Técnicas de análise

A escala possui 5 questões sócio demográficas que, em seu emprego, objetivavam caracterizar a amostra: idade, gênero, renda, escolaridade e cidade. Para essas questões foram lançados testes de hipóteses para identificar se havia diferença entre as médias, considerando a idade do indivíduo.

4.1.6.1 Teste de Hipóteses para a diferença entre médias entre populações (Anova).

Empregou-se Análise de Variância para verificar se as amostras foram retiradas de populações como o mesmo valor de média7. O teste de hipótese foi realizado da seguinte forma:

A hipótese nula (H0) A idade não influencia o consumo de produtos de luxo;

A hipótese alternativa (H1) afirma que idade influencia no consumo de produtos de

luxo.

FIGURA 19 Estrutura para o teste de hipóteses

Fonte: Elaborado pelo pesquisador

A sucessão de testes realizados envolveu: sexo, renda e cidade (variáveis independentes), em função da idade do indivíduo (variável dependente). Foram, portanto, quatro amostras distintas, considerando as faixas etárias dos participantes: entre 20 e 29 anos;

7 _{Supondo que as médias realmente fossem diferentes entre si, seria possível questionar por que as médias dessas}

amostras eram diferentes. De acordo com Neufeld (2003) pode-se dividir dois grupos em função de sua variabilidade:

1. No primeiro grupo a variabilidade entre amostras indica diferenças entre as populações das quais foram retiradas amostras [Quanto maior a variabilidade entre maior a evidência que existam diferenças entre as populações];

2. No segundo grupo a variabilidade dentro indica que ocorre grande dificuldade para concluir sobre as diferenças das populações [Quanto maior a variabilidade dentro maior a dificuldade para concluir sobre diferenças entre as populações].

entre 30 e 39 anos; entre 40 e 55 anos; acima de 55 anos. O objetivo do teste foi verificar se para cada uma das amostras, haveria diferença para as médias registradas, as respostas variaram de forma significativa conforme a faixa etária.

Questões como “o grupo de mulheres consumidoras tem médias para idade distinta dos homens”; “os adultos possuem as mesmas médias para as faixas de renda” ou ainda “as médias daqueles entre 20 e 29 anos apresentadas por cidades de origem são iguais ou diferentes”.

A questão relacionada à escolaridade foi abandonada no teste de hipótese em virtude de que todos os participantes eram universitários, não conferindo aspecto discriminante nas análises.

4.1.6.2 Técnica exploratória

O objetivo de se empregar a Análise Fatorial Exploratória (AFE) foi, principalmente, reduzir e explorar questões do Estudo 1. O questionário empregado possui 35 questões com a mesma escala Likert, o que dificultou a análise de forma geral. A redução e agrupamento em dimensões possibilitou de forma significativa a interpretação dos resultados já dispostos em fatores.

Segundo Hair et al (2005), a AFE é uma abordagem que pode ser utilizada para interpretar inter-relações entre um grande número de variáveis e elucidar essas variáveis em termos de suas dimensões (fatores). Buscando a perda mínima de explicação do modelo geral, a intenção é reduzir o número de variáveis em questão, nesse caso 35 (totalidade do questionário), para, dessa forma, conseguir facilidade de compreensão do fenômeno em estudo.

Para Fávero et al (2009), a ideia básica é representar um conjunto de variáveis originais observadas por um número menor de fatores. De acordo com Bezerra (2012), a AFE pressupõe que elevadas correlações entre as variáveis geram agrupamentos que configuram fatores. Além dos objetivos apresentados, a AFE também se aplica para sumarização de dados para posterior escolha de variáveis significativas; eliminação das correlações existentes entre as variáveis observadas.

A técnica em questão, e particularmente neste estudo, adequou-se integralmente às necessidades de análise, pois a escala foi construída especialmente para esse fim, em virtude

de não ter sido encontrado um instrumento completo, traduzido e validado e orientado para as necessidades do Estudo 1. A sequência lógica proposta pelos autores prevê responder a quatro questionamentos:

Qual o método de extração dos fatores a ser utilizado? Que tipo de análise será realizado?

Como será feita a escolha dos fatores?

Como aumentar o poder de explicação da AE?

4.1.6.3 Técnica Confirmatória (AFC)

Quando se fala em Análise Fatorial Confirmatória (AFC), deve-se considerar que se trata de um caso de maior amplitude conhecido como Modelagem de Equações estruturais, conforme salientam Hair et al (2005). O objetivo dessa técnica é comprovar a ligação entre as hipóteses que se interligam no diagrama de caminhos, como, por exemplo, tradição e prazer.

Conforme os autores, busca-se descrever os relacionamentos existentes entre dois tipos de variável: as [1] latentes, definidas como um conceito hipotético e não observável do qual se pode aproximar apenas por meio de variáveis observáveis ou mensuráveis, e as [2] manifestas, que consistem em valores observados e que são usados como medidas de um conceito ou construto. No caso das variáveis latentes, elas podem ser exógenas, quando funcionam como [A] preditoras de outros construtos, ou [B] endógenas, que são as variáveis dependentes em pelo menos um relacionamento causal.

Nesse caso em específico, as variáveis latentes (hipotéticas e não observáveis) são as seguintes: funcionalidade, tradição, exclusividade, diferenciação, prazer e exclusividade;

As manifestas são as 35 variáveis originais empregadas no questionário (utilizadas para medir os construtos). A seguir, na Figura 20, é exemplificada a relação entre as variáveis latentes (endógenas e exógenas) e as manifestas.

FIGURA 20 Exemplo de estrutura de construtos

Fonte: Adaptado de SOUZA (2004, p. 129).

No exemplo da Figura 20, elaborado a partir de Souza (2004), o modelo de mensuração é representado pela estrutura de associação das variáveis observadas com as variáveis latentes. Y1 e H são variáveis latentes, sendo a primeira “riqueza” (exógena) e a segunda “felicidade” (endógena). X1 é sorriso, X2 é gargalhada e X3, contentamento (variáveis

observadas). Nesse exemplo, hipoteticamente as três variáveis independentes constroem o conceito de felicidade, conjuntamente com a variável “riqueza”.8

Para adequada aplicação da AFC, Hair et al (2005) sugerem o emprego de sete passos: [1] desenvolvimento de um modelo teórico; [2] construção de um diagrama de caminhos; [3] conversão de um diagrama de caminhos de relações causais; [4] escolha do tipo de matriz de dados e estimação do modelo proposto; [5] avaliação da identificação do modelo; [6] avaliação dos critérios de qualidade; [7] interpretação e modificação do modelo, se teoricamente justificados. Para o detalhamento sugere-se a obra de Hair et al (2005, p. 500- 513) com seus sete passos ou Lopes (2008, p. 108), que apresenta nove estágios. Neste caso específico, empregou-se o modelo de sete passos em função de sua relação orientada para a questão teórica de formação de construtos.

4.1.6.4 Modelagem de Equações Estruturais

Quando se aborda Modelagem de Equações Estruturais (MEE), a referência está centrada em uma família de modelos estatísticos de nova geração e, de acordo com Hair et al (2005), conhecidos como Análise de Estrutura de Variância, Análise de Variável Latente, Análise Fatorial Confirmatória. No caso específico deste estudo, as duas características

8 _{As ligações entre esses dois grupos de variáveis são apontadas por intermédio de diagramas de caminho,}

associados a esses estão setas indicadoras da presença de erros de mensuração, e conforme Lopes (2005), isso ocorre em virtude de o pesquisador admitir que os dados foram coletados e tratados de maneira imperfeita. Para o autor definir corretamente esse relacionamento entre as variáveis é decisivo para a correta utilização da AFC, visto que aponta a função de cada uma delas (dependentes e independentes), o que permite testar múltiplos relacionamentos ao mesmo tempo.

marcantes da técnica foram extremamente valiosas: [1] estimar as múltiplas e interligadas relações de dependência e [2] representar conceitos não observados, explicando erros nesse

processo de estimação. 9

Um dos aspectos mais importantes do modelo é a criação do diagrama de caminhos para que sua análise seja feita posteriormente. Essa análise calcula a força das relações usando apenas uma matriz de correlação de entrada. É importante ressaltar que, a princípio, não há a ligação de dependência entre as variáveis sem a fundamentação teórica adequada.

FIGURA 21 Exemplo de estrutura de construtos

Fonte: Elaborado pelo pesquisador

Nesse caso de diagrama de caminhos, tem-se que as características próprias dos produtos de luxo, tais como qualidade, estão relacionadas com a história da marca, com o legado e com o fundador, muitas vezes um artesão. Ambas se relacionam com o prazer do indivíduo em vivenciar essa marca. Tal exemplo está em acordo com a teoria proposta por Lipovetsky e Roux (2005), Allérès (2000) e Castarède (2000).

Com relação à confiabilidade do modelo, Hair et al (2005) preveem os passos comumente utilizados nas demais técnicas estatísticas correlatas, que são abordados a seguir nas análises multivariadas.

9 _{Parte-se do pressuposto de que essa técnica pode analisar várias relações por vez, ao contrário de técnicas}

multivariadas como Regressão Múltipla e Análise Fatorial; trata-se da extensão de várias técnicas estatísticas consagradas, mais precisamente das duas últimas relacionadas, conforme Hair et al (2005). Para os autores sua utilidade reside quando uma variável dependente se torna independente em sequência de relações de dependência. A questão da teoria nessa construção é uma necessidade, pois a técnica deve ser completamente especificada pelo pesquisador, não há como preencher o modelo com valores usuais de softwares estatísticos, prevalecendo a questão de que não há um caminho correto. A saída para esse dilema, segundo os autores, é definir os objetivos claramente e após confirmar a relação, ou traçar a meta de descobrir as relações quando as mesmas são vagamente conhecidas.