O Processo de Construção de Escalas Compostas

Com o objectivo de reduzir informação, as escalas compostas combinam várias variáveis (medidas multivariadas) que medem o mesmo conceito numa única variável de forma a aumentar a fiabilidade das medidas utilizadas. As variáveis são somadas e é feita uma média, a qual é utilizada na análise posterior (Hair et al., 2006). O objectivo é evitar que apenas uma variável represente a dimensão e em vez de utilizar todas as variáveis como indicadores, encontram-se grupos que representam diferentes áreas de interesse e permitem medir com maior precisão os dados obtidos. Muitas vezes são utilizadas diversas variáveis num modelo multivariado numa tentativa de representar as complexas facetas de um conceito. Porém, esta acção torna a interpretação dos resultados mais complicada dada a redundância dos itens associados a este conceito. Assim sendo, a escala composta permite a representação de múltiplos aspectos de um conceito numa única medida, e ao utilizar a média de vários indicadores relacionados, a medida de erro é reduzida.

Na análise em causa, como auxilio na indicação de que variáveis incluir na construção nas escalas compostas é feita a Análise Factorial de Componentes Principais, técnica de análise exploratória de dados que transforma um conjunto de variáveis correlacionadas num conjunto de variáveis independentes, combinações lineares das variáveis originais designadas por “componentes principais”, que são posteriormente utilizadas como indicadores de que itens darão lugar às novas variáveis representativas da dimensão (Maroco, 2010).

Assim, encontradas as componentes principais a extrair em cada dimensão ou definidas quais as variáveis representantes de cada dimensão, são criadas escalas compostas de acordo com as respectivas componentes, transformando estas variáveis numa média representativa da totalidade, no caso das variáveis métricas ou numa soma no caso nas variáveis ordinais, como é o caso da dimensão consumo.

De forma a que as novas variáveis (criadas através das escalas compostas) possam substituir os itens dos subconjuntos que lhes correspondem, é necessário proceder à verificação de consistência interna de acordo com os parâmetros estabelecidas por Hair et al. (2006):

As correlações inter-itens devem ser superiores a 0,3 e as correlações item-totais (entre os itens e a escala composta) devem ser superiores a 0,5.

60

Alpha Cronbach: mede a consistência interna da escala e o valor mínimo é 0,6, como já foi explicado anteriormente no ponto 5.3.

5.4.2. Análise Factorial de Componentes Principais

O objectivo primordial da Análise Factorial de Componentes Principais (AFCP) é condensar e reduzir a informação inicial num conjunto de componentes que combinem as variáveis iniciais e exprimam o que as variáveis originais partilham em comum explicando a variação total do conjunto original, eliminando a informação redundante e garantindo uma perda mínima de informação (Hair et al., 2006). No caso da investigação presente, a AFCP é aplicada para encontrar componentes principais cujos subconjuntos possam dar origem à criação de novas variáveis, através de escalas compostas, como explicado anteriormente. De modo a que a Análise Factorial possa ser aplicada, as variáveis em análise devem ser métricas e neste caso, à excepção da dimensão consumo que é tratada de forma individual e independente por ser uma variável ordinal, todas as outras dimensões em análise apresentam uma escala intervalar sendo então consideradas como métricas; a medida de Kaiser-Meyer- Olkin (KMO) deve indicar adequabilidade e são aceitáveis valores acima de 0,6 (Pestana e Gageiro, 1998). O Teste de Bartlett, apesar de ser apresentado na análise, não vai ser considerado para a investigação, já que é fortemente sensível à normalidade das observações subjacentes. Assim, quando comprovada a adequabilidade da Análise Factorial através da medida KMO, deverá ser feita a extracção das componentes principais que expliquem o modelo e para isso serão utilizados dois métodos:

Proporção da Variação Total Explicada: Assegurar que uma percentagem acumulada da variação total é extraída pelos diversos factores. Nas ciências sociais é normal considerar uma solução com 60% de proporção de variação total explicada como satisfatória, já que na maioria dos casos a informação é difícil de precisar. Scree Plot: Quando a proporção da variação total explicada não sugere uma extracção

muita clara das componentes a reter é usual recorrer ao Scree Plot que mostra o número óptimo de factores a extrair através de uma linha curva decrescente (os valores mais elevados são os com valor próprio mais elevado) e são extraídos até ao ponto de inflexão (ou “cotovelo”).

61

1 2

A imagem faz-me sentir satisfeito

comigo proprio:* ,166 ,899 Ao olhar para a imagem sinto que

tenho um elevado numero de qualidades:*

,116 ,897

Quando vejo a imagem sinto-me em

baixo de forma:* ,804 -,146 No geral, gostava de ser como o

homem da imagem:* ,788 ,258 Sinto-me influenciado pela imagem

apresentada :* ,739 ,449 A imagem fomenta a minha intencao

de consumo :* ,662 ,477 Component

A interpretação de factores será feita após uma rotação Varimax, que tem como objectivo o ajustamento dos resultados aos verdadeiros processos latentes, simplificando as colunas da matriz de componentes, onde podemos ver os valores ordenados por coluna e por loadings (quando próximos de 1 indicam uma correlação positiva com a componente).

Após a Análise Factorial de Componentes Principais feita para cada dimensão e identificadas as componentes com informação comum em cada subconjunto é possível substituir o conjunto original de variáveis por um novo e mais pequeno criando assim escalas compostas para cada dimensão.

Assim, explicada a metodologia a aplicar na análise estatística das variáveis, serão analisados os resultados obtidos para a Análise Factorial de Componentes, quais as componentes retidas e a criação das escalas compostas, assim como a sua validação, para posteriormente serem iniciados os testes de hipóteses de investigação.

5.5. A Construção de Escalas Compostas para as Dimensões em Análise