Les non-dits comme norme interactionnelle de coexistence pacifique

Com a finalidade de identificar a percepção que as pessoas têm sobre o meio ambiente, o trabalho estabeleceu critérios quantitativos para a criação de indicadores de Percepção Ambientalatravés do uso da técnica de análise multivariada conhecida como análise fatorial formativa.

O indicador de percepção ambiental avalia a capacidade de percepção do entrevistado quanto às questões relacionadas ao meio ambiente e suas atitudes sobre mesmo. O indicador agrega para cada respondente, notas por ele atribuídas a questões sobre atitudes consideradas como de compromisso ambiental, de forma que o grau de percepção ambiental seria expresso por um número que varia de 1 a 5 (definido pelo autor do estudo, baseado em Cantagallo e Kuwahara (2009); Fernandes (2010); e Fernandes (2011).

72 As variáveis que tratavam das ações de percepção ambiental (questões de Q11a até Q13e – ANEXO I) foram agregadas a fim de se obter indicadores de Percepção Ambiental. Para tanto, utilizou-se a técnica da análise fatorial. Essa técnica estatística tem como objetivo descrever a estrutura de dependência de um conjunto de variáveis, que, supostamente, medem aspetos comuns. Agregando estas variáveis, busca-se substituí-las por um número menor de fatores, que possam ser inseridos em um modelo econométrico proposto, sem que ocorra perda de informações importantes.

Conforme Hair et al. (1998), no modelo de análise fatorial, cada uma das variáveis é definida como uma combinação linear dos fatores comuns que irão explicar a parcela da variância de cada variável, mais um desvio que resume a parcela da variância total não explicada por estes fatores. A parcela explicada pelos fatores comuns recebe o nome de “comunalidade”, e a parcela não explicada é chamada de “especificidade”. As comunalidades podem variar de 0 a 1, sendo que valores próximos de 0 indicam que os fatores comuns não explicam a variância e valores próximos de 1 indicam que todas as variâncias são explicadas pelos fatores comuns.

Hair et al. (1998) estabelecem os seguintes procedimentos para a realização de uma análise fatorial: formulação do problema; construção da matriz de correlação; determinação do método de análise fatorial; determinação do número de fatores; rotação dos fatores; interpretação dos fatores; cálculo das cargas fatoriais ou escolha de variáveis substitutas e, determinação do ajuste do modelo.

Como dito anteriormente, o problema formulado é a avaliação da percepção ambiental dos habitantes da área de influência da APA/CA. Geralmente, o aspecto comum ao realizar a análise fatorial é o interesse em mensurar conceitos abstratos (denomina-se “constructos”), como é o caso do presente estudo. Muitas vezes, um constructo não pode ser medido através de uma única variável. No caso deste estudo, os itens do questionário Q11a à Q13 (ANEXO I) são utilizados na mensuração do grau de percepção ambiental existente em uma pessoa. Atribuiu-se a cada questão um nível de variação da percepção, atribuindo-se uma nota de 1 a 5, na qual 1 indica que a pessoa tem uma baixa percepção sobre o que foi questionado e 5 indica que o indivíduo possui alta percepção sobre o que foi questionado.

73 Dessa forma, considerando o objetivo proposto no presente trabalho, tem-se inicialmente uma matriz onde as linhas são representadas pelas questões Q11a à Q13 e as colunas o nível de percepção ambiental referente à pergunta. Baseada nessa matriz original, a programação da análise fatorial computou em seguida uma segunda matriz contendo os coeficientes de correlação entre as variáveis.

Encontrada a matriz de correlação R, foram calculados os fatores necessários para representar as variáveis, utilizando-se o método dos componentes principais. Em seguida, torna-se necessário determinar o número de fatores que serão considerados, o que é feito com base em seus autovalores (eigenvalues) que é a quantidade de variância associada a cada fator (HAIR et al.,1998).

Para a obtenção dos fatores existem vários métodos descritos na literatura. Neste estudo, optou-se por utilizar o método dos componentes principais, que explica a estrutura da variância e da covariância através de poucas combinações lineares das variáveis originais e, seu objetivo geral consiste tanto em simplificar os dados como interpretá-los adequadamente.

A característica principal do método é que, enquanto o conjunto completo de p componentes reproduzirá a matriz de correlação R = v L vT (onde: v é uma matriz de coeficientes; L é a matriz diagonal com j na j-ésima posição e T refere-se à

matriz transposta), e assim leva em conta toda a variância da variável z, é possível reter na solução somente os primeiros n componentes, de tal forma que estes n componentes expliquem mais da variância de z do que qualquer outro conjunto ortogonal de n elementos.

O peso, ou coeficiente das cargas fatoriais, pode ser obtido a partir da matriz de coeficientes de cargas fatoriais.

Uma ferramenta importante na interpretação dos fatores obtidos com a análise fatorial é a sua rotação, que pode ser ortogonal ou oblíqua. De acordo com Hoffmann (1999), o objetivo da rotação ortogonal é obter uma estrutura simples, isto é, obter uma nova matriz n x m de coeficientes de fatores, de maneira que os valores absolutos dos elementos de cada coluna dessa matriz se aproximem, na medida do possível, de 0 ou 1. Isso facilita a interpretação dos fatores, pois cada um dos novos fatores, após a rotação, deve apresentar uma correlação relativamente forte com uma

74 ou mais variáveis e correlação relativamente fraca com as demais variáveis. Segundo Hair et al. (1998), entre os métodos de rotação ortogonal destaca-se o VARIMAX (Kaiser on). Esse método é o mais comumente utilizado e minimiza o número de variáveis, com altas cargas sobre o fator, reforçando a interpretabilidade dos fatores.

Para verificar a consistência dos dados originais foi aplicado o teste de Kaiser-Meyer-Olkin (KMO). O teste KMO (Kaiser-Meyer-Olkin) ajuda a dispor os dados para a análise fatorial e indica a proporção da variância dos dados que pode ser considerada comum a todas as variáveis e avalia o conjunto de todas as variáveis. Em termos matemáticos. Valores superiores a 0,5 para o KMO indicam que é possível haver um fator comum a explicar o comportamento correlacionado das variáveis consideradas, validando o uso da análise fatorial formativa ou exploratória (CANTAGALLO e KUWAHARA, 2009). Como nesta pesquisa o objetivo geral é o de reduzir o número de variáveis, mas mantendo o poder explicativo das mesmas, o teste KMO sugere haver correlação entre as variáveis e indicam a possibilidade de aplicação da técnica.

Depois da rotação e interpretação dos fatores, Malhotra (2004) e Hair et al. (1998) mostram que se deve calcular os escores fatoriais pelo método da regressão. Cada observação possui, para cada fator encontrado, um escore fatorial.

De posse dos dados obtidos pela análise fatorial, os fatores encontrados que forem significantes, conforme critério de Hair et al. (1998) serão incorporados ao modelo econométrico proposto (equação 9) no lugar do que se refere como IPA, que será explicitado nos próximos tópicos.