I risultati del modello strutturale

Per testare le ipotesi è stato utilizzato il modello delle equazioni strutturali. Prima di presentare i risultati del test delle relazioni ipotizzate, vengono riportati i valori degli indicatori che misurano il generale fit del modello ai dati. Si tratta di indicatori che prendono in esame tanto il modello di misurazione quanto il modello strutturale e questo rappresenta uno dei principali vantaggi che offre l’utilizzo del sistema di equazioni strutturali, che in questo studio sono state calcolate con l’ausilio del software Lisrel 8.5. Preliminarmente, va specificato che il modello è stato calcolato usando il metodo della maximum likelihood (ML). Il fit del modello ai dati è calcolato usando i seguenti indicatori: root mean square of approximation (RMSEA), test of close fit, root mean square of residual (RMR) chi-square per i gradi di libertà, il comparative index fit (CFI), il goodness of fit index (GFI), e, infine, adjusted fit index (AGFI). Il primo indicatore calcolato è RMRS ossia la differenza della radice della media dei quadrati tra la matrice di covarianza della popolazione e la matrice di covarianza ottenuta adattando il modello

alla popolazione per i gradi di libertà (Brown e Cudeck, 1993). Il test of close fit testa l’ipotesi nulla che l‘indice RMSEA sia inferiore a 0.05 (RMSEA nel modello testato è pari a circa 0.043), anche RMR mostra un buon fit con i dati (RMR=0,036). Il chi-square è di circa 16.14 (df=12 e P-value= 0.18504), il valore del chi-square è abbastanza contenuto e statisticamente non significativo, ciò implica che può essere accettata l’ipotesi nulla che la matrice di covarianza osservata sia uguale a quella teorica. Sulla base di questa statistica, quindi, dovrebbe essere accettata l’ipotesi che il modello specificato sia vero. Occorre comunque specificare che non è sufficiente considerare solo il valore del chi-square per falsificare il modello, ma è necessario analizzare anche i valori assunti dalle altre misure di adattamento specificate sopra. In particolare, il GFI è pari a circa 0.98, AGFI è di circa 0.94, e il CFI di circa 0.99. Tutti questi indici suggeriscono un ottimo fit del modello considerato nel suo complesso.

Dopo aver accertato che il modello teorico ipotizzato costituisce una buona approssimazione dei dati, si può passare alla stima e alla valutazione del modello strutturale con il relativo test delle ipotesi 1 e 2. La figura 2 offre una rappresentazione sintetica sia delle relazioni causali che di quelle di misurazione ipotizzato.

Figura 4.2 -Relazione tra preventive capacity e performance mediata dal costrutto ‘metacognizione’

L’ipotesi 1 che sostiene l’esistenza di una relazione negativa tra il costrutto di secondo ordine ‘preventive capacity’ e le performance delle imprese è supportata. Il coefficiente standardizzato di tale relazione, come emerge anche dalla figura 2, è pari a circa -0.81. Il coefficiente di tale relazione è statisticamente significativo dal momento che il t-value è pari a circa -2.67. Dunque, i risultati indicano che la preventive capacity, volta al superamento di una serie di ostacoli che limitano l’implementazione di scelte che consentono di recepire i cambiamenti esterni, basata principalmente sulla passata esperienza, impatta negativamente sulla capacità dell’azienda di ottenere performance positive. Più in dettaglio, gli investimenti diretti al superamento di inerzia e trappole delle competenze, rigidità e ambiguità causale non sono capaci di fornire una risposta adeguata alle sfide che i cambiamenti di un ambiente ipercompetitivo come nel caso del settore vitivinicolo italiano determinano. Dunque la relazione tra lo sviluppo di preventive capacity e performance deve essere analizzata tenendo in considerazione altri fattori. In questo studio si pone l’accento su aspetti

- 0.81 0.92 0.84 Preventive Capacity Performance Metacognizione

riguardanti l’approccio utilizzato dai manager o imprenditori nell’adottare una serie di scelte che portano all’implementazione di importanti cambiamenti sia nella struttura organizzativa che nelle politiche strategiche adottate. Più in dettaglio il processo cognitivo analizzato è la metacognizione che individua un approccio strategico al modo di apprendere. Quindi i manager o imprenditori seguendo lo schema di apprendimento individuato dalle strategie metacognitive possono interpretare i cambiamenti non più basandosi sulla loro passata esperienze ma bensì sulle nuove esigenze del mercato.

Ciò introduce la seconda ipotesi del modello analizzato in questa ricerca. Si ipotizza, infatti, che il costrutto di metacognizione abbia un effetto di mediazione positivo sulla relazione tra preventive capacity e performance. I test condotti supportano tale ipotesi. La relazione tra preventive capacity e metacognizione presenta un coefficiente pari a circa 0.84 con un t-value di circa 8.14, pertanto, tale relazione oltre ad presentarsi particolarmente rilevante è anche statisticamente significativa. La seconda parte del modello di moderazione è costituita dal legame tra metacognizione e performance. Il coefficiente di tale relazione è pari a circa 0.92 e il t-value è di circa 2.92, valore che conferma la significatività statistica di tale relazione. Dunque, la relazione di moderazione, pari a 0,77, impatta positivamente sul legame tra preventive capacity e performance supportando l’ipotesi 2.

4.7 Conclusione

I risultati della ricerca suggeriscono importanti implicazioni per il campo di ricerca dello strategic management. Le imprese, e non solo quelle del settore del vino, si trovano oggi ad affrontare in modo continuo nuove sfide competitive dettate da una serie di fattori come il tasso esponenziale di evoluzione tecnologica, il rapido cambiamento nei gusti e nei modi di consumare prodotti e servizi, la crescente velocità di circolazione delle informazioni. Questo determina per le imprese una serie di opportunità e di minacce che esse devono essere capaci di gestire per rimanere competitive

su mercati sempre più frenetici. L’approccio utilizzato dalle imprese è da sempre quello basato sulla passata esperienza che doveva supportare il raggiungimento di un ambizioso obiettivo ossia sviluppare nuova conoscenza e nuove competenze adatte a fronteggiare i cambiamenti quindi le nuove sfide competitive. Le principali sfide interne nell’implementazione di cambiamenti sono costituite proprio da ciò che un tempo determinava vantaggio competitivo. Le imprese quindi devono superare ostacoli come l’inerzia, la trappole delle competenze, la rigidità e ambiguità causale. Tuttavia, l’approccio basato sull’esperienza maturata nel corso del tempo non rappresenta la soluzione che consente di gestire il cambiamento in modo adeguato, come suggerito dai risultati della ricerca. Una possibile alternativa può essere rappresentata da un approccio che sfrutta un concetto importato dalla psicologia, ossia la metacognition, e che tende a schematizzare il processo decisionale. I risultati della ricerca indicano che tale approccio incide positivamente non solo sulle performance ma può anche mediare nella relazione tra un approccio più tradizionale al superamento degli ostacoli che inibiscono una efficiente implementazione dei cambiamenti e i risultati aziendali.