Com os dados coletados, deu-se inicio à caracterização das IFES. Em seguida realizou-se a análise qualitativa dos PPCs, momento em que se realizou a análise das matrizes curriculares, disciplinas ofertadas e respectivas cargas horárias de cada instituição e o perfil do seu corpo docente. Para a análise quantitativa dos
dados obtidos no levantamento, estes foram organizados e tabulados na planilha Excel, e que serviram de entrada aos softwares SPSS versão 19 e Smart PLS 2.0.
Na verificação dos dados perdidos (missing values), observações atípicas (outliers) e normalidade dos dados, constatou-se não haver nenhuma situação de dados perdidos. Em relação aos outliers utilizou-se a rotina do software SPSS versão 19 “Graphs Bloxplot...”, em que foram eliminados os 6 outliers mais representativos. Os valores numéricos para normalidade devem corresponder aos limites de confiabilidade de +/- Z 1,96 para assimetria e curtose (HAIR, et al., 2005).
Assim efetuou-se o teste Kolmogorov-Smirnov (Apêndice B) por construto e respectivas variáveis, sendo que todos os valores de probabilidade ficaram abaixo do nível de significância de 0,05 rejeitando-se assim a hipótese de que os dados são normais. Dada a não normalidade dos dados, utilizaram-se testes não paramétricos.
Na análise quantitativa dos dados, inicialmente efetuou-se a caracterização dos respondentes utilizando-se da estatística descritiva, por meio de tabelas de frequência e porcentagens com os dados relativos a cada questão do perfil dos respondentes. Na sequência, realizou-se a Análise Fatorial Exploratória (AFE), técnica de interdependência na qual todas as variáveis são consideradas em conjunto e relacionadas uma com a outra (HAIR et al., 2005). A redução e o resumo de dados pela AFE podem ser realizados com um conjunto pré existente de variáveis ou com variáveis criadas por uma nova pesquisa ( HAIR et al., 2005).
Nesse sentido, consideraram-se as estruturas conceituais das variáveis de cada constructo e efetuou-se o julgamento quanto à adequação das variáveis para a análise fatorial.
Do ponto de vista estatístico, os desvios da normalidade, da homoscedasticidade e da linearidade aplicam-se apenas no nível em que elas diminuem as correlações entre as variáveis observadas. A inspeção visual deve revelar correlações superiores a 0,30 para considerar a analise fatorial satisfatória. A respeito dos critérios de significância de cargas fatoriais, considera-se que as cargas maiores que +/- 0,30 atingem o nível mínimo; cargas de +/- 0,40 são consideradas mais importantes; e cargas de +/- 0,50 ou maiores são consideradas de significância prática (HAIR et al., 2005).
Na AFE ainda foi utilizado o teste Kaiser-Meyer-Olkin (KMO), que mede o grau de correlação parcial entre as variáveis. Este indicador varia de 0 a 1, e pode ser interpretado 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 et al., 2005). Para finalizar os procedimentos da técnica AFE utilizou-se o método dos componentes principais e aplicação de uma rotação ortogonal (Varimax) para que as variáveis de cada construto possam ser identificadas em um único fator (HAIR et al., 2005).
Para avaliar as variáveis que formam os construtos foi utilizada a confiabilidade ou coerência interna. O critério utilizado foi o alfa do coeficiente (Alpha de Cronbach). Nesta avaliação, Hair et al. (2005) consideram um alfa de 0,70 como mínimo aceitável, embora coeficientes de até 0,60 possam ser aceitos, dependendo dos objetivos da pesquisa.
Em seguida foram realizados os testes de hipóteses não paramétricos. Para os construtos do ambiente institucional (ambiente interno, estrutura, sistema técnico, estratégia do PPC e estratégia do CD) e o desempenho acadêmico (auto avaliação de desempenho e desempenho geral) foi utilizado o teste Wilcoxon-Mann-Whitney.
Este teste é aplicado para comparar duas médias amostrais com dados não pareados (FIELD, 2009).
Nas variáveis fatores externos foi utilizado o teste de análise de variância de um fator de KrusKal-Wallis por postos. Este teste analisa se K grupos originam-se de populações de medianas diferentes (SIEGEL; CASTELLAN JR, 2006). Este teste foi efetuado em confronto com a variável desempenho geral dos discentes.
Para averiguar se os construtos do ambiente institucional influenciam ou não no desempenho acadêmico, utilizou-se a técnica de Modelagem de Equações Estruturais. O uso desse método justifica-se, conforme Hair et al. (2005), pelo fato do uso da Structural Equation Modeling (SEM) não se limitar à analise de dependência simultânea dos dados; a técnica proporciona uma transição da análise exploratória para uma perspectiva confirmatória. Com essa técnica de análise multivariada pode-se testar empiricamente um conjunto de relacionamentos de dependências através do modelo que operacionaliza a teoria.
Segundo Hair et al. (2005), entre as técnicas multivariadas de primeira geração, a SEM é a única que não tem como limitação de só examinar uma relação por vez, ao contrário disso, examina as variáveis dependentes em conjunto. Desse modo, utilizou-se a técnica de Modelagem de Equações Estruturais (SEM), estimada a partir dos Mínimos Quadrados Parciais (Partial Least Squares – PLS). Segundo Chin (1995), essa técnica ganhou aceitação apesar da falta de índices de ajustes
global em relação aos modelos propostos e dados observados.
Chin (1995) explica que o PLS considera apenas aspectos como a variação média extraída e índice de R-quadrado (R²) para avaliar o impacto dos construtos exógenos e endógenos, e adequação das variáveis manifestas (indicadores) como medida de validação dos construtos. O programa utilizado nesta pesquisa para o tratamento estatístico com base nessa metodologia foi o Smart PLS versão 2.0.
Na modalidade de análise proposta cabem algumas considerações de validação da técnica estatística empregada, destacando-se: validade de convergência, validade discriminante, confiabilidade composta do construto, índice de Goodness of Fit (GOF) e avaliação da significância de cada caminho (path).
A validade da convergência verifica a Variância Média Extraída ou Average Variance Extracted (AVE), que representa a quantidade de variância compartilhada entre os indicadores de cada um dos construtos ou variáveis latentes (HAIR et al., 2005). De acordo com Ferreira, Cabral e Saraiva (2010), a quantidade de AVE de um construto para avaliar a sua validade convergente deve ser maior do que 0,5.
A validade discriminante também observa a AVE, e busca garantir que a inclusão de construtos de segunda ordem sejam válidos. Conforme Fornell e Larcker (1981), esse procedimento é realizado utilizando dois processos: (i) verificam-se as correlações entre as variáveis latentes; (ii) comtemplam-se os quadrados das correlações das variáveis. Nesse último espera-se que para uma validade discriminante satisfatória, os resultados encontrados sejam inferiores aos índices de AVE demonstrado em cada construto. O teste de confiabilidade Composta do Construto é uma medida de consistência interna dos indicadores do construto (HAIR JR et al., 2005). Segundo Chin (1995) e Hair et al. ( 2005), este teste deve exceder o valor de 0,7 para assegurar a adequação na estimativa do PLS.
O índice de Goodness of Fit (GoF), proposto por Tenenhaus et al. (2005), mede o desempenho global do modelo a partir do cálculo da média geométrica entre a média do R² e a média da AVE dos construtos. Wetzels e Odekerken-Schröder (2009) recomendam que na área de Ciências Sociais e Comportamentais este índice deve assumir valores acima de 0,36.
Para avaliação da significância de cada caminho (path) dos coeficientes ou a influência de um construto em detrimento de outro, utilizou-se o procedimento disponível no SmartPLS denominado de Bootstrapping. Segundo Hair et al. (2005), o Bootstrapping faz uma reamostragem dos dados originais, são calculadas as
estimativas de parâmetros e erros padrões com base nos dados da pesquisa em vez de pressupostos estatísticos.
O detalhamento de todos os testes dentro da metodologia de analise se faz necessário para conferir credibilidade aos resultados das estatísticas aplicadas. A construção de todos os caminhos aqui explicitados revelam como os dados desta pesquisa foram analisados.