Aplicação do Escalonamento Multidimensional (EM)

A aplicação do EM para todas as variáveis comuns do estudo não apresentou resultado interpretável e relevante, por isso, optou-se aplicar o EM pontualmente para apenas algumas variáveis, provenientes dos questionários das Pesquisas 2003, 2005 e 2009. O EM aplicado será a sua forma mais usual, que utiliza procedimentos matemáticos, sem inferência estatística, para fornecer como resultado um mapa com objetivo de permitir a visualização e compreensão dos dados em estudo.

O EM foi realizado com duas e três dimensões, por meio de um modelo euclidiano, utilizando- se uma matriz de dissimilaridade entre os elementos analisados. As medidas de dissimilaridades foram calculadas utilizando-se o algoritmo ALSCAL (Mínimos Quadrados Alternados - Alter- nating Least Squares Scaling);

Para o entendimento da qualidade de ajuste da aplicação do EM, pode-se vericar que existem alguns indicadores quanticáveis  stress, s-stress e RQS (Índice de Qualidade do Ajuste - Robust Quads).

O stress e s-stress são fórmulas bastante simples que relacionam, na essência, os erros ou falta de ajuste de um modelo com os dados de dissimilaridades originais ou reescalonados. De maneira geral, quanto menor o valor do indicador, melhor o ajuste, já que valores reduzidos indicam erros pequenos para o modelo em questão, logo valores próximos a 0 (zero) são desejados.

O RQS é a correlação quadrada que busca mostrar a proporção de variação das disparidades e dissimilaridades reescalonadas que é explicada pelas distâncias conseguidas com o modelo em análise. Geralmente, valores acima 0,8 tendem a indicar boa aproximação para a conguração dos dados originais.

O gráco de dispersão de Shepard associa as disparidades e dissimilaridades reescalonadas com as distâncias ajustadas pelo modelo. Uma reta de pontos alinhados com baixa dispersão é esperada para modelos bem ajustados aos dados, indicando que cada dissimilaridade original é bem representada pela distância ajustada pelo modelo gráco.

Fatores importantes na hora da compra de um automóvel

Da mesma maneira que AF, o Escalonamento Multidimensional selecionou nas amostras todas as variáveis em comum nas três pesquisas, porém nesse primeiro momento trabalhou-se apenas com as 11 variáveis da pergunta 31 do questionário sobre os fatores importantes na hora da compra do veículo. Os fatores são: Q31A (Acessórios e Opcionais), Q31B (Aparência, Beleza e Estética), Q31C (Condições de Financiamento), Q31D (Desempenho), Q31E (Durabilidade), Q31F (Economia de Combustível), Q31G (Manutenção), Q31H (Preço Total), Q31I (Status e Prestígio do Carro), Q31J (Valor de Revenda) a Q31K (Valor do Seguro).

Os resultados obtidos para o EM para duas e três dimensões, com a utilização do modelo ALSCAL, um dos algoritimos usados para realização do EM, encontram-se na Tabela 5.3.16, com intuito de permitir uma comparação entre os dois modelos.

Os números resultantes da Tabela 5.3.16 indicam que os ajustes dos modelos são de quali- dade considerável e bastante apropriada para representar a síntese da conguração dos fatores, principalmente quando se analisa o RSQ, que indica o quanto das dissimilaridades reais dos fatores é explicado pela modelagem realizada: 0,97521 (2 dimensões) e 0,99806 (3 dimensões), estes, estão bem próximo do valor máximo 1 (um).

Os indicadores s-stress e stress apresentam melhoras com a introdução de nova dimensão, mas os números para o modelo de duas dimensões não parecem representar modelo com ajuste de qualidade ruim, apesar da diculdade de se olhar isoladamente os valores dos indicadores.

Assim, na comparação entre os dois modelos, pode-se dizer que não é expressivo o incre- mento de explicação com a utilização de três dimensões, considerando que o modelo com duas dimensões já possui grau de ajuste representativo e, também, que os indicadores sempre me-

lhoram quando se aumenta o número de dimensões.

Tabela 5.3.16: Indicadores de qualidade de ajuste dos modelos com duas e três dimensões para os fatores.

Indicadores 2 Dimensões 3 Dimensões

s-stress 0,07614 0,01437

stress 0,07754 0,01884

RQS 0,97512 0,99806

duas dimensões, uma comparação entre as distâncias ajustadas pelo modelo e as disparidades (valores de função das dissimilaridades originais), como forma de realizar análise de diagnóstico da qualidade do ajuste do modelo. É um gráco de dispersão, no qual se espera como A Figura 5.3.3 mostra o gráco Shepard para o modelo com resultado que os pontos não se afastem muito de uma reta, indicando que cada dissimilaridade original, dada pela disparidade, é bem representada pela distância ajustada pelo modelo.

Figura 5.3.3: Gráco Shepard de dispersão dos fatores, apresentando a correspondência entre os valores das dissimilaridades reais transformados (disparidades) e as distâncias ajustadas pelo modelo com duas

dimensões.

As posições de cada fator para cada dimensão nas duas modelagens são apresentadas na Tabela 5.3.17. Percebe-se que as posições dos estímulos (fatores) nas dimensões 1 e 2 dos dois ajustes estão muito próximas, apesar de haver maior destaque nas operações das dimensões do modelo com três dimensões.

Para a dimensão 3 do modelo de três dimensões, destaca-se que a oposição entre os fatores é mais leve do que nas dimensões 1 e 2, já que os valores são, em geral, inferiores. Além disso, essa terceira dimensão não se mostra, a princípio, representativa em termos de entendimento das diferenças entre os fatores.

Tabela 5.3.17: Valores para as coordenadas de cada fator nas modelagens de duas e três dimensões.

Estímulos 2 Dimensões 3 Dimensões

1 2 1 2 3 Q31A 1,2452 0,6443 1,4615 0,7082 0,0721 Q31B 0,7809 0,4558 0,8932 0,8077 -0,3896 Q31C -0,8327 -1,4355 -0,5041 -1,3307 -1,5685 Q31D -0,0913 0,2735 -0,0972 0,6889 -0,1909 Q31E -1,0677 0,2482 -1,3105 0,4230 0,1277 Q31F -1,5735 0,3103 -1,7771 0,2191 0,2533 Q31G -1,0790 0,2408 -1,1952 0,0467 0,2231 Q31H -1,1527 0,1971 -1,5875 -0,0721 0,1001 Q31I 2,8144 0,2347 3,1371 0,1445 -0,4338 Q31J -0,0348 -0,1530 0,0411 -0,3264 0,6146 Q31K 0,9912 -1,0164 0,9386 -1,3089 1,1919

Em função, principalmente, de boa qualidade do ajuste com duas dimensões e do incremento pouco representativo quando se passa para três dimensões, é escolhido o modelo com duas dimensões para se avaliar mais detalhadamente a conguração dos posicionamentos dos fatores. É importante salientar, que a análise pura e direta dos números das coordenadas atribuídas a cada fator nas dimensões, apresentada na Tabela 5.3.17, não é de percepção simples quando se pensa no resultado agregado. Assim, a análise dos dados com a visualização do gráco com o posicionamento dos fatores por dimensões é muito mais adequada, pois, de forma direta e imediata, permite análise do resultado agregado com as dimensões.

A Figura 5.3.4 mostra a disposição dos onze fatores analisados em correspondência com as respostas dos entrevistados. No mapa de percepção em duas dimensões, nota-se que exis- tem fatores a pouca distância de outros, indicando proximidade, similaridade ou concorrência quanto às dimensões resultantes. As variáveis os fatores Q31A (Acessórios e Opcionais), Q31B (Aparência, Beleza e Estética), Q31D (Desempenho) e Q31I (Status e Prestígio) estão próximas e juntas formam um grupo. Os fatores Q31C (Condições de Financiamento), Q31E (Durabi- lidade), Q31F (Economia de Combustível), Q31G (Manutenção), Q31H (Preço Total), Q31J (Valor de Revenda), Q31K (Valor do Seguro) formam mais um grupo.

fatores formados, segundo as respostas dos consumidores do mercado automotivo.

Figura 5.3.4: Gráco de conguração dos fatores em duas dimensões, resultante da avaliação da im- portância de 15 fatores pelos entrevistados na hora de comprar um automóvel.

Em interpretação possível do resultado apresentado, a dimensão 1 está relacionada ao bem- estar, no sentido de reetir as características de conforto do automóvel. Desse modo, os fatores Q31A (Acessórios e Opcionais), Q31B (Aparência, Beleza e Estética), Q31D (Desempenho) e Q31I (Status e Prestígio) são os mais relevantes para os consumidores com maior renda e que buscam qualidade.

Na dimensão 2 relaciona-se ao acesso das condições de obtenção de um automóvel, no sen- tido de facilidades na conquista de seu veículo. Desse modo, os fatores Q31C (Condições de Financiamento), Q31E (Durabilidade), Q31F (Economia de Combustível), Q31G (Manuten- ção), Q31H (Preço Total), Q31J (Valor de Revenda), Q31K (Valor do Seguro) são os mais importantes para os consumidores com renda mediana e que buscam preço baixo.

Importância das fontes de informação na hora da compra

Da mesma forma que o item anterior para a realização do Escalonamento Multidimensional foi feito o mesmo procedimento de escolha das variáveis, trabalhando-se apenas com as 6 va- riáveis da questão 32 sobre as fontes de informação consultadas na hora da compra do veículo. As variáveis são da análise são Q32A (Amigos e Parentes), Q32B (Anúncio em Jornal), Q32C

(Concessionárias e Revendas), Q32D (Revistas Especializadas), Q32E (Sites da Internet) Q32F (Outras Fontes).

Os resultados obtidos para duas dimensões para as fontes de informação, com a utilização do modelo ALSCAL, encontra-se na Tabela 5.3.18.

Os números da Tabela 5.3.18 indicam que o ajuste do modelo é de qualidade considerável e bastante apropriada para representar a síntese da conguração das fontes de informação, principalmente quando se analisa o RSQ, que indica o quanto das dissimilaridades reais dos fatores é explicado pela modelagem realizada, sendo igual a 0,99991 e estando bem próximo do valor máximo 1 (um). Os indicadores s-stress e stress apresentam números para o modelo de duas dimensões excelentes, conrmando a ótima qualidade de ajuste.

Tabela 5.3.18: Indicadores de qualidade de ajuste dos modelos com duas dimensões para os fatores. Indicadores 2 Dimensões

s-stress 0,00372

stress 0,00448

RQS 0,99991

O gráco Shepard da Figura 5.3.5, de dispersão de valores reais e dos ajustados pelo modelo com duas dimensões, indica que existe ajuste de qualidade destacada para representar os dados originais das dissimilaridades dos fatores. Os pontos, em geral, apresentam quase nenhuma dispersão em torno de uma reta, como esperado em caso de ajuste de boa qualidade.

As posições de cada fator na modelagem com duas dimensões está apresentada na Tabela 5.3.19. Percebe-se que existe boa qualidade do ajuste, porém a análise pura e direta dos números das coordenadas atribuídas a cada fator nas dimensões, não é de percepção simples quando se pensa no resultado agregado. Portanto, a análise dos dados com a visualização do gráco com o posicionamento dos fatores por dimensões é muito mais adequada, pois, de forma direta e imediata, permite análise do resultado agregado com as dimensões.

A Figura 5.3.6 mostra a disposição das seis fontes de informação analisadas em correspon- dência com as respostas dos consumidores do mercado automotivo.

No mapa de percepção em duas dimensões, nota-se que existem fatores a pouca distância de outros, indicando proximidade, similaridade ou concorrência quanto às dimensões resultantes. As variáveis Q32A (Amigos e Parentes), Q32B (Anúncio de Jornal) e Q32C (Concessionárias e Revendas) formam um grupo. As variáveis Q32D (Revistas Especializadas), Q32E (Sites de

Figura 5.3.5: Gráco de conguração das fontes de informação em duas dimensões, resultante da avali- ação da importância de 6 fontes consultadas pelos entrevistados na hora da comprar de um automóvel.

Tabela 5.3.19: Valores para as coordenadas de cada fator nas modelagens de duas dimensões. Estímulos 2 Dimensões 1 2 Q32A 2,2087 -0,0482 Q32B 0,3214 0,5703 Q32C 1,1791 -0,0880 Q32D -1,0480 -0,4427 Q32E -1,0697 -0,3963 Q32F -1,5916 0,4050

Internet) e Q32F (Outras Fontes) formam outro grupo. Assim, visualizando-se as proximidades das fontes de informação, pode-se dizer que existem 2 grupos de fatores formados, segundo as respostas dos consumidores do mercado automotivo.

Em interpretação possível do resultado apresentado, a dimensão 1 está relacionada a maior facilidade de informação sobre o automóvel. Desse modo, os fatores Q32A (Amigos e Parentes), Q32B (Anúncio de Jornal) e Q32C (Concessionárias e Revendas) são os mais importantes para os consumidores com renda mediana e que buscam preço baixo e ofertas.

Na dimensão 2 também relaciona-se ao acesso as informações sobre o automóvel. Desse modo, os fatores Q32D (Revistas Especializadas), Q33E (Sites de Internet) e Q32F (Outras Fontes) são os mais relevantes para os consumidores com maior renda e que buscam comodidade.

Figura 5.3.6: Gráco Shepard de dispersão das fontes de informação, apresentando a correspondência entre os valores das dissimilaridades reais transformados (disparidades) e as distâncias ajustadas pelo

modelo com duas dimensões.

Local de compra do automóvel

Da mesma forma que o item anterior para a realização do Escalonamento Multidimensional foi feito o mesmo procedimento de escolha das variáveis, trabalhando-se apenas com as 6 va- riáveis da questão 33 sobre a hipótese de comprar um veículos nos locais mencionados a seguir: Q33A (concessionárias de Marcas de Automóvel Especícas), Q33B (Lojas de Carros Novos e/ou Usados), Q33C (Consórcios de Carros Novos e/ou Usados), Q33D (Particulares - Pessoas Físicas), Q33E (Direto do Fabricante via Internet) e Q33F (Outros).

Os resultados obtidos para duas dimensões para as fontes de informação, com a utilização do modelo ALSCAL, encontra-se na Tabela 5.3.20.

Os números da Tabela 5.3.20 indicam que o ajuste do modelo é de qualidade considerável e bastante apropriado para representar síntese da conguração das fontes de informação, princi- palmente quando se olha para o RSQ, que indica o quanto das dissimilaridades reais dos fatores é explicado pela modelagem realizada, sendo igual a 0,99758 e estando bem próximo do valor máximo 1 (um). Os indicadores s-stress e stress apresentam números para o modelo de duas dimensões excelentes, conrmando a ótima qualidade de ajuste.

Tabela 5.3.20: Indicadores de qualidade de ajuste dos modelos com duas dimensões para os fatores. Indicadores 2 Dimensões

s-stress 0,01276

stress 0,01935

RQS 0,99758

O gráco Shepard da Figura 5.3.7, de dispersão de valores reais e dos ajustados pelo modelo com duas dimensões, indica que existe ajuste de qualidade destacada para representar os dados originais das dissimilaridades dos fatores. Os pontos, em geral, apresentam quase nenhuma dispersão em torno de uma reta, como esperado em caso de ajuste de boa qualidade.

Figura 5.3.7: Gráco de conguração dos locais de compra em duas dimensões, resultante da avaliação dos 6 possíveis locais consultados pelos entrevistados na hora da comprar de um automóvel.

As posições de cada fator para na modelagem com duas dimensões está apresentada na Tabela 5.3.21. Percebe-se que existe boa qualidade do ajuste, porém a análise pura e direta dos números das coordenadas atribuídas a cada fator nas dimensões, não é de percepção simples quando se pensa no resultado agregado.

Portanto, a análise dos dados com a visualização do gráco com o posicionamento dos fatores por dimensões é muito mais adequada, pois, de forma direta e imediata, permite análise do resultado agregado com as dimensões.

Tabela 5.3.21: Valores para as coordenadas de cada fator nas modelagens de duas dimensões. Estímulos 2 Dimensões 1 2 Q33A 2,1453 -0,3032 Q33B 0,9508 0,4518 Q33C -0,3922 0,1812 Q33D 0,0436 0,7934 Q33E -0,8886 -1,0634 Q33F -1,8589 -0,0598

No mapa de percepção em duas dimensões, ilustrado na Figura 5.3.8, nota-se que exis- tem fatores a pouca distância de outros, indicando proximidade, similaridade ou concorrência quanto às dimensões resultantes. As variáveis Q33A (Concessionárias de Marcas de Automóvel Especícas), Q33E (Direto do Fabricante Via Internet) e Q33F (Outros Locais) formam um grupo. As variáveis Q33B (Lojas de Carros Novos e/ou Usados), Q33C (Consórcios de Carros Novos e/ou Usados) e Q33D (Direto do Fabricante via Internet) formam outro grupo. Assim, visualizando-se as proximidades dos locais de compra do automóvel, pode-se dizer que existem 2 grupos de fatores formados, segundo as respostas dos consumidores do mercado automotivo.

Figura 5.3.8: Gráco Shepard de dispersão dos locais de compra, apresentando a correspondência entre os valores das dissimilaridades reais transformados (disparidades) e as distâncias ajustadas pelo modelo

Em interpretação possível do resultado apresentado, a dimensão 1 está relacionada ao local com maior facilidade de compra do automóvel. Desse modo, os fatores Q33A (Concessionárias de Marcas de Automóvel Especícas), Q33E (Direto do Fabricante Via Internet) e Q33F (Outros Locais) são os mais procurados pelos consumidores com renda mediana e que buscam preço baixo.

Na dimensão 2 também relaciona-se ao local de compra do automóvel, nesta, os fatores Q33B (Lojas de Carros Novos e/ou Usados), Q33C (Consórcios de Carros Novos e/ou Usados) e Q33D (Direto do Fabricante via Internet) são os mais consultados para os consumidores com maior renda.

6 CONCLUSÕES, COMENTÁRIOS E SUGESTÕES

6.1 Introdução

Após o estudo sobre o mercado automotivo, que iniciou enfatizando a invenção do automó- vel, passando pela atual cenário brasileiro e aspectos relevantes, procurou-se analisar especi- camente o mercado automotivo no Grande Recife e município de Caruaru, expondo inúmeras informações que facilitam o bom entendimento da dinâmica do setor automotivo. A execu- ção desse trabalho foi de fundamental importância na construção do conhecimento sobre o mercado automotivo local, voltado principalmente para as concessionárias, as montadoras e os consumidores de automóveis.

Com o uso de ferramentas de pesquisa de mercado, análises estatísticas descritivas, inferen- ciais e multivariadas, que foram escolhidas de forma criteriosa, com a nalidade de levantar informações a respeito do mercado automotivo recifense e caruaruense de forma especíca, sendo que tais informações podem ser utilizadas pelas concessionárias e montadoras na melho- ria do seu desempenho e no aumento da competitividade, enquanto que para os clientes essas informações podem ajudar na tomada à decisão no momento da compra de um automóvel.

Neste capítulo procurou-se apresentar uma síntese dos principais resultados obtidos nesta dissertação, fazendo comentários sempre que possível dos principais aspectos levantados, pois pelo número grande de variáveis e quantidade de técnicas estatísticas, torna-se impossível em um único trabalho expor todos os resultados descritivos e inferenciais.