Metodologia de Investigação

A abordagem metodológica a utilizar descreve a estrutura utilizada de acordo com as questões de investigação e visa descrever variáveis ou grupos de sujeitos, explorar ou examinar relações entre variáveis ou ainda verificar hipóteses de causalidade (Fortin, 2003). O presente estudo classifica-se como um método de investigação quantitativo, dado que tem como principal finalidade descrever variáveis e examinar algumas possíveis relações entre elas, tendo por base a definição de Fortin (2003) de que esta abordagem é um processo sistemático de colheita de dados observáveis e quantificáveis, baseando-se na observação de acontecimentos e de fenómenos que existem independentemente do investigador.

Dentro da abordagem quantitativa o estudo é de caráter descritivo, transversal e correlacional, uma vez que pretende fornecer uma descrição dos dados relativos às variáveis em estudo, analisar possíveis relações entre variáveis da amostra e generalizar para a população alguns dos resultados encontrados, através da aplicação de técnicas da estatística inferencial.

Para Perovano (2014) uma pesquisa é descritiva quando envolve um processo que visa a identificação, registo e análise de características ou variáveis que se relacionam com o objetivo de investigação.

O estudo é transversal, na medida em que a colheita de dados e a relação da informação recolhida se processa num espaço temporal bem definido.

Neste estudo recorreu-se à estatística inferencial, pois de acordo com (Huot, 2002: 62) “a estatística inferencial permite a generalização, a uma população, de informações obtidas a partir de uma amostra representativa e a tomada de decisão”.

Nesse sentido, dado que o objetivo da nossa investigação consiste em chegar a uma conclusão sobre os fatores influenciadores do contencioso tributário, partindo de um conjunto de características da amostra da população estudada e do seu grau de perceção sobre o objeto de investigação, para a realização do nosso estudo recorremos à estatística inferencial, que é o processo através do qual é possível tirar conclusões acerca da população, usando informação de uma amostra. “A base da Inferência Estatística consiste, assim, na

possibilidade de se tomarem decisões sobre os parâmetros de uma população, sem que seja necessário proceder a um recenseamento de toda a população” (Reis et. al., 1999: 21).

As técnicas de Inferência Estatística Não Paramétrica surgem como um processo de colmatar problemas de difícil resolução no campo da Estatística Paramétrica, tendo neste trabalho constituído uma metodologia essencial, dadas as caraterísticas inerentes à amostra observada. Os métodos paramétricos, univariados e multivariados, obrigam muitas vezes a que sejam assumidos pressupostos que nem sempre são reflexo do modelo estudado e que, quando não são verificados, implicam graves erros na análise e conclusões.

A Estatística Não Paramétrica representa um conjunto de ferramentas de uso mais apropriado em pesquisas onde não se conhece bem a distribuição da população e seus parâmetros. Esse eventual desconhecimento da população reforça o estudo e a importância da análise de pesquisas através dos testes não-paramétricos.

A designação “Métodos ou Testes não Paramétricos” deve-se ao facto de estes não terem a pretensão de testar ou estimar parâmetros de uma dada distribuição, mas sim estudar o ajustamento de certas funções aos dados, averiguar a independência ou comparar duas ou mais distribuições. (Oliveira, T., 2004).

Segundo Maroco (2014), os testes não paramétricos são também conhecidos por “distribution-free tests”, ou seja, testes adistribucionais, uma vez que não necessitam do

conhecimento prévio da distribuição da variável em estudo (normal), constituindo por isso uma boa alternativa aos testes paramétricos quando, relativamente à variável em estudo, falha a normalidade e a homogeneidade das variâncias entre os grupos.

Os testes não paramétricos caracterizam-se por:

• Não necessitam de requisitos tão fortes, como a normalidade, para serem usados. São também indicados quando as amostras são pequenas;

• São usados quando a amostra tem uma distribuição que não é normal ou quando, apesar da amostra ter uma dimensão superior a 30, se opta por conclusões mais conservadoras;

• Têm ainda a vantagem de poderem ser aplicados a dados qualitativos, ao contrário do que acontece com os métodos paramétricos;

• A desvantagem destes testes é que não são tão potentes quanto os testes paramétricos, ou seja, com os testes não paramétricos não se encontram tantas diferenças entre os dados, quando essas diferenças realmente existem.

4.2.1. Teste do Qui-quadrado para a independência

O teste de independência do Qui-quadrado é um teste estatístico não paramétrico que serve para testar se duas ou mais populações (ou grupos) independentes diferem relativamente a uma determinada característica (Marôco,2014).

Utiliza-se este teste quando os dados são qualitativos ou quantitativos agrupados em classes. Os dados são habitualmente organizados em tabelas cruzadas de frequências absolutas, designadas por tabelas de contingência. No teste do Qui-quadrado comparam-se as frequências observadas em cada uma das células da tabela de contingência com as frequências esperadas no caso de independência, comparando assim o número de sujeitos que se distribuem por uma determinada categoria com o número de sujeitos que se esperaria que se distribuíssem por essa mesma categoria, caso existisse independência. O teste do qui- quadrado não pode ser aplicado se mais do que 20% das frequências esperadas (sob a hipótese da independência) forem inferiores a 5 ou se alguma delas for nula (Pestana e Gageiro, 2014).

Neste teste estão envolvidas as hipóteses: H0: As variáveis são independentes;

versus

H1: As variáveis não são independentes, isto é, existe uma relação entre as variáveis. Assim, e considerando o nível de significância 5%, rejeita-se H0 se o valor-p associado ao teste for inferior ou igual 0,05 (Marôco,2014).

Este teste apenas permite saber se existe ou não associação entre as diferentes variáveis, mas não determina a força dessa mesma associação. Para tal, é necessário calcular o coeficiente de associação, quer seja o Coeficiente Phi (para tabelas 2x2), ou o Coeficiente V de Cramer (para os restantes casos).