Projeto de Pesquisa

O projeto de pesquisa define como será realizada a segmentação, todos os procedimentos e tarefas a serem executadas consequentes dos objetivos estabelecidos. Wind (1978) indica que podem ser definidas nove etapas para o projeto de pesquisa: a unidade de análise, as definições operacionais, o desenho da amostra, o nível de confiança dos dados, a estabilidade do segmento, a homogeneidade do segmento, até que ponto o mercado é passível de segmentação, validação e, por fim, os custos inerentes.

Quanto ao objeto de estudo podem ser indivíduos, grupos, empresas, regiões, neste caso será o produtor de bovinos de carne no distrito de Portalegre. Sendo um conjunto de indivíduos importa não esquecer as especificidades de cada um deles, pois a incapacidade de atender a todos eles, isoladamente, conduz à sua reunião em grupos homogéneos, o que não deve ser sinónimo de ignorar a sua individualidade (Wind, 1978).

As variáveis podem ser escalonadas segundo os seguintes níveis de medida: nominal, ordinal intervalo e rácio (Pestana e Gageiro, 2000). Diz-se que uma variável é nominal quando os elementos são atributos ou qualidades, como é o caso do sexo; ordinal quando se pretende medir um atributo passível de ordem, como a faixa etária, as ordens de preferência, o número do efetivo animal ou a dimensão da exploração. A escala de intervalo é utilizada quando “para classificar os elementos é feito de forma que, a igual

diferença entre os números, corresponda igual diferença nas quantidades do atributo medido” (Pestana e Gageiro, 2000), sendo que o zero não significa a ausência do atributo, por exemplo as medidas de atitudes ou a medição da temperatura. Semelhante é a escala rácio, em que o zero representa a ausência do atributo medido, como é o caso do tempo e da velocidade.

Segue-se o desenho da amostra. Quando se está presente uma pesquisa que não consiga abranger a totalidade da população (pesquisa censitária), é necessário calcular uma amostra que seja representativa; ou seja, implica que cada elemento da população tenha a mesma probabilidade de ser escolhido. O problema da amostragem é extrair uma parte de tal forma representativa e a partir dos resultados apurados relativamente a esta amostra, inferir à população total. Nesta medida, a amostra define-se como uma porção ou parcela, convenientemente selecionada e calculada da população (Lakatos e Marconi, 1992; Reis e Moreira, 1993).

Para esse cálculo existem dois tipos de amostragem: a não-probabilística e a probabilística. O primeiro tipo deste processo como não faz uso de uma forma aleatória de seleção impossibilita a extrapolação das conclusões para a população, por exemplo a amostragem por conveniência caraterizada pela seleção subjetiva dos indivíduos, através da facilidade de contacto com o respondente, que poderá conduzir ao enviesamento dos resultados obtidos, mas apresenta vantagens na fase de realização de pré-teste de um questionário (Reis e Moreira, 1993).

Contrariamente, a amostragem probabilística baseia-se na escolha aleatória dos pesquisados e usa técnicas de estatística. Qualquer indivíduo da população em estudo tem a mesma hipótese de integrar a amostra e pode ser dividida em amostragem aleatória simples, sistemática, estratificada, por clusters e amostragem multi-etapas (Reis e Moreira, 1993).

A amostragem aleatória simples consiste em retirar os elementos da população para amostra casualmente, por exemplo o método da lotaria, sendo que a grande vantagem neste tipo de amostragem é a anulação por completo do enviesamento dos resultados. A amostragem sistemática não dá a mesma probabilidade de integrar a amostra a todos os indivíduos da população, pois cria uma regra dentro da própria aleatoriedade, ou seja, para aplicar este método, segundo Reis e Moreira (1993), é necessário calcular o rácio da população sobre a amostra (N/n, por exemplo 1000/250) e, posteriormente, escolher um

valor que fique no intervalo [1,N/n] e somá-lo ao resultado do rácio N/n até perfazer a totalidade da amostra calculada.

Para realizar uma amostragem estratificada é necessário dividir a população segundo características idênticas, por exemplo indivíduos que vivam na mesma área geográfica. A população é dividida em grupos homogéneos segundo determinada característica, em que cada grupo (estrato) está representado proporcionalmente à dimensão da população da qual faz parte e proporciona um resultado mais equilibrado e próximo da realidade.

A amostragem por clusters pode ser utilizada em pequenos grupos que componham a população, por exemplo estudos internos às empresas uma vez que, em princípio, estão divididas por departamentos (clusters). Semelhante é a amostragem multi-etapas na medida em que a população já se encontra dividida em pequenos grupos, que devem ser selecionados aleatoriamente, tal como os elementos dentro de cada um dos grupos. Contudo, a natureza dos respondentes é diferente, ou seja a unidade amostral é diferente8, por exemplo pertencem a diversas organizações, ou regiões e vão variando conforme o avanço nas etapas, embora a sua indicação seja aleatória e o instrumento de recolha de dados seja igual.

Reis e Moreira (1993) indicam que na amostragem aleatória, podem ser conjugadas diversas técnicas anteriormente mencionadas para garantir a aleatoriedade da seleção da unidade amostral.

O nível de confiança estipulado para os resultados obtidos pressupõe também uma margem de erro, que deve ser sempre indicada. Para o cálculo da amostra consoante o nível de confiança Reis e Moreira (1993) estipulam os seguintes valores, conforme indicado na Tabela 2.

8_{Unidade amostral corresponde ao elemento individual disponível para ser selecionado em qualquer estádio do processo amostral (…).}

Por exemplo: um certo tipo de pessoa (sexo masculino com idade superior a 65 anos), um determinado tipo de estabelecimento comercial (supermercados) (Reis, 2005).

Tabela 2 – Valores dos Níveis de Confiança

Nível de

confiança (%) 68,27 95 95,45 97 99 99,73

Valor de Z ± 1,0 ± 1,96 ± 2,0 ± 2,17 ± 2,58 ± 3,0

Fonte: Reis e Moreira (1993)

Após definir o nível de confiança a aplicar ao estudo, os valores anteriores são utilizados no cálculo da dimensão da amostra através da seguinte fórmula apresentada por Reis e Moreira (1993):

Em que:

n corresponde à amostra; p e q são estimadores; D é margem de erro;

N corresponde à dimensão da população.

Por fim, a estabilidade de um segmento é dada pela continuidade dos elementos dentro do segmento e, caso sejam voláteis, questionar se é viável atender a esse segmento e “assegurar que aquilo que se quer recolher como informações e o modo como o faz responde ao objetivo da investigação” (Ketele e Roegiers, 1998).