Procedimentos de análise estatística

Nesta secção serão descritos os procedimentos estatísticos realizados de forma a viabilizar a posterior interpretação dos dados. Esta descrição divide-se em duas secções distintas, mas complementares, realizadas a partir do software IBM SPSS Statistics 24, em diferentes momentos temporais. Estas secções correspondem à (1) análise estatística descritiva e à (2) análise estatística inferencial.

2.5.1. Procedimentos de análise estatística descritiva

No que concerne à análise estatística descritiva, foram calculadas medidas de tendência central (que procuram caracterizar o valor das variáveis do estudo em análise que ocorrem com mais frequência) e medidas de dispersão (dispersão das observações em torno das estatísticas de tendência central ou na amostra) (Marôco, 2011). Neste sentido, importa aqui distinguir o tratamento dado às variáveis quantitativas e qualitativas ou categóricas. No que toca às variáveis quantitativas, como é o caso da idade, a perceção do risco de vitimação, o índice de medo, a insegurança económica, a eficácia coletiva, entre outras, utilizou-se medidas como a média amostral (M) e o desvio padrão (SD) de forma a verificar a dispersão face ao valor médio. Já no caso das variáveis qualitativas como o sexo, o tipo de casa, o meio de residência, entre outras, as frequências relativas (percentagens), bem como a moda e a proporção da categoria modal, revelaram-se como as formas mais adequadas para descrever a distribuição destas variáveis.

Adicionalmente foram também realizadas comparações de médias e/ou percentagens das variáveis independentes do estudo que, recapitulando, dizem respeito às variáveis sociodemográficas (sexo, idade, habilitações literárias, perceção do estado de saúde, rendimento per capita e insegurança económica); às variáveis do contexto da habitação (meio de residência, situação perante a habitação, tipo da habitação, permanência e eficácia coletiva); às variáveis de vitimação (cumulativa e corrente), da eficácia subjetiva da polícia e da componente cognitiva e emocional do sentimento de insegurança. O mesmo aconteceu para as variáveis dependentes (i.e., a WTP, os gastos com as medidas de segurança e os comportamentos de precaução e a frequência com que são adotados).

62

2.5.2. Procedimentos de análise estatística inferencial

Para verificar se existiam diferenças estatisticamente significativas nas variáveis deste estudo, utilizaram-se testes paramétricos e não paramétricos consoante a violação, ou não, dos pressupostos da normalidade das distribuições das variáveis. De forma a analisar se a distribuição da média segue uma distribuição normal, procedeu-se à realização do teste de Kolmogorov-Smirnov e de Shapiro-Wilk conforme o número de efetivos (ver anexo II), assim como à posterior observação dos histogramas com curvas de normalidade para averiguar a normalidade da distribuição das variáveis em análise. Nos casos em que não foi possível validar as condições de aplicação dos testes paramétricos, (i.e., por não se verificar uma distribuição normal), foram conduzidos testes não paramétricos para a comparação das distribuições.

Como foram violados os pressupostos da normalidade, para a comparação dos valores médios procedeu-se à utilização dos testes não paramétricos de Mann-Whitney e de Krustal- Wallis. Importa ainda referir que, para estes testes, o p-value será considerado significativo se não exceder 0,05. Também no caso das variáveis categóricas, para testar se dois ou mais grupos independentes diferem relativamente a uma determinada característica categórica, (i.e., se a frequência com que os elementos da amostra se repartem pelas classes de uma variável qualitativa é ou não aleatória), conduziu-se o teste de independência do Qui-quadrado (ᵡ2_{). Para}

tal, foram primeiramente elaboradas as respetivas tabelas de contingência.

Com vista a analisar a consistência interna dos diferentes índices considerados utilizou-se o teste de alpha (α) de Cronbach (cujo valor do alpha varia entre o 0 e o 1). Em relação a esta temática torna-se necessário referir o trabalho de Nunnally (1978) – onde o autor concluiu que um teste é considerado como apropriado quando o α é pelo menos de 0,70. Murphy e Davidsholder (2004) indicam ainda que os índices que têm uma consistência interna com um valor inferior a 0,6 têm uma fiabilidade inaceitável; os que estão próximos de 0,7 uma fiabilidade de baixa a moderada; entre 0,8 a 0,9 uma fiabilidade moderada a elevada e superior a 0,9 uma fiabilidade muito alta.

Para analisar a correlação entre variáveis, foram utilizadas medidas de associação, (também denominadas como coeficientes de correlação), que têm como propósito quantificar a direção e intensidade de associação entre as variáveis. Dado que foram violados os pressupostos de normalidade, utilizou-se o coeficiente de correlação de Spearman – que se trata de uma medida de associação não paramétrica. Foram realizadas correlações gerais entre as variáveis para a amostra total. Apesar de não haver uma regra específica para a intensidade de associação entre as variáveis, aceitou-se o contributo de Jacob Cohen (1988). Assim, as correlações que

63

apresentarem um valor entre -1 e -0,5 e entre 0,5 e 1 foram consideradas elevadas; as que se situam entre -0,5 e -0,3 e entre 0,3 e 0,5 foram consideradas moderadas; por último, as correlações com um valor entre -0,3 e 0 e entre 0 a 0,3 foram consideradas fracas. De forma a verificar o nível de significância estatística destas correlações, atendeu-se ao resultado do p-

value, onde se considerou a correlação como estatisticamente significativa quando o seu valor

é inferior a 0,05.

Por fim, considerou-se importante a realização de regressões logísticas (no caso da WTP, dos gastos e do comportamento de evitamento) e lineares (no caso da frequência do comportamento de evitamento, dos comportamentos de proteção e da frequência destes) com o objetivo de perceber que variáveis atuam como preditores destas variáveis dependentes. Na análise dos modelos de regressão logística, foram considerados o teste de Hosmer & Lemeshow assim como os pseudo r2_{, ou seja, o r}2 _{de Cox & Snell e o r}2 _{de Nagelkerke.No caso da análise}

dos modelos de regressão linear foram considerados o valor de βe os valores de r (r, r2 _{e r}2

ajustado).

CAPÍTULO II: RESULTADOS

Neste capítulo, apresentar-se-á os resultados relativos à caracterização da amostra, em função das variáveis independentes e dependentes do estudo, assim como os resultados referentes às correlações entre estas variáveis. Para tal, os testes realizados (referidos à priori na secção dos procedimentos de análise estatística) tratam-se, impreterivelmente, de testes não paramétricos, visto que o teste estatístico de Kolmogorov-Smirnov constatou a violação dos pressupostos de normalidade para todas as variáveis do estudo. Por fim, a apresentação dos resultados será concluída com a predição das variáveis dependentes através dos modelos de regressão logística para a WTP, os gastos e comportamento de evitamento assim como de modelos de regressão linear para a predição da frequência do comportamento de evitamento, dos comportamentos de proteção e a frequência destes.