Modelo CHAID (Chi Squared Automatic Interaction Detector)

O Chi-square Automatic Interaction Detector permite classificar os indivíduos de uma amostra em segmentos com base na sua capacidade para estabelecer relações de associação entre uma variável dependente e um conjunto de variáveis explicativas que interagem entre si (Kass, 1980). No nosso estudo, estimamos 37 variáveis dependentes, separadamente, usando para cada uma delas as restantes 36 variáveis como preditoras. Neste capitulo procedemos à analise exaustiva de uma das árvores de classificação obtidas pelo CHAID (Figura 6.2), seguida da análise agregada das restantes. Como a lógica descritiva para cada caso (variável dependente) é repetível nos restantes, iremos apresentar os resultados numa tabela e discutir para o conjunto das variáveis utilizadas aquilo que se pode extrair de relevante. Em anexo serão colocados os restantes diagramas em árvores de decisão e as respetivas estatísticas.

A1_Belezas naturais

Esta variável dependente foi usada como raiz e incluiu a totalidade da amostra. A proporção de entrevistados que referiram este atributo foi de 42,3%. A sua capacidade preditiva foi de 73% para uma estimativa de risco de 0,315. Tal como o diagrama mostra, esta árvore hierarquiza as varáveis significativas em 3 níveis de acordo com a intensidade/pertinência de ligação ao atributo A1. Apresenta 7 nós terminais (4,7,8,9,10,11 e 12) cuja composição hierárquica entre as variáveis a que estão associados dá origem a 7 grupos/segmentos. As 6 variáveis preditoras que explicam significativamente A1 e geram as partições da árvore nos 3 níveis são: N2_Contato com a natureza, A11_Boa infra-estrutura, A4_Cultura, A25_Praia/sol e mar,

148 S17_Nostalgia e S18_Boa educação/simpatia do povo local. A necessidade N2 é a variável com mais impacto discriminatório [X2_{(1)=24,135; p=.000] na definição da}

primeira partição tendo como base A1. Da totalidade dos entrevistados derivou um grupo (15,8%) que reconheceu a necessidade N2 (nó 1) e maioritariamente (80%) tinha indicado A1. Enquanto no nó 2 estão os restantes (84,2%) que maioritariamente não assume tal necessidade e que só 35,3% citaram A1. No segundo nível os entrevistados associam o atributo A11 aos que manifestam a necessidade N2. Sendo este atributo [X2_{(1)=7,545; p=.006] o responsável pela partição pelos nós 3 e 4 (terminal). O nó 3}

corresponde aos entrevistados que não consideraram A11 (representam 12,6% da amostra) mas que maioritariamente referiram A1 (89,3%).

Este atributo continuou a gerar uma ligação com outro atributo A25 [X2_(1)=4,084,

p=.043] dando origem a dois nós terminais 7 e 8. No outro ramo (nó 2) constituído pelos que não expressaram a necessidade N2 e não referenciaram maioritariamente o A1(35,3%) estão significativamente relacionados com o atributo A4 [X2_(1)=16,875;

p=.000]. Este atributo A4 é responsável pela partição em dois nós num terceiro nível. No nó 5 a sua incidência (46,4%) favorece a ligação ao sentimento S17 [X2_(1)=17,481;

p=.000] que se subdivide em dois nós (9 e 10) terminais diametralmente opostos. Sendo aquele com maior presença de S17 (representando 4,1%) é o que simultaneamente A1 é mais citado (77,8%). O outro nó (6) do terceiro nível mas com uma menor incidência de citação do atributo A4 deu origem a uma partição liderada pelo sentimento S18 [X2_{(1)=5,733; p=.017] que por sua vez produziu uma partição com dois nós terminais}

(11 e 12).

Em resumo, obtivemos 7 associações possíveis tendo como ponto de partida a variável dependente A1 (raiz) e outros elementos significativos citados pelos entrevistados que neste caso para além dos 3 atributos incluem uma necessidade e dois tipos de sentimento.

Associação 1 (nó 4) – Incorpora a ocorrência simultânea com dominância de A1 em ligação com A11 e N2. Tem um peso de 3,2%.

Associação 2 (nó 8) – A presença dominante de A1 mas com ausência de A11 e presenças de A25 e N2. Peso relativo de 2,7%.

149 Associação 3 (nó 7) - A presença dominante de A1 mas com ausências de A25 e A11 e presença de N2. Peso relativo de 9,9%.

Associação 4 (nó 11) - Com presença de A1 mas com ausências de S18 e A4 e N2. Peso relativo de 33,8%.

Associação 5 (nó 12) - Com presença de A1 e S18 mas com ausências de A4 e N2. Peso relativo de 4,1%.

Associação 6 (nó 10) - Com presença de A1, S17 e A4 mas com ausência de N2. Peso relativo de 4,1%.

Associação 7 (nó 9) - Com presença de A1 e A4 mas com ausências de S17 e N2. Peso relativo de 42,3%.

150 Os resultados das restantes árvores de classificação obtidas pelo CHAID são apresentados na Tabela 6.6. No topo das colunas temos as variáveis dependentes e as linhas representam os preditores. A raiz – a variável mais significativa – responsável pela primeira partição da árvore é designada por “1”. A hierarquia das variáveis significativas é designada com o número do nível e o código que corresponde a ausência ou presença de citações (0,1). Na tabela são registados apenas os nós que geraram outras partições. A seguir apresentamos a leitura da coluna do atributo A2_Gastronomia.

Atributo A2 – Gastronomia: a variável com mais poder de partição foi a N15- Experimentar comidas regionais (1). Como o nó 2 em que tal necessidade ocorre e também onde se verifica uma incidência de A2 de 90,5% é terminal não está registado na tabela. Neste caso foi o nó 1 que representa 90,5% da amostra (201 entrevistados) caracterizado pelo fato de N15 não ter sido citado, mas que teve a capacidade de gerar uma nova partição. Na tabela foi indicado na coluna A2 e linha S3 como 2(0): 2=segundo nível e 0=não citação de N15. Por sua vez obteve-se um nível seguinte a partir de S3: no nó 3 com presença de S3 que produziu através de N5 – lazer em família mais uma partição indicada como 3(0,1) – 0= não citação de N15 e 1= citação de S3. Em paralelo, o outro nó foi o N4-Experiência nova com notação 3(0,0) - 0= não citação de N15 e 0= não citação de S3.

A técnica CHAID realça as variáveis com poder estatístico para discriminar a variável dependente e sucessivamente vai selecionar outras variáveis para a amostra restante com essa qualidade. Nesse sentido as associações incluem variáveis ou elementos com os valores (0 ou 1) consoante estão presentes ou ausentes nas citações. Ou seja, neste método as combinações geradas incluem os elementos não pelo fato de terem sido citados (notação 1) mas pelo fato da sua ausência (notação 0) estar estatisticamente associada de forma significativa a outras variáveis ou elementos.

151

Tabela 6.6 - Resultados das árvores de classificação obtidas pelo CHAID

A1 A2 A3 A4 A6 A7 A9 A10 A11 A15 A17 A18 A22 A24 A25 N2 N4 N5 N6 N7 N11 N13 N14 N15 N16 N18 S1 S3 S4 S5 S6 S9 S10 S11 S17 S18 S22

A1 2(1) 3(0,0) 2(1) 1 2(0) 3(0,0); _3(1,1) A2 2(1) 3(0,1) 1 1 2(0) A3 3(0,1) 2(1) 1 A4 2(0) 1 2(1) 2(0) 2(0) 2(0) 1 1 3(1,0) A6 3(0,0) 3(0,0) A7 3(0,0) 1 A9 1 2(0) 1 3(0,0) A10 2(1) 1 1 2(1) A11 2(1) 2(1) 3(1,0) 2(1) 2(0) A15 1 A17 2(1) 1 A18 2(0) 2(0) 3(0,0) 1 3(0,0) 3(1,1) 1 2(0) A22 2(0) 2(0) 1 A24 3(0,0) 2(1) A25 3(1,0) 3(0,0) 3(0,0) 3(1,1) 3(0,0) N2 1 2(1) 1 3(0,1) 3(0,0) 2(0) N4 3(0,0) 3(0,1) 1 2(0) 3(0,1) N5 3(0,1) 2(0) 3(0,0) 3(0,0) 1 N6 2(0) 1 3(0,0) 1 N7 1 2(0) 3(0,0) 3(0,0) 2(0) N11 3(0,1) 2(1) 2(0) 3(1,0) 3(0,1) 2(0) 2(1) 3(0,1) N13 2(0) 2(0) N14 3(0,0) 1 3(1,0) 2(1) 2(1) N15 1 3(0,0) 3(0,0) 3(0,0) N16 1 1 2(1) 3(1,0) N18 S1 2(0) 2(0) 1 2(0) S3 2(1) 1 S4 3(0,0) 2(1) 2(1) 2(0) S5 2(0) 2(0) 2(0) 2(1) S6 2(1) 3(0,0) S9 S10 1 2(0) S11 1 2(0) S17 3(0,1)) 3(0,0) 1 3(0,0) 3(0,0) 3(0,1) 3(0,0) 1 S18 3(0,0) 1 3(1,0) S22 1 2(0)

152 A Tabela 6.7 mostra que os atributos A1, A4, as necessidades N7, N14 e o sentimento S18 são os que produziram árvores mais extensas com 6 partições cada. Também nessa tabela apresentamos para cada variável/elemento citado o numero de partições em que se verificou a ocorrência de cada variável. Concretamente na necessidade N7– Conhecimento, assistimos a uma associação entre três níveis de partição com citação conjunta para atributo A4-Cultura, o sentimento S4-Liberdade e o atributo A25- Praia/Sol & mar. A Tabela 6.8 destaca as percentagens de cada frequência. Verificou-se que houve uma variável que não deu origem a qualquer árvore de decisão S9. Em média tivemos quase 4 (3,97) partições por variável dependente.

Tabela 6.7 - Partições das variáveis

Variável dependente Número de partições Partições só com presenças

A1 6 2 A2 4 1 A3 5 2 A4 6 2 A6 2 2 A7 4 1 A9 4 2 A10 4 2 A11 5 2 A15 3 1 A17 3 1 A18 3 1 A22 5 2 A24 3 1 A25 4 2 N2 5 2 N4 5 2 N5 4 1 N6 4 2 N7 6 3 N11 3 1 N13 4 2 N14 6 2 N15 5 2 N16 3 1 N18 1 1 S1 4 2 S3 4 2 S4 3 1 S5 4 3 S6 4 2 S9 0 0 S10 3 1 S11 3 2 S17 5 3 S18 6 2 S22 3 1

153

Tabela 6.8 – Frequência das partições

Número de partições N Percentagem

0 1 2,7% 1 1 2,7% 2 1 2,7% 3 10 27,0% 4 12 32,4% 5 7 18,9% 6 5 13,5% Total 37 100%