Escola Superior de Gestão e Tecnologia de Santarém
Ano lectivo 2009/2010
Docente: Paulo Santos
Disciplina: Métodos Quantitativos aplicados ao Marketing III
Discentes:
- Edgar Carvalho, nº 080127032
- Ivo Vieira, nº 080127020
-João Franco, nº 080127034
-Nuno Carreira, nº 080127009
8,8% 50,2% 41,0% 10% 20% 30% 40% 50% 60% Gráfico 1 - Sexo 0 feminino masculino
1) METODOLOGIA
Para a realização deste trabalho optamos por fazer um estudo transversal, ou seja, trabalhamos com uma amostra. Esta amostra foi constituída por 585 pessoa, que se dividem em 292 homens e 293 mulheres, 195 dos 0-18 anos, 195 dos 19-49 anos e 195 com mais de 50 anos. Obtivemos uma amostra de 249 respondentes distribuídos da seguinte forma.
a) Caracterização da amostra e análise descritiva univariada:
Variáveis nominais, são variáveis que classifica os sujeitos em classes ou
grupos, mas isso não interfere em mais nada, já as variáveis ordinais, para alem
de estarem concentrados em grupos, tem uma ordem, mas não se sabe a
distância que os separa, variáveis de escala
podem ser apenas "iguais" ou "diferentes" entre si. Não é feito qualquer ranking. Os números atribuídos servem apenas para identificar a pertença ou não pertença a uma categoria, ou de identificação.Posto isto, consideramos como sendo variáveis nominais o sexo. Como
variáveis ordinais consideramos a idade, o grau de instrução, o rendimento
anual e a ocupação. Consideramos ainda todas as outras 85 variáveis
explicativas como sendo variáveis de escala.
Sexo:
Tabela 1 - sexo
Frequency Percent Valid Percent
Cumulative Percent Valid 0 22 8,8 8,8 8,8 feminino 125 50,2 50,2 59,0 masculino 102 41,0 41,0 100,0 Total 249 100,0 100,0
Quanto ao género, a população caracteriza-se, fundamentalmente, por ter 50,2% dos inquiridos mulheres e 41% de homens, existindo ainda 8,8% dos inquiridos que não responderam. (ver Gráfico e tabela 1).
Idade:
Tabela 2 - Idade
Frequency Percent Valid Percent
Cumulative Percent Valid 10 - 17 anos 53 21,3 21,5 21,5 18 - 31 anos 72 28,9 29,1 50,6 32 - 43 anos 25 10,0 10,1 60,7 44 - 64 anos 77 30,9 31,2 91,9 +65 anos 20 8,0 8,1 100,0 Total 247 99,2 100,0 Missing System 2 ,8 Total 249 100,0
Nesta variável (ver Gráfico e tabela 2), a nossa amostra é liderada pelo escalão de idades entre 44-64 anos (30,9%), logo seguido pelo grupo 18-31 anos (28,9%), sendo dos 10-17 anos (21,3%) o terçeiro grupo de maior relevancia, existem ainda dos 32-43 anos (10%), +65 anos (8%) e sem resposta (0,8%).
21,3% 28,9% 10% 30,9% 8% 0,8% 0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0%
10-17 anos 18-31 anos 32-43 anos 44-64 anos mais de 65 anos sem resposta Gráfico 2 - Idade 10-17 anos 18-31 anos 32-43 anos 44-64 anos mais de 65 anos sem resposta
Grau de instrução:
Tabela 3 – Grau de instrução
Frequency Percent Valid Percent Cumulative Percent Valid não sabe ler ou escrever 4 1,6 1,6 1,6
sabe ler e escrever 8 3,2 3,3 4,9
4.ª classe 34 13,7 13,8 18,7 9.º ano 58 23,3 23,6 42,3 12.º ano 85 34,1 34,6 76,8 licenciado 50 20,1 20,3 97,2 mestre 5 2,0 2,0 99,2 doutorado 2 ,8 ,8 100,0 Total 246 98,8 100,0 Missing System 3 1,2 Total 249 100,0
Como podemos observar (Gráfico e tabela 3), a nossa amostra é principalmente representada maioritáriamente por indivíduos com o 12.º ano (34,1%), seguidos pelos que possuem o 9.º ano (23,3%), os que são licenciados (20,1%) e os que tem a 4.ª classe (13,7%), de salientar ainda que 1,2% não deram resposta a esta questão.
1,6% 3,2% 13,7% 23,3% 34,1% 20,1% 2,0% 0,8% 1,2% 0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0%
Gráfico 3 - Grau de instrução
não sabe ler ou escrever sabe ler e escrever 4.ª classe 9.º ano 12.º ano licenciado mestre doutorado sem resposta
Rendimento anual:
Tabela 4 - Rendimento anual
Frequency Percent Valid Percent
Cumulative Percent Valid 0 - 1.500€ 104 41,8 45,0 45,0 1.501 - 4.000€ 24 9,6 10,4 55,4 4.001 - 10.000€ 38 15,3 16,5 71,9 10.001 - 25.000€ 45 18,1 19,5 91,3 25.001 - 60.000€ 15 6,0 6,5 97,8 +60.001€ 5 2,0 2,2 100,0 Total 231 92,8 100,0 Missing System 18 7,2 Total 249 100,0
Como vemos (Gráfico e tabela 4), a nossa amostra é maioritáriamente composta por indivíduos com rendimento anual compriendido entre os 0-1.500€, como já estudamos no nosso trabalho de inovação de produto, este facto deve-se ao facto de os intervalos estarem mal dimensionados o que levou alguns dos indivíduos da nossa amostra a confundirem o rendimento anual com o rendimento mensal. Pelo que esta variável não nos vai servir para a realização do nosso trabalho, serve apenas como indicativa.
41,8% 9,6% 15,3% 18,1% 6,0% 2,0% 7,2% 0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0%
45,0% Gráfico 4 - Rendimento anual
0-1.500€ 1.501-4.000€ 4.001-10.000€ 10.001-25.000€ 25.001-60.000€ mais de 60.001€ sem resposta
Ocupação:
Tabela 5 - Ocupacao
Frequency Percent Valid Percent
Cumulative Percent
Valid profissão física (manual) 28 11,2 11,4 11,4
profissão intelectual (escritório, etc) 92 36,9 37,4 48,8 doméstica(o) 9 3,6 3,7 52,4 reformado 28 11,2 11,4 63,8 estudante 89 35,7 36,2 100,0 Total 246 98,8 100,0 Missing System 3 1,2 Total 249 100,0
A nossa amostra como se pode ver (Gráfico e tabela 5), é caracterizada por indivíduos com profissão intelectual (36,9%), logo seguido por estudantes (35,7%), de seguida empatados encontram-se a profissão física e os reformados (11,2%), doméstica(o) (3,6%) e ainda os que não responderam (1,2%).
b)
Análise dos dados obtidos:
Através dos dados obtidos, podemos ver que temos uma amostra com mais
11,2% 36,9% 3,6% 11,2% 35,7% 1,2% 0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0% Gráfico 5 - Ocupação
Profissão física (manual)
Profissão intelectual (escritório, etc)
Doméstica(o)
Reformado
Estudante
que não sabem utilizar estas tecnologias. No parâmetro do rendimento anual, reparamos que pode ter existido uma má interpretação, ou não leram a pergunta bem pois das respostas válidas 45% responderam que recebem de 0 a 1500€ por ano, uma hipótese de resolução deste problema para um futuro estudo é, ou mudar a escala de valores, ou então mudar de rendimento anual para rendimento mensal. Constatamos que 76,8% da nossa amostra é composta por indivíduos que no máximo possuem o 12º ano, sendo no entanto os dois maiores escalões os 12ºano com 34,6% das respostas e 9ºano com 23,6% das respostas. Vemos ainda que a nossa amostra é dominada no âmbito da ocupação por duas grandes classes, a primeira é a profissão intelectual (escritório, etc) com 37,4% das respostas válidas e a outra classe é a dos estudantes com 36,2% das respostas válidas.
2 CÁLCULO DA MÉDIA, DESVIO PADRÃO E COEFICIENTE DE VARIAÇÃO
2.1
Cálculo da média, desvio-padrão e coeficiente de variação das respostas dos
clientes por cada uma das necessidades ou desejos:
Procedemos ao cálculo das médias, desvios padrão e coeficientes de variação das respostas dos clientes (ver anexo 1), pelo que basta consultar os anexos e ver toda a informação desejada.
2.2
Interpretação dos dados:
Segundo os dados obtidos, podemos concluir que nas variáveis “básicas” como a saúde, simpatia, conforto, entre outros, as médias são muito altas o seu desvio padrão é muito baixo e o seu coeficiente de variação também, logo podemos concluir que são um tipo de variáveis que todas as pessoas querem e todas, as consideram muito importantes, pelo que temos de as ter muito em conta para o produto que vamos criar. Existem por outro lado variáveis como campo de golfe, jogos de azar (casino, bingo, etc.) entre outros, com médias muito baixas, com desvio padrão e coeficiente de variação muito elevados, em que a média é muito pouco representativa pois existe muita dispersão entre os dados obtidos porque o desvio padrão é aproximadamente de 2 valores ou para cima ou para baixo.
Podemos ver em relação às médias que existe um valor médio máximo que é 8,07 e um mínimo que é 3,73 logo podemos verificar que em média não existe nenhuma variável a que os respondentes respondessem abaixo de 3 valores e que também não responderam muito acima de 8 valores.
Quando olhamos para o desvio padrão, vemos que os mais baixos, em média os dados desviam-se 1,3 da média e os mais altos em média, desviam-se 2,7 da média.
O coeficiente de variação olhando para os valores e considerando o valor de 25% como um valor a partir do qual se for superior à média é pouco representativo e se o valor for inferior, já existe alguma ou muita representatividade.
3 ANÁLISE DE CLUSTERS
3.1 Análise de clusters a partir dos dados recolhidos no questionário sobre as
necessidades e desejos para determinar os segmentos de mercado:
Sabendo que quanto maior for o desvio padrão, melhor é para a análise de clusters, fomos então escolher para a análise de clusters as 20 primeiras variáveis que têm os mais altos desvios padrão que são: touradas, desportos radicais (paintball, desportos aquáticos, bicicleta todo-o-terreno, skate, slide, etc.), bares e discotecas, campo de golfe, tiro desportivo (tiro aos pratos, etc.), participar em actividades (agrícolas, pecuárias e domésticas tradicionais), acesso gratuito à internet em locais públicos, desportos olímpicos (futebol, atletismo, basquetebol, etc.), vinhos e bebidas tradicionais, jogos de azar (casino, bingo, etc), desportos hípicos (passeio a cavalo, equitação, hipismo, etc), jogos tradicionais de campo (malha e outros), campismo e caravanismo, aluguer de bicicletas e motas, comida rápida, jogos de mesa e salão, passeio a pé, transportes nocturnos para locais de diversão (ida e volta), tabernas e tascas tradicionais, parque de diversões.
Através das variáveis que escolhemos, fomos trabalhar no spss, e começamos por fazer uma análise de clusters, com o objectivo de encontrar grupos homogénios em termos de p variáveis que neste caso p=20. Através do dendograma obtido (ver anexo 2), observámos que a melhor disposição dos clusters era criando 3 grupos, sendo com as variáveis escolhidas um pouco difícil de conseguir obter esses grupos desejados, tentámos a análize pedindo para o spss criar 9 clusters, mas não descriminava nada e os grupos eram muito parecidos, por isso mesmo fomos encolhendo o número pretendido e chegámos a conclusão que os 3 clusters eram os que melhor se enquadravam, mas não foi fácil pois para tal tivemos de utilizar os três critérios de agregação aprendidos nas nossas aulas, tentamos com o vizinho mais próximo, com o vizinho mais afastado e por ultimo utilizamos o centroide.
Fizemos de seguida o split file para organizar os dados por grupos, sabendo que quando a média é muito baixa, influencia o desvio padrão, se a média é muto baixa, o desvio padrão, se fizermos o coeficiente de variancia, vemos que a média não é representativa, mesmo tendo um desvio padrão muto pequeno. Fomos entao ver o peso que cada grupo tem no total da amostra.
Concluido o processo de encontrar os diferentes clusters, fomos de seguida caracterizar em termos das variáveis de agrupamento todos os clusters encontrados (ver anexo 2), de seguida fomos também caracterizar os clusters em termos das outras variáveis que geralmente são demográficas através das crosstables.
literárias de 12º ano, licenciados, 9ºano e 4ª classe, com um rendimento anual nos escalões entre os 0-1500; 10001-25000 e 4001-10000€, e que tem a ocupação maior de profissão intelectual seguida dos reformados, estudantes e por último as profissões físicas. O 2º é o cluster do
“Arroz doce – vão a todas”, caracteriza-se por possuir 112 respondentes, , 4 respondentes não
definiram o seu sexo, este cluster tem um peso de 55,2%, 50 homens e 52 mulheres, com idade no intervalo dos 10-31 anos, possuem o 9º ano, 12º ano e licenciado, tem um ordenado anual nos intervalos entre 0-1500€ e dos 4001-25000€, têm uma ocupação basicamente de dois tipos, a maioria é estudante e como tal não possui ordenado mas como o intervalo mínimo é dos 0-1500€ tiveram de assinalar essa resposta, daí se justificar que este escalão tem um maior número de respostas, tendo os outros profissão intelectual. Por ultimo o 3º cluster que é o “Fora de
horas” possui 22 respondentes, dos quais um não definiu o seu sexo, este cluster tem um peso
de 13,8%, sendo com 15 respostas dominado pelo sexo feminino seguido dos 6 homens, com idades nos intervalos dos 10-18, 44-64 e 18-31 anos, possuem o 9º ano e 12º ano de escolaridade, com um ordenado anual entre os 0-1500€ pois este cluster é dominado por estudantes seguido de profissão intelectual.
3.2 Interpretação dos dados
Com os dados obtidos (ver anexo 3), podemos ver que, no cluster “Trabalhar para o
descanso” os respondentes gostam do passeio a pé, de participar em actividades agrícolas,
pecuárias e domesticas tradicionais, gostam de touradas, de vinhos e bebidas tradicionais, de desportos hípicos, de ter acesso à internet em locais públicos, de jogos tradicionais, tabernas e tascas tradicionais e campismo, caravanismo. Verificamos que são pessoas que gostam de desfrutar da natureza e de tudo o que as rodeia e que esteja relacionado com o tradicional e que não seja a correr, gostam de ter calma e desfrutar. Já no cluster “Arroz doce – vão a todas” reparamos que por ser um cluster com idades jovens e com espírito de aventura e descobrimento, não dão resposta negativa a nenhuma das variáveis dando a entender que gostam de tudo. No cluster “Fora de Horas” os seus elementos gostam mais de: passeio a pé, desportos radicais, transportes nocturnos para locais de diversão (ida e volta), acesso gratuito à internet em locais públicos, parque de diversões, bares e discotecas, comida rápida, vemos que neste cluster estão mais virados para o radical, comer muito à pressa e ir para a noite, é um cluster em que as pessoas, de dia gostam de desporto e de noite não param e continuam na diversão em bares e discotecas.
Nos dados obtidos (ver anexo 2) podemos verificar que apenas com a variável sexo podemos rejeitar a hipótese nula de que todas as variáveis estão distribuídas uniformemente, pelo que aceitamos como hipótese válida o de que o sexo (masculino e feminino) influencia a formação dos clusters.
