Riskli Yapı Tespiti Raporu ve Rapora KarĢı Ġtiraz

Os dados foram tratados de forma quantitativa, utilizando-se técnicas de estatística multivariada através do software SPSS 15.0.

Para atender os objetivos específicos da pesquisa, a análise de dados contemplou informações estatísticas descritivas, análise de correlações, regressão linear, análise fatorial e análise discriminante.

A caracterização do perfil dos consumidores e de sua viagem, assim como a identificação dos canais de distribuição utilizados realizaram-se através do uso de tabelas, gráficos de barras e de histogramas, apresentando a curva de distribuição de freqüências das variáveis e suas respectivas médias.

A análise de correlações entre as características do consumidor, os canais de distribuição utilizados e os níveis de influência exercidos pelos intermediários na escolha de hotel constitui o objetivo específico “d” da pesquisa. Portanto, esta etapa da análise de dados teve como finalidade básica buscar correlações entre as variáveis medidas em cada uma das três partes do instrumento de coleta de dados. Para isso, utilizou-se do coeficiente de correlação de Pearson e de dois índices de correlação não-métrica, o rho de Spearman e o tau de Kendall (Kendall’s taub).

A análise multivariada exige a realização de alguns testes para verificar se os dados coletados atendem aos pressupostos básicos e se têm determinadas características que permitem a aplicação de técnicas como a análise fatorial e a análise discriminante. Dentre estes pressupostos básicos para a análise multivariada está a verificação da normalidade dos dados. Para isso, verificaram-se os histogramas de cada uma das variáveis, observando se a curva de freqüências se aproximou da normal. Em seguida, observaram-se os gráficos de normalidade para cada uma das variáveis. Por fim, efetuaram-se os testes de normalidade de Kolmogorov-Smirnov e de Shapiro-Wilks. Este procedimento, foi realizado, observando as colocações de Hair et al. (1998, p. 71-73, tradução nossa),

O teste que diagnostica a normalidade mais simples é a verificação visual do histograma, em que se compara se a distribuição dos valores dos dados observados se aproxima da distribuição normal. [...] Um abordagem mais confiável é o gráfico de normalidade, que compara a distribuição acumulada dos valores dos dados atuais com a distribuição acumulada de uma distribuição normal. [...] Além de examinar o gráfico de normalidade, também se pode utilizar testes estatísticos para avaliar a normalidade. [...] Testes específicos também estão di sponíveis no SPSS [...] e na maioria dos outros programas. Os dois mais comuns são o teste de Shapiro-Wilks e o teste de modificação de Kolmogorov-Smirnov.

Para a determinação de uma função explicativa para o nível de influência dos intermediários na escolha do meio de hospedagem pelo consumidor, utilizou-se da técnica de regressão linear múltipla com a variável dependente métrica Profissional_influenciou e com todas as demais variáveis métricas da pesquisa como independentes. Para isso, fez-se uso do método de estimação stepwise, que consiste na mais popular abordagem seqüencial de seleção de variáveis. “Esta abordagem permite ao pesquisador examinar a contribuição de cada uma das variáveis independentes para o modelo de regressão.” (HAIR et al., p. 178, tradução nossa).

As técnicas de análise fatorial buscam reduzir um grande número de variáveis em um número menor de dimensões ou fatores, resumindo a informação abundante que se possui (MÓL, 2007). Assim, pretendeu-se reduzir as 44 variáveis pesquisadas em um número reduzido de fatores que possam ter poder explicativo para o fenômeno de tomada de decisão do consumidor de produtos turísticos. O uso da análise fatorial está explícito no objetivo específico “e”, ou seja, identificar fatores que condicionam o nível de influência do intermediário.

Com relação à análise fatorial, também é necessário efetuar testes que verifiquem a violação de pressupostos. Entre eles estão os testes de Kaiser-Meyer- Olkin (KMO) e o teste de esfericidade de Bartlett que indicam qual o nível de confiança que se pode esperar dos dados quando do seu tratamento pelo método multivariado de análise fatorial seja empregado com sucesso. Com relação ao último teste, Hair et al. (1998, p. 99, tradução nossa) observam que:

Outra forma de determinar se a análise fatorial é apropriada para tratar os dados disponíveis, consiste em examinar toda a matriz de correlações. O teste de esfericidade de Bartlett, um teste estatístico que verifica a presença de correlações entre as variáveis é uma destas medidas. Ele indica a probabilidade estatística de que a matriz de correlações tenha correlações significantes entre pelo menos algumas das variáveis.

A análise discriminante discrimina ou classifica indivíduos dentro de grupos com base nas variáveis independent es não métricas. Esta técnica é freqüentemente utilizada em pesquisas de marketing, com o objetivo de, por exemplo, identificar segmentos de mercado e hábitos de consumo (MALHOTRA, 2001). A análise discriminante, da mesma forma que a regressão linear, tem como finalidade determinar funções e relações de causalidade. A variável dependente da regressão linear deve ser métrica. Já a variável dependente da análise discriminante

deve ser categórica e suas variáveis independentes devem ser métricas. Hair et al. (1998, p. 240, tradução nossa) destacam as diferenças entre estas duas técnicas multivariadas:

A regressão múltipla é, sem dúvida nenhuma, a técnica de dependência multivariada mais amplamente utilizada. A base primária para a popularidade da regressão tem sido sua habilidade para predizer e explicar variáveis métricas. E as variáveis não métricas? A regressão múltipla não é adequada para esta questão. [Para isso existem duas técnicas] – a análise discriminante e a regressão logística – que resolvem a situação em que a variável dependente é não -métrica.

O uso desta técnica na presente pesquisa tem como finalidade atender ao objetivo “g” que consiste em identificar funções que melhor discriminem a escolha por determinado canal de distribuição. Para isso, utilizou-se do método de estimação stepwise com ajuste Wilk’s l, com a variável dependente categórica Canal_compra_hospedagem. Esta variável consiste na resposta à questão: “Através de que canal de distribuição o (a) Sr.(a) realizou a compra da hospedagem?” e dispôs de 7 categorias de respostas.

Com relação à escolha do método de estimação da análise discriminante, Hair et al. (1998, p. 260, tradução nossa) destacam que “O método stepwise é útil quando o pesquisador deseja considerar, relativamente, um grande número de variáveis independentes para incluí-las na função.” Uma vez que a análise discriminante desta pesquisa utilizou todas as suas variáveis métricas como dependentes, o método que se mostra mais apropriado é o stepwise.

Com relação à escolha do teste Wilk’s l para o teste de significância das funções discriminantes, observou-se que este é o teste mais comumente utilizado para análise multivariada de significância e é um dos que considera todas as raízes características das funções discriminantes. Quanto menor o valor de Wilk’s l, maior será a significância da função discriminante (HAIR et al., 1988).