Análise de correlação

A análise de correlação demonstra as deduções estatísticas das medidas de associação linear, considerando que o coeficiente de correlação simples tem a finalidade que mensurar a força do relacionamento linear entre duas variáveis, enquanto o coeficiente de correlação múltiplo mensura a força do relacionamento entre uma variável dependente e um conjunto de outras variáveis (Hair Jr. et al., 2005).

Para Levine (2017), correlacionar é medir a força de associação entre fatores ou fenômenos quantificáveis, o que mais se encontra em pesquisas empíricas. A correlação entre duas variáveis é analisada quando uma relaciona-se com a outra de alguma maneira e, ocorrendo alteração no valor de uma delas (variável independente) resulta na alteração do valor da outra (variável dependente) de forma instantânea (Hair Júnior., 2006). Levine (2017) menciona que o indicativo que demonstra se há ou não há correlação, (positiva ou negativa) é um número que varia de -1 a +1, como está demonstrado na Figura 3.3, a seguir.

59

Figura 3.3- Coeficiente de correlação positiva e negativa

Fonte: Levine (2017)

Levine (2017) explana que a proximidade evidenciada de 1 do valor do coeficiente para positivo ou negativo deixa claro a forte relação entre as duas variáveis.

3.3.4 Análise fatorial

Análise fatorial tem o objetivo de simplificar os dados por meio de um pequeno número de variáveis, geralmente não correlacionadas, e de um grande número de variáveis, sendo, na sua grande maioria, correlacionadas uma com a outra. A partir de então, criam-se índices com variáveis que medem dimensões conceituais similares (Hair Jr. et al., 2005). Para Zeller & Carmines (1980), a análise fatorial tem a finalidade de deixar os dados mais fáceis de serem interpretados. Refere-se a uma variedade de técnicas estatísticas relacionadas, que oferecem alternativas que agregam mais informações e que, em contrapartida, exigem do pesquisador um maior grau de sofisticação técnica.

Segundo Hair Jr. et al. (2005), a existência da análise fatorial exploratória, é essencial onde não há ideias pré-definidas da estrutura e de quantas dimensões existem em um conjunto de variáveis, já a análise fatorial confirmatória testa hipóteses específicas.

3.3.5 Análise de regressão

Analisar os dados amostrais para saber como duas ou mais variáveis estão se relacionando umas com as outras numa população caracteriza-se por análise de regressão e correlação (Hair Jr. et al., 2005).

60

Regressão linear simples é quando uma única variável independente numérica, X, é utilizada para prever a variável dependente numérica, Y, sendo que a regressão múltipla, utiliza diversas variáveis independentes para prever uma única variável dependente numérica, Y. A análise de regressão múltipla é o modelo utilizado na pesquisa (Levine et al., 2017 e Hair Jr. et al., 2005).

Hair Jr. et al. (2005) mencionam que analisar uma regressão simples envolve uma variável somente e uma regressão múltipla envolve duas ou mais variáveis explicativas. A regressão linear múltipla é representada por (Equação 1): y = β0 + β1 x1 + ... + βn xn + ε (1) onde y é a variável resposta e xi (i = 1, 2, ..., n) são as variáveis explicativas, cujo objetivo da regressão linear múltipla é encontrar uma equação que calcula de maneira mais adequada a variável resposta a partir de uma combinação das variáveis explicativas (Hair Jr. et al., 2005).

3.3.5.1 Variável dummy

A inserção das variáveis dummies auxiliam na flexibilidade do modelo de regressão linear, tornando possível lidar com diversos problemas encontrados, sendo assim, uma forma para quantificar esses diversos problemas encontrados é construir variáveis artificiais com valores de 1 ou 0 (indicando ausência e presença de um atributo) sendo conhecidas como variáveis dummies (Hill, 1999).

Para analisar as variáveis de natureza concreta (gênero, idade, graduação, custo de investimento), onde as mesmas são consideradas como variáveis fáceis para uma definição e podem ser mensurados com medidas mais objetivas por meio de “atribuição de escores numéricos ao resultado da variável” (Hair Jr. et al., 2005). Como demonstra a equação abaixo:

𝛾_𝑖 = 𝛼 + 𝛽₁. 𝐷_1𝑖+ 𝛽₂. 𝐷_2𝑖+ ⋯ + 𝛽_𝑚. 𝐷_𝑚𝑖+ 𝜀_𝑖 (3.2) Dj = 1 ou 0 se a observação pertence à j‐ésima categoria da variável X, para j = 1, 2,..., n

( Hair Jr. et al., 2005). As variáveis dummies tem os valores de 0 e 1, transformando-se em qualquer outro par, por uma função linear, como Z = a + bD (b ≠ 0), em que a e b são

61

constantes e em que D = 1 ou 0. Quando D = 1, verifica-se Z = a + b; e quando D = 0, verifica-se Z = a. Assim, o par (0,1) torna-se (a, a + b) (Gujarati, 2000).

A variável dummy do estudo é gênero, sendo a variável independente que pode ser medida de forma quantitativa; e a variável influência do dashboard é a variável dependente.

3.3.6 Análise de hipóteses

Para Hair Jr. et al. (2005), o teste de hipótese fornece instrumentos que possibilitam rejeitar ou não rejeitar uma hipótese estatística por meio da evidência fornecida pela amostra.

Levine et al. (2017) mencionam que testes de hipóteses tem seu início com teoria, declaração ou assertiva, onde a hipótese nula corresponde a situação atual, sendo reconhecida pelo símbolo H0, sendo a hipótese alternativa a conclusão à qual se chega

pelo fato de ser rejeitada a hipótese nula.

Para Hair Jr. et al. (2005), a hipótese nula se pauta na noção de que qualquer mudança de uma situação passada deve-se inteiramente ao erro aleatório, já a hipótese alternativa mostra que há diferença entre médias de grupos. Se não há mudança de status quo, a hipótese nula é aceita, porém, se houver uma mudança de comportamento, atitude ou de alguma medida semelhante, a hipótese alternativa é aceita.

Já as hipóteses direcionais baseiam-se em quanto maior o estresse vivido no trabalho maior é a chance desse colaborador procurar outro emprego. As hipóteses não direcionais e mostram que existe uma relação entre o estresse vivido no trabalho com a procura por outro emprego. No entanto, não se consegue dizer se essa relação é positiva ou negativa (Hair Jr. et al., 2005).

3.4 Nota conclusiva

Aprofundar e ampliar os estudos relacionados à metodologia utilizada para apurar os resultados da pesquisa foi um dos propósitos deste capítulo, que visa mostrar os caminhos

62

adotados para responder ao problema proposto por esse estudo investigativo, de carácter teórico. Esta pesquisa analisou as suas diversas formas de desenvolvimento. Após cumprida essa tarefa poder-se-á expor adequadamente o movimento transposto e traduzido, ou seja, apresentar e discutir os dados coletados por meio da metodologia elaborada.

63