3. Metodologia e modelo conceitual
3.10. Tratamento dos Dados
Uma pesquisa abre novas frentes de estudo na medida em que acontece o aprofundamento das variáveis analisadas. Diante dos objetivos a serem alcançados, colocou-se primeiramente a obtenção de dados e a escolha do método mais adequado para a sua recolha. A escolha de dados primários junto aos colaboradores das ONGs através de questionários para a coleta das
informações foi à técnica escolhida por ser a mais viável no atendimento das necessidades da pesquisa. Uma vez obtidos os dados, efetuou-se o seu tratamento informático e estatístico.
A análise dos dados ocorreu em 02 etapas: uma que foi feita a análise exploratória dos dados e em que se procedeu à modelação de dados e as inferências estatísticas, e por último a análise qualitativa que veio complementar a primeira etapa. As técnicas estatísticas adequadas ao tratamento dos dados, com o objetivo de verificar as hipóteses e questões de investigação colocadas, serão referidas a seguir nos itens abaixo.
Segundo Bussab e Morettin (2005), existem várias ferramentas na análise exploratória dos dados, como os gráficos, tabelas e medidas de síntese (porcentagens, índices e médias para organização dos dados), onde as séries estatísticas são as mais utilizadas, conhecidas também por tabelas, que tem por finalidade, resumir em um quadro um conjunto de observações, conseguindo expor sinteticamente os resultados dos dados analisados relacionados a fatores como, tempo, local, fenômeno e especificação. Já os gráficos, têm como objetivo principal produzir no leitor uma impressão mais rápida e viva dos dados de uma tabela.
A partir da complexidade do fenômeno em estudo, explicado por múltiplos fatores determinantes, sentiu-se a necessidade de efetuar a modelação de dados e utilizar inferências estatísticas. A seguir, quadro resumo com as principais ferramentas estatísticas utilizadas por área de estudo.
Quadro 6: Principais ferramentas estatísticas utilizadas na investigação
TEMAS DE ESTUDO FERRAMENTAS ESTATÍSTICAS
UTILIZADAS
Espiritualidade no trabalho
Estatística descritiva Análise Fatorial
Análise de variância (ANOVA) Comprometimento Organizacional no
trabalho
Estatística descritiva Análise Fatorial
Análise de variância (ANOVA)
Engajamento no trabalho
Estatística descritiva Análise Fatorial
Análise de variância (ANOVA)
Dessa forma, para a análise das associações entre as variáveis, optou-se pela utilização de técnicas multivariadas e inferenciais para a caracterização dos indivíduos que possuem diferentes níveis de percepção acerca do conjunto de proposições. A inferência estatística preocupa-se em tirar conclusões a partir de um conjunto de observações da amostra, pela interpretação dos resultados na análise exploratória dos dados. As técnicas utilizadas na presente investigação referem-se à Análise Fatorial (Hair et al., 1998), testes do tipo Qui- Quadrado de independência, Kaiser-Meyer-Olkin (KMO), esfericidade de Bartlett (Bussab e Morettin, 2005) e Análise de Regressão (Hair et al., 1998), conforme a seguir :
3.10.1. Análise Fatorial
Hair et al. (1998) descrevem uma Análise Fatorial (AF) como uma técnica particularmente apropriada para analisar os padrões de relações complexas multidimensionais, portanto pode- se definir que a análise fatorial é utilizada para examinar relações latentes e se alguma informação contida na base de dados pode ser resumida em fatores, construídos como combinações lineares das variáveis assemelhadas.
Entretanto, antes de se realizar a AF, foram elaboradas as análises do teste Kaiser-Meyer- Olkin (KMO) e do teste de esfericidade de Bartlett, para verificar se as características dos dados seriam adequadas para proceder à análise fatorial.
Primeiramente, o KMO apresenta valores normalizados (entre 0 e 1,0) e mostra qual é a proporção da variância que as variáveis (questões do instrumento utilizado) apresentam em comum ou a proporção desta que são devidas a fatores comuns. Para interpretação do resultado obtido, valores próximos de 1,0 indicam que o método de análise fatorial é perfeitamente adequado para o tratamento dos dados. Por outro lado, valores menores que 0,5, indicam a inadequação do método (Pereira, 2001).
O segundo teste, o de Esfericidade de Bartlett este é baseado na distribuição estatística de Qui-Quadrado e testa as hipóteses: 𝐻0: há correlação entre as variáveis versus 𝐻1: não há correlação entre as variáveis (Pereira, 2001).
Valores de significância maiores que 0,05, indicam que os dados não são adequados para o tratamento com o método em questão; que a hipótese nula (𝐻0) não pode ser rejeitada. Já valores menores que o indicado permite rejeitar a hipótese nula, conclui-se então, que os dados são adequados (Hair et al., 1998).
As tabelas e os gráficos da análise exploratória dos dados apresentados neste estudo foram produzidos no Microsoft Office Excel 2010. Já as análises estatísticas foram realizadas utilizando o programa SPSS (versão 8.0) (SPSS, 1999). A seguir o quadro 7 apresenta um resumo com as principais ferramentas utilizadas para tratamento dos dados,suas finalidades e paramêtros.
Quadro 7: Principais ferramentas estatísticas utilizadas no tratamento dos dados e suas finalidades e
paramêtros
FERRAMENTAS PARA TRATAMENTO DOS DADOS
FINALIDADE Parâmetros de confiança Consistência interna (determinada
pelo cálculo do Alfa de Cronbach - Bland, Altman,1997)
Para verificar a confiabilidade dos instrumentos
Alfa superior a 0,7 é razoável, superior a 0,8 é bom e superior a 0,9 é excelente
Análise de Variância – (de Vet, Beurskens, 1998)
Para mostrar qual é a parcela de explicação dos dados pelos fatores estudados
Superior a 60%. Análise Fatorial (Hair et al., 1998)
Para analisar a estrutura das inter-relações (correlações) entre as variáveis do estudo.
De acordo com os resultados dos testes estatísticos
Testes do tipo Qui-Quadrado de independência ( Pereira, 2001).
Para confirmar análise fatorial se
foi adequada ou não P>0,05 Testes Kaiser-Meyer-Olkin (KMO )
(Bussab e Morettin, 2005)
Para verificação do grau de ajuste dos dados coletados
Os valores variam entre 0 e 1, sendo que valores superiores a 0,8 demonstram que a análise fatorial é boa; entre 0,7 e 0,8 é considerada média e entre 0,6 e 0,7 é considerada razoáve Esfericidade de Bartlett (Bussab e
Morettin, 2005)
Para verificação do grau de
ajuste dos dados coletados P < 0,05 Análise de Regressão (Hair et al.,
1998
Para conhecer as correlações entre as diferentes variáveis para que se identifiquem os efeitos diretos de um conjunto de variáveis independentes sobre a variável dependente
Inferior ou igual a 5%.