Para o tratamento e a análise dos dados, recorremos ao conjunto de ferramentas disponíveis no programa estatístico Statistical Package for Social Sciences/SPSS229 (atual SPAW Statistics). Depois da criação da estrutura para a receção dos dados, e do seu respetivo lançamento, foi possível efetuar, numa primeira abordagem, uma análise descritiva (frequência relativa e absoluta nas variáveis qualitativas e média e desvio padrão nas variáveis quantitativas) das variáveis consideradas relevantes, caraterizando dessa forma a amostra e contextualizando o estudo. Os resultados foram tabelados proporcionando uma melhor leitura. O processo de caracterização da amostra envolveu ainda a análise de distribuições bidimensionais, sempre que estas, em função dos resultados obtidos anteriormente, foram consideradas relevantes. Para estas distribuições, foram criadas tabelas de contingência obtidas a partir do cruzamento das respetivas variáveis.
Como ferramenta complementar para o tratamento e análise dos dados, recorreu- se à constituição de grupos de associação entre variáveis com base na Análise de Componentes Principais (ACP) ou CATPCA (Categorical Principal Components
Analysis). Trata-se de «(…) uma técnica de análise exploratória multivariada que
transforma um conjunto de variáveis correlacionadas num conjunto menor de variáveis independentes, combinações lineares das variáveis originais, designadas por “componentes principais”. Descrita desta forma, a ACP é geralmente encarada como um método de redução da complexidade dos dados» (Marôco, 2007: 329).
229 Para ser mais precisos: Statistical Package for Social Sciences – versão 17.0. O suporte
bibliográfico para utilização do software foi o de Marôco, 2010; Laureano e Botelho, 2010; Martinez e Ferreira, 2010. Complementarmente para a elaboração dos gráficos que expressam os dados estatísticos elaborados no referido formato SPSS, recorremos ao programa Microsoft Office Excel.
169 Neste sentido, efetuámos, para as três áreas-chave do estudo (enunciadas mais acima), uma Análise de Componentes Principais com o objetivo de identificar as variáveis que pudessem estar relacionadas entre si, agrupando-as em componentes capazes de representar, sem perda de significado, a informação contida nas variáveis originais e, deste modo, auxiliar-nos na verificação e explicação das questões de investigação230.
Impõe-se sublinhar que do procedimento poderá não ser possível uma única solução ótima pelo que são exigidas várias tentativas antes que os resultados do optimal
scaling façam sentido. Na realidade, «A decisão sobre o número de componentes a reter
é fulcral na ACP e depende, em primeiro lugar, da quantidade de informação que é possível “desprezar” neste tipo de análises» (Marôco, 2010: 473). Parece que o número de componentes mais credíveis varia entre 2 a 3, o que explicaria 95% da variabilidade total. No entanto, em experiências com pessoas relacionadas com inúmeras situações, o mesmo não acontece se nos determos com apenas 2 ou 3 componentes, ou seja, não se consegue explicar mais que 50% da variabilidade total. Justificar-se-á o recurso a mais componentes (pelo menos 5 ou mais) para explicar 70 a 75% da variação total (Marôco, 2010). Dado o número mais elevado de componentes, a regra (de aplicação universal) que nos permitirá escolher aquelas com maior relevância são: o valor Eigenvalue e o
Sree Plot231.
Do mesmo modo, apresenta-se, segundo as condições de aplicabilidade, gráficos correspondentes a mapas bidimensionais representando as relações entre as variáveis originais e as componentes principais (obtidas pela aplicação do CATPCA) em que
230 Ao resumir a informação presente num conjunto de variáveis correlacionadas num número mais
reduzido de componentes principais originais, esta técnica estatística procura representar ou descrever um número de variáveis iniciais a partir de um menor número de variáveis hipotéticas. Determina, deste modo, o menor número possível de fatores (ou dimensões) que podem resumir grande parte da variação encontrada no conjunto de questões em análise. Estabelece-se um fator (ou dimensão) quando os inquiridos, que deram uma determinada resposta a uma questão, tendem a dar respostas semelhantes entre si a uma ou mais das restantes questões em análise. Esta técnica é particularmente útil quando um pequeno número de fatores explica uma proporção relativamente elevada da variância total do conjunto de questões (Marôco, 2010; Reis, 1990). Este procedimento é muito utilizado nos estudos numa perspetiva comparativa, como é este estudo. Por exemplo, é muito utilizado na análise de atitudes procurando identificar as dimensões ideológicas subjacentes que aparentemente estruturam atitudes perante o objeto em questão (Jowel et al., 1998).
231 Se o valor de Eigenvalue for inferior a 1 «então provavelmente não é importante» (Marôco,
2010: 473) e refere ainda que «o Sree Plot diz respeito a uma representação gráfica dos valores próprios em função de cada uma das componentes principais respetivas.»
170 estão inseridas, mostrando, por conseguinte, o posicionamento de cada sujeito relativamente às componentes em função das variáveis que o caraterizam.
Assim, no estudo, utilizou-se como critério de retenção das componentes a regra do eigenvalue superior a 1, em consonância com o Sree Plot. A consistência interna de cada componente foi medida pelo valor de Alpha Cronbach’s232.
Ao longo do Capítulo 4 respeitante à «Apresentação, Análise e Discussão dos dados», apresentamos concretamente as três áreas-chave a partir das quais recorremos à Análise de Componentes Principais (ACP). Visto estarmos perante escolhas e opiniões de jovens, impõe-se salientar que, com «a técnica de recolha de dados em que a informação é obtida inquirindo os sujeitos» envolvendo, como é o caso, «certas variáveis pessoais como sejam perceções, atitudes, comportamentos ou valores», não podemos ignorar que a «(…) a validade da respetiva informação obtida vai depender necessariamente da honestidade dos inquiridos» (Coutinho, 2011: 279).
Constituiu-se uma base de dados à qual lhe demos a designação de Base de dados: QEM.2009/2010 (QuestionárioEuropaMagrebe.2009/2010), para uma mais fácil referência quanto à fonte para os respetivos gráficos e quadros que acompanham o estudo.