Camboriú
O terceiro objetivo específico dessa pesquisa consiste em determinar quais fatores que compõem os atributos do destino, que mais satisfazem os passageiros de cruzeiros marítimos que fizeram escala em Balneário Camboriú, para posteriormente relacionar com o fator de lealdade ao destino e identificar quais influenciam a intenção de retornar e recomendar.
A fim de investigar se os atributos do destino, amplamente aceitos na literatura, se adéquam a realidade do destino turístico pesquisado, realizou-se a Análise Fatorial Exploratória (AFE), das 21 variáveis presentes no instrumento de coleta de dados, analisadas por 303 visitantes de cruzeiro que aceitaram participar da pesquisa. Esta análise é uma técnica estatística que busca agrupar variáveis que se relacionam a um conjunto menor de fatores (HAIR JR et al., 2005), visando resumir os dados coletados em campo (MALHOTRA, 2011).
No entanto, primeiramente, visando verificar a possibilidade de utilização da Análise Fatorial Exploratória (AFE), no presente estudo, foi realizado o teste de esfericidade de Bartlett, que segundo Hair Jr. et al. (2005) é um teste estatístico para verificar a presença de correlações significantes entre as variáveis. Em seguida, aplicou-se a medida de adequação da amostra de Kaiser-Meyer-Olkin (KMO), este índice é utilizado para avaliar a adequação da análise fatorial (MALHOTRA, 2006) e de acordo com a literatura tem seus valores interpretados da seguinte maneira: “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” (HAIR JR et al. 2005, p.98).
Tabela 07 – Teste de KMO e Bartlett
Teste de KMO e Bartlett
Medida Kaiser-Meyer-Olkin de adequação de amostragem. ,902 Teste de esfericidade de Bartlett Aprox. Qui-quadrado 4402,302
df 210
Sig. ,000
Conforme exposto na tabela 07, os valores de KMO desta investigação são considerados admiráveis e o teste de esfericidade de Bartlett apresentou valor de 4402,302 e a significância foi zero, esses achados demonstram a existência de correlações significantes em algumas variáveis da escala de avaliação (HAIR JR et al., 2005).
Posteriores aos resultados acima mencionados, que nos permite prosseguir a análise dos dados com credibilidade, foi realizada a AFE. Como método de extração dos fatores, utilizou-se a análise de componentes principais. Esta técnica estatística é considerada por Hair Jr. et al. (2005) como um modelo fatorial onde os fatores encontrados através da pesquisa serão baseados através da variância total encontrada. Na aplicação da análise, “unidades (1s) são usadas na diagonal da matriz de correlação; e os fatores extraídos são baseados apenas na variância comum, com as variâncias específicas e de erro excluídas” (HAIR JR. et al., 2005, p. 90). Os resultados das variâncias encontradas são apresentados na tabela 08. O método de rotação empregado foi a varimax, a escolha desse método se deu objetivando maior adequação dos fatores.
Tabela 08 – Variância explicada e autovalor dos fatores mais importantes, identificados através da Análise de Componentes Principais
Valores próprios iniciais Somas de extração de fatores Componente Total % de variância % cumulativa Total % de variância % cumulativa
1 9,327 44,414 44,414 9,327 44,414 44,414 2 2,063 9,824 54,238 2,063 9,824 54,238 3 1,291 6,148 60,386 1,291 6,148 60,386 4 1,115 5,308 65,694 1,115 5,308 65,694 5 ,986 4,697 70,391 6 ,877 4,175 74,566 7 ,730 3,476 78,042 8 ,606 2,885 80,927 9 ,559 2,663 83,590 10 ,515 2,450 86,040 11 ,507 2,415 88,455 12 ,441 2,100 90,555 13 ,365 1,737 92,291 14 ,337 1,604 93,895
Método de extração: Análise dos Componentes Principais
Nota: Os componentes de 15º ao 21º foram suprimidos por possuírem valores abaixo de 0,33. Fonte: resultado de pesquisa (2020).
Utilizando os valores proposto por Costello e Osborne (2005), isto é, que todos os fatores tenham cargas superiores a 0,32, com poucas (ou nenhuma) cargas cruzadas, com fatores que possuam autovalores superiores a um (Eingenvalues>1,0), formados por três variáveis ou mais, e que sejam capazes de explicar pelo menos 50% da variância total acumulada, foi tomada a decisão do número de fatores a extrair.
Salienta-se ainda que, a existência de cargas fatoriais superiores a 0,50 em um mesmo fator, determina que o fator seja considerado sólido.
Com base nos critérios anteriormente estabelecidos, a análise inicial dos autovalores (Tabela 08), sugeria identificar quatro fatores (autovalores > 1,0) que explicariam 65% da variância acumulada, entretanto nem todos os fatores e/ou variáveis atendiam aos critérios recomendados por Costello e Osborne (2005). Sendo assim, como forma de adequar à estrutura estabelecida, optou-se por excluir as variáveis com baixas comunalidades ou altas cargas cruzadas, individualmente, até chegar-se à estrutura final com quatro fatores. Para alcançar esse resultado, foi necessário a exclusão de três variáveis que apresentaram cargas cruzadas ou índice de comunalidade inferior a 0,50. Foram excluídas as variáveis: “Limpeza de ruas e áreas públicas” (Q01), “Gastronomia de Balneário Camboriú” (Q03) e “Praia” (Q10). Visando maior confiabilidade na escolha do número de fatores a serem extraídos, foi utilizado também o critério do teste ou gráfico de Scree, cuja curvatura sugere o melhor número de fatores a extrair, antes que o número de variância única domine a estrutura da variância comum (HAIR JR et al. 2005). O gráfico de Scree da estrutura final encontra-se representado gráfico 02, a seguir:
Gráfico 02 – Gráfico scree utilizado na pesquisa
Fonte: resultado de pesquisa (2020).
O gráfico indica forte inclinação entre o primeiro e o segundo fator, sendo, que explicaria 57% da variância do fenômeno. Também se percebe uma inclinação considerável no terceiro fator e a partir do quarto fator perde força, ou seja, sua capacidade explicativa, o que foi determinante para a decisão de manter quatro fatores. Sabe-se então, que este número de fatores é capaz de explicar 70% da variância acumulada do fenômeno, através da análise de 18 variáveis.
A confiabilidade (medida de consistência interna) dos fatores identificados através da Análise Fatorial Exploratória foi avaliada através do teste estatístico Alfa de Cronbach, que avalia o grau de concordância dos respondentes em relação a um constructo do instrumento de pesquisa aplicado, em uma escala de 0 a 1 (CRONBACH, 1951). Conforme pode ser observado na Tabela 09, todos os fatores se mostraram adequados, uma vez que os valores obtidos no teste foram superiores ao mínimo recomendado pela literatura, que é 0,70 (CRONBACH, 1951). O valor
mínimo encontrado foi 0,832 e o máximo foi 0,940, confirmando a qualidade das variáveis escolhidas e a confiabilidade dos fatores encontrados para explicar o fenômeno em avaliação.
Na sequência foram analisadas as variáveis que constituem cada fator, relacionadas com a literatura e posteriormente, foram nomeados os fatores. Como base para nomeação foram utilizados os estudos que auxiliaram na construção do instrumento de coleta de dados. As cargas fatoriais também foram utilizadas na atribuição de um nome para cada fator, visto que os itens com cargas mais elevadas (0,5 ou maior) são considerados mais significativos e, portanto, têm maior influência dentro do fator (HAIR JR et al, 2005). Esta etapa foi elaborada pela pesquisadora, através da análise das variáveis que compõem cada fator, buscando interpretar a contribuição de cada variável para a nomeação dos fatores que explicam a satisfação do visitante de cruzeiro com os atributos do destino de Balneário Camboriú. Os quatro fatores encontrados foram nomeados conforme a seguinte ordem: Fator 1: Experiência de compras; Fator 2: Infraestrutura; Fator 3: Segurança; Fator 4: Serviços turísticos.
Tabela 09: Fatores que compõem a satisfação do visitante de cruzeiro com os atributos do destino. Matriz rotacionada
Fator e cargas fatoriais Alfha de Crombach
1 2 3 4
EXPERIÊNCIA DE COMPRAS
,926 Quanto à experiência de compras ,879
Quanto à variedade de mercadorias ,860 Quanto à qualidade dos produtos oferecidos ,849 Quanto à variedade de oportunidades de compras ,848 Quanto ao preço dos bens e serviços oferecidos ,668 INFRAESTRUTURA
,839 Quanto as informações turísticas ,700
Quanto ao tráfego e barulho ,682
Quanto à instalações e serviços portuários ,674 Quanto à variedade de atrações turísticas e locais a visitar ,612
Quanto ao tempo para visitar ,598
Quanto à hospitalidade dos moradores ,563 Quanto à variedade de atividades familiares ,540 SEGURANÇA
0,940
Quanto à segurança no porto ,861
Quanto à segurança na cidade ,860
Quanto à segurança nos passeios ,821
SERVIÇOS TURÍSTICOS
,832
Quanto as visitas guiadas ,809
Quanto ao transporte (ônibus, táxi, uber, vans) ,785 Quanto à capacidade de comunicação (tratamento e
idiomas) de guias, motoristas, etc.
,641
Nota: A avaliação dos atributos variou entre os valores (1) e (5), respectivamente extremamente insatisfeito e totalmente satisfeito.
Método de Extração: Análise de Componentes Principais. Método de Rotação: Varimax KMO (Kaiser-Meyer-Olkin): 0,899. Bartlett’s Test of Sphericity: 3946,250 (Sig, 0,000). Fonte: resultado de pesquisa (2020).
É possível observar que o primeiro fator é composto por cinco variáveis, que envolvem à experiência de compras, variedade de mercadorias, qualidade dos produtos oferecidos, variedade de oportunidades de compras e preços dos bens e serviços oferecidos, sendo nomeada pela autora como experiência de compras. O segundo fator é constituído por sete variáveis relacionadas à informações turísticas, tráfego e barulho, instalações e serviços portuários, variedade de atrações turísticas e locais a visitar, tempo para visitar, instalações e serviços portuários, hospitalidade dos moradores e variedade de atividades familiares, nomeado de infraestrutura. O terceiro fator é formado por três variáveis, que envolve segurança no porto, segurança no passeio e segurança na cidade, nomeado então como segurança. O quarto fator possui três variáveis que remetem aos prestadores de serviços turísticos, envolvendo
visitas guiadas, transporte (ônibus, táxi, uber, vans) e capacidade de comunicação (tratamento e idiomas) de guias, motoristas, etc., sendo nomeado serviços turísticos.
O resultado alcançado nos permite perceber que, embora que não distribuído exatamente igual e em menor número de fatores, a composição das variáveis é semelhante aos estudos de Brida et al. (2013), Ozturk e Gogtas (2015), DiPietro e Peterson (2017), Ruiz; González e Zamora (2018) Sanz-Blas, Buzova e Carvajal-Trujillo (2019).
4.4 Relação entre a satisfação dos atributos do destino com a lealdade ao