Utilisation des technologies NVM dans la hiérarchie mémoire 102

A nossa escolha do método, seguindo as recomendações de Greig, Taylor e MacKay (2007) foi a de escolher a metodologia ou conjunto de metodologias que mais se adequavam à questão da investigação, aos participantes, ao nosso objectivo e fim da pesquisa, e demos preferência à adopção de uma perspectiva multi-disciplinar.

Relembramos que a nossa questão de investigação se centrava no estudo da influência sobre as crianças nas escolhas de marcas de roupa e calçado, um tema com o qual elas estão muito envolvidas, e numa faixa etária para a qual o tema é relevante e faz parte da própria construção de identidade.

Dado que o objectivo era o de encontrar um modelo explicativo, afiguravam-se como mais adequadas as metodologias quantitativas (e.g. o inquérito por questionário) e uma abordagem positivista. No entanto, dado o nosso desconhecimento do tema, nomeadamente das marcas que tinham algum significado para este target, e o facto de estarmos a tentar agregar diversos constructos numa tentativa de integrar várias investigações dispersas (os determinantes da susceptibilidade de influência), recomendavam a realização de um estudo exploratório para compreensão e análise destes fenómenos. Em virtude da sensibilidade do tema, a nossa opção foi por entrevistas individuais semi-estruturadas.

Deste modo a nossa investigação decorreu segundo as seguintes fases:

1ª Fase: Estudo Exploratório para Construção da Escala de Determinantes da Susceptibilidade de Influência, através de aplicação de questionário seguido de entrevistas semi-estruturadas – paradigma interpretativista

2ª Fase: Inquérito por Questionário e análise quantitativa dos resultados – paradigma positivista

# 9:#

4.3.1. Opções Metodológicas do Estudo Exploratório e do Estudo Quantitativo

Por uma questão de simplificação das explicações relativamente aos métodos escolhidos, esta parte será detalhada no Capítulo 5, a par da apresentação dos resultados obtidos após a aplicação de cada método.

4.3.2. Métodos e Técnicas de Análise Quantitativa dos Dados

A Análise dos Dados compreendeu, em primeiro lugar, a inserção e codificação das respostas dos questionários, a qual foi simplificada já que a quase generalidade das respostas era fechada. As únicas perguntas abertas eram as relativas à profissão dos pais, na qual escrevemos exactamente o que estava no questionário, e a pergunta de notoriedade espontânea das marcas, na qual apenas assinalávamos com 1 ou 0 se a criança referia uma das marcas já pré-codificadas, ou íamos acrescentando marcas à lista de modo a poderem servir posteriormente para outras crianças que referissem a mesma marca.

A inserção dos dados foi realizada em primeiro lugar em EXCEL (Excel:Mac 2008) e posteriormente estes foram analisados no software SPSS versão 18.0, a fim de efectuar as seguintes análises:

• Análise descritiva dos dados através de tabelas de frequências.

• Cruzamentos entre algumas das variáveis, avaliando a significância estatística das diferenças encontradas através do teste de Qui-Quadrado. Segundo Malhotra e Birks (2003), este teste permite-nos avaliar a significância estatística da associação observada na tabela de cruzamento das variáveis.

• Análise de fiabilidade das escalas utilizadas através do cálculo do coeficiente Alpha de Cronbach, o qual, segundo Hair et al. (2006), é considerado admissível para valores acima de 0,70, embora se possa considerar também o valor de 0,60 no caso de análises exploratórias.

# 99#

Posteriormente fomos testar o nosso modelo conceptual proposto, através do recurso aos Modelos de Equações Estruturais, e ao software estatístico LISREL, versão 8.80. O modelo proposto, recordando a figura 3.1, é um modelo de alguma complexidade, já que é constituído por 16 variáveis latentes e diversas relações entre elas, as quais se consubstanciam em 43 hipóteses em teste. Para a estimação de todos os modelos, de medida e estruturais, foram utilizados estimadores robustos de Máxima Verosimilhança, o estimador mais utilizado neste tipo de estudos face à dimensão da amostra disponível e à natureza ordinal das escalas utilizadas.

A nossa análise dos dados, nesta fase, passou então primeiro pela Análise Factorial Confirmatória, i.e., pelos modelos de medida das variáveis latentes, seguida da análise dos modelos de equações estruturais. Por fim, efectuámos algumas análises multi- grupos para avaliar o efeito moderador de algumas variáveis.

De seguida apresenta-se de forma muito resumida o método adoptado em cada fase (para uma revisão mais extensa sobre os Modelos de Equações Estruturais, suas especificidades, e ainda sobre o software LISREL ver Salgueiro, 2009; Pereira, 2009; Bollen, 1989; Hair et al., 2006; Diamantopoulos e Siguaw, 2000).

Em primeiro lugar, e segundo Hair et al. (2006), devem ser realizadas análises individuais a cada um dos constructos do modelo através de análises factoriais confirmatórias, as quais devem primeiro ser aplicadas às variáveis independentes e depois às variáveis dependentes. No nosso caso isso implica analisar oito constructos do modelo, já que a escala Visitas às Lojas não pode ser analisada por ter apenas 2 itens. Para cada um deles apresenta-se o modelo de medida inicial, incluindo todos os itens das escalas, e o modelo final, após a eliminação de alguns itens de reduzida significância.

Dado estarmos a trabalhar com variáveis ordinais foram utilizadas correlações

Polychoric. Foram efectuados os testes de normalidade bivariada das variáveis para

garantir a possibilidade de as utilizar, e em todos os casos se verifica a normalidade bivariada.

# 9:# Para avaliar os modelos de medida são regra geral utilizadas duas medidas (Diamantopoulos e Siguaw, 2000):

• Composite Reliability de cada variável latente, que mede a fiabilidade de cada variável latente, sendo razoável aceitar valores acima de 0,60.

• AVE ou Average Variance Extracted ou montante de variância que é capturado pelo constructo em relação ao montante de variância do erro de medida. São considerados razoáveis valores acima dos 0,50.

O passo seguinte consiste em estimar os modelos estruturais parcelares e o modelo estrutural global, em testar as hipóteses apresentadas e em validar o modelo proposto.

Por forma a avaliar a bondade de ajustamento do modelo de dados, existem diversas medidas que podem ser utilizadas. Passamos a apresentar, de forma simplificada as adoptadas no presente trabalho:

• Estatística de Qui-Quadrado, que é a medida tradicionalmente utilizada para avaliar o modelo na sua globalidade. A hipótese nula a testar é a de o modelo especificado reproduzir a estrutura de associações na população, pelo que o nosso objectivo é não rejeitar H0;

• Root Mean Square Error of Approximation (RMSEA). Regra geral consideram-se valores de RMSEA inferiores a 0,05 como sinal de bom ajustamento, entre 0,05 e 0,08 de razoável ajustamento, entre 0,08 e 0,10 de ajustamento medíocre e acima de 0,10 inaceitáveis;

• Critério de Informação de Akaike (AIC), e a sua versão consistente (CAIC), os quais servem para comparar modelos e que reflectem um melhor modelo quanto menor for o seu valor, ou seja, ao comparar dois modelos devemos escolher aquele que apresentar menor valor destes indicadores;

• Medidas de ajustamento incremental como o NFI, CFI, e IFI, as quais comparam o modelo em análise com um modelo base, designado de modelo de independência.

# 9:#

Variando entre 0 e 1, recomendam-se valores próximos de 1 como significando um bom ajustamento;

• Root Mean Square Residual (RMR) sendo normalmente avaliada a sua versão standardizada. São recomendáveis valores inferiores a 0,05;

• Medidas de ajustamento absoluto como o goodness-of-fit index (GFI), o ajusted goodness-of-fit (AGFI) e o parsimony goodness-of-fit (PGFI). O GFI mede o quanto o modelo reproduz ou explica as variâncias e covariâncias observadas, o AGFI faz um ajustamento pelos graus de liberdade, e o PGFI faz um ajustamento tendo em conta a complexidade do modelo. Todos os valores variam entre 0 e 1, e são considerados aceitáveis valores de GFI e AGFI superiores a 0,90, enquanto que o GFI regra geral apresenta valores inferiores. Considera-se um bom ajustamento quando os valores do PGFI não são muito distantes do GFI e AGFI (por exemplo não serão aceitáveis GFI e AGFI em torno de 0,90 e PGFI de 0,50).

# 9:#

CAPÍTULO 5 – ESTUDOS PRELIMINARES E