Os dados recolhidos a partir do questionário foram analisados e tratados com recurso ao
software estatístico SPSS (Statistical Package for the Social Science), versão 21 para MacOS,
pois permite uma análise estatística descritiva e multivariada.
3.5.1 Estatística Descritiva
Procurou-se descrever a amostra, caracterizando os inquiridos quanto às diferentes variáveis sociodemográficas, assim como, à caracterização de algumas variáveis respeitantes à caracterização dos indivíduos enquanto peregrinos do Caminho de Santiago. Para a descrição do perfil dos inquiridos utiliza-se técnicas de estatística descritiva tal como a média, moda mediana apoiadas com análise de gráficos representativos.
3.5.2 Exploratory Factor Analysis (EFA)
A Análise Fatorial Exploratória é uma técnica estatística, do conjunto de técnicas multivariadas, que consiste na redução de um grande número de variáveis num conjunto de fatores com a finalidade de simplificar a informação contida nos dados sem que haja perda significativa (Yong & Pearce, 2013).
Para a realização da análise fatorial efetuada neste estudo foi necessário seguir determinados passos indispensáveis para a validação dos resultados finais. As principais etapas da análise encontram-se representadas na Figura 3-1.
Figura 3-1: Etapas da aplicação da análise fatorial
Primeiramente, a análise fatorial estuda as relações existentes entre as variáveis através do coeficiente de relação como medida de associação entre cada par de variáveis. Na matriz de correlações verifica-se os subconjuntos de variáveis que estão fortemente relacionadas.
De modo a extrair os fatores utiliza-se o método das componentes principais pois permite trabalhar com qualquer tipo de distribuição dos dados originais e assim, obter os componentes principais que explicam o máximo da variância do conjunto de dados.
A validação da aplicação da análise fatorial aos dados verifica-se através do valor de estatística de Kaiser-Meyer-Olkin (KMO), em que os valores entre 0,5 e 1,0 sugerem que a análise fatorial pode ser adequada (Malhotra, 1999). Quanto maior o índice (mais próximo de 1) de KMO, maior a adequabilidade da análise fatorial. Para além deste teste ainda existe o teste da esfericidade de Bartlett cujo objetivo é analisar a hipótese da matriz das correlações ser a matriz identidade, o que indica que não há correlações entre os dados (Malhotra, 1999). Como método de rotação dos fatores foi escolhido o método VARIMAX por ser um método de rotação ortogonal que minimiza o número de variáveis que cada agrupamento terá (Yong & Pearce, 2013). Este método simplifica bastante a interpretação dos dados e é geralmente o mais utilizado para otimizar a solução.
Para finalizar a análise Fatorial efetuou-se o estudo do Alfa de Cronbach para verificar a consistência interna de cada fator (Malhotra, 1999). Pode-se definir como “a correlação que se espera obter entre a escala usada e outras escalas hipotéticas do mesmo universo, com igual número de itens, que meçam a mesma característica” (Pestana & Gageiro, 2014, p.531). Entende-se assim, que o cálculo do índice do Alpha de Cronbach permite determinar a correlação média entre todos os possíveis pares de itens de uma escala. Este valor para ser adequado deverá ser superior a 0,7 (Nunnally, 1978), embora alguns autores aceitam valores acima de 0,6 (e.g. Hair, Black, Barry, & Anderson, 2010; Malhotra, 1999), e próximo de 1 para ter uma consistência forte.
1 - Escolha do método de extração de fatores 2 - Verificação da existência de correlação estatística entre as variáveis 3 - Averiguação da adequação da análise aos dados
4 - Escolha do método de rotação dos fatores que torna
mais clara a solução encontrada
3.5.3 Regressão Linear Múltipla
A regressão linear é um modelo estatístico usado para prever o comportamento de uma variável quantitativa (variável dependente) a partir de uma ou mais variáveis relevantes de natureza essencialmente quantitativa (variáveis independentes).
Quando se trata apenas de uma variável explicativa, o modelo designa-se por regressão linear simples. Quando existe mais do que uma variável explicativa o modelo designa-se por regressão linear múltipla (Pestana & Gageiro, 2014).
Para o estudo da regressão linear será necessário analisar primeiramente a correlação entre as variáveis e coeficiente de determinação. A análise do coeficiente de correlação tem como propósito a avaliação do grau de associação entre duas variáveis, X e Y, ou seja, mede a força de relacionamento linear entre as variáveis X e Y.
Para quantificar a relação entre duas variáveis quantitativas utiliza-se o coeficiente de correlação de Pearson. A partir do valor deste coeficiente, o qual varia entre -1 e +1, podem- se retirar conclusões sobre a direção e intensidade da relação existente entre as variáveis X e
Y. Para examinar a relação entre as duas variáveis, pode-se representar os valores das
variáveis num gráfico de dispersão. Se existir uma relação linear entre as variáveis, os dados aproximar-se-ão de uma linha reta.
No presente estudo aplica-se a regressão linear múltipla para analisar a relação entre variável dependente que diz respeito à aceitação de uma aplicação móvel para os peregrinos e as variáveis independentes, isto é, os fatores considerados pelos inquiridos importantes a estarem presentes numa aplicação para dispositivos móveis.
O objetivo desta análise é usar os fatores que devem estar contidos na aplicação de apoio aos peregrinos para predizer a aceitação da mesma.
A equação que representa a regressão linear múltipla é:
𝑦 = 𝑏! + 𝑏!𝑉!+ 𝑏!𝑉!+ 𝑏!𝑉!+ 𝑏!𝑉!
Em que b são os valores numéricos do parâmetro que estima diretamente a associação com a variável independente, isto é, por exemplo, b1 é o coeficiente de regressão para a variável V1. A regressão linear múltipla irá ser aplicada aos fatores encontrados com a técnica da análise fatorial às 24 variáveis em estudo sobre as características que os inquiridos mais valorizam para constar numa aplicação móvel.
Resultados
4
“Sempre chegamos ao sítio onde nos esperam.” José Saramago
4.1 Introdução
Neste capítulo apresentam-se os resultados obtidos a partir da informação recolhida através do questionário, respondendo aos objetivos definidos.
Primeiramente apresentam-se os resultados obtidos da análise da investigação qualitativa. De seguida, procede-se à caracterização dos peregrinos que responderam ao questionário quanto às variáveis sociodemográficas e quanto às variáveis que caracterizam a peregrinação. Posteriormente, realiza-se a descrição sucinta sobre a utilização de dispositivos móveis durante a peregrinação e características de uma aplicação de apoio.
Os dados respeitantes à utilização de dispositivos móveis durante a peregrinação e às características para uma aplicação de apoio aos peregrinos são sujeitos à técnica multivariada da análise fatorial. Esta técnica permitirá encontrar as principais dimensões que os peregrinos avaliaram quanto ao uso que fazem da tecnologia durante o Caminho bem como as principais categorias de informação para estarem contidas na aplicação.
Por fim, procede-se à execução da regressão linear múltipla para avaliar a aceitação da aplicação por parte dos inquiridos mediante os fatores encontrados e definidos sobre as características de informação da aplicação móvel.