Tipologia de Alojamento * Scores de Informação Turística
Nos casos em que procuramos relacionar uma variável qualitativa com mais de dois grupos (Tipologia de Alojamento) com uma variável quantitativa (Scores de Informação Turística) os testes estatísticos adequados são a One-Way ANOVA no caso de a distribuição dentro de todos os grupos ser normal e o teste de Kruskal-Wallis quando as distribuições são não normais. Este pressuposto pode ser ignorado quando as observações dentro dos grupos são superiores a 50, o que não acontece (Pestana & Gageiro, 2003). Para se verificar a normalidade recorre-se a um teste Kolmogorv-Smirnov que podemos observar na tabela 6.1.
Como podemos observar, os testes de normalidade indicam que três dos quatro grupos possuem níveis de significância inferior a 0,05 o que nos leva a rejeitar a hipótese nula e a afirmar que as distribuições são não normais. A análise dos gráficos Q-Q plots confirma que dificilmente podemos afirmar que existe distribuição normal para todos os grupos. Assim podemos concluir que o teste mais indicado a realizar é o de Kruskal Wallis:
Através da tabela 6.3 observamos que o nível de significância foi inferior a 0,05 o que nos revela que existe associação entre as variáveis, ou seja que a tipologia de alojamento influencia significativamente o score de informação turística. Olhando para tabela 6.2 e para a coluna dos Mean Ranks podemos concluir que os hotéis e estabelecimentos de TER possuem inequivocamente níveis mais elevados de informação turística, o contrário acontecendo com as Pensões e MCA. Tests of Normality ,108 92 ,010 ,952 92 ,002 ,307 8 ,025 ,763 8 ,011 ,139 32 ,121 ,928 32 ,034 ,126 62 ,015 ,918 62 ,001 Tipologia do estabeleciment o Hotel Meio Complementar de Alojamento Pensão TER Score Tot al de
Inf ormação Turística
St at ist ic df Sig. St at ist ic df Sig. Kolmogorov -Smirnova Shapiro-Wilk
Lillief ors Signif icance Correction a. Ranks 92 108,80 8 65,31 32 68,72 62 99,74 194 Tipologia do estabelecimento Hotel Meio Complementar de Alojamento Pensão TER Total Score Tot al de
Inf ormação Turística
N Mean Rank
Test Statisticsa,b
14,871 3 ,002 Chi-Square df Asy mp. Sig. Score Total de Inf ormação Turística
Kruskal Wallis Test a.
Grouping Variable: Tipologia do estabelecimento b.
Tabela 6.1 – Testes de Normalidade por Tipologia do Estabelecimento
Categoria dos Alojamentos * Scores de Informação Turística
Tal como no caso anterior, pretende-se testar a relação entre uma variável qualitativa com mais de dois grupos e uma variável quantitativa. Neste caso específico, nem todas as observações foram incluídas, ficando apenas as respeitantes a hotéis e MCA que são estabelecimentos sujeitos à classificação por estrelas, ao contrário do que acontece com os TER e pensões. Mais uma vez os grupos não possuem observações superiores a 50, pelo que é necessário testar a sua normalidade antes de correr os testes estatísticos.
Como podemos observar pelo teste Kolmogorov-Smirnov, nem todos os grupos tiveram uma significância superior a 0,05, o que significa que as variáveis não são normais. Mesmo através da análise dos Q-Q plots fica presente a evidência que o teste mais adequado é o de Kruskal
Wallis.
Como podemos observar na tabela 6.6, o nível de significância do teste foi inferior a 0,05 o que indica que existe associação entre as variáveis, ou seja o número de estrelas dos estabelecimentos influencia o nível de informação que estes disponibilizam nos seus websites. Olhando para a tabela 6.5, através dos mean rank podemos afirmar que os hotéis e MCA de 5
Tests of Normality
,171 13 ,200* ,888 13 ,090
,105 46 ,200* ,933 46 ,011
,148 33 ,063 ,895 33 ,004
,327 10 ,003 ,802 10 ,015
Classif icação dos estabeleciment os 2 estrelas 3 estrelas 4 estrelas 5 estrelas Score Tot al de
Inf ormação Turística
St at ist ic df Sig. St at ist ic df Sig. Kolmogorov -Smirnova Shapiro-Wilk
This is a lower bound of the true signif icance. *.
Lillief ors Signif icance Correction a. Ranks 13 37,19 46 50,60 33 48,58 10 83,90 102
Classif icação dos estabelecimentos 2 estrelas 3 estrelas 4 estrelas 5 estrelas Total Score Total de
Inf ormação Turística
N Mean Rank
Test Statisticsa,b
15,408 3 ,001 Chi-Square df Asy mp. Sig. Score Tot al de Inf ormação Turística
Kruskal Wallis Test a.
Grouping Variable: Classif icação dos estabelecimentos
b.
Tabela 6.4 – Testes de Normalidade por Classificação dos Estabelecimentos
estrelas providenciam um nível superior de informação turística. Os de 2 estrelas são claramente os que têm tendência a dar menos informação. Já os de 4 e 3 estrelas apresentam níveis similares e intermédios de informação turística.
Pertença a uma cadeia hoteleira*Scores de Informação Turística
Quando se pretende testar a relação estatística entre uma variável qualitativa com apenas 2 grupos e uma variável quantitativa, os testes mais adequados são o Teste T se as distribuições dentro dos grupos forem normais, ou o teste de Mann-Whitney se a normalidade não se verificar. Porém, se o número de observações dentro de cada grupo for superior a 30, é aceitável dispensar o teste da normalidade (Pestana & Gageiro, 2003). Como este é o caso, podemos passar directamente ao teste T.
Para efectuarmos a análise do teste t deveremos olhar em primeiro lugar para o teste de
Levene na tabela 6.7 que nos indica se existe igualdade ou não de variâncias. Se a Sig.≤0.05
então não existe igualdade de variâncias e analisa-se o valor da significância do teste t na linha correspondente a ”Equal variances not assumed”, sendo que o contrário também é válido. Neste caso, como o nível de significância do teste Levene é superior a 0,05, então podemos assumir que existe igualdade de variância e observa-se que o teste de T teve uma valor inferior a 0,05 o que nos revela associação entre estas variáveis, ou seja o facto de um estabelecimento hoteleiro pertencer a uma cadeia influencia o nível de informação que estes disponibilizam no seu website. Através da tabela 6.8, podemos afirmar que os estabelecimentos pertencentes a cadeia fornecem mais informação do que aqueles que são
Independent Samples Test
3,518 ,062 -2,396 192 ,018 -1,00745 ,42040 -1,83665 -,17826 -2,179 73,262 ,033 -1,00745 ,46230 -1,92877 -,08614 Equal v ariances assumed Equal v ariances not assumed Score Tot al de
Inf ormação Turística
F Sig.
Lev ene's Test f or Equality of Variances
t df Sig. (2-tailed) Mean Dif f erence
St d. Error
Dif f erence Lower Upper 95% Conf idence
Interv al of t he Dif f erence t-t est f or Equalit y of Means
Group Statisti cs 144 3,5359 2,41661 ,20138 50 4,5433 2,94254 ,41614 Pert ença do estabeleciment o a uma cadeia de hotelaria e turismo Não Sim Score Tot al de
Inf ormação Turística
N Mean St d. Dev iation
St d. Error Mean
Localização * Scores de Informação Turística
Estamos na presença de uma variável qualitativa com mais de dois grupos e uma variável quantitativa. Sendo que as observações não superam os 50 dentro de cada grupo (Pestana & Gageiro, 2003), iremos verificar a normalidade através do teste Kolmogorov-Smirnov.
Tal como nos casos anteriores não se observam distribuições normais em todos os grupos, o que nos obriga a recorrer ao teste de Kruskal-Wallis para testar a relação entre estas variáveis.
Tabela 6.10 – Teste Kruskal Wallis para a Variável Localização
Score Total de Informação Turística Chi-Square ,035 df 1 Asymp. Sig. ,851
a Kruskal Wallis Test
b Grouping Variable: Natureza urbana da Localização do estabelecimento
Neste caso o teste de Kruskal-Wallis indica que não existe relação entre as variáveis uma vez que o nível de significância é bastante superior a 0,05. Portanto não podemos afirmar que a localização dos hotéis influencia o nível de informação turística existente no seu website.