T RATAMENTO DA I NFORMAÇÃO

Após a recolha dos dados, estes foram estruturados, a fim de facilitar o seu tratamento e posterior análise, utilizando o software de tratamento estatístico SPSS (Statistical Package for Social Science). O tratamento dos dados segundo Miles e Huberman (1994) in Barata (1997, pág. 144), “é a estruturação de um conjunto de informações que vai permitir tirar conclusões e tomar decisões”.

As respostas obtidas nos questionários foram medidas segundo três tipos de escala: escala de rácio, escala de lickert e escala dicotómica. A escala de rácio verifica-se em respostas numéricas que permitem estabelecer rácios de comparação entre os valores obtidos de respondentes diferentes (Vastag e Whybark, 1993). A escala de Lickert, designada também por verbal com ordenação (Reis e Moreira, 1993), permite ao respondente a afirmação da respectiva opinião, com base numa grelha previamente estruturada em termos crescentes ou decrescentes. A escala dicotómica apresenta apenas duas possíveis respostas. Em termos gerais, o tipo de escala predominante no questionário é a de lickert de l a 5, por permitir que as respostas sejam bastante mais normalizadas no seu comportamento de distribuição de frequências, devido ao facto de ser uma escala equilibrada (Reis et al., 1993).

A análise dos dados recolhidos subdividiu-se em 3 partes. Na primeira, através de uma análise descritiva, procura-se fazer uma caracterização dos hospitais respondentes. Tendo em atenção que a dimensão do conjunto de hospitais respondentes era bastante reduzida, achou-se conveniente proceder a uma análise da sua representatividade. Finalmente, realizou-se a análise de questões relativas às práticas de aprovisionamento, nomeadamente na sua relação com o tipo de hospital, a região de localização e a frequência de utilização dos diversos tipos de contrato. Esta parte do estudo permitirá dar resposta às questões científicas formuladas.

O estudo da representatividade da amostra, foi realizado analisando os valores do número de camas, dos indicadores de produção da amostra com os da população e comparando as médias nacionais e as da amostra de algumas variáveis.

Para a comparação entre as médias nacionais e a da amostra de algumas variáveis, utilizou-se Test-T simultâneos para uma média, uma vez que o número de hospitais respondentes é inferior a 30. Este teste tem como pressuposto a normalidade das variáveis, para tal aplicou-se o Teste de Kolmogorov-Smirnov, com correcção de Lilliefors (Guimarães e Cabral, 1997; Pestana e Gageiro, 2000) de aderência à normalidade.

Em termos de tratamento estatístico, e dado o grande número de variáveis, seria aconselhável a sua redução. A Análise Factorial seria a técnica a utilizar pois permitiria

detectar os factores em presença e simplificar o estudo (Hair, Anderson, Tatham e Black, 1995; Pestana et al., 2000), uma vez que, a análise estatística ficaria simplificada, atendendo ao menor número de variáveis.

Mas nesta investigação, tal procedimento não esteve, à partida, previsto ser utilizado, uma vez que a própria população tem um número reduzido de elementos. O facto de o número de hospitais respondentes ter sido, também, reduzido desaconselhou, em definitivo, o seu uso. Assim sendo, e embora seja mais complexo, tornou-se necessário utilizar uma análise individualizada para cada uma das diferentes variáveis, sabendo no entanto que estas variáveis podem estar correlacionadas.

Antes de iniciar qualquer tratamento estatístico mais profundo, procedeu-se à retirada das variáveis vazias e das variáveis que possuíam mais de 20% de “missing values”. As variáveis que possuíam menos de 20% de “missing values” foram transformadas utilizando a sua média (Reis et al., 1993; Guimarães et al., 1997; Pestana et al., 2000). Estes procedimentos foram realizados, porque se não fossem efectuados, os resultados poderiam ser enviesados (Guimarães et al., 1997; Pestana et al., 2000).

A existência de um elevado número de “missing values” pode ter várias explicações. Por um lado, o questionário exigia algum tempo para poder ser respondido de forma correcta e, por outro lado, o modo como a informação era pedida não corresponderia, em algumas situações, ao modo como os hospitais a tinham disponível. Tal facto poderia acarretar elevado dispêndio de tempo adicional.

A fim de testar as hipóteses formuladas e de acordo com o tipo de variáveis, recorreu-se a diferentes testes estatísticos: a análise de variância ANOVA, o teste não paramétrico de Kruskal-Wallis, e o Teste do Qui-Quadrado.

A ANOVA foi utilizada com variáveis que, para além de serem apresentadas em escala do tipo Lickert, verificam os pressupostos da normalidade da distribuição dos resíduos e da homogeneidade da sua variância (Guimarães et al., 1997; Bryman e Cramer, 1993; Silva, 1994; Montgomery, 1997; Wampold e Drew, 1990; Pestana et al., 2000). Para verificar esses pressupostos recorreu-se ao Teste de Kolmogorov-Smirnov com correcção de Lilliefors (Guimarães et al., 1997; Pestana et al., 2000) e ao Teste de Levene (Hair et

al., 1995; Pestana et al., 2000) respectivamente. O teste de Kruskal-Wallis foi aplicado em variáveis em que, sendo apresentadas em escala do tipo Lickert, não se verificavam, no entanto, os pressupostos de normalidade da distribuição dos resíduos e de homogeneidade da sua variância. O teste do Qui-Quadrado foi utilizado para as variáveis dicotómicas.

A resposta à terceira questão exigia que fossem identificados grupos de hospitais, com práticas razoavelmente homógeneas, no que diz respeito ao tipo de contrato utilizado para a aquisição de bens e serviços. A simples utilização de uma variável não permitiria resolver, de forma cabal, este problema. Assim, entendeu-se adequado recorrer-se à Análise de Cluster. Com base em sete variáveis representativas da frequência de utilização dos diversos tipos de contrato foi possível identificar “clusters” de hospitais com comportamentos idênticos.

A análise de clusters, genericamente, compreende cinco etapas: (1) selecção de casos a serem agrupados; (2) definição de um conjunto de variáveis a partir das quais será obtida a informação necessária ao agrupamento dos casos; (3) selecção de uma medida de semelhança ou distância entre cada par de casos; (4) escolha de um critério de agregação ou desagregação dos casos e (5) validação dos resultados encontrados (Reis, 1988 e 1991; Reis et al., 1993).

Relativamente às duas primeiras etapas pode-se dizer que os casos a serem agrupados são o conjunto de hospitais respondentes e as variáveis são as sete variáveis que traduzem a frequência de utilização de cada um dos tipos de contrato, como forma de aquisição de bens e serviços, no Hospital. A medida de semelhança utilizada foi a distância euclidiana (Malhotra, 1993; Raposo, 1994; Hair et al., 1998; Pestana et al., 2000). De entre vários métodos de agregação de casos, optou-se pelo método de Ward, que segundo Malhotra (1993) é um dos métodos que origina melhores soluções.

Após a identificação dos clusters procedeu-se à sua validação através da análise discriminante, como é prática na análise de clusters (Reis, 1997; Malhotra, 1993; Norusis, 1993; Guimarães et al., 1997; Pestana et al., 2000).

Finalmente, e a fim de dar resposta à terceira questão, utilizaram-se a ANOVA e o teste de Kruskal-Wallis (Guimarães et al., 1997; Silva, 1994; Montgomery, 1997; Wampold et al., 1990; Pestana et al., 2000) para determinar as variáveis significativas. Na prática procurou-se determinar a existência ou não de diferenças significativas para hospitais com práticas de contratação diferentes, ou seja pertencentes a “clusters” diferentes.