Tratamento dos Dados

Na análise de dados efectuada, recorreu-se a técnicas univariadas e multivariadas, utilizando recursos e procedimentos da estatística descritiva, bem como, da estatística inferencial. Através da primeira, procurou-se descrever a amostra, de forma a evidenciar as características dos indivíduos inquiridos, enquanto que através da segunda, procurou-se, com base nas diferenças verificadas na amostra, tirar conclusões relativas à mesma.

Para a descrição da amostra foram utilizados quadros e representações gráficas. O enfoque principal foi dado na comparação dos segmentos construídos quer a nível univariado, quer a níveis bivariados e multivariados.

O tratamento e análise das questões que medem a importância dos atributos na escolha do destino Norte de Portugal e a importância atribuída aos atributos respeitantes aos campos de golfe da região foram realizados através de uma análise de componentes principais (ACP).

A análise de componentes principais é um dos métodos estatísticos multivariados que procura simplificar os dados de um determinado universo em estudo, através da redução do número de variáveis necessárias para os descrever. Esta técnica permite transformar um conjunto inicial de variáveis, correlacionadas entre si, num outro conjunto de variáveis não correlacionadas, designadas por componentes principais, as quais resultam de combinações lineares do conjunto inicial.

É possível obter um número de componentes igual ao número das variáveis, no entanto, só algumas das componentes são responsáveis por uma grande parte da explicação da variação total das variáveis.

A vantagem principal deste método, consiste na redução da dimensão dos dados, no que respeita ao número de variáveis a analisar, sem que daqui resulte uma perda significativa de informação.

As variáveis relativamente às quais se aplicou a ACP correspondem às questões relacionadas com a importância dos atributos na escolha do destino Norte de Portugal e com na escolha dos campos de golfe da região pelos golfistas inquiridos.

Com o objectivo de analisar a pertinência da aplicação da ACP ao conjunto de dados disponível, optou-se, numa primeira instância, pela observação da estatística de Kaiser- Meyer-Olkin, (KMO).

A estatística KMO resulta da comparação das correlações simples entre as variáveis com as correlações parciais observadas entre as mesmas variáveis. Esta estatística pode variar entre 0 e 1, sendo que valores reduzidos, próximos de 0, sugerem a falta de adequação dos

dados à aplicação da ACP, enquanto que, valores elevados, próximos de 1, sugerem uma boa adequação dos dados à aplicação da ACP.

Pestana e Gageiro (2003) apresentam a classificação do valor KMO proposta por Kaiser (ver Quadro 11), a qual permite analisar a adequação dos dados à aplicação da ACP.

Quadro 11 – Classificação KMO de Kaiser

KMO ACP 0.90-1 Muito boa 0.80-0.90 Boa 0.70-0.80 Média 0.60-0.70 Razoável 0.50-0.60 Má <0.50 Inaceitável Fonte: Pestana e Gageiro, 2003

Por forma a facilitar a interpretação dos dados, procedeu-se à rotação das componentes através do método VARIMAX. Esta rotação permite uma mais fácil interpretação das componentes, uma vez que é feito um ajustamento, através da rotação num espaço multidimensional, para que cada item esteja correlacionado apenas com um factor.

Para escolhermos o número de factores a reter utilizou-se o critério de Kaiser. Este critério exige que as componentes apresentem valores próprios iguais ou superiores à unidade. No entanto, seguindo o princípio do compromisso entre a validade estatística e a validade metodológica/interpretativa optou-se pela retenção dos factores que não comprometessem a validade estatística e teórico/metodológica (solução que apresenta todos os valores próprios das componentes superior a 1 e onde a variância explicada é considerável).

Como medida de fiabilidade e consistência interna dos factores apresentou-se o Alpha de Cronbach, de acordo com o qual, a consistência do factor é melhor quanto mais próximo de 1 for o valor obtido.

Para ser possível a análise das questões através dos factores criados com a ACP, foram criados scores dos factores através do método da regressão, de forma standardizada (média 0 e desvio-padrão 1), permitindo assim, a possibilidade de análises comparativas dos factores encontrados.

Após a obtenção das componentes principais, procedeu-se à comparação dos factores nos segmentos em análise.

Por forma a comparar os segmentos relativamente aos factores encontrados com a ACP e encontrar nos mesmos diferenças significativas, foi utilizada a metodologia ANOVA (Ananalysis of Variance). Esta metodologia permite comparar diferenças de médias entre três ou mais grupos independentes, através do rácio de variância dentro dos grupos e entre os grupos. Sendo esta uma metodologia paramétrica exige a normalidade das distribuições, bem como, a homocedasticidade entre grupos, pressupostos que foram previamente verificados (Anexo C).

Aplicada e analisada a metodologia ANOVA importa verificar, no caso de as diferenças de médias entre grupos serem significativas (p<0,05), quais os grupos onde se encontram essas diferenças. Para o efeito, recorreu-se ao teste de comparação múltipla de Scheffé que nos permite identificar quais os atributos percebidos de forma diferenciada por cada segmento.

No sentido de averiguar se as diferenças verificadas na amostra, ao nível da importância atribuída ao factor e da satisfação obtida com o mesmo após a realização da experiência, são significativas, foi aplicado o teste t de Student.

O teste t permite testar hipóteses sobre médias, comparando dois grupos independentes ou dois grupos relacionados. Encontrados os factores subjacentes à escolha do destino foram criados índices dos factores através da média aritmética dos itens constituintes de cada factor. A mesma metodologia foi aplicada aos itens que medem a satisfação face ao destino escolhido e face experiência dos campos de golfe.

Através do teste t para amostras relacionadas, foi possível evidenciar diferenças entre os segmentos relativamente à diferença entre os factores de importância atribuída ao destino Norte de Portugal e aos campos de golfe da região e a respectiva satisfação experimentada, após a realização da experiência.

Os testes estatísticos utilizando a distribuição de t de Student exigem uma distribuição normal quando a dimensão amostral é inferior a 30. Uma vez que cada um dos segmentos é constituído por 30 ou mais indivíduos, cumpre-se o pressuposto estatístico inerente a esta metodologia.

Por último, foi efectuada uma análise da correlação entre as variáveis, nomeadamente, a correlação entre os índices de importância atribuída aos atributos do destino Norte de Portugal e dos campos de golfe da região. Esta correlação foi evidenciada através do coeficiente de correlação de Pearson, uma vez que as variáveis são do tipo quantitativo. O coeficiente de correlação de Pearson é uma medida de associação linear e varia entre -1 e 1. Quanto mais próximo dos valores extremos, maior é a associação entre as variáveis. Esta correlação foi analisada, de acordo com os objectivos propostos, segundo os segmentos definidos.

Com base na metodologia anteriormente apresentada, nomeadamente, nos pressupostos da recolha de informação explicados e no consequente tratamento dos dados de acordo com os métodos e as técnicas mencionadas, foi possível obter os resultados que são apresentados no Capítulo III.