Tratamento e análise dos dados

Após a aplicação do questionário, as respostas foram exportadas da plataforma de questionários para um banco de dados do software estatístico, sendo possível realizar as análises e estabelecer relações entre as variáveis da pesquisa.

Os dados foram submetidos a estatística descritiva para se caracterizar a amostra e apresentar os resultados das escalas.

coletados foram submetidos primeiramente ao tratamento dos dados através da análise exploratória, que envolveu avaliação dos missing values, outliers, normalidade univariada e multivariada, homoscedasticidade, análise de linearidade e multicolinearidade.

Como a plataforma de questionários foi programada para salvar somente os questionários que tivessem sido respondidos por completo, não houve casos omissos ou missing values.

Para identificação dos outliers univariados primeiramente foi utilizado a análise visual do diagrama em boxplot e em seguida o critério do valor padronizado (escore Z), conforme Hair Jr. e colaboradores (2009). Para verificação dos outliers multivariados adotou-se o cálculo da distância de Mahalanobis (D²), conforme Hair Jr. e colaboradores (2009). A partir da análise uni e multivariada, mesmo sendo identificados outliers, optou-se por mantê-los, visto que pretende-se garantir a generalidade à população.

Segundo Tabachinik e Fidell (2013) o pressuposto da normalidade multivariada pode ser parcialmente verificado através do exame da normalidade, linearidade e homoscedasticidade. Assim, a partir da análise dos escores Z percebe- se que nenhuma das escalas apresentou níveis adequados de assimetria e curtose, uma vez que excedem o valor crítico de ±2,58, indicando não normalidade no nível de probabilidade 0,01 e a necessidade do uso de testes não-paramétricos. Pelos resultados do teste Kolmogorov-Smirnov não se pode admitir que o conjunto de dados tenha distribuição normal uma vez que a significância foi menor que o valor de alfa 0,1% (HAIR Jr. et al., 2009).

Contudo, em amostras grandes (com 200 ou mais casos), o nível de significância das medidas de assimetria e curtose não é tão importante se os desvios dos parâmetros são moderados (medidas inferiores a 1 em módulo) para grande parte das variáveis (TABACHINIK; FIDELL, 2013).

Marôco (2014) complementa que o método de máxima verossimilhança (ML) é robusto à violação do pressuposto da normalidade se a assimetria e achatamento das distribuições das variáveis manifestas não forem muito grandes.

Ainda segundo Hair Jr. e colaboradores (2009), para amostras com 200 ou mais observações o impacto da anormalidade pode ser negligenciado. Além disso, nas comparações de grupos (teste t e ANOVA), os diferentes tamanhos de grupos podem cancelar os efeitos nocivos das variáveis não normais.

O teste de linearidade foi analisado através do coeficiente de Pearson, considerando um nível de 5% de significância (unicaudal). Não foi visualizada nenhuma discrepância em relação à linearidade segundo a significância dos coeficientes de correlação, assim pode-se aceitar que os indicadores seguem padrões relativamente lineares de associação.

O teste de homoscedasticidade foi executado por meio do teste de Levene, pois esse teste é menos afetado por desvios da normalidade. O teste permitiu concluir que a maioria das variáveis apresentam homoscedasticidade, uma vez que a significância associada ao teste foi superior a 0,05 e os grupos que apresentaram significância inferior a 0,05 têm aproximadamente o mesmo tamanho. Segundo Hair Jr. e colaboradores (2009), existem evidências de que o teste F e ANOVA são robustos em relação a homoscedasticidade, sendo que as violações têm impacto mínimo quando os grupos apresentam aproximadamente o mesmo tamanho (grupo maior/grupo menor < 1,5).

Com o auxílio do software estatístico, foram realizados o teste t de Student para verificar diferenças entre as médias para as variáveis sexo, tipo de cargo (TAE ou docente) e titulação, e ANOVA para verificar se existem diferenças entre as médias para as variáveis idade, tempo de serviço, estado civil e campus de trabalho.

As análises exploratórias destacaram a ausência de casos omissos e de multicolinearidade, bem como casos extremos multivariados com pouca influência, com valores superiores a cinco (VIF<5), conforme Marôco (2014). Em virtude da anormalidade dos dados não ser tão elevada, optou-se por utilizar o algoritmo de máxima verossimilhança na estimação dos parâmetros da MEE, como indicado por Pilati e Laros (2007).

Hair Jr. e colaboradores (2009) afirmam que existem diversos índices que podem ser utilizados como critérios para avaliar o ajuste geral do modelo. Para validar os modelos construídos, o presente estudo utilizou o conjunto de medidas e valores de referência dispostos na Tabela 14, que foram adaptados de Byrne (2001), Hair Jr. e colaboradores (2009) e de Marôco (2014). As medidas foram: Qui- quadrado (x²); df; Qui-quadrado normalizado (x²/df); p-value; Índice de qualidade do ajuste (GFI); Índice ajustado de qualidade do ajuste (AGFI); Índice de Tucker-Lewis (TLI); Índice de ajuste normalizado (NFI); Índice de ajuste comparativo (CFI); Índice de qualidade de ajuste parcimonioso (PGFI); Índice de ajuste normado de

parcimônia (PNFI) e Raiz quadrada média dos quadrados dos erros de aproximação (RMSEA).

Por fim, para testar possíveis influências dos valores relativos ao trabalho nas percepções do comprometimento e entrincheiramento na carreira foram realizadas modelagens de equações estruturais, com o método de máxima verossimilhança.

4.4 Resultados e discussão

Na análise das estatísticas descritivas dos instrumentos de comprometimento com a carreira (CC) e entrincheiramento na carreira (EC) foi possível verificar que os níveis obtidos nos construtos e em suas respectivas dimensões alcançaram valores acima do ponto intermediário da escala que é três, numa escala com cinco pontos. A Tabela 8 apresenta as médias encontradas nesse estudo.

Tabela 8 – Escores médios de comprometimento e entrincheiramento na carreira Construto/

Dimensão

Comprometimento com a carreira Entrincheiramento na carreira

Identidade Planejamento Resiliência Investimentos na Carreira Limitações de Alternativas Custos Emocionais Escore Dimensões 4,29 4,00 3,02 3,38 3,32 3,01 Desvio Padrão 0,770 0,962 1,110 1,162 0,659 0,646 Escore Construto 3,77 3,24 Desvio Padrão 0,682 0,544

Fonte: Dados da pesquisa.

Ao se analisar os resultados para o construto CC, observa-se que o escore médio é bem mais expressivo nos fatores identidade e planejamento, obtendo mais que 4 pontos, o que indica um forte apego emocional e a determinação de necessidades de desenvolvimento e estabelecimento de metas de carreira, respectivamente. A dimensão resiliência obteve escore médio muito próximo do ponto médio da escala, indicando que o comprometimento do servidor com a sua carreira não implica necessariamente na capacidade de enfrentar adversidades para se manter nela.

próximos do ponto intermediário da escala, ficando a dimensão custos emocionais com o menor escore, 3,01 pontos. Os resultados revelam que o aprisionamento na carreira encontrado é decorrente principalmente dos investimentos feitos na carreira, seguido das limitações de alternativas e por último dos custos emocionais. O fraco escore dos custos emocionais revela o fato de que, para os participantes, o abandono da carreira não traria a quebra de vínculos profissionais ou desconexão da área de atuação.

De acordo com Pestana e Gageiro (2014), se a amostra for menor ou igual a 30, os testes t exigem a verificação da normalidade. Daqui se conclui que, se a amostra for superior a 30, não há necessidade da verificação da normalidade.

Se tivermos amostras com centenas de observações, a distribuição dos dados pode ser ignorada. Isso implica dizer que em amostras grandes, pode-se utilizar procedimentos paramétricos mesmo quando os dados são não normais (ELLIOTT; WOODWARD, 2007; PALLANT, 2010).