ANÁLISE ESTATÍSTICA

Para confirmar ou refutar as informações apresentadas na análise descritiva e averiguar a real influência da imagem da motocicleta na intenção de compra da mesma, utilizou-se a técnica de regressão linear múltipla, através a transformação das variáveis dependentes, independentes e de controle em variáveis numéricas contínuas, conforme mostrado no Apêndice VIII. No processo stepwise para alcançar o modelo final, capaz de selecionar e mensurar as variáveis independentes que possuem real poder de explicação da variação da variável dependente, foram gerados 5 modelos de regressão. Conforme já descrito, o método backward stepwise consiste na retirada das variáveis estatisticamente não significantes até se chegar a um modelo final que possua somente as variáveis com relevância estatística na explicação da variável dependente que, no caso, é a intenção de compra de motocicletas. Conforme mostrado nos Apêndice IX, foram executados os testes usuais de homocedasticidade, normalidade e independência dos resíduos.

No primeiro modelo, foram consideradas somente as imagens da motocicleta como variáveis independentes. No segundo, foram consideradas somente as variáveis de controle como variáveis independentes, buscando entender a relação entre elas e a

intenção de compra pesquisada. Ou seja, as imagens da motocicleta não foram inseridas nesta etapa. Os resultados desses dois primeiros modelos são importantes para analisar de forma isolada e comparativa a relação entre esses dois grupos de variáveis independentes com a variável dependente, a intenção de compra, além de permitir compreender a influência das variáveis de controle na permanência ou não de determinadas imagens no resultado do terceiro modelo. Neste, todas as variáveis foram inseridas de forma conjunta, ou seja, as imagens como variáveis independentes e as demais como variáveis de controle. Analisado os resultados deste último, devido à apresentação de heterocedasticidade no modelo, foi necessário gerar um quarto e quinto modelos com o objetivo de atender aos pré-requisitos estatísticos de validação da regressão.

Tabela 8 – Regressão linear múltipla: Modelo 1 – Imagens da motocicleta

Tabela 8 – Regressão linear múltipla: Modelo 1 – Imagens da motocicleta

(conclusão)

Fonte: elaboração própria

O ´´Modelo 1 – Inicial’’ começou com 16 variáveis independentes, representadas pelas imagens da motocicleta. Após aplicação da metodologia backward stepwise, chegou- se ao ‘’Modelo 1 – Final’’ onde permaneceram somente 6 das variáveis originais, capazes de explicar aproximadamente 13,5% da variação da variável dependente. Somente as imagens de ''prazer'', ''insegurança'', ''marca'', ''praticidade'', ''emoção'' e ''liberdade'' apresentaram relevância estatística na explicação da variação da intenção de compra de motocicletas. Dentre essas, somente a imagem de ''insegurança'' teve um impacto negativo, enquanto as imagens de ''liberdade'', ''praticidade'' e ''prazer'' apresentaram influência positiva sobre a variável dependente. Esses resultados condizem com aqueles apresentados na análise descritiva, onde todas as 6 variáveis mostraram resultados similares quando comparados com os resultados deste modelo estatístico.

Nota-se que a variável “violação” não permaneceu no modelo final, mesmo aparentando a possibilidade de forte influência durante a análise descritiva. Isto mostra que, considerando o ´´Modelo 1 - Final’’, a imagem de ‘’violação’’ não possui peso explicativo sobre a intenção de compra de motocicleta. Outro resultado observado neste modelo foi que, mesmo considerando um intercepto negativo, ou seja, uma tendência dos indivíduos da amostra a não estarem propícios à compra de motocicleta tudo o mais constante, e diferentemente do apresentado na análise descritiva, as imagens com conotação positiva possuem um impacto superior às negativas no que diz respeito à intenção de compra.

Tabela 9 – Regressão linear múltipla: Modelo 2 – Variáveis de controle

Fonte: elaboração própria

O ‘’Modelo 2 - Inicial’’ começou com todas as ‘’variáveis de controle’’ como variáveis independentes e resultou no ‘’Modelo 2 – Final’’, com a permanência de somente 4 variáveis, capazes de explicar aproximadamente 31% da variação da intenção de compra de motocicletas. As variáveis de ''experiência ao andar de motocicleta'', ''posse de motocicleta'', ''acidente de motocicleta'' e ''sexo'' mostraram que são capazes de explicar estatisticamente a variação da variável dependente. Dessas, as variáveis de “sexo” (feminino) e “acidente de motocicleta” (não ter sofrido acidente) apresentaram impacto negativo sobre a intenção de compra, enquanto a ”experiência ao andar de motocicleta” e “posse de motocicleta” apresentaram impacto positivo, sendo esta última a que apresentou o maior impacto na intenção de compra. As

informações apresentadas no modelo estão de acordo com as informações obtidas na análise descritiva.

Vale destacar a interpretação da variável ‘’acidente de motocicleta’’. Como esta foi inserida no modelo de regressão com representação numérica de 0 a 4, sendo o ‘’0’’ para aqueles que já sofreram acidente e também tiveram um parente/amigo próximo que tenha sofrido um acidente de motocicleta, o resultado mostrou que o fato de sofrer acidente aumenta a intenção de compra do indivíduo. Isso pode ser resultado do fato de que aqueles que sofrem acidente de motocicleta possuem o produto e, como vimos na análise da variável ‘’posse de motocicleta’’, comprariam novamente. Outra interpretação que pode ser feita a partir dessa informação é que, para aqueles que possuem motocicletas, o fato de sofrer um acidente não necessariamente reduz a sua propensão à compra. Dentre as variáveis que permaneceram no modelo final, a variável de ‘’acidente de motocicleta’’ foi a com o menor efeito sobre a variável dependente, além de estar fora de um nível de confiança de 5%. Ou seja, por mais que estatisticamente esta variável tenha um efeito sobre a intenção de compra, este efeito é pequeno se comparado com as demais.

Tabela 10 – Regressão linear múltipla: Modelo 3 – Completo

Tabela 10 – Regressão linear múltipla: Modelo 3 – Completo

(conclusão)

Fonte: elaboração própria

O ‘’Modelo 3 – Inicial’’ foi responsável pela fusão dos dois primeiros modelos. Ou seja, as imagens da motocicleta foram inseridas como variáveis independentes e as demais como variáveis de controle. Isto é necessário para analisar a permanência ou exclusão de determinadas imagens quando inseridas de forma conjunta com variáveis de controle. Aquelas que permanecem no modelo final possuem relevância estatística na explicação da variável dependente enquanto aquelas excluídas não atenderam ao critério de, no mínimo, 90% de confiança na estimação de seus coeficientes quando inseridas concomitantemente com as variáveis de controle. Isto pode ocorrer devido, por exemplo, a uma correlação entre essas variáveis, o que faz com que tenha que se escolher a variável com maior grau de confiança e poder de explicação. Neste caso específico, as variáveis “prazer”, “insegurança”, “praticidade”, “experiência ao andar de motocicleta”, “posse de motocicleta” e “sexo” permaneceram no ‘’Modelo 3 - Final’’ mostrando relevância estatística na explicação da variação da variável dependente do modelo, e foram capazes de explicar de forma conjunta aproximadamente 33,7% dessa variação. A inclusão das variáveis de controle excluiu as imagens de “marca” e “emoção” se comparado com o ‘’Modelo 1 - Final’’. As variáveis de “sexo” (feminino) e “insegurança” apresentaram, conforme esperado, um efeito negativo, enquanto as

demais, um efeito positivo na intenção de compra. As variáveis de “posse de motocicleta”, “liberdade” e “prazer”, foram as que apresentaram o maior efeito sobre a variação da variável dependente.

Todos os três modelos apresentados passaram nos testes de normalidade e independência das variáveis, porém, os dois últimos apresentaram heterocedasticidade. Dando continuidade ao ‘’Modelo 3 – Final’’, e seguindo rigorosamente os pré-requisitos de uma regressão linear múltipla (GUJARATI e PORTER, 2011), foram gerados dois modelos suplementares ‘’Modelo 4 - Experiência’’ e ‘’ Modelo 5 - Posse’’ retirando-se a variável de “experiência ao andar de motocicleta” e “posse de motocicleta”, uma em cada modelo, dado que as duas estão intrinsecamente ligadas (um indivíduo que possui motocicleta provavelmente possui uma boa experiência com a mesma). Estes modelos são apresentados na Tabela 11.

Tabela 11 – Regressão Linear Múltipla: Modelos 4 e 5

Como em ambos os modelos o problema da heterocedasticidade foi resolvido, a tabela ANOVA (análise de variância) foi utilizada para comparação com a modelo base (Modelo 3 – Final) e, finalmente, a escolha do modelo ideal. De acordo com os resultados apresentados, o ‘’Modelo 5 – Posse’’ mostrou maior adequação em relação à explicação da variável dependente. Os resultados dos testes de normalidade, independência, heterocedasticidade e ANOVA podem ser observados no Apêndice IX.