Análise dos dados quantitativos

Referente à análise dos dados quantitativos, este estudo pautou-se nas técnicas de análise descritiva univariada e multivariadas. Os dados foram coletados de forma presencial, em questionários impressos, os quais foram tabulados no Microsoft Excel® e transferidos ao software IBM SPSS® versão 20 para realização da análise.

Na análise univariada foi realizada a análise de frequências, média, desvio padrão e variância dos resultados obtidos. A estatística descritiva permite que o pesquisador compreenda o comportamento dos dados por meio de tabelas, imagens, medidas-resumo pela identificação das tendências e variabilidades (FÁVERO et al., 2009). Serão realizadas as análises de média, frequência, desvio padrão e coeficiente de variação. A variância foi calculada objetivando verificar o quanto os dados estão dispersos em relação à média. Já o desvio padrão representa a média das distâncias das observações com relação à média geral da variável. A partir disso, foi possível identificar os outliers, que representam os valores que apresentam valores muito distantes da média. O coeficiente de variação é apresentado em forma de percentual, a fim de mesurar a homogeneidade dos dados em relação à média. É possível verificar a homogeneidade dos dados ao considerar resultados superiores à 30% como heterogêneos e os resultados abaixo de 30% indicam um conjunto homogêneo (FÁVERO et al., 2009). Posterior, foi realizada uma análise comparativa entre os blocos, bem como por cargo ocupado na organização, a fim de comparar os grupos analisados, e ressaltar as diferenças expressivas entre eles (HAIR JR. et al., 2005).

Na análise multivariada, foram utilizadas as técnicas de análise fatorial, análise de correlação linear e análise de regressão múltipla. A análise fatorial possibilita a análise dos

componentes principais e a análise dos fatores comuns, que permite a análise de das inter- relações entre as variáveis, reduzindo-as à fatores ou dimensões comuns com a menor perda de informações possíveis. A análise fatorial visa ainda se tornar “uma base objetiva para criar escalas múltiplas” (HAIR JR. et al., 2009, p.33). Fávero et al. (2009) definem que a análise multivariada representa uma extensão das análises univariadas e bivariadas. Isso porque, segundo os autores, a análise univariada estuda os comportamentos e distribuições das variáveis de forma isolada e a análise bivariada estuda as associações e correlações de duas variáveis de modo simultâneo. A análise fatorial é pertinente quando se deseja combinar as variáveis para formação de uma nova variável ou um indicador (FÁVERO et al., 2009).

A análise fatorial é uma técnica usada para sintetizar informações de um grande número de variáveis em um número reduzido de variáveis e fatores, por meio da combinação de variáveis (HAIR JR. et al., 2005). Já Fávero et al. (2009) definem a análise fatorial como a técnica utilizada para viabilizar o estudo das inter-relações de um grande número de variáveis, com o objetivo de condensar as informações contidas em cada grupo em novos agrupamentos, denominados fatores, sem que haja uma perda considerável de informações. Os autores complementam que “o principal propósito da análise fatorial é descrever as relações de covariância entre diversas variáveis em termos de poucos e não observáveis fatores, ou seja, é procurar ou identificar fatores não observáveis ou construtos latentes que possam explicar a intercorrelação entre as variáveis” (FÁVERO et al., 2009, p. 9). A escolha da utilização na análise fatorial se deu a fim verificar como as questões se comportam, estatisticamente, diante da proposta de análise do estudo, com relação à associação dos temas.

A partir disso, foi realizada a análise de correlação linear bivariada, que objetiva verificar a “relação entre duas variáveis e até onde elas covariam” (HAIR JR. et al., 2005, p. 313). A correlação nos fornece os indícios de existência de relação entre duas variáveis e a força desta relação. Hair Jr. et al. (2005, p. 13) explicam que por meio da correlação de Pearson, que “mensura a associação linear entre duas variáveis métricas. O número que representa a correlação de Pearson é chamado coeficiente de correlação” e forneceu ao estudo a informação a respeito da linearidade dos dados e da intensidade de associação entre as variáveis investigadas.

A análise de regressão múltipla é a análise apropriada “quando o problema de pesquisa envolve uma única variável dependente métrica considerada como relacionada a duas ou mais variáveis independentes métricas” (HAIR JR. et al., 2009, p.33). Os autores destacam que a análise de regressão múltipla tem por objetivo realizar a previsão acerca de mudanças na variável dependente enquanto resposta às mudanças nas variáveis independentes. A regressão

linear múltipla, segundo Pestana e Gageiro (2005), consiste na técnica estatística inferencial que possibilita a relação de uma variável dependente (Y) com um conjunto de variáveis independentes (X’s). Por meio da análise de regressão múltipla, verificou-se o quanto a aprendizagem organizacional, a liderança e o comprometimento organizacional contribuem com a comunicação interna, ou são estes que possibilitam a aprendizagem organizacional.

Quando o objetivo da pesquisa se volta à criação de modelos que possam explicar o impacto gerado por um grupo de variáveis sobre o comportamento de outras variáveis, a análise de regressão mostra-se apropriada (FÁVERO et al., 2009). Isso significa que as variáveis independentes que correspondem ao construto de comunicação interna podem se relacionar com as variáveis dependentes, que correspondem aos níveis de aprendizagem, liderança e comprometimento abordados no estudo.

Após a coleta e tabulação dos 700 questionários aplicados nas 6 unidades fabris do Grupo Beta, os dados foram exportados do Excel para o software SPSS® (Statistical Package for Social Sciences), onde se iniciaram os procedimentos de análise, abaixo descritos.