Análise e tratamento de dados quantitativos

Por meio da análise dos dados do Programa ALI pode-se identificar quais as dimensões da inovação que se destacaram e evidenciar as atividades inovativas que são peculiares ao grupo de empresas. De acordo com a metodologia do Programa ALI (BACHMANN, 2010a), em um primeiro momento, as informações coletadas pelos agentes são inseridas no sistema e geram indicadores em 13 dimensões, denominado Radar da Inovação - R0. Esses indicadores são analisados a partir da seguinte escala:

- 5 pontos: Organização Inovadora Sistêmica;

- 3 pontos: Organização Inovadora Ocasional;

- 1 ponto: Organização Nada ou Pouco Inovadora.

O GRÁFICO 7 mostra como os indicadores são apresentados graficamente. Em um segundo momento, são coletados os dados gerando o Radar 1 - R1. Dessa forma, pode-se comparar a evolução da inovação em cada dimensão e globalmente.

GRÁFICO 7 - EXEMPLO DE RADAR DA INOVAÇÃO

FONTE: SEBRAE-PR (2013).

Por meio da realização dos radares no ciclo de 2012 a 2014 foram gerados os dados de 3003 empresas. Esses dados estão dispostos em planilha de Excel e foram tratados e analisados por meio do software denominado IBM SPSS STATISTICS. A planilha de Excel fornece informações das empresas que estão agrupadas por setor e região e identifica o município de origem. O agrupamento por setores está ordenado de acordo com o Programa ALI, bem como a distribuição regional respeita a organização elaborada pelo mesmo. O grau de inovação das 13 dimensões de cada empresa está registrado em dois momentos (R0 e R1).

Para organizar o tratamento dos dados e apresentação dos resultados, foram realizadas as seguintes análises:

a) Dimensões da inovação nas quais as MPE mais se destacaram.

b) Dimensões que apresentaram maior média de inovação nos diferentes setores.

c) Dimensões que estão mais associadas a determinados setores.

Para estas análises foram recodificadas as variáveis para criar três grupos. A recodificação foi feita pautada na pontuação que o Programa ALI utiliza em sua metodologia (1-5), porém, a determinação de intervalos dará mais exatidão para a classificação das empresas de acordo com a pontuação obtida. A escala proposta é a seguinte:

1 – 2,99: Nada ou pouco inovador;

3 – 3,99: Moderadamente inovador;

4 – 5,00: Muito Inovador

Cada dimensão do Radar da Inovação foi comparada dentro do setor e com os demais setores. Dessa forma se demonstrará se dado setor é nada, moderadamente ou muito inovador, no momento inicial do programa e após o acompanhamento do Programa ALI. Assim, é possível determinar o perfil de inovação de cada setor, pois foram cruzados os dados para todas as dimensões no Radar 0 e no Radar 1. Foram geradas no SPSS treze tabelas cruzadas, uma para cada dimensão da inovação, entretanto, para facilitar a análise foi elaborada uma tabela resumo. A tabela resumo apresenta em cada dimensão e setor apenas o conjunto de empresas que percentualmente prevalecem, seja no grupo de nada ou pouco inovadores, seja no grupo de moderadamente inovador ou no grupo de muito inovador. A TABELA 13 é um exemplo de como as treze tabelas de contingência foram geradas no SPSS e o conjunto de dados que apresentam em cada tabela.

TABELA 13 -DIMENSÃO DA INOVAÇÃO POR SETOR

Dimensão Classificação

Metal-mecânico Moveleiro Saúde Software Turismo Varejo Vestuário Oferta Pouco inovador Contagem 143 86 312 148 223 186 214 422 216 1950

FONTE: Elaboração a partir do tratamento de dados no SPSS do Programa ALI - SEBRAE PR (2016).

Informações estatísticas pedidas nas tabelas de contingência:

- Contagem: total de ocorrências identificadas numa determinada categoria;

- Contagem esperada ou efetivos teóricos: é o total da coluna multiplicado pelo total da linha dividido pelo total global;

- % em linha (dimensão oferta no exemplo): valor total da linha/ total da linha x 100;

- % em coluna (no setor no exemplo): valor da célula em coluna/total da coluna x 100;

- Resíduos ajustados: averiguada a associação global entre as variáveis pode-se identificar se há associação local entre as categorias, calculando-se os resíduos ajustados. O resíduo ajustado tem distribuição normal com média zero e desvio padrão igual a 1. Se o resíduo ajustado for igual ou maior do que 1,96 em valor absoluto significa que existem evidências de associação significante entre as duas categorias de uma dada célula da tabela de contingência.

Como têm-se grandes tabelas de contingência, neste estudo, é difícil identificar os possíveis relacionamentos entre as dimensões da inovação e os setores. Ainda, estabeleceu-se três categorias: muito inovador, moderadamente inovador e pouco inovador. Foi utilizado o teste Qui-quadrado e apresentado na tabela resumo o resultado do valor de Pearson, ou seja, o número de graus de liberdade e o nível de probabilidade associada (DANCEY E REIDY, 2013). De acordo com Field (2013, p. 612), “o teste Qui-quadrado detecta se existe uma associação significativa entre duas variáveis categóricas. Entretanto, ele nada diz sobre o quão forte essa associação pode ser”. Ou seja, buscou-se analisar se existe uma associação entre os níveis pouco, moderadamente ou muito inovador com determinado setor para cada dimensão da inovação. Se o α ≤ 0,001 há uma probabilidade de erro ínfima de que esta categorização não esteja associada para tal dimensão da inovação para o setor analisado.

O teste da homogeneidade das variâncias utilizado foi o teste de Levene na exploração dos dados das dimensões da inovação para os setores do Programa ALI. O teste de Levene averigua se a hipótese de que a variância nos grupos é a mesma, sendo significativo quando p

≤ 0,05, isto é, detecta-se que a hipótese nula está incorreta e as variâncias são significativamente distintas. Se o p ≥ 0,05, o teste de Levene não é significativo e aceita-se a hipótese nula de que as diferenças entre as variâncias é zero. O teste de Levene é indicado para grandes amostras, pois o poder do teste é aumentado (FIELD, 2013).

Nesta situação, também foi utilizada a ANOVA - análise da variância - para identificar se havia diferenças entre as os grupos para as dimensões da inovação. “A ANOVA procura por diferenças entre as médias dos grupos” (DANCEY E REIDY, 2013, p. 303). De acordo com Field (2013), a utilização da ANOVA é vantajosa em estudos em que há diversas variáveis independentes, e como essas variáveis independentes interagem umas com as outras e que efeitos essas interações geram sobre a variável dependente. A ANOVA é um teste

abrangente, que informa se há diferenças significativas sobre as médias da inovação para os diferentes setores. Entretanto, não identifica detalhadamente quais setores apresentam diferenças significativas entre eles. A razão F mostra somente que existe algum efeito nestas variáveis, mas não indica qual é o efeito.

Para identificar essas diferenças significativas entre os grupos e as dimensões recorreu-se ao teste post hoc Games-Howell. Os “Testes post hoc consistem em comparações em pares planejadas para comparar todas as diferentes combinações dos grupos sendo testados. Assim, é como tomar todos os pares de grupos possíveis e executar um teste t em cada um” (FIELD, 2013, p. 322). O teste post hoc Games-Howell foi utilizado para identificar os setores que se assemelham nas 13 dimensões da inovação. O teste post hoc Games-Howell é o mais indicado, porque apresenta maior precisão, de acordo com Field (2013), para a realização de comparações múltiplas de uma amostra grande, em que as variâncias populacionais diferem e também quando os tamanhos amostrais são distintos.

d) Dimensões da inovação estão associadas ao aumento da Média da Inovação Global.

Primeiramente, foi criada uma variável denominada Inovação Global com as médias de todas as dimensões, e em um segundo momento, utilizou-se a correlação de Pearson para indicar o grau de intensidade da correlação entre duas variáveis:

A correlação de Pearson permite averiguar se as dimensões estão associadas entre si.

Karl Pearson desenvolveu esta abordagem e descobriu as correlações espúrias (somente um relacionamento estatístico, não um relacionamento real entre duas variáveis), cabe ao pesquisador analisar a expressividade dessas correlações detectadas (DANCEY e REIDY, 2013).

e) Dimensões do Radar da Inovação que estão mais associadas entre si.

De acordo com Crespo (2009, p. 148), o coeficiente de correlação de Pearson é dado por:

r = ( 𝑛∑𝑥𝑖𝑦𝑖 – (∑𝑥𝑖)(∑𝑦𝑖)

√⦗(𝑛∑𝑥𝑖²)−(∑𝑥𝑖) ²⦘ ⦗𝑛∑𝑦𝑖²−(∑𝑦𝑖)²⦘ (1)

Os valores limites de r são -1 e +1, sendo assim: a) se a correlação entre as duas variáveis é perfeita e positiva r = +1; b) se a correlação é perfeita e negativa, então r = -1; c) se não há correlação entre as variáveis, então r = 0.

f) Dependência do comportamento da inovação para as empresas em função da região.

Para validar esta análise também se recorreu ao teste de Levene, em seguida a ANOVA para testar as médias das dimensões por região. O procedimento seguinte foi o teste post hoc Games-Howell para encontrar as semelhanças entre as regiões.

g) Inovação Global das MPE após participação no Programa ALI.

A partir da segunda coleta de dados feita pelos ALI obteve-se o Radar 1. Nesta investigação optou-se por analisar o comportamento das empresas participantes do Programa ALI por meio do comparativo das amostras (Radar 0 e Radar 1).

Esta análise foi testada através do teste T-Student (Teste t). O teste t permite analisar duas amostras diferentes, neste caso são amostras das mesmas empresas, mas com dois tempos de aferição. De acordo com Field (2013), há dois tipos de teste t dependendo do tipo de variável:

I) Teste t para amostras independentes: existem diferentes participantes para cada condição e pode ser denominado como teste t de medidas independentes ou amostras independentes;

II) Teste t para amostras dependentes: é utilizado quando ocorrem duas condições experimentais e os mesmos participantes estão em ambas as condições e é denominado também como teste t para amostras emparelhadas.

h) Comportamento da inovação global das empresas em função da região após a participação no Programa ALI.

O teste de Tukey é considerado um teste post hoc bastante robusto indicado para comparações com grandes quantidades de médias e possui um bom controle da taxa de erro Tipo I (FIELD, 2013). Dancey e Reidy (2013) ainda indicam o teste Diferenças Honestamente Significativamente (DHS) de Tukey para fazer um grande número de comparações, pois é mais conservador. Neste caso, utilizou-se o teste post hoc DSH de Tukey para identificar as diferenças significativas entre o Radar 0 e o Radar 1 por região.

A FIGURA 15 apresenta sinteticamente os testes estatísticos utilizados no apoio às análises. As variáveis utilizadas foram: dimensões da inovação e os fatores setor e região. Foi criada a variável Inovação Global para o Radar 0 e para o Radar 1. No Radar 0 as variáveis foram analisadas por setor e por região. Foram estabelecidos conjuntos por meio da tabela de contingência. Esses conjuntos foram divididos nas categorias: muito inovador, moderadamente inovador e pouco inovador. Para analisar a associação das categorias com esses conjuntos de MPE utilizou-se o teste Qui-quadrado. Além disso, utilizou-se a correlação de Pearson para averiguar as associações das variáveis das dimensões da inovação com a Inovação Global. O teste de Levene e a ANOVA foram calculados para analisar as variáveis

por setores e por região e identificar se existiam diferenças significativas entre os grupos.

Finalmente, o teste post hoc Games- Howell foi utilizado para identificar os setores e regiões que apresentavam médias significativamente parecidas. Para o Radar 1, foi elaborada a tabela de contingência e calculado o teste Qui-quadrado, adicionalmente, foi feito o comparativo entre os grupos do Radar 0 com o Radar 1. Por meio do teste T- Student foram calculadas as médias para o Radar 1. Para evitar repetições, decidiu-se por criar uma outra sessão comparativa entre o Radar 0 e o Radar 1. Não foram realizados todos os testes no Radar 1, pois seriam já incluídos nos testes comparativos. Para identificar as diferenças entre o Radar 0 e o Radar 1 utilizou-se o teste T- Student (FIGURA 15).

FIGURA 15 - ESQUEMA DOS TESTES PARAMÉTRICOS UTILIZADOS NO ESTUDO DO PROGRAMA ALI

FONTE: Elaboração própria (2016).

Para identificar as diferenças entre as dimensões da inovação para cada setor foi utilizada a MGL (ANOVA para comparar várias médias), pois adequa-se melhor nestas múltiplas comparações. Ainda, utilizando-se de múltiplas comparações o teste post Hoc HSD Tukey foi utilizado para identificar os setores e regiões que apresentavam diferenças significativas (FIGURA 15). O teste post hoc de HSD de Tukey foi também utilizado para identificar possíveis grupos setoriais, após estabelecer comparativo entre o Radar 0 e o Radar

1. Além disso, buscou-se identificar o grupo de empresas mais inovadoras e, assim, identificar se havia características específicas a estas empresas. Foram elaboradas duas categorias: a) Pouco Inovadoras: 1 - 2,99; b) Inovadoras: 3 - 5.

Identificou-se por meio da correlação de Pearson as dimensões que estavam mais associadas à variável Inovação Global para esse grupo. Foi realizado o teste de Levene para identificar a homogeneidade das variâncias e o teste t para amostras independentes a fim de analisar as diferenças das médias das dimensões da inovação por setor e por região. A ANOVA foi calculada para identificar as médias das MPE por região (FIGURA 15).