XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO

A integração de cadeias produtivas com a abordagem da manufatura sustentável.

Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

UTILIZAÇÃO DE UM MODELO DE
VARIÁVEIS LATENTES NA
AVALIAÇÃO DOS FATORES QUE
AFETAM O COMPORTAMENTO DE
COMPRA: UM CASO NA INDÚSTRIA
AUTOMOBILÍSTICA
Pedro Ivo Guedes (ITA)
pedroivo.guedes@gmail.com
Rodrigo Arnaldo Scarpel (ITA)
rodrigo@ita.br

No desenvolvimento de novos produtos e na estimação de seu potencial

de vendas é fundamental compreender os desejos dos consumidores
buscando determinar a combinação de atributos que otimizaria suas
vendas. Para lidar com essa questão, uma possível alternativa é
empregar um modelo de variáveis latentes que auxiliam no
entendimento do comportamento dos consumidores e na identificação
de quais fatores mais influenciam na decisão de compra dos
consumidores. O presente trabalho tem por objetivo identificar quais
os fatores que afetam o comportamento de compra através de um
modelo de variáveis latentes. Para tal foi utilizado um caso na
indústria automobilística, para avaliar a importância relativa dos
fatores determinantes das vendas de veículos de passeio e utilitários e
capturar os desejos “top-level” de consumidores.

Palavras-chaves: Potencial de mercado, Variáveis latentes

 XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

1. Introdução
Em um ambiente competitivo, caracterizado pela contínua inovação dos produtos e pelas
constantes mudanças, a sistemática e consistente transformação de informações em
conhecimento têm se tornado cada vez mais importante. Foi neste ambiente competitivo e
com esse propósito que surgiu a inteligência de mercado que auxilia no processo de tomada
de decisões quanto à definição de mercado e do público-alvo, em análise da concorrência e da
estrutura de mercado, no desenvolvimento de novos produtos e na estimação do seu potencial
de vendas.
No que diz respeito ao desenvolvimento de novos produtos e na estimação de seu potencial de
vendas é fundamental compreender, dentre outras coisas: (i) o desejo dos consumidores no
momento de trocar o produto por um modelo mais atual da mesma empresa, ou por um
produto de uma empresa concorrente, ou de adquirir o produto pela primeira vez; (ii) qual o
melhor momento para se lançar um produto no mercado, qual a configuração que otimiza as
vendas e ainda quais modificações deveriam ser feitas nos atuais produtos.
Para lidar com essas questões, uma possível alternativa é empregar um modelo de variáveis
latentes que auxiliam no entendimento do comportamento dos consumidores e na
identificação de quais fatores mais influenciam em sua decisão de compra.
Assim, o presente trabalho tem por objetivo identificar quais os fatores que afetam o
comportamento de compra através de um modelo de variáveis latentes. Para tal foi utilizado
um caso na indústria automobilística, para avaliar a importância relativa dos fatores
determinantes das vendas de veículos de passeio e utilitários e capturar os desejos “top-level”
de consumidores.
2. Previsão do potencial de mercado de produtos novos
No processo de desenvolvimento de novos produtos, um modelo de previsão do potencial de
mercado é crucial para a avaliação tanto de seu potencial de geração de lucro quanto para
determinação do custo associado para sua produção (WASSENAAR et al., 2004).
São vários os modelos de previsão do potencial de mercado de produtos novos. Donndelinger
e Cook (1997) propuseram o chamado Modelo-S, que utiliza uma expansão de Taylor em
relação a um ponto de referência, em que o valor e o preço de todos os produtos sejam
idênticos, resultando em um modelo de demanda igual para cada produto. Li e Azarm (2000)
propuseram uma abordagem em que a demanda pelos produtos é estimada pela comparação
do valor das utilidades multiatributo de todos os produtos ofertados pelo mercado. Besharati
et al. (2002) propuseram uma abordagem em que a demanda pelos produtos é estimada a
partir da utilidade esperada pelos consumidores tomando-se os valores de utilidade
multiatributos dos produtos, obtidos com análise conjunta (GREEN E WIND, 1975),
assumindo que os clientes compram um produto quando os atributos satisfazem a
determinados limites.
Georgiopoulos et al. (2002) foram os primeiro a utilizar o conceito de portfólio de produtos
para estimar potencial de mercado. Assim, propuseram um modelo econômico de demanda
para avaliar o portfólio dos produtos de uma empresa.
Outra possibilidade é a criação de modelos de previsão de demanda, ou da fatia de mercado,
utilizando modelos de escolhas discretas. Wassenaar e Chen (2003) utilizaram um modelo de

2
 XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

escolhas discretas em que os dados de indivíduos, ao invés da média de grupos de indivíduos,

são utilizados para representar as preferências pelos atributos de um produto. A vantagem
desse método consiste na possibilidade de capturar variações nas características dos
indivíduos evitando vícios encontrados quando se utiliza preferências agregadas.
Modelos de variáveis latentes foram utilizados por Wassenaar et al. (2004) com o intuito de
capturar os desejos “top-level” de consumidores e suas percepções integrando-os utilizando
um modelo de escolhas discretas. De forma geral, os modelos de variáveis latentes são
empregados quando o interesse é medir fatores não observáveis, que possuem um significado
intuitivo para todos, porém que na maioria das vezes não podem ser medidos diretamente.
Esses fatores são chamamos de variáveis latentes. Assim, embora esses fatores possam ser
facilmente descritos e listados, como conforto, performance, acessibilidade e inteligência, eles
não podem ser diretamente medidos ou observáveis como, por exemplo, altura, peso e
comprimento.
3. O modelo de variáveis latentes
O modelo de variáveis latentes surgiu como uma técnica que se propõe a capturar a percepção
do consumidor com o uso de dados psicométricos, obtidos muitas vezes através de
questionários (EVERITT, 1984). As perguntas psicométricas do exame pedem que os
consumidores indiquem quão satisfeitos ou insatisfeitos eles estão com respeito aos aspectos
das variáveis latentes. O nível do desempenho da variável latente pode ser medido usando as
avaliações que os clientes dão nos aspectos relacionados ao desempenho, por exemplo,
potência na ultrapassagem, velocidade de cruzeiro, entre outros (LOEHLIN, 1998).
Modelos de variáveis latentes se relacionam à análise fatorial confirmatória e aos modelos de
equações estruturais, sendo um dos mais abrangentes e flexíveis de todas as abordagens
disponíveis para determinação dos fatores que impactam na demanda por produtos. Keesling
(1972), Joreskog (1973), Wiley (1973) e Bentler (1980) contribuíram para a teoria das
variáveis latentes desenvolvendo a formulação das equações estruturais e das medidas e uma
metodologia para especificar e estimar modelos de variáveis latentes (BEN-AKIVA et al.,
2002).
O modelo de variáveis latentes (Figura 1) mede o relacionamento entre as variáveis latentes
(L), ou fatores, e os indicadores (I). A forma funcional das equações estruturais não é
prescrita, mas é freqüentemente suposta como aditiva. O modelo das medições contém uma
equação para cada indicador. Assim,
p
I i = ∑ α ij Lij + υ i , i = 1,..., k (1)
j =1

em que αij são os parâmetros a serem estimados (i = 1,...,k e j = 1,...,p), sendo p o número de
variáveis latentes do modelo e k o número de indicadores existentes e ν é o erro aleatório,
freqüentemente suposto como normalmente distribuído, e é uma indicação da qualidade do
ajuste do modelo, isto é, ν é uma indicação de quão bom a equação da medida explica a
variação encontrada nos valores observados do indicador.
De forma matricial, o modelo de variáveis latentes é representado por
I = αI L + υ (2)
em que I é o vetor dos indicadores (kx1, em que k é o número de indicadores), αI é uma

3
 XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

matriz de cargas fatoriais (k x p, em que p é o número de fatores ou variáveis latentes) e ν é o

vetor dos erros aleatórios (kx1). A matriz de variâncias e covariâncias entre os indicadores, Σ
(p x p), é dada por

Σ = α I Φα Ι Τ + Θ υ (3)
em que αI é a matriz de cargas fatoriais (p x m, em que m é o número de fatores ou variáveis
latentes), Σ é uma matriz (p x p) com as variâncias e covariâncias entre as variáveis latentes e
Θν é uma matriz (k x k) com as variâncias e covariâncias entre os erros aleatórios. Desta
forma, o processo de estimação dos parâmetros, que é feito utilizando o método da máxima
verossimilhança, pode ser encarado como uma decomposição da matriz de variâncias e
covariâncias entre os indicadores para se obter a matriz de cargas fatoriais.

Figura 1 – Exemplo de modelo de variáveis latentes

A implementação do modelo de variáveis latentes envolve quatro etapas. Na primeira, deve-se

escolher quantas e quais variáveis latentes (L) serão empregadas, sendo que essa escolha é
baseada, principalmente, na experiência do pesquisador e na compreensão do problema em
estudo. A segunda etapa é dedicada a identificação dos indicadores I, para que cada variável
latente, sendo que essa escolha também é baseada na experiência dos pesquisadores em
relação ao problema em estudo. A terceira etapa envolve a determinação das equações
estruturais e das equações de medição para o modelo de variáveis latentes Na quarta etapa, o
desenvolvimento da função da máxima verossimilhança e a estimação dos parâmetros do
modelo são realizados, conforme explicado anteriormente.
Neste trabalho, focou-se a identificação de quais os fatores mais afetam o comportamento de
compra de veículos de passeio e utilitários através de um modelo de variáveis latentes
buscando avaliar a importância relativa dos fatores determinantes e capturar os desejos “top-
level” de consumidores.
4. Análises e resultados
O estudo realizado, neste trabalho se propôs a analisar os fatores que afetam o comportamento
de compra de veículos de passeio e utilitários. Para isso, foram coletados dados de vendas (em
mil unidades) de 41 modelos de veículos de 12 marcas diferentes (Chevrolet, Fiat, Ford,
Volkswagen, Audi, Toyota, Mitsubishi, Peugeot, Honda, Renault, Mercedes e Citroën), no
ano de 2005, além dos atributos: potência do motor (em CV), preço de venda (em R$mil),
número de concessionárias (em unidades) de cada uma das marcas, comprimento do veículo
(em centímetros), altura do veículo (em centímetros) e volume do porta-malas do veículo (em

4
 XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

litros). Todos os dados foram padronizados para eliminar o efeito de escala.

Foi considerado que a demanda dos automóveis depende, principalmente, de quatro fatores:
acessibilidade, performance, disponibilidade e porte, que foram as variáveis latentes
escolhidas neste estudo. Em relação aos indicadores relacionados a cada um dos fatores,
apenas o indicador preço do veículo foi associado ao fator acessibilidade, somente o indicador
número de concessionárias foi associado ao fator disponibilidade, apenas o indicador potência
do veículo foi associado ao fator performance e três indicadores: comprimento, altura e
volume do porta-malas, foram associados ao porte do veículo. Para a variável latente demanda
somente um indicador foi associado (vendas no ano de 2005). No que diz respeito à relação
entre as variáveis latentes, considerou-se que há associação entre a acessibilidade e a
performance, uma vez que os veículos com maior performance tendem a ser menos
acessíveis, entre a acessibilidade e o porte, visto que os veículos de maior porte tendem a ser
menos acessíveis e entre a performance e o porte, dado que os veículos de maior porte
demandam maior performance. A Figura 2 mostra o modelo de demanda proposto para o
estudo das variáveis latentes.
Para facilitar o entendimento da estrutura do modelo proposto adotou-se a seguinte
nomenclatura para as variáveis latentes:
F1 = Demanda
F2 = Acessibilidade
F3 = Performance
F4 = Porte
F5 = Disponibilidade
I1 = Número de concessionárias (unidades)
I2 = Preço (R$mil)
I3 = Vendas em 2005 ( mil unidades)
I4 = Potência (CV)
I5 = Volume de porta-malas (litros)
I6 = Comprimento do veículo (centímetros)
I7 = Altura do veículo (centímetros)

5
 XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Vendas 2005

Demanda

Acessibilidade
Disponibilidade Performance Porte

Preço Número de Comprimento Altura Porta-Malas

Concessionárias Potência

Figura 2 – Modelo de demanda proposto para o estudo das variáveis latentes

As equações estimadas, empregando o método da máxima verossimilhança, para o modelo

proposto (Figura 2) são:

F1 = 0,241 F2 – 0,099 F3 – 0,171 F4 + 0,181 F5 + 0,865

I1 = 0,999 F5 + 1,000
I2 = 1,005 F2 + 0,068
I3 = 1,007 F1 + 1,000
I4 = 1,003 F3 + 0,171
I5 = 0,850 F4 + 0,526
I6 = 0,921 F4 + 0,389
I7 = 0,429 F4 + 0,903
Em relação aos parâmetros estimados, todos foram significativos ao nível de 1%. Desta
forma, as contribuições de cada atributo neste modelo, podem ser vistas no diagrama da
Figura 3.
A partir dos resultados obtidos verifica-se que a variável latente, ou fator, que mais impacta
na demanda por veículos de passeio e utilitários é a acessibilidade, seguida pela
disponibilidade, depois pelo porte e a variável latente com menor impacto na demanda é a
performance dos veículos. Quanto ao impacto dessas variáveis latentes na demanda, como
esperado, quanto maior a acessibilidade e/ou a disponibilidade, maior será a demanda e
quanto maior o porte e/ou a performance menor será a demanda. A Figura 4 mostra o impacto
das variáveis latentes consideradas.
Para avaliar a importância relativa de cada uma das variáveis latentes na demanda por
veículos de passeio e utilitários tomou-se a razão entre o valor absoluto da sua carga fatorial e
a soma dos valores absolutos da carga fatorial de todas as variáveis latentes. Desta forma,

6
 XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

estima-se que a importância relativa da acessibilidade é de 35%, da disponibilidade é de 26%,

do porte é de 25% e da performance é de apenas 14%. A Figura 5 mostra a importância
relativa de cada uma das variáveis latentes do estudo.

Vendas 2005

Demanda

Acessibilidade
Disponibilidade Performance Porte

Preço Número de Comprimento Altura Porta-Malas

Concessionárias Potência

Figura 3 – Parâmetros estimados para o modelo proposto

Esses resultados mostram o quanto o preço e a facilidade de compra influenciam na demanda,

ou seja, quanto menor for o preço e quanto maior for o número de concessionárias, maior
serão as vendas de veículos, o que para a realidade brasileira é bem intuitivo.
Em relação ao efeito negativo que a performance e o porte apresentam, uma possível
explicação, é que um incremento nesses acarreta um aumento do custo de produção para as
montadoras e conseqüentemente um aumento no preço para o consumidor.
Outro resultado gerado pelo modelo se refere à variável porte. Embora, nos últimos anos, a
altura do veículo venha sendo explorada como um diferencial no espaço interno dos veículos,
os resultados mostram que esse é o indicador menos influenciado pelo porte, sendo menos da
metade da influencia nos indicadores comprimento e volume do porta-malas.

7
 XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

0,3
0,25
0,2
0,15
0,1
0,05
Performance Porte
0
Acessibilidade Disponibilidade
-0,05
-0,1
-0,15
-0,2

Figura 4 – Impacto de cada variável latente na demanda de veículos

No que diz respeito aos desejos “top-level” dos consumidores, o estudo mostra que a
acessibilidade do produto, como já era esperado, é o maior dos desejos. Analisando a
importância do fator disponibilidade, fica claro que os consumidores desejam que as
montadoras tenham um grande número de concessionárias, provavelmente, pela importância
dos serviços de manutenção e reparos que esse produto demanda.

Porte
25%
Acessibilidade
35%

Performance
14%

Disponibilidade
26%

Figura 5 – Importância relativa de cada variável latente na demanda de veículos

5. Comentários e conclusões
Este trabalho foi proposto com o objetivo de apresentar o modelo de variáveis latentes como
uma abordagem analítica útil no tratamento de problemas pertinentes à inteligência de
mercado. Assim, explorou-se a avaliação dos fatores que impactam no comportamento de
compra dos consumidores com o objetivo de capturar sues desejos “top-level”.
Para tal foi utilizado um caso na indústria automobilística em que se identificou que a maior
importância é dada a acessibilidade do produto. Assim, as questões relacionadas ao preço e a
outros mecanismos que facilitem o acesso ao produto, como, por exemplo, as linhas de crédito

8
 XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

disponíveis e as taxas de juros praticadas devem ser exploradas pelas montadoras.

Outro fator identificado com grande importância é a disponibilidade, indicando que a
ampliação da rede de concessionárias deve ser considerada como uma questão de alta
prioridade pelas montadoras, principalmente as que pretendem se instalar no país.
Como sugestão para trabalhos futuros pretende-se segmentar os veículos de passeio e
utilitários para captar os desejos dos consumidores para os diferentes segmentados que serão
identificados. Assim, os direcionadores poderão refletir os desejos enfocando diferentes
segmentos de mercado. Além disso, pretende-se utilizar o modelo proposto para a previsão de
demanda de veículos de passeio e utilitários para avaliar sua performance preditiva.

Referências
BENTER, P. M. Multivariate Analysis with Latent Variables. Annual Review of Psychology Vol. 31, p. 419-
456, 1980.
BESHARATI, B.; AZARM, S. & FARHANG-MEHR, A. A Customer-Based Expected Utility for Product
Design Selection. Proceedings of the ASME Design Engineering Technical Conference, Montreal, Canada,
2002.
BEN-AKIVA, M.; WALKER, J.; BERNARDINO, A. T.; GOPINATH, D. A.; MORIKAWA, T. &
POLYDOROPOULOU, A. Integration of Choice and Latent Variable Models, In: Perceptual Motion: Travel
Behaviour Research Opportunities and Application Challenges. Elsevier Science, 2002.
DONNDELINGER, J. & COOK, H. E. Methods for Analyzing the Value of Automobiles. SAE Paper 970762,
Warrendale, PA, Society of Automotive Engineers, Inc., 1997.
EVERITT, B.S. An Introduction to Latent Variable Models, Monographs on Statistical and Applied
Probability. Chapman and Hall, 1984.
GEORGIOPOULOS, P.; FELLINI, R.; SASENA, M. & PAPALAMBROS, P. Y. Optimal Design Decisions
in Product Portfolio Valuation. Proceedings of the 2002 ASME Design Engineering Technical Conferences,
Montreal, Canada, 2002.
GREEN, P. E. & WIND, Y. New Ways to Measure Consumer Judgments. Harvard Business Review, 1975.
JORESKOG, K. G. A General Method for Estimating a Linear Structural Equation System, Structural Models
in the Social Sciences. Eds. Academic Press, New York, 1973.
KEESLING, J. W. Maximum Likelihood Approaches to Causal Analysis. Ph.D. Thesis, University of Chicago,
1972.
LI H. & AZARM, S. Product Design Selection under Uncertainty and with Competitive Advantage. ASME
Design Technical Conference, DETC2000/DAC-14234, Baltimore MD, 2000.
LOEHLIN, J. C. Latent Variable Models, an introduction to factor, path, and structural analysis.. 3rd ed.
Mahwah, NJ: L. Erlbaum Associates, 1998.
WASSENAAR, H.J. & CHEN, W. Enhancing Discrete Choice Demand Modeling for Decision-Based Design.
DETCDTM48683, Proceedings of the 2003 ASME Design Engineering Technical Conferences, Chicago, IL.,
2003.
WASSENAAR, H. J.; CHEN, W.; CHENG, J. & SUDJIANTO, A. An Integrated latent variable choice
modeling for enhancing product demand modeling. Proceedings of DETC’04, ASME 2004 Design Engineering
Technical Conference, Salt Lake City, Utah, 2004.
WILEY, D. E. The Identification Problem for Structural Equation Models with Unmeasured Variables,
Structural Models in the Social Sciences. Eds. Academic Press, New York, 1973.