3 A PERCEPÇÃO DAS ELITES SOBRE INTEGRAÇÃO REGIONAL
JORNALISTAS ONGs
3.1.1. Métodos Quantitativos e Testes Estatísticos
A partir da seleção das perguntas do questionário e através da análise do Plano Amostral (Tabela 2), que demonstra a distribuição amostral por segmento e país, foi possível estabelecer os métodos estatísticos aplicados à tese.
Tabela 3.1. Elites e Países – Plano Amostral País
Total
Argentina Bolívia Brasil Chile Venezuela
Governo 21 24 38 46 15 114 Partidos 20 11 49 08 12 100 Empresários 14 14 46 39 18 131 Sindicatos 10 05 09 53 09 86 Atores Sociais 39 20 40 54 33 186 Total 104 89 187 166 113 647 Fonte: NUPRI, 2008.
Embora o número total de entrevistados seja 647, a divisão nesse estudo por segmento de elites e país provocou diminuição das frequências observadas, bem como demonstrou as diferenças no número de entrevistados de cada categoria (segmento de elite x país). Além disso, como as variáveis do questionário, em sua maioria, são nominais ou ordinais, ou seja, os dados são categóricos, eles não apresentam distribuição normal. Assim, o método quantitativo de análise escolhido é não-paramétrico. Os testes não-paramétricos
são os mais indicados para as análises de dados categóricos, pois não exigem distribuição normal, sendo também os mais indicados para amostras pequenas (FIELD, 2009).
As perguntas do questionário sobre relações internacionais e integração regional foram construídas com variáveis categóricas (Por exemplo: preferência por acordos regionais: Mercosul, ALBA, Comunidade Andina), cujo método principal consiste na análise da frequência. Para verificar se existe um relacionamento entre duas variáveis categóricas, o teste Chi-Quadrado de
Pearson é o mais indicado. Esse teste compara a distribuição da freqüência
absoluta observada com a distribuição da frequência absoluta esperada, denotando as frequências que podem ocorrer ao acaso. Ou seja, o teste consiste em estimar valores esperados ao dividir o número da amostra pelas categorias e compará-los com os valores observados. Assim, o teste aponta em que medida os valores observados se desviam do valor esperado (FIELD, 2009).
Esse teste é utilizado exclusivamente para variáveis normais e ordinais, com observações independentes. O teste Chi-Quadrado de Pearson deve ser menosprezado quando mais de 20% das frequências absolutas forem inferiores a cinco, ou quando qualquer frequência for inferior a um (1). Se o resultado do teste for pequeno - por convenção, a significância deve ser menor que 0,05 -, a hipótese nula deve ser rejeitada, ou seja, as variáveis testadas estão relacionadas.
Entretanto, é necessário ressaltar que o número reduzido da frequência em algumas variáveis da pesquisa, sobretudo nas variáveis da Bolívia, poderia implicar em um resultado impreciso, que superaram a significância de 0,05. Para o teste de Chi-Quadrado de Pearson não perder poder de exatidão, os valores esperados devem ser maiores do que certos limites. A regra é que em tabelas de contingência dois por dois, nenhum valor esperado seja menor que cinco. Em tabelas maiores, a regra é que todos os valores sejam superiores a um (1), e não mais do que 20% das frequências esperadas sejam menores que cinco (FIELD, 2009).
categorias agrupadas. Após verificar se houve associação global entre as variáveis com o teste de Chi-Quadrado de Pearson, é possível comprovar a associação local entre as variáveis de cada categoria, através do cálculo dos resíduos ajustados. O resíduo ajustado tem distribuição normal com média zero e desvio padrão igual a um (1), portanto é um teste paramétrico, que pode, algumas vezes, ser aplicado em dados não-paramétricos. Quando o resíduo ajustado for superior ou inferior a 1,96, admite-se que há evidências de associação significante, seja positiva ou negativa, entre as duas categorias. Por exemplo, quando perguntado sobre a preferência das elites sobre grupos de países, as categorias Venezuela x ALBA apresentaram resíduo ajustado de 7,5 demonstrando associação positiva significante; por sua vez, as categorias Argentina x Tigres Asiáticos resultaram em -4,1 expressando associação negativa significante.
Importante salientar que o cálculo do resíduo ajustado acusa associação, ao comparar os valores das variáveis de uma mesma categoria. Ou seja, utilizando-se o exemplo acima, as elites de outros países também apresentaram preferência pela ALBA, mas as elites da Venezuela demonstraram predileção bastante superior, gerando um resultado diferencial. Da mesma forma, as elites da Argentina também revelaram interesse pelos Tigres Asiáticos, contudo foi o menor interesse entre as elites dos demais países, procedendo na associação negativa.
O cálculo dos resíduos ajustados também considera a frequência total daquela variável e analisa a distribuição de dados entre as demais alternativas. Ou seja, nos mesmos exemplos, o cálculo também verificou o quanto as elites da Venezuela e Argentina apoiaram as demais opções. Contudo, perante amostras pequenas, os resíduos ajustados podem acusar associação, mesmo que os dados sejam insuficientes para esse tipo de conclusão, justificando neste trabalho, a adoção desse tipo de cálculo somente nas categorias agrupadas.
De qualquer forma, vale mencionar que, proporcionalmente, pequenas diferenças em frequências nas células podem resultar em associações estatisticamente significativas entre duas variáveis. Desta forma, é necessário
sempre observar as porcentagens entre linhas e colunas para interpretar os efeitos obtidos. As porcentagens tendem a refletir melhor os padrões dos dados que as frequências, e em alguns casos, explicam, relativizam e desmascaram os resultados de alguns testes.
Para calcular o relacionamento existente entre dois ou mais conjuntos de dados, aplicam-se os testes de correlação. Para a análise não paramétrica de dados nominais, utilizou-se o teste V de Cramer, cujos valores localizam-se entre zero e um (1), quanto mais próximo de um (1) maior a correlação (FIELD, 2009).
Quanto aos aplicativos estatísticos utilizados para o estudo quantitativo, foram empregados o SPSS 19