Análise Fatorial

A análise fatorial, segundo Hair et al. (2005), tem como intuito resumir a informação contida em diversas variáveis originais em um conjunto menor de dimensões com perda mínima de informações. A análise fatorial foi escolhida na pesquisa uma vez que é capaz de manter a natureza e o caráter das variáveis originais, mas reduzir seu número e simplificar a análise multivariada a ser empregada em seguida.

Esta análise foi conduzida aplicando os sete estágios do tratamento estruturado, proposto pelo referido autor, para a construção de um modelo multivariado, quais sejam: objetivos da análise fatorial, planejamento da análise fatorial, suposições na análise fatorial, determinação de fatores e avaliação do ajuste geral, interpretação dos fatores, validação da análise fatorial e, por último, usos adicionais dos resultados da análise fatorial. Estes estágios

68 foram considerados tanto na determinação dos fatores da qualidade de serviço quanto na definição dos fatores das consequencias positivas.

Inicialmente, selecionaram-se as variáveis que seriam objetos da análise fatorial, abrangendo, na primeira análise, os 25 atributos da qualidade do serviço definidos pelos especialistas e ajustados na etapa de pré-teste do questionário e na segunda, as cinco consequencias positivas.

Definiu-se a abordagem que se pretendia focalizar, optando-se pela Análise Fatorial R, uma vez que o objetivo da pesquisa consistia em analisar um conjunto de variáveis para identificar as dimensões latentes.

Neste estágio também foi avaliada a adequação do tamanho da amostra (Tabela 14), tendo sido confirmada que as proporções alcançadas na pesquisa entre o quantitativo de observações válidas e os atributos relativos a, respectivamente, qualidade do serviço e consequencias positivas atendiam a proporção de 5 para 1 (HAIR et al., 2005).

Tabela 14 – Proporção do número de observações e atributos analisados Itens relativos Quantitativo ^{Questionários}

válidos ^Proporção

Qualidade de serviço 25 127 5,1

Consequências

comportamentais ^{5 127 25,4}

No estágio seguinte, foram efetuados testes para evidenciar a adequação da análise fatorial aos dados da pesquisa, tendo como princípio o exame da matriz de correlação das variáveis. Neste sentido, utilizou-se o teste Bartlett de esfericidade que forneceu a probabilidade estatística de que a matriz de correlação apresente correlações significantes entre pelo menos algumas das variáveis (HAIR et al., 2005).

Além desse teste, buscou-se quantificar o grau de intercorrelação entre as variáveis através da medida de adequação da amostra (MSA). Esta medida varia de 0 a 1 e quanto mais próximo da unidade, maior a correlação entre as variáveis. Os valores sugeridos por Hair et

al. (2005) são: 0,80 ou acima, admirável; 0,70 ou acima, mediano; 0,60 ou acima, medíocre;

0,50 ou acima, ruim; e abaixo de 0,50, inaceitável. A avaliação do MSA geral foi conduzida também para cada variável individualmente, considerando-se os mesmos intervalos mencionados.

Antes de realizar a extração dos fatores, foram definidos: o método de extração dos fatores e o critério para definir o número de fatores para representar a estrutura latente da qualidade de serviço e das consequencias positivas.

69 Em relação ao método de análise, optou-se pelo método de análise de componentes principais, recomendado pela literatura quando o objetivo da pesquisa é resumir a maior parte da informação original (variância) a um número mínimo de fatores (HAIR et al., 2005). Este método considera a variância total e determina fatores que contêm pequenas proporções de variância única (específica) e, em alguns casos, variância do erro. Além disso, o método assume que todas as comunalidades (quantia total de variância que uma variável original compartilha com todas as outras variáveis incluídas na análise) para todas as variáveis é igual a 1 para, em seguida, submeter a matriz de correlação com as comunalidades estimadas na diagonal à análise dos componentes principais.

Quanto ao critério de parada para definição dos fatores, utilizou-se o que Hair et al. (2005) aponta como a técnica mais comumente usada, o critério da raiz latente, cujo princípio consiste no fato de que qualquer fator individual deve explicar a variância de pelo menos uma variável, assim apenas os fatores que tiveram autovalores maiores que 1 (eigenvalue >1) foram considerados significantes. O critério de eigenvalue pode ser observado, utilizando o gráfico relativo ao teste scree e considerando o número de fatores o ponto a partir do qual o gráfico começa a ficar horizontal.

Posteriormente, avaliou-se o método de rotação dos fatores com objetivo de rotacionar a matriz dos fatores de modo a redistribuir a variância dos primeiros fatores para os últimos e proporcionar uma melhor interpretação dos fatores. Optou-se pelo método mais simples de rotação que, segundo Hair et al. (2005), é a rotação ortogonal, na qual os eixos são mantidos a 90 graus. A matriz de componentes foi rotacionada pelo método VARIMAX, cujo objetivo é atingir uma estrutura de fatores na qual cada variável apresente uma carga fatorial “alta” em um único fator (SHARMA, 1996).

Ainda foi avaliada a significância estatística das cargas fatoriais, definida como a correlação entre uma variável original e seu fator. Para tal, consideraram-se as orientações de Hair et al. (2005) para identificação de cargas fatoriais significativas, desta forma, tomou-se, como ponto de corte, cargas fatoriais superiores a 0,50.

Adicionalmente, foram analisadas as comunalidades das variáveis que representam a quantia de variância explicada pela solução fatorial para cada uma das variáveis. Foram identificadas as variáveis que não carregavam nenhum fator, situação em que foram excluídas das análises subsequentes.

Tendo sido identificados os fatores para a qualidade do serviço e para as conseqüências positivas, validaram-se os resultados da análise através da medição do grau de

70 consistência entre as variáveis de cada escala múltipla. A medida utilizada para avaliar a consistência da escala de cada uma das dimensões encontradas na Análise Fatorial foi o alfa de Cronbach. Utilizou-se, como valor crítico deste parâmetro, aquele apontado por Hair et al. (2005) como aceitável em pesquisas exploratórias, 0,60.

Por último, foram computados os escores fatoriais de cada um dos fatores da qualidade obtidos na análise fatorial com objetivo de identificar variáveis apropriadas para aplicação subseqüente na regressão linear múltipla entre as consequencias comportamentais e os fatores da qualidade. Segundo Hair et al. (2005), os escores fatoriais são calculados baseando-se nas cargas fatoriais de todas as variáveis do fator.