Moteurs synchrones

De seguida serão descritos os procedimentos estatísticos realizados no tratamento dos dados. Numa primeira parte será descrita a análise de estatística descritiva e, posteriormente, a análise de estatística inferencial. Antes de se iniciar esta secção, deve-se ressalvar que o primeiro passo neste processo prendeu-se com a criação da base de dados, com recurso ao software IBM SPSS

Statistics 25, que teve como objetivo gerir, organizar e realizar a análise dos dados. Num

segundo momento, e antes de ser realizada a análise, procedeu-se a um processo de screening para uniformizar e adequar as variáveis para o tratamento estatístico subsequente, designadamente, a identificação dos missing values.

Procedimentos de análise estatística descritiva

A análise descritiva dos dados compreendeu o recurso a medidas de tendência central (média, moda e mediana) e medidas de dispersão (desvio-padrão). Mais concretamente, e no que concerne às variáveis quantitativas, utilizaram-se como medidas a média amostral (M), a mediana (MED) e o desvio-padrão (SD), de forma a analisar a dispersão dos valores face ao valor médio. Por sua vez, para as variáveis qualitativas foram calculadas percentagens.

Ainda relativamente aos procedimentos de análise descritiva, foram realizados testes de normalidade, utilizando-se o teste de Kolmogorov-Sminorv, uma vez que o N do estudo é maior do que 30 (Anexo V para resultados). Os resultados demonstraram que a maioria das variáveis em estudo não seguiam uma distribuição normal, uma vez que o valor do p-value era menor do que 0,05, rejeitando-se assim a hipótese nula “A variável segue uma distribuição normal”. Desta forma, não se preencheram os pressupostos de aplicação de testes paramétricos, motivo pelo qual foram conduzidos testes não paramétricos.

Para medir a consistência interna do conjunto de itens que originaram fatores latentes, recorreu-se ao índice de Alpha de Cronbach (α). Tendo em conta os padrões estatísticos definidos na literatura, consideram-se valores de α inferiores a 0,6 como inaceitáveis; entre 0,6 e 0,7 baixos, mas aceitáveis; entre 0,7 e 0,8 razoáveis; entre 0,8 e 0,9 bons; e superiores a 0,9 excelentes (Hill & Hill, 2000). Em algumas das escalas alvo de análise não se obtiveram valores de α iguais ou superiores a 0,6, motivo pelo qual estas não serão contempladas na análise.

Por fim, para averiguar a fiabilidade inter-rater do SIPI-P recorreu-se ao Kappa de Fleiss, uma medida de fiabilidade utilizada para medir a concordância entre três ou mais cotadores, sendo recomendado o seu uso quando temos uma escala de likert, uma escala nominal ou ordinal (Landis & Koch, 1977). O valor de Kappa varia entre 0 e 1, onde 0 representa “Não há concordância” e 1 “Concordância perfeita”. Tendo em conta a classificação avançada por Landis e Koch (1977), considera-se que existe uma concordância fraca caso os valores de

Kappa se encontrem entre 0 e 0,20; razoável se os valores estiverem entre 0,21 e 0,40; entre

0,41 e 0,60 a concordância é considerada moderada; entre 0,61 e 0,80 considera-se uma concordância forte e, por fim, caso o Kappa assuma valores entre 0,81 e 1 a concordância é considerada quase perfeita.

Procedimentos de análise estatística inferencial

Neste âmbito, numa primeira fase, procedeu-se à análise correlacional das variáveis, tendo- se recorrido a medidas de associação ou coeficientes de correlação. A utilização destas medidas teve como objetivos principais quantificar a magnitude e a direção da associação entre as variáveis em estudo. Assim, nos casos em que foram analisadas duas variáveis quantitativas, e uma vez que a maioria das variáveis não seguiam uma distribuição normal, foi empregue o coeficiente de correlação de Spearman, uma alternativa não paramétrica para o coeficiente de correlação de Pearson. Quando se testou a associação entre duas variáveis dicotómicas utilizou- se o coeficiente de Phi e, nos casos em que se pretendia averiguar a associação entre uma variável quantitativa e uma variável nominal, recorreu-se à Correlação Point-Biserial.

As medidas de associação utilizadas assumem valores que podem variar entre -1 e 1. Seguindo a sistematização de Cohen, considerou-se que (1) as correlações com valor entre -1 e -0,5 e entre 0,5 e 1 são consideradas elevadas; (2) com valores entre -0,5 e -0,3 e entre 0,3 e 0,5 são consideradas correlações moderadas; e, por fim, (3) correlações que obtiverem um valor entre -0,3 e 0 e 0 e 0,3 são consideradas fracas. De forma a verificar a significância da correlação entre duas variáveis atendeu-se ao valor de p-value, considerando-se que a correlação era estatisticamente significativa quando o p-value fosse igual ou inferior a 0,05.

Numa segunda fase, foram conduzidas análises de regressão linear múltiplas, com o intuito de perceber que variáveis independentes predizem as variáveis dependentes (comportamentos agressivos reativos e comportamentos agressivos proativos) e o seu peso na variável preditora (Marôco, 2010). De forma a validar os pressupostos da regressão linear, nomeadamente, a independência dos resíduos e a multicolinearidade entre as variáveis independentes, foram

utilizados o teste de Durbin-Watson (DW) para o primeiro pressuposto, e o diagnóstico da multicolinearidade foi realizado com recurso ao VIF (Fator de inflação de variância) (Anexo VI para resultados). No teste de Durbin-Watson, considerou-se que a proximidade do valor de DW a 2 (entre 1,5 e 2,5) indicaria a não existência de uma auto correlação entre os resíduos, ou seja, estes são independentes. Por sua vez, no que concerne à análise do VIF, considerou-se que valores superiores a 5 seriam indicadores de multicolinearidade nas variáveis independentes (Mâroco, 2003). Relativamente à construção dos modelos de regressão, utilizou-se o método

enter. Este método obriga a que todos os preditores entrem como variáveis independentes do

modelo de regressão, sendo suportado por razões teóricas e conceptuais. Testou-se o poder preditivo de 9 modelos, 3 para os encarregados de educação como informantes e 6 para os professores como informantes. Assim, foram construídos 6 modelos para a variável dependente

Comportamentos agressivos reativos e 3 para a variável dependente Comportamentos agressivos proativos, nomeadamente: (1) Variáveis sociodemográficas; e (2) Variáveis

relativas ao PIS e identificação de emoções. No final, foram identificados os modelos finais, resultante da conjugação das variáveis estatisticamente significativas. Na análise dos modelos foram avaliados os seguintes parâmetros: os valores do R (R e R2), os valores do B e do β e os valores do p-value.