The development of specific skills

No capítulo reservado à apresentação de resultados, são descritos os procedimentos estatísticos realizados com o apoio de Statistical Package for Social Sciences (SPSS) versão 13.0, bem como os resultados obtidos, no sentido de responder

às questões suscitadas pelos objectivos delineados anteriormente, assim como de fundamentar e suportar as reflexões seguintes e posteriores conclusões.

A análise descritiva é feita com recurso a medidas de tendência central, de dispersão e localização.

O teste de Kolmogorov-Smirnov foi usado para se testar a normalidade da distribuição das variáveis, tendo sido esta procurada através da transformação das variáveis.

Para comparar medidas de tendência central, aplicou-se o teste t de Student (grupos com n>30, tendo em conta o teorema do limite central), e o teste não paramétrico de Mann Whitney, nos casos em que não se verificaram as condições estatísticas de aplicabilidade do teste paramétrico.

Na comparação de mais que dois grupos independentes, foi aplicado o teste de Kruskal Wallis, seguido do teste de Mann Whitney, aplicando-se a correcção de Bonferroni para comparações múltiplas. A opção por este teste ficou a dever-se à não observação das condições de aplicabilidade do teste paramétrico correspondente na esmagadora maioria dos casos.

Na análise de relação entre variáveis qualitativas em tabelas de contingência, utilizou-se o teste de independência do Qui-Quadrado.

O coeficiente de correlação de Spearman foi utilizado como medida de associação entre duas variáveis nas situações indicadas, tendo em conta a não obtenção dos pressupostos para a aplicação da estatística paramétrica correspondente. Trata-se de uma medida de associação entre variáveis quantitativas, indicando que os fenómenos não estão indissoluvelmente ligados, mas que a intensidade de um é acompanhada tendencialmente pela intensidade do outro, no mesmo sentido ou no sentido inverso (Morteira citado por Pestana e Gageiro, 2003). Referindo-se a valores absolutos, os coeficientes de correlação inferiores ou iguais a 0,3 indicam uma associação fraca, valores entre 0,4 e 0,7 indicam uma correlação moderada e acima deste valor pode considerar-se uma correlação forte (Pestana e Gageiro, 2003). No entanto, dada a pouca expressividade das relações entre variáveis em ciências sociais, há autores que sugerem outras leituras, aceitando como correlações fracas, moderadas e fortes de acordo com os valores de referência 0,2; 0,3 e 0,5, respectivamente (Pallant, 2001).

Recorreu-se à análise de Regressão Múltipla, tendo em conta tratar-se de uma metodologia que permite analisar a relação entre duas ou mais variáveis quantitativas, de tal modo que uma variável (dependente ou de resposta) pode ser predita a partir da

outra(s) predictora(s), ou explicativa(s), tendo em conta a margem de erro dessa previsão. De salientar que a análise de regressão revela relações entre variáveis, não implicando que a essas relações esteja subjacente o conceito de causalidade.

Apesar das variáveis utilizadas nos modelos de regressão serem de um modo geral quantitativas, podem incluir-se variáveis independentes nominais, utilizando variáveis auxiliares indicadoras ou variáveis mudas (dummy), como referido por Maroco (2003) e Pestana e Gageiro (2003).

O objectivo principal desta análise é obter um conjunto de coeficientes, chamados coeficientes da regressão, das variáveis independentes, de tal forma que os valores previstos da variável dependente se aproximem dos valores observados; por outro lado, a análise da regressão permite determinar a força da relação entre cada uma das variáveis independentes e a variável dependente.

A análise de resultados foi precedida do estudo de resíduos, para assegurar a não violação dos pressupostos do procedimento: linearidade, homocedasticidade e normalidade (anexo 5). Para cada análise de regressão é apresentado o valor do coeficiente de determinação múltiplo ajustado (R2 ajustado), o resultado de teste F e a sua significância estatística, bem como os predictores com capacidade explicativa e ainda os valores dos coeficientes e a significância do teste t. Na análise de resultados, foram tidos em conta os valores dos coeficientes standardizados (β) e a sua significância na comparação do efeito relativo de cada variável independente.

É utilizado o método stepwise para seleccionar as variáveis que mais se correlacionam e tornam o modelo mais válido, pois permite seleccionar apenas as variáveis mais relevantes para explicar o comportamento da variável dependente, bem como quantificar esse contributo, ao mesmo tempo que não inclui as variáveis que apresentam correlações parciais menores. Desta forma, é possível eliminar as variáveis que nada ou pouco acrescentam após inclusão das constituintes do modelo para explicar o comportamento da variável dependente.

Recorreu-se ainda à análise discriminante com o objectivo de descobrir quais as características (variáveis) que mais contribuem para distinguir grupos de indivíduos. Trata-se de uma análise que consiste na obtenção de uma (ou mais) combinação linear de variáveis independentes que se constitui como uma função discriminante com coeficientes de ponderação que permitem saber qual a contribuição de cada variável que integra a função para essa discriminação, ou seja, qual a importância da variável para a distinção dos grupos. Apesar de se tratar de uma técnica que se aplica quando a variável

dependente é qualitativa, as variáveis dependentes são quantitativas ou qualitativas sob a forma de variáveis dicotómicas (Pestana e Gageiro, 2003).

Tal como no caso da Regressão Linear Múltipla e por idênticas razões, também neste caso é utilizado o método stepwise, pois permite seleccionar, através de critérios estatísticos, as variáveis com capacidade discriminativa de modo a que a análise prossiga apenas com essas variáveis (Maroco, 2003). Em cada etapa deste método de análise, entra no modelo a variável com maior F ou o menor lambda de Wilk, sendo outras estatísticas discriminatórias, o teste lambda de Wilk, as correlações entre as variáveis explicativas, os valores próprios, o eta e as correlações canónicas (Pestana e Gageiro, 2003).

Capítulo VI

Neste capítulo, são apresentados os cálculos estatísticos utilizados, assim como os resultados obtidos no sentido de ir de encontro aos objectivos propostos.

Ao longo da apresentação dos resultados, que se organiza segundo a ordem de apresentação dos objectivos específicos, serão apresentados os cálculos estatísticos utilizados, apresentando-se os resultados utilizando quadros com os valores até às décimas, excepto para o valor de teste que é apresentado até às centésimas. São apresentados ainda alguns gráficos, para permitir uma mais clara visualização de alguns resultados, cujos respectivos valores serão apresentados em quadros correspondentes em capítulo de anexos.

Na análise que se efectua dos resultados apresentados, é dada especial ênfase aos que se mostram significativos, ou aos que, embora não significativos, sejam considerados fundamentais na análise e interpretação.