Link Layer Group Addressing

Durante a etapa de análise dos dados coletados foram realizadas análises fatoriais para aprendizagem formal e informal, suporte material e psicossocial, codificação e socialização. Nesta seção são apresentados o método empregado e os padrões utilizados para assegurar a sua aceitabilidade. As análises fatoriais são um método de redução de variáveis que se baseia na extração de fatores que abrangem várias variáveis que explicam boa parte da sua variância (HAIR JR. e outros, 2005; LEOPOLDINO, 2004).

O método de análise fatorial escolhido para esta pesquisa é o PCA – Principal Component Analysis, chamado em português de análise de componentes principais, pela confiabilidade que apresenta. Através deste método um grande conjunto de variáveis pode ser resumido em um conjunto menor de fatores, facilitando o entendimento e análises. Devido à concepção de ideias sobre a estrutura das relações entre as variáveis dos construtos, a análise fatorial assume caraterísticas confirmatórias (FIELD, 2009; HAIR JR. e outros, 2005).

Foi empregada a rotação varimax, para geração das matrizes com as cargas fatoriais, com normalização de Kaiser. A rotação varimax é um dos métodos mais utilizados em análises fatoriais e apresenta como vantagem a geração de fatores mais simples e de interpretação mais clara, pois maximiza a variação entre os pesos de cada componente (FIELD, 2009; HAIR JR e outros, 2005). Foram feitos também testes com a rotação oblíqua (OBLIMIN), mas os resultados obtidos foram praticamente idênticos, exceto no teste da aprendizagem individual informal, em que foi constatada maior ambiguidade para definir a semântica dos fatores produzidos. O método ortogonal varimax realizou a rotação de forma mais clara, facilitando a interpretação da semântica dos componentes encontrados. O fato dos resultados dos dois métodos de rotação serem similares mostra que a correlação entre os fatores não foi tão grande a ponto da rotação obliqua obter resultados superiores à ortogonal.

O critério dos autovalores foi empregado para separação dos fatores. Segundo a literatura, um valor igual ou superior a 1 indica que um fator representa a variância total de pelo menos uma variável (HAIR JR. e outros, 2005). Utilizando-se este critério, todos os autovalores inferiores a 1 são considerados não significantes, sendo desconsiderados (LEOPOLDINO, 2004).

A realização de análises fatoriais com PCA deve levar em conta os seguintes indicadores: adequação da amostra, tamanho da amostra e número de questões. Por sua vez, a conclusão do procedimento gera as seguintes informações: os fatores em si, valor das cargas fatoriais de cada variável nos componentes produzidos, a comunalidade de cada item para cada fator, o valor da variância explicada e o valor do alfa para cálculo de confiabilidade dos construtos gerados.

A adequação da amostra para o PCA foi feita por meio do teste de Kaiser-Meier-Olkin, também conhecido pelo acrônimo KMO e pela significância do teste de Bartlett. O teste gera um indicador com valor entre 0 e 1 e scores acima de 0,5 são aceitáveis. O intervalo de 0,5 a 0,7 é considerado razoável (adequação medíocre da amostra), o de 0,7 a 0,8, bom, o de 0,8 a 0,9, ótimo e acima de 0,9 até 1, excelente (FIELD, 2009). Para esta tese atual, será definido 0,7 como valor aceitável.

O tamanho da amostra é importante para a realização de boas análises fatoriais, e no caso desta tese, o número de questionários supera a marca de 250. Este é um valor aceitável para a aplicação da técnica, respeitando-se a razão de 10 a 15 respondentes por variável

(FIELD, 2009). A conjunção do índice KMO com o número de respondentes apontou para a adequação da amostra para análises fatoriais.

As cargas fatoriais correspondem ao valor da correlação das variáveis com os fatores gerados (HAIR JR. e outros, 2005),indicando a que componente aderirá cada item analisado. Para o valor das cargas fatoriais, o mínimo aceito nesta tese será 0,5, o que cumpre o critério da significância prática da relação da variável com os fatores encontrados (HAIR JR. e outros, 2005). A literatura aceita valores menores, aceitando inclusive valores a partir de 0,3, dependendo do tamanho da amostra (HAIR JR. e outros, 2005).

A comunalidade das variáveis, isto é, a medida da variância comum explicada pelos fatores extraídos (FIELD, 2009; HAIR JR. e outros, 2005), também será observada. Seus valores variam entre 0 e 1, com os valores mais altos representando maior percentual de variância explicada. Serão aceitos valores acima de 0,50 em cada variável, valor sugerido por Hair Jr. e outros (2005). Os casos acima de 0,4 sofrerão ressalvas na sua interpretação, mas serão aceitos caso a confiabilidade e as cargas fatoriais sejam aceitáveis, e valores menores que 0,3 serão retirados da análise e o procedimento será refeito.

Para o valor da variância explicada total, o valor de referência foi 60%. Para valores menores foram apresentadas ressalvas.

A análise de confiabilidade foi feita com alfa de Cronbach, que deve assumir valores maiores maiores que 0,6 para se atestar a consistência interna do fator produzido (HAIR JR. e outros, 2005). Apresentaram-se ressalvas em casos de valores de alfa menores que o patamar definido. As análises fatoriais apresentadas nas próximas seções seguem estes padrões de execução e avaliação.

Em virtude de se estar com variáveis de fenômenos sociais e não com variáveis das ciências exatas, justificam-se em certos casos a aceitação de valores um pouco abaixo da aceitabilidade, desde que seja feita a justificativa. Em certos casos pode parecer que os resultados estão apenas no limite de aceitabilidade, o que seria um risco para a pesquisa. No entanto isso se deve em grande parte à adoção de limites de aceitabilidade rigorosos, recomendados pela literatura.

Uma vez estabelecido o método empregado e realizada a coleta, iniciou-se a etapa de análise e validação dos resultados, objeto das próximas seções. Os próximos capítulos tratam da análise das variáveis e construtos e dos modelos hipotéticos propostos.