade de empresas
envolvidas em diversos estágios de produção,
marcado por características específicas como a
divisão do trabalho local e a especialização
produtiva.
Brusco (1990)
Kupfer (2002)
Fonte: Elaborado pela autora (2018).
2.2. Aprendizagem coletiva em aglomerações
A aprendizagem é um processo social baseado na combinação de conhecimentos
existentes disponíveis dentro ou fora das organizações (BALLAND; BOSCHMA; FRENKEN,
2014). As relações entre as empresas são importantes para a aprendizagem interfirmas, onde o
foco organizacional nos esforços de aprendizagem é reduzir a distância cognitiva, utilizar
atividades complementares e alcançar objetivos comuns (NOOTEBOOM, 2008).
Nota-se que empresas com alto nível de competências são menos propensas a perceber
o valor das relações de rede com outras empresas, e empresas com poucas relações carecem de
competências para atrair mais parceiros (PITTAWAY et al., 2004). Porém, nem todas as
empresas aprendem com todas as empresas pertencentes ao grupo, uma empresa pode querer
aprender com outra, mas pode não ser capaz de aprender e aplicar para uso próprio (TSAI,
2001).
Ainda, há a influência do grau de centralidade de um ator, ou seja, a extensão em que
uma empresa está bem conectada direta ou indiretamente a outras, aumenta o seu potencial de
aprendizado (BECKMAN; HAUNSCHILD, 2002; PHELPS; HEIDL; WADHWA, 2012).
Quanto maior o número de empresas em torno de um processo da cadeia produtiva, maior serão
os interesses similares por know-how ou conhecimento entre os concorrentes da localidade
28
(SORDI; MEIRELES, 2012). As empresas que estão em redes, acabam incentivando a
aprendizagem e a disseminação de informações de forma mais rápida (HOFFMANN;
MOLINA-MORALES; MARTÍNEZ-FERNÁNDEZ, 2007).
Todas as noções de economias de aglomeração são dependentes da proximidade
(MARSHALL, 1985), o que é uma condição necessária para estimular retornos crescentes
relacionados a efeitos intermediários de entrada e de mão-de-obra (HARRIS, 2014). Constata-
se que a aglomeração decorre do benefício da proximidade com os grandes mercados e ainda o
grau de concentração espacial tem impacto positivo no aumento da produtividade (LIN; LI;
YANG, 2011).
A proximidade geográfica se refere a distância espacial ou física entre os atores de
política econômica (BOSCHMA, 2005). Desta forma, facilita as interações entre as indústrias
o que possibilita a troca de informações e conhecimento (MARSCHALL, 1985; FELDMAN;
FLORIDA, 1994; BELL; ZAHEER, 2007), facilitando o processo de aprendizagem
(BOSCHMA, 2005).
Uma localidade onde há a concentração de empresas, fornecedores e outras
organizações pode criar um potencial para valor econômico, sendo que os vínculos sociais
existentes mantêm a coesão dos aglomerados (PORTER, 1999). A perspectiva de rede social
foca para as atividades conjuntas entre os participantes, onde os relacionamentos entre os atores
são importantes (KENIS; OERLEMANS, 2008).
2.3 Capital Social
O capital social é uma lente que pode auxiliar no estudo das relações
interorganizacionais, possui atributos relacionais que buscam integrar vários aspectos
diferentes das relações entre os atores podendo beneficiar aqueles que conseguirem acessar
mais oportunidades e recursos por meio de suas relações (NAHAPIET, 2008). Uma das
definições mais utilizadas é a de Nahapiet e Ghoshal (1998) que definem o capital social como
“a soma dos recursos reais e potenciais embutidos, disponíveis através e derivados da rede de
relações possuída por uma unidade individual ou social”.
É necessário o equilíbrio das relações para que não ocorra impactos adversos sobre a
aprendizagem, essas relações são socialmente incorporadas quando envolvem a confiança
baseada na amizade, parentesco e experiência (BOSCHMA, 2005). Sugere-se que o capital
social explique a criação de valor de empresas agrupadas, porém também argumenta-se que
29
essa caracterização possa restringir a capacidade de acesso a novas ideias e conhecimento
(PARRA-REQUENA; MOLINA-MORALES; GARCÍA-VILLAVERDE, 2010).
Nahapiet e Ghoshal (1998) apresentam três dimensões do capital social, sendo a
dimensão estrutural, a relacional e a cognitiva. A dimensão estrutural diz respeito à densidade
ou a dispersão dos laços, porém está relacionada com a dimensão relacional através da força
dos laços e com a dimensão cognitiva através do compartilhamento de metas e da cultura
(PARRA-REQUENA; MOLINA-MORALES; GARCÍA-VILLAVERDE, 2010). Diz respeito
ao padrão das ligações entre os atores (NAHAPIET, 2008).
O capital social relacional descreve o tipo de relações pessoais desenvolvidas e os ativos
criados e alavancados por meio de relacionamentos (NAHAPIET; GHOSAHL, 1998). Diz
respeito ao conteúdo das relações e influencia no comportamento dos relacionamentos entre os
atores, em função do compartilhamento (COLEMAN, 1998). Refere-se a todas as relações
estabelecidas entre as empresas, instituições e pessoas, que resultam da capacidade de
cooperação, de troca de habilidades e a interação entre os atores (CAPELLO; FAGGIAN,
2005). Os relacionamentos entre os atores, também, são chamados de laços, que podem
compreender a amizades, contatos sociais, relações de trabalho, relacionamentos de mercado,
entre outros (OERLEMANS; MEEUS; BOEKEMA, 2001).
Os laços locais caracterizam-se por influenciar uma rede local a formar laços
estabelecendo relacionamentos (GULATI; GARGIULO, 1999) entre estrutura social e
atividade econômica (GRANOVETTER, 1985). A formação dos relacionamentos
interorganizacionais contribui para uma maior capacidade de aprendizagem e troca de
informações (ALVES; PEREIRA, 2013).
Uma das bases para o aprendizado coletivo é o capital relacional por sua capacidade de
interação entre os atores locais devido a cultura próxima e também ao sentimento de pertença
(CAPELLO; FAGGIAN, 2005). Quanto mais forte for o capital relacional com os parceiros,
mais oportunidade de aprendizagem a empresa possui (KALE; SINGH; PERLMUTTER,
2000).
A dimensão cognitiva do capital social, é talvez a mais adequada para definir a
caracterização relacional de empresas aglomeradas, oferece uma explicação congruente da
capacidade das empresas de adquirir conhecimento, e consequentemente, melhorar a inovação
(PARRA-REQUENA; MOLINA-MORALES; GARCÍA-VILLAVERDE, 2010).
Entretanto, o acesso ao conhecimento depende da capacidade das empresas de
compartilhar sua cultura e suas metas com outros membros da aglomeração (STORPER, 1992),
ainda, está relacionada com a visão compartilhada entre os membros e inclui objetivos e
30
aspirações coletivas (TSAI; GHOSHAL, 1998). Assim, entende-se que o capital social pode
influenciar a aprendizagem coletiva, e está exposto na próxima hipótese:
H1 – O capital social influencia positivamente a aprendizagem coletiva.
H1a - O capital social cognitivo influencia positivamente a aprendizagem coletiva.
H1b - O capital social estrutural influencia positivamente a aprendizagem coletiva.
H1c - O capital social relacional influencia positivamente a aprendizagem coletiva.
A ideia de uma atmosfera industrial apresentada por Marshall (1985), descreve que
muitas vezes o ambiente é propício para a reprodução da indústria em função da necessidade
de complementaridade dos negócios. Na concepção marshalliana a proximidade geográfica
resulta em economias externas, que são o resultado de boas condições físicas e climáticas do
ambiente em que estão inseridas, como terra, água, clima, solo, facilidade de acesso a outros
mercados, entre outros.
Essas características, assim como a regionalidade e o “terroir” são características únicas
que a geografia, a geologia e o clima oferecem em um determinado lugar, podem conferir um
estilo específico de determinada localidade (KING et al., 2014). Podem ainda concentrar alta
ou baixa tecnologia, fabricação ou serviços (PORTER, 1999).
Dessa forma, os aglomerados assumem um papel importante na estratégia das empresas,
sendo que os atributos que moldam o ambiente no qual as empresas locais concorrem, podem
ter a capacidade de transformar recursos básicos, como recursos naturais, infraestrutura,
educação em vantagens de especialização (PORTER, 1999). O compartilhamento destes
recursos possibilita às empresas à elaborar estratégias conjuntas que oportunizam vantagens
competitivas (BALESTRIN; VERSCHOORE, 2008).
Os recursos estratégicos da empresa podem ser considerados os ativos, os processos, as
capacidades da empresa, informações e conhecimentos que podem melhorar as suas
competências (BARNEY, 1991). Podem ser classificados como recursos, financeiros, recursos
físicos, recursos humanos e recursos organizacionais (GRANT, 1991; BARNEY; HESTERLY,
2011). Assim, sugere-se a hipótese seguinte:
H2 – As condições físicas e tecnológicas influenciam positivamente a aprendizagem
coletiva.
31
2.4 Transferência de conhecimento em aglomerações
A aglomeração de empresas é determinada historicamente, em algum momento pode
causar a disseminação do conhecimento, acesso a insumos e especialização de mão-de-obra que
podem aumentar o desempenho das empresas que pertencem ao aglomerado (BRITO et al.,
2010). Uma das razões para a concentração geográfica de uma indústria é a existência de
retornos crescentes na produção individual (CLAVER; CASTEJÓN; GRACIA, 2012).
O conhecimento é um dos recursos estratégicos mais importantes que uma empresa pode
possuir (GRANT, 1996). O conhecimento é dividido em dois tipos: o conhecimento explícito,
onde a informação é definida como um conhecimento que pode ser transferido sem perda de
integridade; e o conhecimento tácito, ou know-how, que é considerado complexo e difícil de
codificar resultando em vantagem sustentável (KOGUT; ZANDER, 1992).
Estudos argumentam que empresas próximas permitem uma troca maior de informações
e fluxo de conhecimento (UTTERBACK, 1974; JAFFE; TRAJTENBERG; HENDERSON,
1993; TAKEDA et al., 2008; BALLAND; BOSCHMA; FRENKEN, 2014), maior vínculo das
relações, uma confiança maior entre as empresas (RUIZ-ORTEGA; PARRA-REQUENA;
GARCÍA-VILLAVERDE, 2016), e são consideradas como aceleradores da difusão do
conhecimento (BRENNER, 2001).
Neste sentido, a transferência de conhecimento entre as empresas aglomeradas é uma
das principais externalidades (KRUGMAN, 1991), é o processo pelo qual uma unidade é
afetada pela experiência da outra (ARGOTE; INGRAM, 2000). As ligações internas do
aglomerado podem ser fundamentais para os relacionamentos com outras empresas, o que
proporciona a construção de redes de absorção de conhecimento e parcerias sob as quais
mudanças tecnológicas podem surgir, sendo que as ligações externas ao aglomerado também
são fundamentais para que a aglomeração possa se renovar (SILVESTRE; DALCOL, 2008).
Muitas vezes, as diferenças observadas podem ser fracas, o que pode refletir em
informações redundantes e não contribuir para melhorias significativas das capacidades das
empresas do aglomerado (GLASMEIER, 1991). Em relação a aquisição de conhecimento,
resultados indicam que há diversidade de fluxo de conhecimento que é compartilhado nas
empresas aglomeradas (PANICCIA, 1998), onde pode-se esperar de empresas líderes no
aglomerado, esforços significativos para pesquisar e transmitir o conhecimento proveniente de
fontes externas (MORRISON, 2008).
Porém, a difusão do conhecimento em empresas aglomeradas também pode ser marcada
por rivalidade e competição, além da cooperação (SCHMITZ, 2000). O acesso a conhecimento
32
pode depender da capacidade que as empresas têm de compartilhar suas metas, visões, valores
e a cultura do local, sendo mais relevantes em contextos de relações intensas entre as empresas
(RUIZ-ORTEGA; PARRA-REQUENA; GARCÍA-VILLAVERDE, 2016).
A aglomeração é alimentada pela concentração geográfica e pelo fluxo de conhecimento
(CLAVER; CASTEJÓN; GRACIA, 2012), o que pode facilitar a transferência de
conhecimento, pois aumenta o contato face a face, que é considerado um meio eficiente para a
transferência de conhecimento (DAFT; LENGEL, 1986). Assim, as empresas que estão mais
próximas, estão mais dispostas a trocar informações (UZZI, 1996).
A estrutura das relações entre as organizações pode afetar ou substituir informações, a
substituição acontece quando as informações de mercado são tão ambíguas que a estrutura das
relações é a melhor informação disponível, chama-se de mecanismos de contágio (BURT,
2000). Uma empresa é um repositório de conhecimento e a capacidade de acessá-lo e integrá-
lo efetivamente é uma fonte de vantagem competitiva (TSAI, 2001).
É reconhecido que as relações externas são necessárias para o desenvolvimento da
inovação e da aprendizagem ultrapassando relações díades, incluindo o efeito da estrutura e a
força dos laços e as interações entre as empresas (NOOTEBOOM, 2008). O capital social
aumenta a eficiência da difusão de informações, principalmente nas relações sociais que se
caracterizam por laços fracos ou buracos estruturais (BURT, 2000).
Por outro lado, os laços fortes e densos facilitam a construção da reputação, confiança,
normas sociais, facilitando também o papel do capital social (COLEMAN, 1988). Essa
diferença ocorre em função dos diferentes papéis que o capital social pode assumir, sendo o
acesso a novos conhecimentos, a produção de novos conhecimentos, a combinação de
competências complementares, entre outras (NOOTEBOOM, 2008). Há estudos que
encontraram evidências de que os laços fortes causam a transferência de conhecimento
complexo, e os laços fracos causam a transferência de conhecimento simples (HANSEN, 1999).
Além disso, Burt (2000) argumenta que é possível existir furos na estrutura social,
chamados de buracos estruturais, que separam fontes não redundantes de informação. São uma
oportunidade para intermediar o fluxo de informação entre as pessoas, seja entre contatos
coesivos, onde provavelmente as informações sejam semelhantes, ou, contatos equivalentes,
que possuem a mesma fonte de informação (BURT, 2000).
Ainda, pode-se dizer que possui recursos que consistem da estrutura social, facilitando
a ação de indivíduos dentro da estrutura (COLEMAN, 1988). O capital social estrutural diz
respeito as propriedades do sistema social e da rede de relações como um todo, descrevendo a
33
configuração impessoal dos vínculos entre as pessoas ou unidades (NAHAPIET; GHOSHAL,
1998).
Está associado ao posicionamento do indivíduo na rede de relações, refere-se ao padrão
das conexões entre os atores (BURT, 2000). Essas relações são veículos que permitem o
intercâmbio de conhecimento em função da confiança mútua, da experiência e dos recursos
externos (OERLEMANS; MEEUS; BOEKEMA, 2001; BOSCHMA, 2005). Isso sugere a
seguinte hipótese:
H3 – O capital social influencia positivamente a transferência de conhecimento.
H3a – O capital social cognitivo influencia positivamente a transferência de
conhecimento.
H3b – O capital social estrutural influencia positivamente a transferência de
conhecimento.
H3c – O capital social relacional influencia positivamente a transferência de
conhecimento.
As economias externas têm grande importância e são obtidas pela concentração de
empresas similares em uma determinada região, que se beneficiam dos transbordamentos de
conhecimento e informações (MARSHALL, 1985). Há vários mecanismos para tornar o
conhecimento acessível a todos, como reuniões formais e informais com associações
profissionais, instituições locais como universidades e institutos técnicos, seminários,
workshops, etc. (DEL-CORTE-LORA; VALLET-BELLMUNT; MOLINA-MORALES,
2017). Assim, sugere-se a hipótese seguinte:
H4 – As condições físicas e tecnológicas influenciam positivamente a transferência de
conhecimento.
2.5 Inovação em aglomerações
As organizações se envolvem em um contínuo ciclo de inovação abrindo caminho a
novas oportunidades para agregar valor ao negócio (SAMSON; GLOET, 2014) onde tem como
finalidade manter a competitividade das empresas no mercado (KUHL et al., 2016). Trata-se
de um elemento fundamental para a competitividade e para a sobrevivência das empresas
(SCHUMPETER, 1960).
34
O Manual de Oslo (OCDE, 2005) define inovação como sendo a implementação de um
produto, serviço ou processo novo ou melhorado na empresa, ainda um novo método
organizacional ou de marketing podendo ser caracterizada como inovação de produto ou
inovação de processo. Para Schumpeter (1960), a inovação pode surgir de cinco formas:
a) introdução de um novo bem ou alterações de um bem existente;
b) introdução de um novo método de produção ou processo que seja novo para
determinada indústria;
c) abertura de um novo mercado;
d) introdução de uma nova fonte de matéria prima ou de insumos;
e) criação de uma nova forma de organização da indústria.
Esta classificação é verificada também no Manual de OSLO (2005), porém está
classificada em quatro tipos:
a) inovação de produto ou serviço: consiste na criação de novo produto ou serviço, ou
o aprimoramento significativo de suas características;
b) inovação de processo: compreende mudanças na forma em que os produtos e serviços
são criados ou entregues;
c) inovação em marketing: integra um novo método de marketing, sendo com mudanças
na concepção do produto ou embalagem, no posicionamento do produto ou em sua
promoção e fixação de preço. Busca atender à necessidade de clientes;
d) inovação organizacional: se dá pela implementação de um novo modelo
organizacional nas práticas de negócio da empresa relacionadas a decisões
estratégicas.
Assim, a inovação das empresas trata do desenvolvimento de novos produtos ou
serviços, bem como de sistemas administrativos e é uma fonte de vantagem competitiva
sustentável (DAMANPOUR, 1991). Pode ser avaliada sob perspectivas tecnológicas,
posicionando a pesquisa e desenvolvimento (P&D), e perspectivas humanas (YANG; HSU,
2010). A inovação não é construída apenas com os recursos que a empresa desenvolve em seu
ambiente interno, mas também pelo acesso externo de recursos e capacidades que a empresa
pode obter através de suas relações (SODA, 2011).
Dessa forma, a proximidade geográfica pode se tornar essencial para que as empresas
aumentem a sua capacidade de inovar, independentemente de suas características internas
(LAIMER, 2013). As vantagens dos aglomerados em perceber as oportunidades de inovação
são significativas, em função da pressão competitiva e comparativa dos pares, característico de
regiões concentradas geograficamente (PORTER, 1999).
35
Os efeitos da proximidade geográfica sobre a inovação não podem ser entendidos sem
considerar a estrutura relacional da localização (WHITTINGTON; OWEN-SMITH;
POWELL, 2009). Se o comportamento dos parceiros estiver alinhado com suas expectativas
mútuas durante a colaboração, repetir essa troca de laços inovadores une os atores através da
amizade e confiança (GULATTI; GARGIULO, 1999).
Estudos indicam que empresas são mais propensas a inovar se estiverem localizadas em
uma região onde a presença de outras empresas com a mesma especialidade seja forte, já o
efeito da proximidade de empresas em outras indústrias parece não ser significativo
(BAPTISTA; SWANN, 1998). Uma das referências deste fenômeno de inovação localizada é
o Vale do Silício (SCOTT; STORPER, 2003).
A gestão da inovação enfrenta vários desafios, as preocupações devem estar voltadas
nos indivíduos e não apenas nos processos e métricas, pois é por meio das pessoas, seus valores,
cultura, experiência e conhecimento, e por meio de sua interação com o ambiente que criam e
inovam, assim o estímulo à cooperação pode ser um aliado (MOREIRA; STRAMAR, 2014).
As empresas sofrem diversas influências nas atividades que desenvolvem na busca por
inovação contínua e duradoura, sendo necessário um grande esforço para se adaptar e se ajustar
ao ambiente proporcionando a continuidade da empresa (FREZATTI et al., 2014). A gestão do
conhecimento pode melhorar a capacidade inovadora, envolvendo a gestão de interações
externas e a busca de conhecimento externo e ainda, a gestão de fluxos internos de
conhecimento (OCDE, 2005).
Del-Corte-Lora, Vallet-Bellmunt e Molina-Morales (2017) afirmam que existem duas
maneiras de acessar a informações e novas ideias a fim de gerar a inovação: melhorar sua
posição na rede ou promover a criatividade dentro da organização. As empresas ganham
benefícios estratégicos através do acesso ao volume de conhecimento que aumenta o grau em
que podem aprender (TSAI, 2001). Após a contribuição seminal de Marshall, estudiosos
enfatizaram a importância dos spillovers de conhecimento para a inovação devido ao fato de se
beneficiarem da disponibilidade de mão de obra qualificada em função da proximidade
geográfica e social (GIULIANI; BELL, 2005).
Os laços existentes entre as empresas fornecem canais que distribuem informações e o
conhecimento, de forma a estimular atividades inovadoras (TSAI, 2001). O envolvimento entre
produtores, fornecedores, clientes estando próximos uns dos outros, não só fisicamente, mas
cognitivamente, favorecem o acesso ao conhecimento e incentivam a inovação (MASKELL;
MALMBERG, 1999). Isso sugere as seguintes hipóteses:
36
H5 – A aprendizagem coletiva influencia positivamente a inovação.
H6 – A transferência de conhecimento influencia positivamente a inovação.
2.6 Desempenho em aglomerações
Empresas que criam valor acima da média tendem a apresentar melhores resultados,
sendo que o desempenho organizacional pode ser afetado de diferentes formas (LADEIRA et
al., 2016). A mensuração do desempenho empresarial é a forma de entender se os objetivos
traçados estão sendo alcançados, sendo que o mesmo pode ser avaliado a partir dos recursos
estratégicos das empresas, podendo os recursos serem de capital humano, de capital, estrutural
ou físico (BEUREN; MARCELLO, 2016).
O desempenho econômico das empresas pode ser determinado pela capacidade de se
adaptar as mudanças, porém essa capacidade não deve ser entendida olhando para apenas uma
empresa, pois o que existe é a capacidade coletiva de lidar com tais mudanças no mercado
(SILVA, 2014). Pode-se relacionar a medida de desempenho com as vendas e as informações
do lucro das empresas (HUNG et al., 2010).
O desempenho não é um construto simples, e há várias dimensões utilizadas na literatura
para operacionalizar suas medidas (BRITO; BRITO; MORGANTI, 2009). Venkatraman e
Ramanujam (1986) propõe dimensões de desempenho organizacional sendo, financeiro,
operacional e a eficácia organizacional.
Ainda, o desempenho pode ser medido como desempenho de mercado ou financeiro,
sendo o desempenho de mercado indicativo da participação de mercado da empresa, volume e
crescimento de vendas, já o desempenho financeiro está relacionado a rentabilidade, como
margem de lucro (WANG; AHMED, 2007). O modelo de aglomerações não é sempre associado
a desempenho superior, pois contém muitas condições internas que podem influenciar a sua
sobrevivência (PANICCIA, 1998).
Porém, estudos apontam que as empresas aglomeradas obtêm um desempenho maior do
que as empresas fora da aglomeração (RUIZ-ORTEGA; PARRA-REQUENA; GARCÍA-
VILLAVERDE, 2016). Esse fenômeno se justifica pelo desenvolvimento de economias de
aglomeração (MARSHALL, 1985) e por uma combinação de fatores como conhecimento
(GRANT, 1996) e inovação (DAMANPOUR, 1991).
O acesso facilitado a informações e recursos, melhoram o desempenho
(WHITTINGTON; OWEN-SMITH; POWELL, 2009). A capacidade de aprendizagem interna
37
é que efetivamente afeta o desempenho da empresa (TSAI, 2001). Assim, sugere-se a seguinte
hipótese:
H7 – A aprendizagem coletiva influencia positivamente o desempenho.
A frequência de interações, facilita a difusão de informações, onde as empresas que
pertencem a aglomeração tendem a se esforçar pelo desenvolvimento de relacionamentos
construtivos que podem influenciar seus interesses (PORTER, 1999). A capacidade de absorver
novos conhecimentos é que afeta o desempenho das empresas (TSAI, 2001), ou seja, a
transferência de conhecimento pode ser medida pelo desempenho da empresa (ARGOTE;
INGRAM, 2000; INKPEN; TSANG, 2005).
O desempenho superior em aglomerações de empresas está intimamente relacionado
com a transferência de conhecimento (DAFT; LENGEL, 1986). Sendo que o conhecimento não
é apenas usado, mas também criado como parte do desempenho de todas as atividades da
empresa (PRAHALAD; HAMEL, 1990). Dessa forma, apresenta-se a seguinte hipótese:
H8 – A transferência de conhecimento influencia positivamente o desempenho.
As atividades inovadoras dentro das empresas têm sido vistas como um condutor natural
de melhoria de desempenho, transformam a presença destas empresas no mercado e
disseminam essas inovações para seus clientes e potenciais clientes (LIAO; RICE; LU, 2015).
A capacidade de inovar é um dos fatores mais importantes que influenciam o desempenho dos
negócios (HURLEY; HULT, 1998; ZAHEER; BELL, 2005).
As empresas que buscam colaborar para o desenvolvimento de inovações apresentam
um maior desempenho, independente do porte (HUHL et al., 2016). As afirmações sugerem a
hipótese a seguir:
H9 – A inovação tem efeito positivo sobre o desempenho.
2.7 Modelo teórico da pesquisa
Após apresentar os fundamentos teóricos que dão suporte ao trabalho, é possível
apresentar o modelo teórico da pesquisa que delimita os objetivos do estudo (Figura 2), que
busca investigar o papel das aglomerações territoriais no desenvolvimento de inovações e na
38
melhoria do desempenho das empresas em regiões vitivinícolas, considerando o capital social,
as condições físicas e tecnológicas, a aprendizagem coletiva e a transferência de conhecimento.
O modelo teórico apresentado leva em consideração as hipóteses desenvolvidas a partir da
literatura.
Figura 2 - Modelo teórico da pesquisa
Fonte: Elaborado pela autora (2018).
39
3 MÉTODO
Este capítulo tem por objetivo apresentar os procedimentos metodológicos utilizados
para a formulação do problema de pesquisa e objetivos propostos pelo estudo, assim como na
execução dos mesmos. O objetivo do estudo consiste em investigar o papel das aglomerações
territoriais no desenvolvimento de inovações e na melhoria do desempenho das empresas em
regiões vitivinícolas.
Configura-se por ser uma pesquisa de natureza quantitativa, de caráter descritivo e
corte transversal, com utilização da técnica de coleta de dados realizada através de
questionário estruturado. A pesquisa quantitativa busca apresentar dados, indicadores e
tendências observáveis (MINAYO; SANCHES, 1993), sendo que a escolha do ponto de vista
descritivo tem como objetivo principal estudar as características de determinada população ou
fenômeno de relações entre variáveis (GIL, 2006).
Além disso, trata-se de uma survey que apresenta corte transversal, pois foi extraída
de uma amostra da população objeto deste estudo, sendo que as informações foram obtidas
somente uma vez (MALHOTRA, 2012). As pesquisas do tipo survey caracterizam-se por
interrogar diretamente as pessoas cujo comportamento se deseja conhecer, sendo as
informações solicitadas a um grupo significativo de pessoas acerca do problema que será
estudado (GIL, 2006).
3.1 População e Amostra de Pesquisa
A população ou universo de um estudo refere-se ao total de habitantes de determinado
lugar, sendo um conjunto de elementos que possuem determinadas características (GIL, 2006)
e informações procuradas pelo pesquisador (MALHOTRA, 2012). Assim, a população-alvo
deste estudo são as empresas vitivinícolas localizadas no estado do Rio Grande do Sul.
A formação de aglomerações acontece pela existência de Pequenas e Médias Empresas
(PMEs) que necessitam de apoio, com isso o Brasil, torna-se um campo fértil para pesquisas
em aglomerações em função da existência de muitas regiões industriais (ANDRADE;
HOFFMANN, 2010). Observa-se novas aglomerações surgindo em regiões periféricas, o que
acaba induzindo pesquisas sobre concentração industrial, podendo assim contribuir para que
esses estudos sejam debatidos na comunidade acadêmica e nos órgãos de desenvolvimento
local e regional (ALMEIDA; SILVA, 72015).
l
ç
40
Com o crescimento das plantações de uva, sendo aproximadamente 80 mil hectares de
vinhedos, o Brasil possui várias regiões produtoras (Figura 3), sendo as mais representativas
localizadas em: São Francisco, em Petrolina (PE); São Joaquim, em Santa Catarina; Vale dos
Vinhedos e Campanha Gaúcha, no Rio Grande do Sul, responsáveis por 90% da produção
brasileira (IBRAVIN, 2016). O Estado do Rio Grande do Sul planta 10.000 hectares de uvas
vitis viníferas para produção de vinhos finos, contando com aproximadamente 150 vinícolas,
além de 1.000 outras vinícolas, a maioria pequenas propriedades dedicadas a produção de
vinhos de mesa ou artesanais (VINHOSDOBRASIL, 2017).
Em 2017, o estado do Rio Grande do Sul produziu um volume de uva 5,8% maior do
que o recorde registrado em 2011, totalizando mais de 750 mil toneladas processadas em 418
vinícolas, sendo produzidas em 68 municípios no estado (SAPI, 2018). Ainda, o estado possui
673 vinícolas ativas, sendo que em 2017 a produção de uvas foi realizada em 136 municípios.
Figura 3 - Regiões vitivinícolas no Brasil
Fonte: Adaptado de Vinhos do Brasil (2017).
O país é considerado o quinto maior produtor de vinho do Hemisfério Sul e é um dos
mercados que mais cresce (VINHOSDOBRASIL, 2017). No Rio Grande do Sul, a história do
41
vinho iniciou em 1626 com a chegada dos jesuítas à região das Missões, mas foi em 1881 que
se registrou a elaboração de vinho no Vale dos Vinhedos e somente entre as décadas e 1980 e
1990 que ganha impulso com o acesso a diferentes estilos de vinho e aumento na qualidade,
conquistando em 2002 a Indicação de Procedência (IBRAVIN, 2017).
Muitos estudos buscam compreender a indústria vinícola estabelecida na Serra
Gaúcha, a exemplo do Vale dos Vinhedos, estudada por Wilk e Fensterseifer (2003), onde
buscaram identificar os recursos e capacidades compartilhadas na concentração de empresas.
Seus achados conduzem a importância das características idiossincráticas que esse grupo de
empresas possui e que devem ser avaliadas, pois são condições únicas para a competitividade.
O estudo de Farias (2010) buscou caracterizar e avaliar os processos de aprendizado
que conduzem para o fortalecimento da inovação e da cooperação das empresas vinícolas na
Serra Gaúcha, entre outros estudos (ZANINI; DA ROCHA, 2010; ZANCAN; SANTOS;
CRUZ, 2013).
Dessa forma, a escolha por aglomerações vitivinícolas como objeto de estudo se
justifica pelo crescimento do setor uma vez que analisar se há relação entre a proximidade
geográfica, o capital social e as condições físicas e tecnológicas podem influenciar na
aprendizagem coletiva e na transferência de conhecimento, e se essa influência provoca
inovações que podem impactar no desempenho das empresas. Houve um crescimento em
número de propriedades vinícolas no Rio Grande do Sul de 1995 à 2015 de 11,7%, ainda,
neste mesmo período a área plantada na região teve crescimento de mais de 65% (EMBRAPA,
2017).
Conforme as regiões vitivinícolas apresentadas na Figura 3, buscou-se identificar
quantas vinícolas fazem parte de cada aglomeração para levantamento da população existente
(Tabela 2) e também quais são estas vinícolas (Apêndice A). Tal levantamento teve que
considerar várias fontes de informação como a Associação Gaúcha de Vinicultores (AGAVI),
Wine of Brasil, Associação Brasileira de Sommeliers (ABS) e Vinho Virtual, isso, pois não há
um banco de dados específico que apresente as informações necessárias. Dessa forma, mesmo
que estas bases tragam dados das mesmas regiões, ainda assim, os dados são discrepantes, por
isso optou-se por unificá-los, utilizando as quatro fontes de informação, ou seja, a base
utilizada é oriunda de várias bases de dados.
42
Tabela 2 - Elementos da amostra de aglomerações vitivinícolas a serem pesquisadas
Aglomerações População Amostra %
Alto Uruguai – RS
Campanha Gaúcha – RS
Campos de Cima da Serra – RS
Serra Gaúcha – RS
11
08
07
322
06
01
01
41
54,54
12,50
14,28
12,73
Total de empresas 348 49 14,08
Fonte: Elaborado com base em ABS (2017), AGAVI (2017), Vinho Virtual (2017) e Wine of Brasil (2017).
Em relação ao processo de amostragem, para que uma amostra apresente veracidade
nas características do universo pesquisado, deve conter um número suficiente de casos, sendo
que muitas vezes este número dependente de fatores como a extensão do universo, erro
máximo permitido, nível de confiança estabelecido (GIL, 2006). O processo de escolha das
empresas que participaram do estudo, considerou a possibilidade de amostragem não
probabilística e utilizando a técnica de amostragem por conveniência (MALHOTRA, 2012).
A utilização desta técnica se dá pela limitação na quantificação do universo a ser
pesquisado, em função da diferença dos dados em cada base pesquisada. Não há uma base
única com informações precisas e atualizadas de cada aglomeração, as informações de
produção de uva e vinho são escassas e as bases disponíveis são divergentes.
Assim, com base nas informações pesquisadas, foram definidas as amostras a serem
pesquisadas (conforme Tabela 2). O plano inicial era de realizar a pesquisa em todo o universo
das aglomerações, porém, devido à dificuldade em buscar informações fidedignas e completas
com todas as empresas de cada aglomeração, optou-se por realizar um estudo através de
amostragem.
3.2 Coleta de Dados
A coleta de dados foi dividida em duas etapas, sendo uma exploratória e outra
descritiva. A etapa exploratória busca aproximar-se do fenômeno para conseguir uma nova
compreensão (HAIR JR. et al., 2005), ou seja, nesta etapa buscou-se obter informações e
dados estatísticos em instituições locais e regionais, a fim de conhecer os aspectos referentes
às empresas e às aglomerações.
A etapa descritiva tem como objetivo descrever as demais etapas de pesquisa, visando
estruturar os procedimentos de coleta de dados, utilizando-se de informações coletadas na fase
exploratória que possibilitou a coleta dos dados. Desse modo, a pesquisa caracteriza-se como
43
uma survey de caráter transversal, a qual envolve a coleta de informações de uma amostra de
uma única vez (MALHOTRA, 2012). A coleta de dados se deu através de questionário que
foi aplicado em cada empresa vinícola pertencente as aglomerações do universo estudado.
O questionário foi desenvolvido com base na literatura de aprendizagem coletiva,
transferência de conhecimento, proximidade geográfica, capital social, condições físicas e
tecnológicas, inovação e desempenho. Os estudos que serviram de base para a pesquisa e as
variáveis consideradas para a construção do instrumento estão apresentados no Quadro 3. Para
uma melhor análise e apresentação dos dados as variáveis foram codificadas.
A validade do instrumento de coleta de dados foi verificada antes da sua aplicação,
através de três especialistas, os quais são pesquisadores com experiência no tema abordado e,
ainda, passou pela avaliação de dois especialistas da área, que atuam como profissionais de
mercado. Após a validação e as correções pertinentes às considerações, submeteu-se o
questionário a três empresas vinícolas, para que os proprietários pudessem contribuir e avaliar
o desenvolvimento do instrumento, apresentando melhorias e possíveis falhas. O pré-teste
trata-se da aplicação do questionário a uma pequena amostra que possa representar a
população estudada, buscando identificar possíveis problemas ou falta de clareza das questões
do instrumento, para exaurir suas falhas antes da coleta (MALHOTRA, 2012).
As empresas definidas para o pré-teste seguiram o mesmo sentido da pesquisa, sendo
amostra não probabilística que foi selecionada através da técnica de amostragem por
conveniência, onde optou-se por empresas com facilidade de acesso aos entrevistados. Em
função do pré-teste, algumas questões sofreram alterações, de modo a facilitar a interpretação
dos respondentes, com isso, os dados coletados na fase do pré-teste não foram incluídos na
amostra da pesquisa.
Dessa forma, foi apresentado um questionário com 49 questões, com a seguinte
estrutura (Apêndice B):
a) Apresentação dos pesquisadores e das informações introdutórias para o início do
questionário. Destacou-se a importância e o objetivo do estudo;
b) Questões de abertura, tanto questões abertas quanto múltipla escolha para
caracterizar o respondente e a empresa participante. Entre as variáveis
relacionadas, estão questões de controle como, o ano de fundação da empresa, o
número de funcionários, porte da empresa e o município. Além disso, informações
da produção de uva e de vinho e a identificação de associações que possam fazer
parte;
44
c) Questões fechadas referente ao grau de concordância do respondente com as
afirmações elaboradas para o teste das hipóteses. Entre as variáveis que compõe
esta seção do questionário, estão a aprendizagem coletiva, a transferência de
conhecimento, o capital social (estrutural, relacional e cognitivo), as condições
físicas e tecnológicas, a inovação e o desempenho. O grau de concordância com as
afirmações elaboradas para a testagem das hipóteses será mensurado com base em
uma escala intervalar ampliada do tipo Likert de onze pontos, variando de 0
(discordo totalmente) a 10 (concordo totalmente).
A escala Likert possui características de descrição, ordem e distância, assim sendo de
fácil entendimento para o respondente (MALHOTRA, 2012). O fato da escala ser de onze
pontos para avaliar o grau de concordância, facilita a interpretação por parte dos respondentes,
visto que normalmente as pessoas são familiarizadas com esta referência, um exemplo são as
avaliações escolares (LAIMER; LAIMER, 2017). Entende-se que facilita ao respondente
ponderar a sua resposta e compreender a forma de avaliação, o que melhora a confiabilidade
e a validade da escala.
A aplicação do questionário ocorreu no período compreendido entre os meses de
outubro a dezembro de 2017. A coleta foi realizada através de duas modalidades: online e
presencial. Foram estabelecidos como potenciais respondentes os indivíduos que fazem parte
da gestão, sendo proprietários ou responsáveis pelas empresas vinícolas, ou profissionais-
chave que estão diretamente envolvidos com o processo de produção e desenvolvimento.
Na modalidade online, o questionário foi adequado para a plataforma Google Forms,
que permite converter o instrumento físico em um link, enviado pelo pesquisador às empresas
vinícolas potenciais. O link foi encaminhado junto a um e-mail de apresentação da pesquisa e
da pesquisadora para as empresas vinícolas que estavam cadastrados no SisDeclara (Sistema
Integrado de Declarações Vinícolas) no ano de 2017. Essas informações foram obtidas junto
ao IBRAVIN.
Na modalidade presencial, a pesquisadora dirigiu-se até a sede das empresas vinícolas,
onde realizou a coleta de dados. Onde houve disponibilidade para a realização imediata, foi
realizada com o gestor ou responsável. Nos casos de indisponibilidade, o questionário foi
deixado e posteriormente recolhido pela pesquisadora, em alguns casos obteve-se o contato
correto e a pesquisadora encaminhou e-mail com as informações da pesquisa e o link para
acesso ao questionário online.
45
Quadro 2 - Construtos e variáveis utilizados na elaboração do questionário Construtos Variável analisada Autores
Caracterização
da empresa
Nome da empresa
Elaborado pela autora
Município
Ano de fundação da empresa
Número de funcionários
Porte da empresa
Aglomeração
Produção de vinho BRITO; ALBUQUERQUE,
2002; CROCCO et al., 2006;
ALMEIDA; SILVA, 2015;
OLIVEIRA; SPERB, 2016
Produção de uva
Área plantada
Associação da qual faz parte
Aprendizagem
Coletiva (AC)
AC1: Interação com outras vinícolas e entidades em
reuniões, cursos, feiras, etc.
KALE; SINGH; PELMUTTER,
2000; RUIZ-ORTEGA;
PARRA-REQUENA;
GARCÍA-VILLAVERDE,
2016.
AC2: Interação com outras vinícolas e entidades em
festas e eventos sociais e de lazer
AC3_a: Interação através do contato pessoas/presencial
(face a face)
AC3_b: Interação através do contato por telefone
AC3_c: Interação através do contato por e-mail
AC3_d: Interação através de outra forma de contato
AC3_d_qual: Qual forma de contato (se for o caso)
AC4_a: Usa conhecimentos gerados por outras vinícolas
AC4_b: Usa conhecimentos gerados por fornecedores
AC4_c: Usa conhecimentos gerados por loja
especializada
AC4_d: Usa conhecimentos gerados por hotéis e
restaurantes
AC4_e: Usa conhecimentos gerados por supermercados
AC4_f: Usa conhecimentos gerados por
atacado/distribuidor
AC4_g: Usa conhecimentos gerados por Emater
AC4_h: Usa conhecimentos gerados por Embrapa
AC4_i: Usa conhecimentos gerados por Ibravin
AC4_j: Usa conhecimentos gerados por Sindivinho
AC4_l: Usa conhecimentos gerados por universidades
AC4_m: Usa conhecimentos gerados por associação
empresarial
AC4_n: Usa conhecimentos gerados por outro (que não
citado anteriormente)
AC4_n_qual: Qual?
Transferência de
Conhecimento
(TC)
TC5: Participa de reuniões técnicas para troca de
conhecimento sobre produção de uva ou vinho GIULIANI; BELL, 2005;
BELL; ZAHEER, 2007; DEL-
CORTE-LORA; MOLINA-
MORALES; VALLET-
BELLMUNT, 2016.
TC6: Desenvolve projeto com outras vinícolas ou
entidades
TC7: Realiza a compra e venda em conjunto com outra
vinícola
TC8: Realiza a produção em conjunto com outra
vinícola
Capital Social
(CS)
Capital Social Estrutural (CSE)
NAHAPIET; GHOSHAL, 1998;
RUIZ-ORTEGA; PARRA-
REQUENA; GARCÍA-
VILLAVERDE, 2016.
CSE_10: Mantém contato frequente com outras
vinícolas
CSE_11: Conhecemos pessoalmente as vinícolas no qual mantemos contato
CSE_12: Os contatos se conhecem.
46
Construtos Variável analisada Autores
CSE_13: Participam de eventos sociais e de lazer com
outras vinícolas
CSE_14: Trocam informações e conhecimentos sobre a
produção de uva e vinho
CSE_15: As vinícolas que trocam informações se
conhecem
Capital Social Relacional (CSR)
CSR_16: Existem relacionamentos interpessoais.
CSR_17: Os relacionamentos são caracterizados pelo
respeito mútuo
CSR_18: Os relacionamentos são caracterizados pela
confiança mútua
CSR_19: Os relacionamentos são caracterizados pela
reciprocidade
CSR_20: Os relacionamentos são caracterizados pela
amizade pessoal
Capital Social Cognitivo (CSC)
CSC_21: Compartilha dos mesmos interesses das outras
vinícolas
CSC_22: Tem interesse em buscar objetivos comuns
CSC_23: Compartilha os seus objetivos com outras
vinícolas
CSC_24: Entende a estratégia e necessidade das outras
vinícolas
CSC_25: Os funcionários cooperam entre si
CSC_26: As vinícolas concordam sobre a forma de
cooperar
Inovação
(INOV)
INOV_27: Desenvolveu inovação de processo ou
produto em conjunto com outras vinícolas
SCHUMPETER, 1960; OCDE,
2005; YANG; HSU, 2010.
INOV_28: Desenvolveu projeto de pesquisa em
conjunto com outras vinícolas
INOV_29: Desenvolveu novos produtos ou processos
nos últimos 5 anos
INOV_30: Melhorou produtos ou processos nos últimos
5 anos
INOV_31: Investiu em pesquisa e desenvolvimento nos
últimos 5 anos
INOV_32: Investiu em treinamento de funcionários para
a inovação nos últimos 5 anos
Condições
Físicas e
Tecnológicas
(CFT)
CFT_33: Tem acesso a novas tecnologias
MARSHALL, 1985; BARNEY,
1991; GRANT, 1991;
PORTER,1999; BARNEY;
HESTERLY, 2011
CFT_34: Tem acesso a insumos e matéria-prima
CFT_35: Tem acesso a mão-de-obra qualificada
CFT_36: Tem acesso a recursos financeiros
CFT_37: Tem acesso a condições favoráveis (solo,
clima, etc.)
CFT_38: Tem acesso a instituições de apoio
CFT_39: Tem fornecedores regionais
CFT_40: Tem compradores regionais
Desempenho
(DESEMP)
DESEMP_41: Aumento no faturamento nos últimos 5
anos
VENKATRAMAN;
RAMANUJAM, 1986; WANG;
HAMED, 2007; HUNG et al.,
2010.
DESEMP_42: Crescimento nas vendas nos últimos 5
anos
DESEMP_43: Redução de custos de produção nos
últimos 5 anos
DESEMP_44: Aumento de rentabilidade nos últimos 5
anos
DESEMP_45: Aumento de produtividade nos últimos 5
anos
47
Construtos Variável analisada Autores
DESEMP_46: Aumento no lucro dos últimos 5 anos
Fonte: Elaborado pela autora (2018).
3.3 Análise de dados
A pesquisa visa responder aos objetivos e hipóteses elaboradas, dessa forma foi
necessário a realização de testes estatísticos, a partir dos dados que foram coletados, onde
envolveu diversos procedimentos. Para uma melhor compreensão, apresenta-se as técnicas de
análise para cada um dos objetivos (Quadro 4).
Quadro 3 - Técnicas de análise de dados Etapa Objetivo Hipótese Técnica de análise
1
Verificar se o capital social
influência a aprendizagem coletiva
e a transferência de conhecimento
das empresas nas aglomerações
vitivinícolas.
H1 – O capital social influencia
positivamente a aprendizagem
coletiva.
Regressão
H1a - O capital social cognitivo
influencia positivamente a
aprendizagem coletiva.
H1b - O capital social estrutural
influencia positivamente a
aprendizagem coletiva.
H1c - O capital social relacional
influencia positivamente a
aprendizagem coletiva.
H3 – O capital social influencia
positivamente a transferência de
conhecimento.
H3a – O capital social cognitivo
influencia positivamente a
transferência de conhecimento.
H3b – O capital social estrutural
influencia positivamente a
transferência de conhecimento.
H3c – O capital social relacional
influencia positivamente a
transferência de conhecimento.
2
Verificar se as condições físicas e
tecnológicas influenciam a
aprendizagem coletiva e a
transferência de conhecimento das
empresas nas aglomerações
vitivinícolas.
H2 – As condições físicas e
tecnológicas influenciam
positivamente a aprendizagem
coletiva. Regressão
H4 – As condições físicas e
tecnológicas influenciam
positivamente a transferência de
conhecimento.
3
Analisar o efeito da aprendizagem
coletiva na inovação e no
desempenho das empresas nas
aglomerações vitivinícolas.
H5 – A aprendizagem coletiva
influencia positivamente a
inovação. Regressão
H7 – A aprendizagem coletiva
influencia positivamente o
desempenho.
48
Etapa Objetivo Hipótese Técnica de análise
4
Analisar o efeito da transferência de
conhecimento na inovação e no
desempenho das empresas nas
aglomerações vitivinícolas.
H6 – A transferência de
conhecimento influencia
positivamente a inovação. Regressão
H8 – A transferência de
conhecimento influencia
positivamente o desempenho.
5 Analisar o efeito da inovação no
desempenho.
H9 – A inovação tem efeito
positivo sobre o desempenho. Regressão
Fonte: Elaborado pela autora (2017).
Após a coleta de dados, os dados foram tabulados em uma planilha eletrônica, sendo
posteriormente analisados no programa estatístico IBM SPSS Statistics, versão 21. A amostra
obtida na coleta de dados foi de 49 respondentes (empresas vinícolas). Dos 49 respondentes,
28 foram obtidos através da modalidade online e 21 obtidos através da modalidade presencial.
A partir dessa amostra, foi realizada a depuração dos dados conforme procedimento a seguir:
a) eliminação de questionários com mais de 10% de respostas faltantes (mais de cinco
respostas) no bloco que corresponde à testagem de hipóteses. Através desse
procedimento não foram eliminados nenhum questionário;
b) para os questionários que apresentaram respostas faltantes no bloco que
corresponde à testagem de hipóteses em um nível inferior a 10 % (menos de cinco
respostas), foi utilizado o procedimento de substituição pela média das respostas da
variável a qual pertence a questão. Esse procedimento foi realizado em 4
questionários online e 2 questionários presenciais, no total 6 casos receberam esse
tratamento;
c) verificação da consistência das respostas, eliminando os questionários com
respostas somente nos extremos das escalas, respondendo 0 ou 10. Não foi
eliminado nenhum questionário.
Após a purificação da base de dados, não foi necessário eliminar questionários, sendo
assim, o tamanho final da amostra foi composta por 49 respondentes (questionários) válidos.
Para facilitar a análise e a interpretação dos dados optou-se por unificar as amostras em uma
base de dados única. Porém, para isso é necessário que haja a homogeneidade das variâncias
entre as amostras e que não exista uma diferença significativa entre as médias das repostas
entre as mesmas (MALHOTRA, 2012).
Adotou-se a estatística descritiva como primeiro passo para organizar e sintetizar os
dados da amostra, sendo possível interpretá-los (MALHOTRA, 2012). Dessa forma, as
médias e os desvios-padrão de cada amostra foram calculados, permitindo a utilização da
estatística inferencial para análise dos dados. Para a verificação da homogeneidade da
49
variância entre as duas amostras independentes e a comparação entre as médias de respostas,
utilizou-se o Teste F (HAIR Jr. et al., 2009) (Tabela 2).
Ainda, utilizou-se o Teste de Kolmogorov-Smirnov (K-S) para calcular o nível de
significância para as diferenças em relação a uma distribuição normal (HAIR Jr. et al., 2009).
Tabela 3 - Homogeneidade da variância de duas amostras e teste K-S
Constructo Variável Amostra N°
emp. Média
Desvio
padrão F
Kolmogorov-
Smirnov
Aprendizagem
Coletiva
AC1 PRESENCIAL 21 8,3810 2,2017 1,1605 0,8248
ONLINE 28 7,4286 3,0481
AC2 PRESENCIAL 21 7,3333 2,6141 0,1892 0,3299
ONLINE 28 7,1429 3,0637
AC3_a PRESENCIAL 21 8,2857 1,7928 9,536* 1,0310
ONLINE 28 6,4643 3,1089
AC3_b PRESENCIAL 21 7,6190 2,1325 1,5976 0,6598
ONLINE 28 6,5000 2,7822
AC3_c PRESENCIAL 21 6,0476 3,8403 1,8720 0,7011
ONLINE 28 6,8571 3,0758
AC3_d PRESENCIAL 21 2,5238 3,9449 0,0394 1,3887
ONLINE 21 5,6667 4,0042
AC4_a PRESENCIAL 21 5,3333 3,3665 0,6860 0,5361
ONLINE 28 6,1071 2,9103
AC4_b PRESENCIAL 21 6,6190 2,6921 0,0022 0,3299
ONLINE 28 6,7857 2,4549
AC4_c PRESENCIAL 21 3,3810 3,4710 4,4632 1,5259
ONLINE 28 6,1786 2,6113
AC4_d PRESENCIAL 21 4,7619 3,2696 0,1223 0,5361
ONLINE 28 5,0000 3,0671
AC4_e PRESENCIAL 21 2,0952 3,2234 0,4013 1,0310
ONLINE 28 3,5357 3,4371
AC4_f PRESENCIAL 21 2,4762 3,2957 0,3997 1,0310
ONLINE 28 3,7857 2,9232
AC4_g PRESENCIAL 21 4,0000 3,7815 0,0101 0,3712
ONLINE 28 3,5000 3,6667
AC4_h PRESENCIAL 21 6,3333 3,0714 0,2378 0,6598
ONLINE 28 5,2500 3,4708
AC4_i PRESENCIAL 21 6,6667 3,2301 1,6771 0,8660
ONLINE 28 5,4286 3,7950
AC4_j PRESENCIAL 21 3,1905 3,3559 0,0188 0,4536
ONLINE 28 3,8214 3,3999
AC4_l PRESENCIAL 21 4,2381 3,3302 0,4994 0,6598
ONLINE 28 4,5357 3,5011
AC4_m PRESENCIAL 21 0,4286 1,3628 29,982* 2,2681*
ONLINE 28 4,6786 3,6215
50
Constructo Variável Amostra N°
emp. Média
Desvio
padrão F
Kolmogorov-
Smirnov
AC4_n PRESENCIAL 21 5,0952 4,6894 11,661* 1,3608*
ONLINE 28 1,6071 3,3702
Transferência
de
Conhecimento
TC5 PRESENCIAL 21 7,1905 3,1404 0,0496 0,3712
ONLINE 28 7,1071 3,0953
TC6 PRESENCIAL 21 4,1905 3,9066 0,1550 0,4536
ONLINE 28 4,6429 4,0663
TC7 PRESENCIAL 21 1,9048 2,9984 0,0609 0,4124
ONLINE 28 2,1429 3,0150
TC8 PRESENCIAL 21 1,5714 2,8561 6,9745 1,2372
ONLINE 28 3,9643 3,8440
Capital Social
Estrutural
CSE10 PRESENCIAL 21 8,4286 1,8323 4,8995 0,7423
ONLINE 28 7,0357 3,2143
CSE11 PRESENCIAL 21 9,0476 1,8021 3,6130 1,5671*
ONLINE 28 7,4643 2,9625
CSE12 PRESENCIAL 21 8,4762 2,4417 0,9602 0,9485
ONLINE 28 7,3571 2,9340
CSE13 PRESENCIAL 21 5,6667 4,0291 2,0736 0,6186
ONLINE 28 5,7857 3,1898
CSE14 PRESENCIAL 21 6,2381 2,8267 0,0453 0,6598
ONLINE 28 6,7500 2,9518
CSE15 PRESENCIAL 21 8,0476 3,0410 0,0489 0,8248
ONLINE 28 7,4286 2,7679
Capital Social
Relacional
CSR16 PRESENCIAL 21 7,7619 2,4270 7,2880 0,8248
ONLINE 28 6,0357 3,6361
CSR17 PRESENCIAL 21 8,5714 2,2488 1,5582 1,2372
ONLINE 28 7,0000 2,7622
CSR18 PRESENCIAL 21 7,9524 2,4592 1,7625 1,4021*
ONLINE 28 6,0357 2,8347
CSR19 PRESENCIAL 21 7,8571 2,4957 0,4982 1,3609*
ONLINE 28 5,7857 2,7401
CSR20 PRESENCIAL 21 8,2857 2,2835 2,3255 1,2372
ONLINE 28 7,0000 2,9187
Capital Social
Cognitivo
CSC21 PRESENCIAL 21 7,2857 2,6484 2,4799 0,9485
ONLINE 28 5,5357 3,3276
CSC22 PRESENCIAL 21 8,1905 2,3584 4,9930 1,1959
ONLINE 28 6,5357 3,2373
CSC23 PRESENCIAL 21 6,2857 3,0519 0,0136 0,5774
ONLINE 28 5,2857 3,0895
CSC24 PRESENCIAL 21 6,1429 3,5396 2,5395 0,5361
ONLINE 28 6,5357 2,6455
CSC25 PRESENCIAL 21 5,1429 3,7588 0,0307 0,2474
ONLINE 28 5,4643 3,7858
CSC26 PRESENCIAL 21 6,0476 2,7473 0,5526 0,5774
51
Constructo Variável Amostra N°
emp. Média
Desvio
padrão F
Kolmogorov-
Smirnov
ONLINE 28 5,7143 3,2757
Inovação
INOV27 PRESENCIAL 21 4,8571 4,1748 4,8869 0,5774
ONLINE 28 4,7500 3,3953
INOV28 PRESENCIAL 21 3,2857 3,9641 1,1812 0,4536
ONLINE 28 3,1071 3,4355
INOV29 PRESENCIAL 21 9,2381 1,2209 13,017* 0,9073
ONLINE 28 7,2857 3,5575
INOV30 PRESENCIAL 21 9,2857 1,0556 2,8539 0,7011
ONLINE 28 8,6071 1,8527
INOV31 PRESENCIAL 21 7,0952 3,5058 0,4412 1,0722
ONLINE 28 5,6429 3,7537
INOV32 PRESENCIAL 21 5,9048 4,0237 1,6228 0,8248
ONLINE 28 5,1786 3,3116
Condições
Físicas e
Tecnológicas
CFT33 PRESENCIAL 21 9,0952 1,1360 17,453* 1,1547
ONLINE 28 7,2143 3,3262
CFT34 PRESENCIAL 21 9,6190 0,9207 13,049* 1,0722
ONLINE 28 8,5357 2,2191
CFT35 PRESENCIAL 21 7,7619 2,3644 0,7847 0,4124
ONLINE 28 7,3214 2,7495
CFT36 PRESENCIAL 21 6,9048 3,3601 0,0138 0,4949
ONLINE 28 6,4643 3,2373
CFT37 PRESENCIAL 21 8,5714 1,7196 3,1161 0,9073
ONLINE 28 7,1786 2,7087
CFT38 PRESENCIAL 21 7,1905 3,1084 0,0181 0,7011
ONLINE 28 6,5000 3,1681
CFT39 PRESENCIAL 21 9,0476 2,2017 0,2440 1,1959
ONLINE 28 8,1786 1,9824
CFT40 PRESENCIAL 21 7,9048 3,0644 0,2692 1,2784
ONLINE 28 6,6786 2,7495
Desempenho
DESEMP41 PRESENCIAL 21 7,8571 3,1982 0,0241 0,8660
ONLINE 28 7,1071 2,9230
DESEMP42 PRESENCIAL 21 7,7143 3,1168 0,0290 0,7011
ONLINE 28 7,3214 2,8681
DESEMP43 PRESENCIAL 21 4,3333 3,9917 1,8070 0,5361
ONLINE 28 4,2857 3,4945
DESEMP44 PRESENCIAL 21 5,6667 3,3066 0,0638 0,4949
ONLINE 28 6,2857 3,1840
DESEMP45 PRESENCIAL 21 7,0000 3,8471 4,9975* 1,0722
ONLINE 28 6,6429 2,4678
DESEMP46 PRESENCIAL 21 5,4762 3,8551 1,9337 0,7423
ONLINE 28 6,1786 3,1629
a. Teste F para homogeneidade das variâncias significativo ao nível: p>0,05
b. Teste de Kolmogorov-Smirnov significativo ao nível: p>0,05
Fonte: Elaborado pela autora (2018).
52
Observa-se através do Teste F e do Teste K-S que as variáveis AC4_m e AC4_n não
possuem homogeneidade de variância, o que impede a unificação destas variáveis em uma
única amostra. Em função disso, optou-se pela exclusão das duas variáveis citadas para
posterior análise estatística. A análise das demais variáveis apontam a possibilidade de
unificação da base de dados sem prejuízo eventual às analises estatísticas posteriores.
A partir desta análise, os dados passaram a compor uma única base de dados, sendo
necessária a verificação da normalidade por meio da assimetria e curtose das variáveis
métricas (Tabela 3), pois a normalidade é um pré-requisito para a utilização de técnicas
multivariadas de análise de dados (HAIR Jr. et al., 2005).
Kline (2011), considera valores de assimetria superiores a ± 3,00 extremamente
assimétricos. Já para a curtose, os valores considerados extremamente fora da distribuição
normal dos dados são ± 10,00 (YADAV; PATHAK, 2016). Observa-se quanto a distribuição
normal dos dados na Tabela 4, que as variáveis possuem distribuição normal, não havendo
necessidade de exclusão de nenhuma variável.
Tabela 4 - Assimetria e Curtose Construto Variável Amostra Média Desvio
padrão
Assimetria Curtose
Aprendizagem
Coletiva
AC1 49 7,84 2,734 -1,538 1,742
AC2 49 7,22 2,852 -0,978 0,103
AC3_a 49 7,24 2,758 -0,931 0,105
AC3_b 49 6,98 2,562 -0,945 0,489
AC3_c 49 6,51 3,410 -0,931 -0,521
AC3_d 42 4,10 4,236 0,234 -1,812
AC4_a 49 5,78 3,104 -0,535 -0,723
AC4_b 49 6,71 2,533 -1,027 0,822
AC4_c 49 4,98 3,288 -0,175 -1,195
AC4_d 49 4,90 3,124 -0,273 -1,066
AC4_e 49 2,92 3,390 0,799 -0,760
AC4_f 49 3,22 3,124 0,462 -1,039
AC4_g 49 3,71 3,686 0,453 -1,305
AC4_h 49 5,71 3,317 -0,349 -1,015
AC4_i 49 5,96 3,582 -0,569 -1,064
AC4_j 49 3,55 3,361 0,415 -1,283
AC4_l 49 4,41 3,397 0,012 -1,330
Transferência de
Conhecimento
TC5 49 7,14 3,082 -1,079 0,042
TC6 49 4,45 3,964 0,075 -1,738
TC7 49 2,04 2,979 1,265 0,132
TC8 49 2,94 3,625 0,771 -0,988
53
Construto Variável Amostra Média Desvio
padrão
Assimetria Curtose
Capital Social
Estrutural
CSE10 49 7,63 2,774 -1,396 1,205
CSE11 49 8,14 2,630 -1,903 3,147
CSE12 49 7,84 2,764 -1,662 2,249
CSE13 49 5,73 3,534 -0,456 -1,085
CSE14 49 6,53 2,880 -0,816 -0,095
CSE15 49 7,69 2,874 -1,601 2,071
Capital Social
Relacional
CSR16 49 6,78 3,261 -1,039 -0,077
CSR17 49 7,67 2,649 -1,574 2,379
CSR18 49 6,86 2,821 -0,870 0,172
CSR19 49 6,67 2,809 -0,744 0,011
CSR20 49 7,55 2,716 -1,499 1,876
Capital Social
Cognitivo
CSC21 49 6,29 3,149 -0,571 -0,645
CSC22 49 7,24 2,983 -1,156 0,644
CSC23 49 5,71 3,082 -0,387 -0,799
CSC24 49 6,37 3,032 -0,713 -0,358
CSC25 49 5,33 3,738 -0,237 -1,400
CSC26 49 5,86 3,035 -0,539 -0,439
Inovação
INOV27 49 4,80 3,708 -0,149 -1,555
INOV28 49 3,18 3,632 0,743 -0,887
INOV29 49 8,12 2,948 -1,899 2,809
INOV30 49 8,90 1,584 -1,857 4,082
INOV31 49 6,27 3,684 -0,681 -0,929
INOV32 49 5,49 3,612 -0,421 -1,295
Condições Físicas
e Tecnológicas
CFT33 49 8,02 2,765 -1,711 2,434
CFT34 49 9,00 1,848 -2,167 4,391
CFT35 49 7,51 2,575 -0,940 0,248
CFT36 49 6,65 3,263 -0,637 -0,692
CFT37 49 7,78 2,418 -1,192 1,194
CFT38 49 6,80 3,129 -0,892 -0,212
CFT39 49 8,55 2,102 -2,347 6,388
CFT40 49 7,20 2,922 -1,395 1,471
Desempenho
DESEMP41 49 7,43 3,035 -1,347 0,957
DESEMP42 49 7,49 2,952 -1,446 1,202
DESEMP43 49 4,31 3,675 0,347 -1,343
DESEMP44 49 6,02 3,218 -0,755 -0,509
DESEMP45 49 6,80 3,102 -0,796 -0,241
DESEMP46 49 5,88 3,456 -0,543 -0,970
Fonte: Elaborado pela autora (2018).
Dando prosseguimento aos procedimentos para análise dos dados, a confiabilidade da
escala foi realizada utilizando o Alpha de Cronbach para avaliar a consistência interna das
54
variáveis. Seu objetivo é analisar quanto as variáveis observáveis são capazes de medir o
mesmo construto, sendo altamente relacionadas (HAIR Jr. et al., 2005). Os níveis são
aceitáveis quando superiores a 0,600, se inferiores a isso, indicam confiabilidade ou
consistência interna insatisfatória (MALHOTRA, 2012). Para a presente pesquisa, todas as
variáveis analisadas possuem confiabilidade interna, apresentando valores de Alpha de
Cronbach de 0,684 a 0,913 (Tabela 5). A média apresentada na Tabela 5, deu-se a partir da
média das respostas em cada variável.
Tabela 5 - Análise de confiabilidade da escala pelo Alpha de Cronbach
Variável Média Desvio
Padrão
Alpha de Cronbach N° de
itens
Aprendizagem Coletiva 6,713 2,068 0,854 17
Transferência de Conhecimento 4,142 2,461 0,684 04
Capital Social Estrutural 7,262 2,408 0,905 06
Capital Social Relacional 7,106 2,461 0,913 05
Capital Social Cognitivo 6,133 2,449 0,863 06
Inovação 6,126 2,158 0,736 06
Condições Físicas e Tecnológicas 7,689 1,741 0,807 08
Desempenho 6,320 2,408 0,836 06
Fonte: Elaborado pela autora (2018).
Dessa forma, buscando alcançar os objetivos propostos pela pesquisa, pretende-se
utilizar a regressão linear simples e múltipla, técnica considerada adequada quando o objetivo
da pesquisa busca analisar e mensurar as relações entre uma variável dependente e variáveis
independentes (HAIR Jr. et al., 2012). Na pesquisa, as variáveis dependentes e independentes
decorrem da hipótese a ser testada (Quadro 5), e para cada variável dependente será proposto
um modelo de regressão.
Quadro 4 - Variáveis dependentes e independentes dos modelos de regressão propostos Modelo Variável Dependente Variáveis Independentes Hipóteses
1 Aprendizagem coletiva Capital Social; Condições Físicas e
Tecnológicas
H1, H1a, H1b,
H1c e H2
2 Transferência de
conhecimento
Capital Social; Condições Físicas e
Tecnológicas
H3, H3a, H3b,
H3c e H4
3 Inovação Aprendizagem coletiva; Transferência de
conhecimento H5 e H6
4 Desempenho Aprendizagem coletiva; Transferência de
conhecimento H7, H8
55
5 Desempenho Inovação H9
Fonte: Elaborado pela autora (2017).
Segundo Hair Jr. et al. (2005) e Malhotra (2012), alguns testes de suposições
pertinentes as análises multivariadas de dados devem ser realizados. Trata-se da verificação
da multicolinearidade, que busca identificar a existência de correlações muito fortes entre duas
ou mais variáveis independentes. Se a correlação for muito forte entre variáveis
independentes, as inferências baseadas na análise de regressão podem ser consideradas pouco
confiáveis ou errôneas (MALHOTRA, 2012).
Para verificar a multicolinearidade foi utilizado o coeficiente de correlação linear de
Pearson, o mesmo determina a força da associação entre variáveis e encontra-se num intervalo
de -1,00 a +1,00, quanto maior o coeficiente de correlação, maior é o nível de associação.
Ainda que não exista uma regra clara para detectar a multicolinearidade (MALHOTRA,
2012), existem regras práticas (Tabela 6) para caracterizar a força de associação entre
variáveis. Optou-se por considerar as variáveis altamente correlacionadas aquelas que
apresentam coeficiente de correlação de Pearson com valores acima de 0,800 (HAIR Jr. et al.,
2005).
Tabela 6 - Regras práticas sobre o coeficiente de correlação*
Variação do coeficiente Força de associação
±0,91 - ±1,00
±0,71 - ±0,90
±0,41 - ±0,70
±0,21 - ±0,40
±0,01 - ±0,20
Muito forte
Alta
Moderada
Pequena, mas definida
Leve, quase imperceptível
Nota: *Supõe que o coeficiente de correlação seja estatisticamente significativo.
Fonte: Hair Jr. et al. (2005)
A análise da matriz de correlação (Tabela 7) foi realizada entre os construtos
Aprendizagem Coletiva (AC), Transferência de Conhecimento (TC), Inovação (INOV),
Condições Físicas e Tecnológicas (CFT), Desempenho (DESEMP), o Capital Social (CS)
como único constructo e também com a análise individualizada, sendo o Capital Social
Estrutural (CSE), Capital Social Relacional (CSR), Capital Social Cognitivo (CSC) (Tabela
6). Observam-se valores de correlação acima de 0,800 entre as variáveis CS e o CSE, porém
como o CSE forma o CS e para testar as hipóteses não há necessidade de teste de regressão
entre os dois constructos, não foi eliminada nenhuma das variáveis.
56
Tabela 7 - Matriz de correlação de Pearson das variáveis
AC TC CS CSE CSR CSC INOV CFT DESEMP
AC
TC
CS
CSE
CSR
CSC
INOV
CFT
DESEMP
1,000
0,484**
0,524**
0,690**
0,345*
0,366**
0,417**
0,339*
0,216
1,000
0,335**
0,465**
0,176**
0,250
0,523**
0,264**
0,368*
1,000
0,911**
0,901**
0,895**
0,535**
0,658**
0,122
1,000
0,761**
0,699**
0,529**
0,563**
0,163
1,000
0,707**
0,488**
0,672**
0,188
1,000
0,432**
0,557**
-0,006
1,000
0,491**
0,393**
1,000
0,399**
1,000
** a correlação é significativa no nível 0,01
* a correlação é significativa no nível 0,05
Fonte: elaborado pela autora (2018).
Após a realização das análises e das relações entre os construtos desta pesquisa e com
todos os requisitos atendidos, espera-se entender quais as relações podem afetar e contribuir
para as aglomerações territoriais. A análise de regressão é considerada a técnica de análise de
dados aplicada a mensurar as relações entre variáveis (HAIR Jr. et al., 2005).
57
4 RESULTADOS E DISCUSSÕES
4.1 CARACTERIZAÇÃO DA AMOSTRA
Conforme exposto na definição da população-alvo da pesquisa, o Brasil é considerado
o quinto maior produtor de vinho do Hemisfério Sul, sendo um mercado em crescimento
(VINHOSDOBRASIL, 2017). Possui várias regiões produtoras de uva, porém o estado do Rio
Grande do Sul é o maior responsável por toda a produção brasileira de uva (IBRAVIN, 2016).
Ainda, dados apresentados pela Embrapa Uva e Vinho (2017) mostram que há um
crescimento do número de propriedades vinícolas no Rio Grande do Sul de 11,5% no período
de 1995 a 2015, sendo que a Secretaria de Agricultura, Pecuária e Irrigação (2018) divulgou
que o estado conta com 673 vinícolas ativas e, destas, 418 vinícolas processaram uva em 2017.
Das 348 empresas que constituem a população, o estudo conseguiu reunir uma amostra
de 49 empresas vinícolas. A maioria delas, localizadas na cidade de Bento Gonçalves, região
da Serra Gaúcha, foi a escolha da pesquisadora para aplicar a pesquisa presencialmente, por
conveniência, em função da quantidade de vinícolas localizadas na região (Tabela 8).
Tabela 8 - Cidade dos respondentes por aglomeração
Cidade Aglomeração Respondentes %
Bagé
Bento Gonçalves
Caxias do Sul
Erechim
Farroupilha
Flores da Cunha
Garibaldi
Guaporé
Marau
Monte Belo do Sul
Nova Pádua
Nova Roma do Sul
São Valentim do Sul
Vacaria
Campanha Gaúcha
Serra Gaúcha
Serra Gaúcha
Alto Uruguai
Serra Gaúcha
Serra Gaúcha
Serra Gaúcha
Serra Gaúcha
Alto Uruguai
Serra Gaúcha
Serra Gaúcha
Serra Gaúcha
Serra Gaúcha
Campos de cima da Serra
1,0
20,0
1,0
1,0
1,0
4,0
8,0
2,0
5,0
2,0
1,0
1,0
1,0
1,0
2,0
40,8
2,0
2,0
2,0
8,2
16,3
4,1
10,2
4,1
2,0
2,0
2,0
2,0
Total 49,0 100,0
Fonte: elaborado pela autora (2018).
58
No entanto, mais de 80% da amostra foi constituída por empresas localizadas na Serra
Gaúcha, sendo 40% do total da amostra localizadas em Bento Gonçalves, região que recebeu
maior atenção durante a coleta presencial, devido a restrições de tempo e recursos. Além disso,
a região denominada Alto Uruguai obteve mais de 12% de respondentes e as regiões
Campanha Gaúcha e Campos de Cima da Serra foram regiões de menor representatividade
(2% cada uma).
As empresas foram classificadas quanto ao porte empresarial (Tabela 9) observando o
faturamento bruto anual como critério para divisão das empresas respondentes. É possível
observar que a maior parte dos respondentes são considerados micro e pequenas empresas,
representando mais de 80 % dos respondentes (42 empresas). Porém, foi possível coletar
dados de todos os portes para tornar a amostra uniforme.
Tabela 9 - Classificação das empresas conforme porte empresarial/faturamento
Porte Empresarial / Faturamento Número de
empresas
%
Microempresa - Inferior a R$360.000,00
Pequena Empresa - Entre R$360.000,00 a R$3.600.000,00
Média Empresa - Entre R$3.600.000,00 a R$20.000.000,00
Grande Empresa - Superior a R$20.000.000,00
22,0
20,0
3,0
4,0
44,9
40,8
6,1
8,2
Total 49,0 100,0
Fonte: Sebrae (2018).
Outras informações relevantes quanto a caracterização da amostra é a idade das
empresas e o número de funcionários que fazem parte das atividades. Observa-se que a maior
parte das empresas que fizeram parte da amostra possuem entre 16 e 30 anos, sendo que a
empresa mais antiga, possui mais de 130 anos de existência (Tabela 10). Mais de 80% das
empresas respondentes possuem até 10 funcionários, sendo que a grande parte destes, são
pessoas da família. Apenas 6 empresas possuem 50 funcionários ou mais, sendo que 2 delas,
possuem mais de 100 funcionários. Isso corrobora com a informação sobre o porte destas
empresas.
59
Tabela 10 - Idade das empresas
Fonte: Elaborado pela autora (2018).
Além disso, buscou-se identificar se as empresas respondentes fazem parte de alguma
associação, informação importante para o objetivo do estudo sobre o papel das aglomerações
territoriais na ocorrência de inovações e do desempenho. Das 49 empresas respondentes, 36
fazem parte de alguma associação, ou seja, mais de 70% da amostra. Destas, 5 empresas fazem
parte de mais do que uma associação.
Foram informadas 17 associações no total, sendo que 12 empresas respondentes fazem
parte da Associação dos Produtores do Vale dos Vinhedos – Aprovale. A Aprovale conta com
23 vinícolas associadas (APROVALE, 2018), ou seja, a amostra atingiu mais de 52% das
vinícolas que fazem parte desta associação. A segunda associação com maior número de
vinícolas respondentes associadas é a Associação dos Vinicultores de Garibaldi – Aviga, com
6 vinícolas respondentes. A Aviga conta com 24 associados (AVIGA, 2018) e a amostra
atingiu 25% das vinícolas associadas.
Apareceram também a Associação dos Vitivinicultores de Monte Belo do Sul -
Aprobelo, a Federação das Cooperativas Vinícolas do Rio Grande do Sul - Fecovinho, a Rota
das Salamarias e as Cantinas Históricas, com 2 vinícolas respondentes para cada associação.
As demais associações contaram com apenas 1 vinícola cada.
4.2 ANÁLISE DE REGRESSÃO E TESTE DE HIPÓTESES
A análise de regressão foi realizada para relacionar os construtos e as variáveis da
pesquisa. Os pré-requisitos para esta análise foram atendidos. A normalidade dos dados foi
verificada através da assimetria e curtose (Tabela 4), sendo que os dados seguem distribuição
normal. Ainda, verificou-se a multicolinearidade dos dados através do teste de correlação de
Idade das empresas
Número de
empresas %
Até 15 anos
Entre 16 e 30 anos
Entre 31 e 45 anos
Entre 46 e 60 anos
Entre 86 e 100 anos
Acima de 100 anos
13,0
24,0
6,0
2,0
2,0
2,0
26,5
49,0
12,2
4,1
4,1
4,1
Total 49,0 100,0
60
Pearson (Tabela 7), o que aponta que não existem altas correlações, estabelecendo a não
incidência de multicolinearidade entre as variáveis.
Observando todos os pré-requisitos, foram gerados os modelos de regressão. Quatro
modelos gerados são do tipo regressão linear múltipla e um modelo do tipo linear simples. O
resumo dos resultados dos coeficientes de determinação (R²) pode ser visualizado na Tabela
11.
O coeficiente de determinação (R²) determina que a proporção de variação da variável
dependente é decorrente da variação das variáveis independentes (MALHOTRA, 2012; HAIR
Jr. et al., 2009). Quanto maior o valor de R² (entre 0 e 1), maior o poder de explicação do
modelo, pois o coeficiente mede a intensidade de associação entre a variável dependente e as
independentes (MALHOTRA, 2012).
Tabela 11 - Resumo dos modelos de regressão linear múltipla do estudo
Modelo Variável
Dependente
Variável
Independente R R² R² ajustado
Erro padrão
estimado
1 AC CS; CFT 0,524 0,274 0,243 1,799
2 TC CS; CFT 0,340 0,116 0,077 2,364
3 INOV AC; TC 0,556 0,309 0,279 1,832
4 DESEMP AC; TC 0,371 0,137 0,100 2,285
5 DESEMP INOV 0,393 0,155 0,137 2,238
Fonte: elaborado pela autora (2018).
Ainda, foi realizado o teste de significância dos modelos obtidos (Tabela 12) para
verificar a significância da equação global proposta, avaliando se o modelo consegue explicar
a relação entre as variáveis (MALHOTRA, 2012; HAIR Jr. et al., 2009). Dessa forma, os
modelos propostos são significativos em nível 1%.
Tabela 12 - Análise de variância dos modelos de regressão do estudo
Mod. Var.
Dep.
Var.
Indep.
Item Soma dos
Quadrados
Graus de
Liberdade
Quadrado
Médio
F Sig.
1 AC CFT,
CS
Regressão 56,3 2 28,15 8,693 0,001
Resíduos 148,964 46 3,238
Total 205,264 48
2 TC CFT,
CS
Regressão 33,650 2 16,825 3,009 0,059
Resíduos 257,225 46 5,592
Total 290,875 48
3 INOV TC, AC Regressão 68,999 2 34,500 10,273 0,000
Resíduos 154,475 46 3,358
61
Mod. Var.
Dep.
Var.
Indep.
Item Soma dos
Quadrados
Graus de
Liberdade
Quadrado
Médio
F Sig.
Total 223,474 48
4 DESEMP AC, TC
Regressão 38,253 2 19,127 3,663 0,033
Resíduos 240,182 46 5,221
Total 278,435 48
5 DESEMP INOV
Regressão 43,025 1 43,025 8,59 0,005
Resíduos 235,41 47 5,009
Total 278,435 48
a. *valor p<0,001
b. **valor p<0,05
Fonte: elaborado pela autora (2018).
Dos modelos propostos no estudo, o que apresenta um poder de explicação maior é o
modelo 3, que mede a relação entre a Aprendizagem coletiva, a Transferência de
conhecimento com a Inovação. Nesse modelo, o poder de explicação foi de 30,9% (R² =
0,309). O modelo 1, que mede a relação entre as Condições físicas e tecnológicas e o Capital
social com a Aprendizagem coletiva, tem um poder de explicação de 27,4% (R² = 0,274).
O modelo 4, mede a relação entre a Aprendizagem coletiva e a Transferência de
conhecimento com o Desempenho, e teve um poder de explicação de 13,7% (R² = 0,137). O
modelo 5 busca compreender a relação entre a Inovação e o Desempenho e tem um poder de
explicação de 15,5% (R² = 0,155). E o modelo 2 possui o menor poder de explicação, mede a
relação entre as Condições físicas e tecnológicas e o Capital social com a Transferência de
conhecimento, tem um poder de explicação de 11,6% (R² = 0,116).
Todos os modelos apresentaram resultados significativos (Tabela 11), porém o poder
de explicação de um modelo para outro apresenta diferenças significativas. O modelo 3, possui
o maior poder de explicação de todos os modelos (30,9%), o que de fato confirma a relação
entre a Aprendizagem coletiva e a Transferência de conhecimento com a Inovação, dando
suporte a estudos anteriores como o Tsai (2001), OCDE (2005), Ruiz-Ortega, Parra-Requena
e García-Villaverde (2016).
Após verificar a significância de cada modelo, foi realizado o teste de significância
dos coeficientes de regressões parciais, sendo possível identificar quais das variáveis
independentes influenciam nas variáveis dependentes. Os resultados estão apresentados na
Tabela 13.
62
Tabela 13 - Testes de significância dos coeficientes de regressões parciais
Modelo Var. Dep. Var. Indep. Coeficiente de
Regressão Parcial
(Beta
Padronizado)
T Sig.
1 AC
CS 0,529 3,176 0,003*
CSC -0,096 -0,641 0,525
CSR -0,390 -2,362 0,023*
CSE 1,054 6,451 0,000**
CFT -0,009 -0,053 0,958
2 TC
CS 0,206 1,544 0,130
CSC -0,003 -0,014 0,989
CSR -0,418 -1,999 0,052
CSE 0,784 3,781 0,000**
CFT 0,260 0,421 0,675
3 INOV AC 0,214 1,525 0,134
TC 0,420 2,998 0,004*
4 DESEMP AC 0,049 0,316 0,753
TC 0,344 2,200 0,033*
5 DESEMP INOV 0,393 2,931 0,005*
a. *valor p<0,05
b. **valor p<0,001
Fonte: elaborado pela autora (2018).
A partir disso, é possível constatar que no modelo 1 (Figura 4), apenas o Capital social
foi significativo (p<0,05) ao explicar a Aprendizagem coletiva. Alguns autores corroboram
com os achados do estudo em relação a influência do capital social na aprendizagem coletiva.
Nahapiet (2008) e Alves e Pereira (2013) afirmam que o capital social pode beneficiar os
atores que conseguirem acessar mais recursos e oportunidades por meio das relações, sendo
que estes relacionamentos contribuem para uma capacidade maior de aprendizagem.
As interações provocadas pela proximidade geográfica tornam-se uma condição
positiva para a aprendizagem entre as empresas, principalmente por se tratar de uma mesma
especialidade produtiva. Por sua capacidade de interação o capital social é uma base para o
aprendizado coletivo (CAPELLO; FAGGIAN, 2005). Entretanto, o capital social relacionar
obteve resultado inversamente proporcional a aprendizagem coletiva, ou seja, quanto menor
a relação entre as empresas, maior a aprendizagem coletiva entre elas. Supõe-se que os
relacionamentos existentes não caracterizam reciprocidade e confiança entre as empresas.
As condições físicas e tecnológicas não apresentaram significância para o modelo. Na
concepção de Marshall (1985), muitas vezes o ambiente é propício para a reprodução da
indústria em função da complementaridade de negócios. Mas essas características não
conferem a existência de interações voltadas ao negócio para a amostra analisada.
63
Ainda, foi realizada a análise dos três atributos do capital social de forma individual.
A partir desta análise pode-se afirmar que existe uma relação entre o capital social relacional
e a aprendizagem coletiva (p<,023) e o capital social estrutural e a aprendizagem coletiva
(p<,000).
De fato, estudos (BOSCHMA, 2005; CAPELLO; FAGGIAN, 2005; NAHAPIET,
2008) apontam que o capital relacional é uma das bases da aprendizagem coletiva pela sua
capacidade de interação entre os atores, podendo beneficiar aqueles que acessarem maiores
oportunidades e recursos por meio de suas relações, que podem envolver parentesco,
confiança baseada na amizade e experiência. O capital social estrutural volta-se para os laços
sociais que influenciam os relacionamentos (GULATI; GARGIULO, 1999) que por si só
influenciam a aprendizagem coletiva.
Entretanto, o capital social cognitivo não foi significativo para a aprendizagem
coletiva. Isso pode ser explicado pela capacidade das empresas em compartilhar com outras
empresas sua cultura, suas metas (STORPER, 1992), seus objetivos e aspirações (TSAI;
GHOSHAL, 1998).
Assim sendo, após a análise destes dados, é possível afirmar algumas suposições
quanto às hipóteses da pesquisa. A hipótese H1, que trata sobre a influência positiva entre o
capital social e a aprendizagem coletiva, é aceita. Das hipóteses que tratam dos atributos do
capital social, a H1b foi aceita e a H1a e H1c foram rejeitadas. A H2, que trata sobre a influência
positiva entre as condições físicas e tecnológicas e a aprendizagem coletiva é rejeitada.
Figura 4: Modelo de regressão 1
Fonte: elaborado pela autora (2018).
O modelo 2, não apresentou significância para a variável dependente Transferência de
conhecimento e as variáveis independentes Capital social e Condições físicas e tecnológicas.
O Capital social, que no modelo anterior foi significativo, não foi significativo para este
64
modelo. Quanto as Condições físicas e tecnológicas, da mesma forma que no modelo anterior,
não apresentaram significância. A análise dos três atributos do capital social de forma
individualizada, não apresentaram significância. Porém, o capital social relacional apresentou
resultado inversamente proporcional a hipótese, dessa forma, supõe-se que quanto menor o
capital social relacional, mais eu transfiro conhecimento, ou seja, a amizade não é suficiente
para a transferência de conhecimento é preciso ter confiança.
O baixo poder de explicação do modelo pode se justificar pela dificuldade em observar
as diferenças que a transferência de conhecimento pode trazer para a empresa, pois muitas
vezes as informações podem se tornar redundantes e não contribuir para melhorias
significativas (GLASMEIER, 1991), seja de processos, produtos ou alguma especialidade.
Ainda, por se tratar de uma aglomeração com uma mesma especialidade produtiva, a
rivalidade e a competição podem ser fatores influenciadores para a difusão do conhecimento
(SCHMITZ, 2000), sendo que as empresas devem promover relações de cooperação a fim de
facilitar a troca de conhecimento (PARRA-REQUENA; MOLINA-MORALES, GARCÍA-
VILLAVERDE; 2010).
Não é possível afirmar que as condições físicas e tecnológicas influenciam a
transferência de conhecimento neste estudo. O que contrapõe os estudos de Marshall (1985),
que destaca que as externalidades surgem pela concentração de atividade econômica e as
condições físicas, estruturais, climáticas e logística, que beneficiam as empresas aglomeradas
pelo transbordamento de conhecimento. Porém, esse processo não se confirmou, o que
possibilita que esse objetivo seja explorado em outro contexto para melhorar o poder de
explicação dessa relação.
Quanto as hipóteses de pesquisa, o modelo 2 apresenta as seguintes inferências (Figura
5): a hipótese H3, que trata sobre a influência positiva do Capital social sobre a Transferência
de conhecimento e a hipótese H4 que trata sobre a influência positiva das Condições físicas e
tecnológicas sobre Transferência de conhecimento, ambas foram rejeitadas. Porém a hipótese
H3b, que tratam da influência positiva entre o capital social estrutural com a variável
dependente transferência de conhecimento foi aceita. Já o capital social cognitivo (H3a) e o
capital social relacional (H3c) não foram significativos para a transferência de conhecimento.
65
Figura 5: Modelo de regressão 2
Fonte: elaborado pela autora (2018).
O modelo 3, busca confirmar a relação positiva entre a Transferência de conhecimento
sobre a Inovação e a relação positiva entre a Aprendizagem coletiva e a Inovação. A variável
independente Transferência de conhecimento foi significativa para a variável dependente
Inovação. Já a variável independente Aprendizagem coletiva não apresentou significância
para a variável dependente Inovação. Sendo o modelo com maior poder de explicação, pode-
se dizer que esta explicação está pautada na relação positiva entre a Transferência de
conhecimento com a Inovação.
De fato, estudos anteriores (TSAI, 2001; GIULIANI; BELL, 2005) apontam que a
relação existente entre as empresas pode fornecer canais de distribuição de informação e
acesso a conhecimento que estimulam atividades inovadoras. Um ambiente inovador retoma
a ideia de atmosfera de inovação, sendo que o conhecimento passa a ser compartilhado em
determinado local (MARSHAL, 1985). Ainda, o acesso aos recursos externos que podem ser
obtidos através das relações são importantes para o desenvolvimento da inovação (SODA,
2011) e une os atores através da amizade e confiança (GULATTI; GARGIULO, 1999).
Quanto as hipóteses da pesquisa, o modelo 3 (Figura 6), aponta as seguintes
inferências: a hipótese H5 que trata sobre a influência positiva da Aprendizagem coletiva
sobre a Inovação, foi rejeitada, já a H6 que trata sobre a influência positiva entre a
Transferência de conhecimento sobre a Inovação foi aceita.
66
Figura 6: Modelo de regressão 3
Fonte: elaborado pela autora (2018).
O modelo 4, busca confirmar a relação positiva entre a variável Aprendizagem
Coletiva sobre o Desempenho e busca confirmar a relação positiva entre variável
Transferência de conhecimento sobre o Desempenho. A variável independente Aprendizagem
coletiva não apresentou significância para a variável dependente Desempenho. Já a variável
independente Transferência de conhecimento foi significativa para a variável dependente
Desempenho. O modelo apresentou baixo poder de explicação (13,7%), o que pode se
justificar pelas várias dimensões que podem ser utilizadas para a medição do construto
desempenho (VENKATRAMAN; RAMANUJAM, 1986; WANG; AHMED, 2007; BRITO;
BRITO; MORGANTI, 2009).
Pode-se afirmar que o acesso a informações melhora o desempenho
(WHITTINGTON; OWEN-SMITH; POWELL, 2009), porém é a capacidade de
aprendizagem e a capacidade de absorver esses conhecimentos e informações que
efetivamente afeta o desempenho das empresas (TSAI, 2001). Daft e Lengel em 1986 já
afirmavam que o desempenho superior em aglomerações de empresas está relacionado com a
transferência de conhecimento.
Dessa forma, é possível afirmar quanto as hipóteses da pesquisa (Figura 7): a hipótese
H7 que se refere sobre a influência positiva da aprendizagem coletiva no desempenho das
empresas foi rejeitada, já a hipótese H8 que se refere sobre a influência positiva da
transferência de conhecimento no desempenho das empresas, foi aceita.
67
Figura 7: Modelo de regressão 4
Fonte: elaborado pela autora (2018).
Por fim, o modelo 5 (Figura 8) aponta a relação entre o Desempenho e a Inovação,
sendo a variável dependente Desempenho significativa (p<0,05). Neste sentido, vários estudos
anteriores (HURLEY; HULT, 1998; ZAHEER; BELL, 2005; LIAO; RICE; LU, 2015; HUHL
et al., 2016) apontam essa relação entre a inovação e o desempenho, sendo a capacidade de
inovar um dos fatores mais importantes para o desempenho dos negócios independentemente
do porte da empresa. Em decorrência disso, a hipótese H9 foi aceita.
Figura 8: Modelo de regressão 5
Fonte: elaborado pela autora (2018).
O Quadro 6 apresenta uma síntese do teste de hipóteses do estudo. Verificou-se que,
das 15 hipóteses, seis foram aceitas (H1, H1b, H3b, H6, H8 e H9) e nove rejeitadas (H1a,
H1c, H2, H3, H3a, H3c, H4, H5 e H7). A confirmação das hipóteses H1 e H1b demonstra a
influência do capital social na aprendizagem coletiva entre as empresas no contexto estudado.
Tal como afirmam Capello e Faggian (2005), sendo que o capital social é uma das bases para
a aprendizagem coletiva por sua capacidade de interação entre os atores locais.
Na confirmação da hipótese H3b pode-se averiguar que um atributo do capital social
influenciam a transferência de conhecimento, tal atributo é excludente em relação a H3 que
foi rejeitada. Esse fato pode ser determinado pela pequena diferença entre o capital social e o
68
capital social estrutural, o capital social destina-se a todas as redes sociais através da confiança
e do sendo de pertença a uma comunidade local (CAPELLO; FAGGIAN, 2005).
Porém, a rejeição das hipóteses H2 e H4 aponta que, no contexto estudado, as
condições físicas e tecnológicas não influenciam a aprendizagem coletiva e a transferência de
conhecimento, demonstrando que a capacidade que as empresas têm de compartilhar suas
metas, visões, valores e cultura depende do acesso ao conhecimento (RUIZ-ORTEGA;
PARRA-REQUENA; GARCÍA-VILLAVERDE, 2016), que pode surgir pela concentração
de atividade econômica (MARSHALL, 1985).
Quanto a confirmação das hipóteses H6 e H8, ressaltam a influência da transferência
de conhecimento para a inovação e para o desempenho das empresas. A existência destas
relações já foram evidenciadas em outras pesquisas (TSAI, 2001; GIULIANI; BELL, 2005;
WHITTINGTON; OWEN-SMITH; POWELL, 2009), uma vez que a transferência de
conhecimento estimula atividades inovadoras, que por sua vez, impactam no desempenho das
empresas. Sendo assim, a confirmação da H9, esta pautada como um dos fatores mais
importantes para o negócio (HURLEY; HULT, 1998; ZAHEER; BELL, 2005; LIAO; RICE;
LU, 2015; HUHL et al., 2016).
Entretanto, a rejeição das hipóteses H5 e H7, aponta que, no contexto estudado, a
aprendizagem coletiva não influencia a inovação e o desempenho das empresas estudadas,
sendo que a aprendizagem se dá pela capacidade de absorver os conhecimentos e informações
(TSAI, 2001). Tal constatação está sendo investigada em vários estudos internacionais e deve-
se avaliar a sua confirmação (MASKELL; MALMBERG, 1999; GIULIANI; BELL, 2005).
Pode-se afirmar que o capital social estrutural influencia a aprendizagem coletiva e a
transferência de conhecimento, essa influência pode ser gerada pelo sentimento de pertencer
a uma aglomeração, o que facilita a interação entre os atores locais. Ainda a transferência de
conhecimento influencia tanto a inovação quanto o desempenho das empresas, quanto mais
conhecimento as empresas absorverem, maior a sua visão para a inovação o que
consequentemente, melhora o seu desempenho. Ainda, supõe-se que o baixo poder de
explicação dos modelos se dá em função do estágio de desenvolvimento da aglomeração. O
resumo das hipóteses da pesquisa estão apresentados no Quadro 6.
69
Quadro 5 - Resumo do teste de hipóteses de pesquisa
Hipótese Técnica de análise Resultado
H1 – O capital social influencia positivamente a aprendizagem
coletiva. Regressão Aceita
H1a – O capital social cognitivo influencia positivamente a
aprendizagem coletiva. Regressão Rejeitada
H1b – O capital social estrutural influencia positivamente a
aprendizagem coletiva. Regressão Aceita
H1c – O capital social relacional influencia positivamente a
aprendizagem coletiva. Regressão Rejeitada
H2 – As condições físicas e tecnológicas influenciam positivamente a
aprendizagem coletiva. Regressão Rejeitada
H3 – O capital social influencia positivamente a transferência de
conhecimento. Regressão Rejeitada
H3a – O capital social cognitivo influencia positivamente a
transferência de conhecimento. Regressão Rejeitada
H3b – O capital social estrutural influencia positivamente a
transferência de conhecimento. Regressão Aceita
H3c – O capital social relacional influencia positivamente a
transferência de conhecimento. Regressão Rejeitada
H4 – As condições físicas e tecnológicas influenciam positivamente a
transferência de conhecimento. Regressão Rejeitada
H5 – A aprendizagem coletiva influencia positivamente a inovação. Regressão Rejeitada
H6 – A transferência de conhecimento influencia positivamente a
inovação. Regressão Aceita
H7 – A aprendizagem coletiva influencia positivamente o
desempenho. Regressão Rejeitada
H8 – A transferência de conhecimento influencia positivamente o
desempenho. Regressão Aceita
H9 – A inovação tem efeito positivo sobre o desempenho. Regressão Aceita
Fonte: elaborado pela autora (2018).
70
5 CONSIDERAÇÕES FINAIS
O objetivo central deste estudo consistiu em investigar se um ambiente de
aglomerações de empresas facilita as relações de troca de recursos e possibilita um ambiente
de aprendizagem e transferência de conhecimento, que pode influenciar a inovação e o
desempenho das empresas. A justificativa para o desenvolvimento do trabalho e o tema
escolhido esta pautada na nova forma de pensar as economias representada pelas
aglomerações (PORTER, 1999) sendo importante a sua investigação, pois podem impulsionar
o crescimento econômico e beneficiar-se de mercados mais amplos em relação a fluxo de
informação (MARSHALL, 1985).
Neste contexto, o trabalho baseou-se nas diferentes teorias que definem e caracterizam
uma aglomeração. Entre as características que fazem parte de uma aglomeração estão o capital
social, que pode ajudar no estudo das relações, além da influência da aprendizagem coletiva
e da transferência de conhecimento para a inovação e o desempenho das empresas que fazem
parte da aglomeração. A pesquisa, baseou-se nessas premissas para desenvolver a sua
estrutura e aplicação. Teve como objeto de estudo as empresas vinícolas localizadas no Estado
do Rio Grande do Sul, destacando as empresas localizadas na região do Vale dos Vinhedos
na Serra Gaúcha.
Na verificação da influência do capital social na aprendizagem coletiva e na
transferência de conhecimento, foram encontrados os seguintes resultados: o capital social
possui influência positiva na aprendizagem coletiva, especialmente o capital social estrutural.
O capital social estrutural influencia positivamente a transferência de conhecimento. Em que
concerne a verificação da influência das condições físicas e tecnológicas na aprendizagem
coletiva e na transferência de conhecimento, não encontrou-se evidencias positivas destas
relações.
Além disso, verificou-se a influência positiva da aprendizagem coletiva para a
inovação e o desempenho das empresas, porém não houve influência nestas relações. Na
verificação da influência positiva da transferência de conhecimento na inovação e no
desempenho das empresas, foram encontrados os seguintes resultados: a transferência de
conhecimento influencia positivamente a inovação e o desempenho das empresas. Ainda
verificou-se a influência positiva da inovação no desempenho das empresas, e constatou-se
influência positiva desta relação.
Neste sentido, pode-se dizer que as empresas que estão aglomeradas, se beneficiam de
sua estrutura de localização e de suas relações para obter ganhos relacionados a informação e
71
novos conhecimentos, que impactam na inovação e no desempenho das mesmas. Quanto
maior os laços estruturais das empresas localizadas na aglomeração, maior a troca de
conhecimento, o que impacta diretamente na inovação e no desempenho das mesmas.
Dessa forma, apresentam-se na sequência as implicações teóricas e gerencias da
pesquisa, bem como suas limitações e sugestões para trabalhos futuros.
5.1 IMPLICAÇÕES TEÓRICAS DA PESQUISA
As implicações teóricas do estudo consolidam-se em três aspectos. Primeiramente,
pelo desenvolvimento e investigação teórica sobre aglomerações territoriais e as tipologias de
aglomeração que elucidam as diferentes definições para a aglomeração de empresas. Em
segundo lugar, pelo desenvolvimento teórico e investigação empírica das relações entre o
capital social, a aprendizagem coletiva, a transferência de conhecimento, as condições físicas
e tecnológicas, a inovação e o desempenho.
Os resultados empíricos contribuem teoricamente ao confirmar, no contexto estudado,
a influência positiva do capital social para a aprendizagem coletiva, principalmente o capital
social estrutural, e a influência positiva entre o capital social estrutural e a transferência de
conhecimento. Contribui ao confirmar a influência positiva da transferência de conhecimento
na inovação e no desempenho das empresas e ainda confirma a influência positiva da inovação
no desempenho das empresas estudadas.
E por fim, os resultados da testagem empírica que apresentam contribuições no
desenvolvimento do tema relacionado à aglomerações territoriais. Vale ressaltar, que a
pesquisa manteve rigor durante o desenvolvimento metodológico e a instrumentalização do
estudo, ao basear suas testagens empíricas considerando as principais teorias desenvolvidas
pelas temáticas estudadas, a fim de criar um instrumento de coleta de dados capaz de
relacionar as variáveis abarcadas no estudo.
Além disso, a pesquisa contribui para a expansão dos estudos sobre aglomerações
territoriais no contexto brasileiro, principalmente em relação a trabalhos quantitativos. Os
resultados das evidencias empíricas apresentam contribuições ao desenvolvimento do tema.
A confirmação das relações apresentadas na discussão dos resultados vem somar aos estudos
desenvolvidos sobre cada constructo.
72
5.2 IMPLICAÇÕES GERENCIAIS DA PESQUISA
No que tange as implicações gerenciais, o estudo apresenta relevância por servir de
base para estimular o debate em torno das temática aglomerações territoriais entre os gestores
e/ou tomadores de decisão das empresas vinícolas. Assim, pode-se indicar o aumento das
relações e interações entre as empresas vinícolas, além da capacidade de trocar habilidades e
compartilhar objetivos, pois essa troca gera a aprendizagem coletiva.
Ainda como implicação gerencial, na busca em obter um melhor desempenho por parte
das empresas, sugere-se buscar inovações, pois apresenta influência positiva com no
desempenho. Desta forma, o sentimento de pertencer a uma aglomeração de empresas, junto
ao aumento da troca de informações e aprendizagem podem levar a inovações e
consequentemente a um melhor desempenho.
Dessa forma, é importante que se oportunize ambientes para a cooperação e interação
das empresas que pertencem ao aglomerado, para que seja possível a transferência de
conhecimento. Reuniões promovidas pelas associações, podem transformar o ambiente em
um espaço para a troca de experiências e crescimento do conhecimento com a proximidade
relacional. Isso pode auxiliar nas grandes negociações com fornecedores e gerar o crescimento
das aglomerações.
5.3 LIMITAÇÕES DA PESQUISA E SUGESTÕES DE ESTUDOS FUTUROS
A pesquisa apresentou algumas limitações, uma delas foi a disponibilidade de dados
para realizar um levantamento fidedigno do universo pesquisado, mesmo assim, a amostra
pesquisada utilizou a base de dados disponibilizada pelo Ibravin. O tamanho da amostra (49
empresas vinícolas), poderia ser maior, considerando as variáveis da pesquisa, porém devido
à dificuldade de acesso as empresas vinícolas, aliada a falta de interesse e disponibilidade de
tempo em participar de pesquisas acadêmicas, entende-se que o tamanho amostral foi
satisfatório.
Além disso, algumas limitações da pesquisa podem contribuir para resultados não
significativos, como por exemplo, por se tratar de um corte transversal. Neste sentido, o
resultado das condições físicas e tecnológicas não ter sido significativo. Assim, as inferências
do estudo limitam-se ao contexto e ao momento específico analisado. É importante considerar
73
que uma pesquisa não irá responder a todas as perguntas do tema, sendo que as lacunas
poderão ser preenchidas por estudos futuros.
Assim, sugere-se a aplicação deste estudo em outras aglomerações territoriais, como
por exemplo, empresas metal mecânicas aglomeradas nas mesorregiões Nordeste e Noroeste
do Estado do Rio Grande do Sul. Outra oportunidade é a aplicação do estudo em um número
maior de empresas vinícolas ou até a sua totalidade e a utilização de outras técnicas de
tratamento estatístico, a fim de buscar novos resultados.
Considera-se a possibilidade de desenvolver uma pesquisa qualitativa para
compreender as interações entre as empresas aglomeradas, buscar entender o sentimento de
pertença, a capacidade de trocar as habilidades e compartilhar seus objetivos. Além disso,
buscar explorar em outros contextos a relação entre a transferência de conhecimento e as
condições físicas e tecnológicas para melhorar o poder de explicação dessa relação, que neste
estudo foi rejeitada.
74
REFERÊNCIAS
ABS. Associação Brasileira de Sommeliers. Disponível em: <https://www.abs-sp.com.br/>.
Acesso em 13 mai. 2017.
ACAVITIS. Associação Catarinense de Produtores de Vinhos Finos de Altitude. Disponível
em: <http://www.acavitis.com.br/apresentacao.html>. Acesso em 01 abr. 2017.
AGAVI. Associação Gaúcha de Vinicultores. Disponível em: <http://www.agavi.com.br/>.
Acesso em: 13 mai. 2017.
ALFARO, L.; CHEIN, M. X. The global agglomeration od multinational firms. Journal of
International Economics, v. 94, p. 263-276, 2014.
ALMEIDA, F. A.; SILVA, A. S. B. Índices de concentração: evidências empíricas à indústria
de transformação cearense. In: XXXV ENCONTRO NACIONAL DE ENGENHARIA DE
PRODUÇÃO, 35.; 2015, Fortaleza: ENEGEP. Anais... Fortaleza, 2015.
ALVES, J. N.; PEREIRA, B. A. D. Análise das publicações nacionais sobre estudos em
relacionamentos interorganizacionais 2004-2009. Revista de Administração e Inovação-
RAI, v. 10, n. 2, p. 169-198, 2013.
ANDRADE, M. A. R.; HOFFMANN, V. E. Redes interorganizacionais: um estudo das
pequenas e médias empresas no setor calçadista do Vale do Rio Tijucas. Revista de
Administração e Inovação, v. 7, n. 2, p. 193-216, 2010.
APROVALE. Associação dos Produtores do Vale dos Vinhedos. Disponível em: <
http://www.valedosvinhedos.com.br/vale/conteudo.php?view=44&idpai=120>. Acesso em:
13 fev. 2018.
ARGOTE, L.; INGRAM, P. Knowledge transfer: a basis for competitive advantage in firms.
Organizational Behavior and Human Decision Processes, v. 82, n. 1, p. 150 –169, 2000.
ASHTON, M. S. G.; VALDUGA, V.; TOMAZZONI, E. L. Turismo criativo e
desenvolvimento da oferta turística do cluster do Vale dos Vinhedos (RS, Brasil).
Investigaciones Turísticas, n. 10, p. 90-116, 2015.
AUDRETSCH, D. B.; FELDMAN, M. P. R&D Spillovers and the Geography of innovation
and production. American Economic Association, v. 86, n. 3, p. 630-640, 1996.
AVIGA. Associação dos Vinicultores de Garibaldi. Disponível em: <
http://www.aviga.com.br/aviga>. Acesso em: 13 fev. 2018.
BALESTRIN, A.; VERSCHOORE, J. R. Redes de cooperação empresarial: estratégias de
gestão na nova economia. Porto Alegre: Bookman, 2008.
BALLAND, P. A.; BOSCHMA, R.; FRENKEN, K. Proximity and innovation: from statics to
dynamics. Regional Studies, v. 49, n. 6, p. 907-920, 2014.
75
BAPTISTA, R.; SWANN, P. Do firms in clusters innovate more? Research Policy, v. 27, p.
525-540, 1998.
BARNEY, J. B. Firm resources and sustained competitive advantage. Journal of
Management, v. 17, n. 1, p. 99-120, 1991.
BARNEY, J. B.; HESTERLY, W. Economia das organizações: entendendo a relação entre as
organizações e a análise econômica. In: CLEGG et al. (Org.) Handbook de estudos
organizacionais. São Paulo: Atlas, v. 3, p. 131-179, 2004.
BARROS, F. S. O.; MOREIRA, M. V. C. O capital social nas aglomerações produtivas de
micro e pequenas empresas: estudo de um arranjo produtivo turístico. Organizações &
Sociedade – O&S, v. 13, n. 39, 2006.
BECKMAN, C. M.; HAUNSCHILD, P. R. Network learning: the effects
partners´heterogeneity of experience on corporate acquisitions. Administrative Science
Quarterly, v. 47, n. 1, p. 92-124, 2002.
BELL, G. G.; ZAHEER, A. Geography, networks, and knowledge flow. Organization
Science, v. 18, n. 6, p. 955–972, 2007.
BEUREN, I. M.; MARCELLO, I. E. Relação da Importância dos Recursos Estratégicos com
as Medidas de Desempenho em Empresas Brasileiras. Revista Ibero-Americana de
Estratégia, v. 15, n. 1, p. 64-82, 2016.
BOSCHMA, R. Proximity and innovation: a critical assessment. Regional Studies, v. 39, n.
1, p. 61-74, 2005.
BRAGA, H. C.; MASCOLO, J. L. Mensuração da concentração industrial no Brasil. Pesquisa
e Planejamento Econômico, v. 12, n. 2, p. 399-354, 1982.
BRENNER, T. Geographical proximity and technological spillovers between industries.
Journal of Artificial Societies and Social Simulation, v. 4, n. 3, 2001.
BRITO, E. P. Z.; BRITO, L. A. L.; MORGANTI, F. Inovação e o desempenho empresarial:
lucro ou crescimento? Revista de Administração de Empresas, v. 8, n. 1, 2009.
BRITO, E. P. Z.; BRITO, L. A. L.; PORTO, E. C.; SZILAGYI, M. E. A relação entre
aglomeração produtiva e crescimento: a aplicação de um modelo multinível ao setor industrial
paulista. Revista de Administração Contemporânea, v. 14, n. 4, p. 615-632, 2010.
BRITTO, J. Cooperação interindustrial e redes de empresas. In: KUPFER, D.;
HASENCLEVER, L. Economia industrial: fundamentos teóricos e práticos no Brasil.
Cap. 15, p. 345-388. Rio de Janeiro: Elsevier, 2002.
BRITTO, J.; ALBUQUERQUE, E. M. Clusters industriais na economia brasileira: uma
análise exploratória a partir de dados da RAIS. Estudos Econômicos, v. 32, n. 1, p. 71-102,
2002.
76
BRUSCO, S. The idea of the industrial district: its genesis. In: PYKE, F.; BECATTINI, G.;
SENGENBERGER, W. Industrial districts and inter-firm co-operation in Italy.
International Institute for Labour Studies, 1990. Cap. 2, p. 10-19.
BURT, R. S. The network structure of social capital. Research in Organization Behaviour,
v. 22, p. 345-423, 2000.
CAMPOS, A. C.; PAULA, N. M. Do aglomerado industrial ao APL: uma análise da indústria
de confecções de Cianorte (PR). Revista Brasileira de Inovação, v. 7, n. 1, p. 147-176, 2008.
CAPELLO, R.; FAGGIAN, A. Collective learning and relational capital in local innovation
processes. Regional Studies, v. 39, n. 1, p. 75-87, 2005.
CARDOSO, F. M. C. B.; GUIMARÃES, L. O. Processo de formação e expansão de cluster:
o caso do aglomerado de Ceres, GO. Revista de Gestão, v. 18, n. 4, p. 549-568, 2011.
CLAVER, N. D.; CASTEJÓN, C. F.; GRACIA, F. S. External economies as a mechanism of
agglomeration in EU manufacturing. Applied Economics, v. 44, n. 34, p. 4421-4438, 2012.
COLEMAN, J. S. Social capital in the creation of human capital. The American Journal of
Sociology, v. 94, p. 95-120, 1988.
COSTA, H.; MAIOR, A. S. Sistemas produtivos locais em turismo: relacionamentos
estratégicos e aglomeração territorial como vantagens competitivas. Revista Acadêmica do
Observatório de Inovação e Turismo, v. 9, n. 1, p. 127-151, 2006.
CROCCO, M. A.; GALINARI, R.; SANTOS, F.; LEMOS, M. B.; SIMÕES, R. Metodologia
de identificação de aglomerações produtivas locais. Nova Economia, v. 16, n. 2, p. 211-241,
2006.
CRUZ, S. C. S; TEIXEIRA, A. A. C. The evolution of the cluster literature: shedding light on
the regional studies – regional science debate. Critical Survey, v. 44, n. 9, p. 1263-1288,
2009.
CZAJKOWSKI, A.; CUNHA, S. K. Organização e coordenação da rede de cooperação em
aglomerados de turismo rural. Turismo: Visão e Ação, v. 12, n. 1, p. 92-113, 2010.
DAFT, R. L.; LENGEL, R. H. Organizational information requirements, media richness and
structural design. Management Science, v. 32, n. 5, p. 554-571, 1986.
DALBERTO, C. R.; CIRINO, J. F.; STADUTO, J. A. R. Especialização versus diversificação:
economias de aglomeração e seus impactos sobre os salários industriais em Minas
Gerais. Gestão & Regionalidade, v. 32, n. 95, 2016.
DAMANPOUR, F. Organizational innovation: a meta-analysis of effects of determinants and
moderators. Academy of Management Journal, v. 34, n. 3, p. 555-590, 1991.
DAUTH, W. Agglomeration and regional employment dynamics. Paper in Regional
Science, v. 92, n. 2, p. 419-435, 2013.
77
DEBOÇÁ, L. P.; MARTINS, R. S. Competitive advantages from horizontal relationships in
productive agglomerations: perceptions of local agents. Revista Brasileira de Gestão de
Negócios, v. 17, n. 56, p. 1024-1043, 2015.
DEL-CORTE-LORA, V.; VALLET-BELLMUNT, T. M.; MOLINA-MORALES, F. X. How
network positon interacts with the relaton between creativity and innovation in clustered firms.
European Planning Studies, v. 24, n. 4, p. 561-582, 2017.
DIAS, C. N. Arranjos produtivo locais (APLs) como estratégia de desenvolvimento.
Desenvolvimento em Questão, v. 9, n. 17, p. 93-122, 2011.
EMBRAPA. Portal Embrapa Uva e Vinho. Disponível em: < https://www.embrapa.br/uva-e-
vinho/>. Acesso em: 13 mai. 2017.
FARIAS, C. V. S. Aprendizado, inovação e cooperação: um estudo do segmento vinícola
do arranjo produtivo da vitivinicola da Serra Gaúcha. 2010. 198 f. Dissertação (Mestrado)
– Programa de Pós-Graduação em Economia, Universidade do Vale do Rio dos Sinos, São
Leopoldo, 2010.
FELDMAN, M. P., FLORIDA, R. The geographic sources of innovation: technological
infrastructure and product innovation in the United States. Annals of the Association of
American Geographers, v. 84, p. 210–229, 1994.
FREZATTI, F.; BIDO, D. de S.; CRUZ, A. P. C. da.; MACHADO, M. J. de C. O papel do
Balanced Scorecard na gestão da inovação. Revista de Administração de Empresas, v. 54,
n. 4, p.381-392, 2014.
GELDES, C.; FELZENSZTEIN, C.; TURKINA, E.; DURAND, A. How does proximity
affect interfirm marketing cooperation? A study of an agribusiness cluster. Journal of
Business Research, v. 68, p. 263–272, 2015.
GIL, A. C. Métodos e técnicas de pesquisa social. 5. ed. São Paulo: Atlas, 2006.
GIULIANI, E. BELL, M. The micro-determinants of meso-level learning and innovation:
evidence from a Chilean wine cluster. Research Policy, v. 34, p. 47-68, 2005.
GLAESER, E. L.; KALLAL, H. D.; SCHEINKMAN, J. A.; SHLEIDER, A. Growth in Cities.
Journal of Political Economy, v. 100, n. 6, p. 1126-1152, 1992.
GLASMEIER, A. Technological discontinuities and flexible production networks: the
case of Switzerland and World Watch Industry. Research Policy, v. 20, p, 469-485, 1991.
GRANOVETTER, M. Economic action and social structure: the problem of embeddedness.
American Journal of Sociology, v. 91, p. 481, 1985.
GRANT, R. M. The resource-based theory of competitive advantage: implications for strategy
formulation. California Management Review, v. 33, n. 3, p. 114-135, 1991.
GRANT, R. M. Toward a knowledge based theory of the firm. Strategic Management
Journal, v. 17, p. 109-122, 1996.
78
GULATI R.; GARGIULO M. Where do interorganizational networks come from?, American
Journal of Sociology, v. 104, p. 1439–1493, 1999.
HAIR JR., J. F.; BLACK, W. C.; BADIN, B. J.; ANDERSON, R. E.; TATHAM, R. L.
Análise multivariada de dados. Porto Alegre: Bookman, 2009.
HAIR JR., J. F.; BABIN, B.; MONEY, A. H.; SAMOUEL, P. Fundamentos de métodos de
pesquisa em administração. Porto Alegre: Bookman, 2005.
HANSEN, M. T. The search-transfer problem: the role of weak ties in sharing knowledge
across organization subunits. Administrative Science Quarterly, v. 44, p. 82-111, 1999.
HARRIS, J. The messy reality of agglomeration economies in urban informality: evidence
from Nairobi´s handicraft industry. World Development, v. 61, p, 102-113, 2014.
HOFFMANN, V. E.; MOLINA-MORALES, F. X.; MARTÍNEZ-FERNANDEZ, M. T. Redes
de empresas: proposta de uma tipologia para classificação aplicada na indústria de cerâmica
de revestimento. Revista de Administração Contemporânea, v. 11, n.spe1, p. 103-127,
2007.
HOFFMANN, V. E.; MOLINA-MORALES, F. X.; MARTÍNEZ-FERNANDEZ, M. T.
Competitividade na indústria do vestuário: uma avaliação a partir da perspectiva das redes de
empresas aglomeradas territorialmente. Revista Eletrônica de Administração – REAd, v.
15, n. 2, p. 391-419, 2008.
HOFFMANN, V. E.; OLIVEIRA, B. P. de.; BROCCHI, J. T. Instituições de Suporte ao
Turismo nos Destinos de Alto Paraíso e Pirenópolis: uma análise sob a perspectiva das redes
interorganizacionais. Caderno Virtual de Turismo, v. 16, n. 1, p. 74-94, 2016.
HUNG, R. Y. Y.; YANG, B.; LIEN, B. Y.; MCLEAN, G. N.; KUO, Y. Dynamic capability:
Impact of process alignment and organizational learning culture on performance. Journal of
World Business, v. 45, p. 285-294, 2010.
HURLEY, R.; HULT, T. G. Innovation, market orientation, and organizational learning: an
integration and empirical examination. Journal of Marketing, v. 62, n. 3 p. 42-54, 1998.
IBGE. Disponível em:< https://sidra.ibge.gov.br/home/lspa/brasil>. Acesso em 23 fev. 2017.
IBRAVIN. Instituto Brasileiro do Vinho. Disponível em: <http://www.ibravin.org.br>.
Acesso em 01 abr. 2017.
INKPEN, A. C.; TSANG, E. W. K. Social capital networks, and knowledge transfer.
Academy of Management Review, v. 30, n. 1, p. 146-165, 2005.
IPIRANGA, A. S. R.; AMORIN, M. A.; FARIA, M. V. C. M. Tecnologia social de
mobilização para arranjos produtivos locais: uma proposta de aplicabilidade. Cadernos
Ebape, v. 5, n. 3, 2007.
79
JAFFE, A. B., TRAJTENBERG, M., HENDERSON, R. Geographic localization of
knowledge spillovers as evidenced by patent citations. Quarterly Journal of Economics, v.
108, p. 1-30, 1993.
JOÃO, S. L. D. S.; OLIVARES, G. L. Análise dos aglomerados produtivos nos municípios
de Angra dos Reis, Campos e Petrópolis no Estado do Rio de Janeiro. Revista Ibero-
Americana de Estratégia, v. 13, n. 4, p. 122-136, 2014.
KALE, P., H. SINGH; PELMUTTER, H. Learning and protection of proprietary assets in
strategic alliances: building relational capital. Strategic Management Journal, v. 21, p. 217-
237, 2000.
KENIS, P.; OERLEMANS, L. The social network perspective: understanding the structure of
cooperation. In: CROPPER, S.; EBERS, M.; HUXHAM, C.; RING, P. S. (Orgs.). The
Oxford Handbook of Inter-Organizational Relations. Oxford: Oxford Press, 2008. Cap.
11, p. 289-312.
KING, E. S.; STOUMEN, M.; BUSCEMA, F.; HJELMELAND, A. K.; EBELER, S. E.;
HEYMANN, H.; BOULTON, R. B. Regional sensory and chemical characteristics of Malbec
wines from Mendoza and California. Food chemistry, v. 143, 256-267, 2004.
KLINE, R. B. Principles and practice of structural equation modeling. 2. ed. New York:
The Guilord Press, 2005.
KOGUT, B. ZANDER, U. Knowledge of the firm, combinative capabilities, and the
replication of tecnology. Organization Science, v. 3, n. 3, p. 383-397, 1992.
KRUGMAN, P. Increasing returns and economic geography. Journal of Political Economy,
v. 99, p. 483–499, 1991.
KUHL, M. R.; CUNHA, J. C.; MAÇANEIRO, M. B.; CUNHA, S. K. Colaboração para a
inovação e desempenho sustentável: evidências da relação na indústria eletroeletrônica.
Brazilian Business Review, v. 13, n. 3, p. 1-25, 2016.
LADEIRA, W. J.; ROSA, F. T.; DU, F.; SANTINIF, F. O. Entre o mercado primário e o
secundário: uma análise exploratória da criação de valor e vantagem competitiva nas relações
China-Brasil. Revista de Ciências da Administração, v. 18, n. 4, p. 52-65, 2016.
LAIMER, C. G. A cooperação entre universidade, empresa e governo na promoção de
ambientes de inovação: um estudo em parques científicos e tecnológicos no Brasil e em
Portugal. São Leopoldo: UNISINOS, 2013. Tese (Doutorado em Administração),
Universidade do Vale do Rio dos Sinos, 2013.
LAIMER, C. G.; LAIMER, V. R. La interacción, la confianza y el compromiso de los
sucesores en empresas familiares gaúchas (Brasil). In: XIX Congreso AECA - Asociación
Española de Contabilidad y Administración de Empresas, 2017, Santiago de Compostela.
Actas del XIX Congreso AECA - Asociación Española de Contabilidad y Administración de
Empresas. Santiago de Compostela: AECA, 2017. v. 1.
80
LAZZERETTI, L.; CAPONE, F. How procimity matters in innovation networks dynamics
along the cluster evolution. A study of the high technology applied to cultural goods. Journal
of Business Research, v. 69, n. 12, p. 5855-5865, 2016.
LIAO, T; RICE, J; LU, J. The vicissitudes of competitive advantage: empirical evidence from
Australian Manufacturing SMEs. Journal of Small Business Management, v. 53, n. 2, p.
469-481, 2015.
LIMA, G. B.; CARVALHO, D. T. Aglomerações industriais na cadeia têxtil: observações
sobre a internacionalização do pólo TEC TEX. Revista Brasileira de Estratégia, v. 4, n. 2,
p. 169-180, 2011.
LIN, H. –L.; LI, H. –Y.; YANG, C. –H. Agglomeration na productivity: firm-level evidence
from China´s textile industry. China Economic Review, v. 22, p. 313-329, 2011.
LÜBECK, R. M.; WITTMANN, M. L.; DA SILVA, M. S. Afinal, quais variáveis
caracterizam a existência de cluster arranjos produtivos locais (APLs) e dos sistemas locais
de produção e inovação (SLPIs)?. Revista Ibero-Americana de Estratégia, v. 11, n. 1, p.
120-151, 2012.
MALHOTRA, N. K. Pesquisa de Marketing: Uma orientação aplicada. 6. ed. Porto Alegre:
Bookman, 2012.
MARCO-LAJARA, B.; CLAVER-CORTÉS, E.; ÚBEDA-GARCÍA, M.; ZARAGOZA-
SÁES, P. C. A dynamic analysis of the agglomeration and performance relationship. Journal
of Business Research, v. 69, n. 5, p. 1874-1879, 2016.
MARKUSEN, A. Sticky places in slippery space: a typology of industrial
districts. Economic Geography, v. 72, n. 3, p. 293-313, 1996.
MARSHALL, A. Princípios de Economia. 2. ed. São Paulo: Nova Cultura, 1985.
MASKELL, P.; MALMBERG, A. Localised learning and industrial competitiveness.
Cambridge Journal of Economics, v. 23, n. 2, p. 167-185, 1999.
MASCENA, K. M. C.; FIGUEIREDO, F. C.; BOAVENTURA, J. M. G. Clusters e APL´s:
análise bibliométrica das publicações nacionais no período de 2000 a 2011. Revista de
Administração de Empresas – RAE, v. 53, n. 5, p. 454-468, 2013.
MINAYO, M. C.; SANCHES, O. Quantitativo-qualitativo: oposição ou complementaridade?
Cadernos de Saúde Pública, v. 9, n. 3, p. 239-248, 1993.
MIRANDA JÚNIOR, N. S.; COSTA, H. A.; HOFFMANN, V. E. Dificuldades para a
Cooperação entre Hotéis Aglomerados Territorialmente: um estudo da hotelaria em Brasília -
DF. Turismo em Análise, v. 27, n. 1, p. 153-177, 2016.
MOLINA-MORALES, F. X.; MARTÍNEZ-FERNÁNDEZ, M. T. How much difference is
there between industrial district firms? A net value creation approach. Research Policy, v. 33,
p. 473-486, 2004.
81
MOREIRA, E. T.; STRAMAR, A. R. Modelo holístico da gestão da inovação com ênfase na
cooperação, flexibilidade e adaptação. Revista de Administração e Inovação, v. 11, n. 4, p.
193-212, 2014.
MORRISON A. Gatekeepers of knowledge within industrial districts: who they are, how they
interact?, Regional Studies, v. 42, n. 6, p. 817–835, 2008.
NAHAPIET, J. The role of social capital in inter-organizational relationships. In: CROPPER,
S.; EBERS, M.; HUXHAM, C.; RING, P. S. (Orgs.). The Oxford Handbook of Inter-
Organizational Relations. Oxford: Oxford Press, 2008. Cap. 22, p. 580-606.
NAHAPIET, J.; GHOSHAL, S. Social capital, intellectual capital and the organizational
advantage. Academy of Management Review, v. 23, n. 2, p. 242-266, 1998.
NASCIMENTO, R. P.; MOREIRA FILHO, M. As potencialidades do território para o
desenvolvimento local: uma análise do aglomerado de turismo de Santa Teresa/RJ. Turismo:
Visão e Ação, v. 14, n. 2, p. 230-245, 2012.
NECKEL, A. R.; HOFFMANN, V. E.; SCHOREDER, L.. Recursos compartilhados como
fonte competitiva de empresas aglomeradas territorialmente: um estudo na indústria têxtil da
região de Rio do Sul (SC). Revista Ibero-Americana de Estratégia, v. 9, n. 1, p. 127-151,
2010.
NEFFKE, F.; HENNING, M.; BOSCHMA, R.; LUNDQUIST, K.; OLANDER, L. The
dynamics of agglomeration externalities along the life cycle of industries. Regional Studies,
v. 45, n. 1, p. 49-65, 2011.
NEUMANN, L.; HEXSEL, A.; BALESTRIN, A. Desafios à cooperação em aglomerados
produtivos: um estudo de caso no segmento de malhas do sul do Brasil. BASE - Revista de
Administração e Contabilidade da UNISINOS, v. 8, n. 3, p. 220-230, 2011.
NOOTEBOOM, B. Learning and innovation in inter-organizational relationships. In:
CROPPER, S.; EBERS, M.; HUXHAM, C.; RING, P. S. (Orgs.). The Oxford Handbook of
Inter-Organizational Relations. Oxford: Oxford Press, 2008. Cap. 23, p. 607-634.
OCDE. Organização para Cooperação e Desenvolvimento Econômico. Manual de Oslo:
Diretrizes para coleta e interpretação de dados sobre inovação. 3. ed. Brasília: FINEP, 2005.
OERLEMANS, L. A. G.; MEEUS, M. T. H.; BOEKEMA, F. W. M. On the spatial
embeddedness of innovation networks: an exploration of the proximity effect. Tijdschrift
voor Economische en Sociale Geografie, v. 92, n. 1, p. 60–75, 2001.
OLIVEIRA, M. F.; GONÇALVES, C. A. Estratégia de cooperação em redes: intenção e
prática de um aglomerado territorial turístico. Revista Alcance, v. 21, n. 2, p. 234-254, 2014.
OLIVEIRA, J. C.; SPERB, A. F. N. Análise da evolução da concentração na indústria
siderúrgica brasileira entre os anos de 1991 a 2013. Revista do CEPE, n. 43, p. 84-100, 2016.
82
PANICCIA, I. One, a hundred, thousands of industrial district. Organizational variety in
local networks of small and medium-sized enterprises. Organization Studies, v. 19, n. 4, p.
667-699, 1998.
PARRA-REQUENA, G.; MOLINA-MORALES, F. X.; GARCÍA-VILLAVERDE, P. M. The
mediating effect of cognitive social capital on knowledge acquisition in clustered firms.
Growth and Change, v. 41, n. 1, p. 59-84, 2010.
PHELPS, C.; HEIDL, R.; WADHWA, A. Knowledge, networks, and knowledge network: a
review and research agenda. Journal of Management, v. 38, n. 4, p. 1115-1166, 2012.
PITTAWAY, L.; ROBERTSON, M.; MUNIR, K.; DENYER, D.; NEELY, A. Networking
and innovation: a systematic review of the evidence. International Journal of Management
Reviews, v. 5/6, n. 3-4, p. 137-168, 2004.
PYKE, F. G.; BECATTINI, G.; SENGENBERGER, W. Industrial districts and inter-firm
co-operation in Italy. 2. ed. Geneva: International Institute for Labour Studies, 1992.
PORTER, M. E. Competição: estratégias competitivas essenciais. 13.ed. Rio de Janeiro:
Elsevier, 1999.
PORTO, E. C.; BRITO, L. A. L. Aglomeração industrial e seu efeito na taxa de crescimento
das empresas brasileiras. Revista Eletrônica de Administração - REAd, v. 16, n. 2, p. 233-
267, 2010.
PRAHALAD, C. K.; HAMEL, G. The core competence of the corporation. Harvard
Business Review, p. 3- 15, 1990.
PUGAS, P. G. O.; CALEGARIO, C. L. L.; ANTONIALLI, L. M. Aglomerados e visão
baseada em recursos: as capacidades organizacionais de empresas inseridas em um
aglomerado do setor de vestuário em Minas Gerais. Revista de Administração, v. 48, n. 3,
p. 440-453, 2013.
PUGAS, P. G. O.; FERNANDES, R. S. Externalidades positivas em aglomerações de
empresas: um estudo no aglomerado de fundição da cidade de Claúdio (MG), Brasil. Gestão
& Regionalidade, v. 30, n. 89, p. 49-62, 2014.
REDESIST. Disponível em:< http://www.redesist.ie.ufrj.br/index.php>. Acesso em 28 dez.
2016.
RESENDE, M. Medidas de concentração industrial: uma resenha. Revista Análise
Econômica, v. 12, n. 21/22, p. 24-33, 1994.
RUIZ-ORTEGA, M. J.; PARRA-REQUENA, G.; GARCÍA-VILLAVERDE, P. M. Do
territorial agglomerations still provide competitive advantages? A study of social capital,
innovation, and knowledge. International Regional Science Review, v. 39, n. 3, p. 259-290,
2016.
83
SALUME, P. K.; GUIMARÃES, L. O.; PEREIRA, D. C.; CASTRO, J. M. Setor de gemas e
joias da região metropolitana de Belo Horizonte: um estudo preliminar sob a perspectiva da
aglomeração de empresas. Revista de Negócios, v. 19, n. 4, p. 21-42, 2014.
SAMSON, D; GLOET, M. Innovation capability in Australian manufacturing organisations:
an exploratory study. International Journal of Production Research, v. 52, n. 21, p. 6448-
6466, 2014.
SAPI. Secretaria da Agricultura, Pecuária e Irrigação. Disponível em:
<http://www.agricultura.rs.gov.br>. Acesso em: 08 fev. 2018.
SARABIA, M. L.; XAVIER, M. G. P. Retratos da transformação da paisagem urbana da
aglomeração produtiva de Santa Cruz de Capibaribe: uma questão de desenvolvimento local.
Desenvolvimento em Questão, v. 6, n. 12, p. 149-178, 2008.
SARACENI, A. V.; ANDRADE Jr., P. P.; RESENDE, L. M. Gestão de conhecimento em
aglomerados de empresas: rede de valor como instrumento para fortalecer o intercâmbio de
conhecimento. Revista Eletrônica de Estratégia & Negócios, v. 6, n. 1, p. 89-107, 2013.
SAXENIAN, A. Regional advantage: culture and competition in Silicon Valley and Route
128. Harvard Journal of Law & Tecnology, v. 8, n. 2, p. 522-528, 1994.
SCOTT, A.; STORPER, M. Regions, globalization, development. Regional Studies, v. 37, n.
6-7, p. 579-593, 2003.
SCHUMPETER, J. A. Teoria do desenvolvimento econômico. Rio de Janeiro: Zahar, 1960.
SCHMITZ, H. Does local co-operation matter? Evidence from industrial clusters in South
Asia and Latin America. Oxford Development Studies, v. 28, n. 3, p. 323-336, 2000.
SEBRAE – Serviço Brasileiro de Apoio às Micro e Pequenas Empresas. Panorama dos
Pequenos Negócios 2017. Disponível em:
<https://m.sebrae.com.br/Sebrae/Portal%20Sebrae/UFs/SP/Pesquisas/Panorama%20dos%20
Pequenos%20Negocios%202017.pdf>. Acesso em: 12 fev. 2018.
SILVA, P. M. Aglomerados e turismo: análise da produção científica nacional e internacional
sobre o tema. Turismo: Visão e Ação, v. 16, n. 2, p. 338-357, 2014.
SILVA, R. C. R. S.; BRITTO, J. O aglomerado de empresas atuantes no segmento Off-Shore
de Macaé: impactos da política de subcontratação da Petrobrás na bacia de Campos. Revista
Brasileira de Inovação, v. 8, n. 1, p. 121-166, 2009.
SILVESTRE, B. D. S.; DALCOL, P. R. T. Aglomeração industrial de petróleo e gás da região
produtora da Bacia de Campos - sistema de conhecimento, mudanças tecnológicas e inovação.
Revista de Administração, v. 43, n. 1, p. 84-96, 2008.
SODA, G. The management of firms alliance network positioning: implications for
innovation. European Management Journal, v. 29, n. 5, p. 377-388, 2011.
84
SORDI, J. O.; MEIRELES, M. Arranjo produtivo local ou aglomerado de empresas?
Distinção por atributos associados à temática transferência de informação. Revista de
Administração Pública, v. 46, n. 3, p. 775-794, 2012.
STABER, U. Spatial proximity and firm survival in a declining industrial district: the
case of knitwear firms in Baden-Württemberg. Regional Studies, v. 35, p. 329-341, 2001.
STORPER, M. The limits of the globalization: technology districts and international trade.
Economic Geography, v. 68, p. 60–93, 1992.
TAKEDA, Y.; KAJIKAWA, Y.; SAKATA, I.; MATSUSHIMA, K. An analysis of
geographical agglomeration and modularized industrial networks in a regional cluster: a case
study at Yamagata prefecture in Japan. Technovation, v. 28, p. 531-539, 2008.
TAVARES, B.; ANTONIALLI, L. M.; CALEGARIO, C. L. L.; CASTRO, C. C.; LIMA, A.
A. T. F. C. A heterogeneidade entre pequenas empresas: identificando modelos de gestão em
uma aglomeração produtiva. Revista de Administração da UFSM, v. 8, n. 3, p. 515-531,
2015.
TAVARES, B.; ANTONIALLI, L. M.; SANTOS, M. I. P. D. Influência das características
das aglomerações sobre a geração de externalidades para as empresas. Revista Ibero-
Americana de Estratégia, v. 9, n. 2, p. 115-142, 2010.
TAVARES, W.; CASTRO, C. C. Relações interorganizacionais no estabelecimento de uma
aglomeração produtiva. Revista de Administração FACES Journal, v. 11, n. 4, p. 31-50,
2012.
THOMAZ, J. C.; BRITO, E. P. Z.; MARCONDES, R. C.; FERREIRA, F. C. M. Benefícios
da aglomeração de firmas: evidências do arranjo produtivo de semijoias de Limeira. Revista
de Administração, v. 46, n. 2, art. 7, p. 191-206, 2011.
TSAI, W. Knowledge transfer in intraorganizational networks: effects of network position and
absorptive capacity on business unit innovation and performance. Academy of Management
Journal, v. 44, n. 5, p. 996-1004, 2001.
TSAI, W.; GHOSHAL S. Social capital, and value creation: the role of intrafirm networks.
Academy of Management Journal, v. 41, n. 4, p. 464–478, 1998.
UTTERBACK, J. Innovation in Industry and the Diffusion of Technology. Science, v. 183,
p. 620-626, 1974.
UZZI, B. The sources and consequences of embeddedness for the economic performance of
organizations: the networks effects. American Sociological Review, v. 61, n. 4, p. 674-698,
1996.
VENKATRAMAN, N.; RAMANUJAM, V. Measurement of business performance in
strategy research: a comparison of approaches. The Academy of Management Review, v.
11, n. 4, p. 801-814, 1986.
85
VINHOSDOBRASIL. Disponível em: <http://www.vinhosdobrasil.com.br>. Acesso em: 01
abr. 2017.
VINHOVIRTUAL. Disponível em: < http://www.vinhovirtual.com.br/>. Acesso em: 13 mai.
2017.
WANG, C. L.; AHMED, P. K. Dynamic capabilities: a review and research agenda.
International Journal of Management Reviews, v. 9, n. 1, p. 31-51, 2007.
WILK, E. O.; FENSTERSEIFER, J. E. Use of resource-based view in industrial cluster
strategic analysis. International Journal of Operations & Production Management, v. 23,
n. 9, p. 995-1009, 2003.
WINE. Wine of Brasil. Disponível em: <http://www.winesofbrasil.com/>. Acesso em: 13
mai. 2017.
WHITTINGTON, K. B.; OWEN-SMITH, J.; POWELL, W. W. Networks, propinquity, and
innovation in knowledge-intensive industries. Administrative Science Quarterly, v. 54, p.
90-122, 2009.
YADAV, R.; PATHAK, G. S. Intention to purchase organic food among young consumers:
evidences from a developing nation. Appetite, v. 96, p. 122-128, 2016.
YANG, Y.; HSU, J. Organizational process alignment, culture and innovation. African
Journal of Business Management, v. 4, n. 11, p. 2231-2240, 2010.
ZAHEER, A.; BELL, G. Benefiting from network position: firm capabilities, structural holes,
and performance. Strategic Management Journal, v. 26, n. 9, p. 809-825, 2005.
ZANCAN, C.; SANTOS, P. C. F.; CRUZ, N. J. T. Mecanismos de coordenação na formação
de redes de cooperação: Associação dos Produtores de Vinhos Finos do Vale dos
Vinhedos. Revista de Ciências da Administração, v. 15, n. 36, p. 193, 2013.
ZANINI, T. V.; DA ROCHA, J. M. O Enoturismo no Brasil: um estudo comparativo entre as
regiões vinícolas do Vale dos Vinhedos (RS) e do Vale do São Francisco (BA/PE). Revista
Turismo em Análise, v. 21, n. 1, p. 68-88, 2010.
ZEN, A. C.; FENSTERSEIFER, J. E.; PRÉVOT, F. Internacionalização de empresas em
cluster e a influência dos recursos: um estudo de casos em clusters vitivinícolas no Brasil e na
França. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E
PESQUISA EM ADMINISTRAÇÃO – ENANPAD, 34.; 2010, Rio de Janeiro: ENANPAD.
Anais... Rio de Janeiro, 2010.
86
APÊNDICE A – Vinícolas pesquisadas por aglomeração
Aglomeração Vinícola
Alto Uruguai
Cantina Guarnieri
Cantina Artesanal Sitio Do Angico
Cantina Bordignon
Cantina Manfroi
Fábio Miorando
Trento
Campanha Gaúcha Vinícola Peruzzo Ltda.
Campos de cima da Serra Aracuri Vinhos Finos
Serra Gaúcha
Vinícola Terragnolo Ltda
Adega Cavalleri Ltda
Adega Chesini
Adega Mascarello Ltda
Angheben Adega De Vinhos Finos Ltda
Cantina Strapazzon
Cave Darci Locatelli
Cave De Pedra
Cooperativa Vinícola Aurora
Cooperativa Vinícola Garibaldi Ltda
Econatura Produtos Ecológicos E Naturais LTDA
Famiglia Tasca
Família Buffon
Indústria Vinícola São Luiz Ltda
Indústria Vinícola São Luiz Ltda
Lídio Carraro Vinícola Boutique
Milantino Vinhos Finos Ltda
Miolo
Peculiare Vinhos Únicos
Peterlongo
Soc. De Bebidas Cascata Da Colina Ltda (Cantina Gelain)
Vallontano Vinhos Nobres Ltda.
Vinhos Casa Fantin Ltda
Vinhos Don Laurindo Ltda
Vinhos Larentis
Vinhos Titton
Vinhos Viapiana
Vinícola Barcarola
Vinícola Cainelli
Vinícola Cave De Angelina Ltda
Vinícola Cristofoli
Vinícola D'bastiani Ltda Me
Vinícola Dom Candido
87
Aglomeração Vinícola
Vinícola Dom Herminio Ltda
Vinícola Gazzaro Ltda
Vinícola Gheller
Vinícola Giaretta
Vinícola Marco Luigi Ltda
Vinícola Mena Kao Ltda
Vinícola Pagliosa
Vinícola Torcello
88
APÊNDICE B – Instrumento de coleta de dados
Prezado Empresário!
Este questionário faz parte de uma pesquisa que está sendo realizada na Faculdade IMED,
sob a coordenação do professor Dr. Claudionor Guedes Laimer e tem como objetivo investigar o papel
das aglomerações territoriais no desenvolvimento de inovações e na melhoria do desempenho das
vinícolas em regiões vitivinícolas.
Salientamos que todos os dados e informações obtidos nesta pesquisa são de caráter
confidencial e destinam-se ao estudo acadêmico. Não serão divulgados dados ou informações
individuais das vinícolas, apenas dados coletivos serão divulgados. Os resultados obtidos serão
enviados aos participantes após a conclusão do estudo.
Agradecemos desde já a sua colaboração.
Tamires Bressiani Pagnussatt | Pesquisadora (54) 99666-1907
Claudionor Guedes Laimer | Pesquisador (54) 99915-3493
QUESTIONÁRIO Nº _____
Dados de identificação da vinícola:
Nome da vinícola: Município:
Ano de início das atividades: Número de funcionários:
Produção de vinho no último ano (em litros):
Produção de uva no último ano (em toneladas):
Compra de uva no último ano (em toneladas):
Área plantada no último ano (em hectares):
Assinale com um “X” na alternativa que corresponde à realidade da vinícola:
Qual é o porte (tamanho) da vinícola? [ ] Microempresa [ ] Pequena [ ] Média [ ] Grande
Inferior a R$ 360.000,00 Entre R$ 360.000,00 a R$ 3.600.000,00 Entre R$ 3.600.000,00 a R$ 20.000.000,00 Superior a R$ 20.000.000,00
A vinícola possui marca de vinho? [ ] Não. [ ] Sim. Quais?
A vinícola faz parte de alguma associação? [ ] Não faz parte. [ ] Sim. AGAVI [ ] Sim. APROBELO [ ] Sim. AVIGA. [ ] Sim. Outra, qual?
Com base na sua experiência, gostaria que o (a) Sr(a). avaliasse cada uma das afirmativas, indicando
a sua opinião quanto ao grau de concordância ou discordância. Considere as interações da vinícola
89
como sendo os contatos entre os proprietários e/ou funcionários. Marque um “X” no número que
melhor representa a sua opinião.
Aprendizagem Coletiva Qual é o seu grau de concordância?
Discordo totalmente
Concordo totalmente
1 A vinícola interage com outras vinícolas e com entidades em reuniões, cursos, feiras, etc.
0 1 2 3 4 5 6 7 8 9 10
2 A vinícola interage com outras vinícolas e com entidades em festas e eventos sociais e de lazer.
0 1 2 3 4 5 6 7 8 9 10
3
A vinícola interage com outras vinícolas, fornecedores, compradores e entidades através do contato:
a) pessoal / presencial (face a face) 0 1 2 3 4 5 6 7 8 9 10
b) por telefone 0 1 2 3 4 5 6 7 8 9 10
c) por e-mail 0 1 2 3 4 5 6 7 8 9 10
d) outro: 0 1 2 3 4 5 6 7 8 9 10
Aprendizagem Coletiva Qual é o seu grau de concordância?
Discordo totalmente
Concordo totalmente
4
A vinícola usa conhecimentos gerados sobre a produção e venda de uva e vinho, por:
a) outras vinícolas 0 1 2 3 4 5 6 7 8 9 10
b) fornecedores (matéria-prima e equipamentos) 0 1 2 3 4 5 6 7 8 9 10
c) loja especializada 0 1 2 3 4 5 6 7 8 9 10
d) hotéis e restaurantes 0 1 2 3 4 5 6 7 8 9 10
e) supermercado 0 1 2 3 4 5 6 7 8 9 10
f) atacado/distribuidor 0 1 2 3 4 5 6 7 8 9 10
g) Emater 0 1 2 3 4 5 6 7 8 9 10
h) Embrapa 0 1 2 3 4 5 6 7 8 9 10
i) Ibravin 0 1 2 3 4 5 6 7 8 9 10
j) Sindivinho 0 1 2 3 4 5 6 7 8 9 10
l) universidades 0 1 2 3 4 5 6 7 8 9 10
m) associação empresarial 0 1 2 3 4 5 6 7 8 9 10
n) Outro: 0 1 2 3 4 5 6 7 8 9 10
Transferência de Conhecimento Qual é o seu grau de concordância?
Discordo totalmente
Concordo totalmente
5 A vinícola participa de reuniões técnicas para troca de conhecimento sobre a produção de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
6 A vinícola desenvolve projeto com outras vinícolas ou entidades para a produção de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
7 A vinícola realiza compra e venda em conjunto com outras vinícolas.
0 1 2 3 4 5 6 7 8 9 10
8 A vinícola realiza a produção de uva ou vinho em conjunto com outras vinícolas.
0 1 2 3 4 5 6 7 8 9 10
Capital social estrutural Qual é o seu grau de concordância?
Discordo totalmente
Concordo totalmente
10 A vinícola mantém contato frequente com outras vinícolas, fornecedores, compradores e entidades.
0 1 2 3 4 5 6 7 8 9 10
11 Conhecemos pessoalmente as vinícolas e entidades com as quais mantemos contato.
0 1 2 3 4 5 6 7 8 9 10
12 As vinícolas e entidades com as quais mantemos contatos frequentes se conhecem.
0 1 2 3 4 5 6 7 8 9 10
13 As vinícolas participam de eventos sociais e de lazer com as outras vinícolas.
0 1 2 3 4 5 6 7 8 9 10
14 As vinícolas trocam informações e conhecimentos sobre produção e venda de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
15 As vinícolas que trocam informações e conhecimentos se conhecem.
0 1 2 3 4 5 6 7 8 9 10
Qual é o seu grau de concordância?
90
Capital social relacional Discordo
totalmente
Concordo totalmente
16 Existem relacionamentos interpessoais entre os proprietários e/ou funcionários das vinícolas.
0 1 2 3 4 5 6 7 8 9 10
17 Os relacionamentos são caracterizados pelo respeito mútuo entre as vinícolas.
0 1 2 3 4 5 6 7 8 9 10
18 Os relacionamentos são caracterizados por confiança mútua entre as vinícolas.
0 1 2 3 4 5 6 7 8 9 10
19 Os relacionamentos são caracterizados pela alta reciprocidade entre as vinícolas.
0 1 2 3 4 5 6 7 8 9 10
20 Os relacionamentos são caracterizados por amizade pessoal entre proprietários das vinícolas.
0 1 2 3 4 5 6 7 8 9 10
Capital social cognitivo Qual é o seu grau de concordância?
Discordo totalmente
Concordo totalmente
21 A vinícola compartilha os mesmos interesses das outras vinícolas.
0 1 2 3 4 5 6 7 8 9 10
22 A vinícola tem interesse em buscar objetivos comuns ou coletivos com outras vinícolas.
0 1 2 3 4 5 6 7 8 9 10
23 A vinícola compartilha seus objetivos com outras vinícolas.
0 1 2 3 4 5 6 7 8 9 10
24 A vinícola entente a estratégia e as necessidades das outras vinícolas.
0 1 2 3 4 5 6 7 8 9 10
25 Os funcionários de minha vinícola e das outras vinícolas cooperam entre si.
0 1 2 3 4 5 6 7 8 9 10
26 As vinícolas geralmente concordam sobre a forma de cooperar.
0 1 2 3 4 5 6 7 8 9 10
Inovação Qual é o seu grau de concordância?
Discordo totalmente
Concordo totalmente
27 A vinícola desenvolveu inovação de produto ou de processo com outras vinícolas ou entidades.
0 1 2 3 4 5 6 7 8 9 10
28 A vinícola desenvolveu projeto de pesquisa com outras vinícolas ou entidades.
0 1 2 3 4 5 6 7 8 9 10
29 A vinícola desenvolveu novos produtos ou processos de produção nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
30 A vinícola melhorou significativamente produtos ou processo de produção nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
31 A vinícola investiu em pesquisa e desenvolvimento de produtos ou processos nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
32 A vinícola contratou e/ou investiu em treinamento de funcionários para inovação nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
Condições Físicas e Tecnológicas Qual é o seu grau de concordância?
Discordo totalmente
Concordo totalmente
33 A vinícola tem acesso à novas tecnologias para produção de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
34 A vinícola tem acesso à insumos ou matéria-prima para produção de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
35 A vinícola tem acesso à mão de obra qualificada para produção de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
36 A vinícola tem acesso à recursos financeiros para financiar à produção de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
37 A vinícola tem acesso às condições favoráveis (solo, clima, etc.) para produção de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
38 A vinícola tem acesso às instituições de apoio locais ou regionais para produção de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
39 A vinícola tem fornecedores regionais de insumos e matéria-prima para produção de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
91
40 A vinícola tem compradores regionais para a venda de uva e vinho.
0 1 2 3 4 5 6 7 8 9 10
Desempenho Qual é o seu grau de concordância?
Discordo totalmente
Concordo totalmente
41 Houve aumento no faturamento da vinícola nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
42 Houve crescimento nas vendas da vinícola nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
43 Houve redução de custos de produção da vinícola nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
44 Houve aumento da rentabilidade da vinícola nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
45 Houve aumento na produtividade da vinícola nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
46 Houve aumento no lucro da vinícola nos últimos 5 anos.
0 1 2 3 4 5 6 7 8 9 10
47) Relacione em ordem de importância as 5 vinícolas e/ou instituições com as quais você mantém
contato para troca de informações e conhecimentos sobre a produção e venda de uva e vinho.
1. ______________________________________________________________________________
2. ______________________________________________________________________________
3. ______________________________________________________________________________
4. ______________________________________________________________________________
5. ______________________________________________________________________________
Caso deseje receber uma cópia do resultado final desta pesquisa, por favor, informe um e-
mail para que possamos entrar em contato futuramente:
E-mail: ___________________________________________________________________
MUITO OBRIGADA PELA SUA PARTICIPAÇÃO!