Page 11 - rcf126_Neat

11

Verificamos no Gráfico 2 que, proporcionalmente, há mais
empresas do CAE 4 que apresentaram imparidades e rever- No âmbito da estatística descritiva são também utilizadas
sões e mais empresas do CAE 7 que não apresentaram medidas de associação, que quantificam a intensidade e
qualquer relato de imparidades ou reversões. direção da associação entre duas variáveis, sem qualquer
implicação de causa efeito entre ambas (Marôco, 2010).
Gráfico 2 – Caracterização da amostra: imparidades e reversões vs. CAE De entre as medidas de associação utilizamos o Coeficien-
te de Correlação de Spearman, adequado para associa-
ções não paramétricas entre duas variáveis.

Nesta investigação são utilizados testes de significância
bilaterais, uma vez que não existe um conhecimento prévio
da direção da associação das variáveis. Se o nível de
significância (p value) for inferior a 5% a correlação é signi-
Fonte: SPSS a partir dos dados recolhidos
ficativa e variáveis em análise são linearmente dependen-
3.5 Técnicas Estatísticas utilizadas tes (Albuquerque et al., 2011). A intensidade da correlação
pode ser classificada de Muito Forte a Muito Fraca, de
Este trabalho utiliza, em termos metodológicos, no que diz acordo com o quadro seguinte:
respeito às hipóteses formuladas uma abordagem baseada
na análise de conteúdo, entendendo-se esta como uma téc- Quadro 5 – Níveis de associação do coeficiente de correlação
de Spearman
nica de pesquisa para a descrição objetiva e quantitativa do | p | Correlação
conteúdo da informação. Atendendo ao número de variáveis [0.9; 1] Muito forte
que estão simultaneamente em análise, foram escolhidos [0,75; 0,9[ Forte
métodos de análise univariada (fundamentalmente medidas [0,5; 0,75[ Moderada

descritivas) e bivariada (através de técnicas estatísticas não [0,25; 0,5[ Fraca
paramétricas). [0,00; 0,25[ Muito fraca
Fonte: Albuquerque et al., 2011

Na análise estatística necessária para comprovar as hipóte-
ses de investigação são utilizados testes não paramétricos. No caso da análise de correlação entre variáveis nominais,
Segundo Marôco (2010), este tipo de testes são adequados utiliza-se complementarmente o coeficiente não paramétri-
quando não se verificam os pressupostos dos métodos pa- co V de Cramer. No caso de variáveis dicotómicas este
ramétricos, nomeadamente a distribuição normal das variá- coeficiente é substituído pelo coeficiente Phi (Marôco,
veis, podendo ser tão ou mais potentes do que os testes 2010).
paramétricos. Por outro lado, segundo o mesmo autor, este
tipo de testes são os mais adequados para variáveis com Os dados recolhidos da IES das entidades da amostra fo-
escalas ordinais, o que se verifica em quase todas as variá- ram trabalhados na ferramenta SPSS 19.0.
veis deste estudo.
4. ANÁLISE E DISCUSSÃO DOS RESULTADOS
O primeiro teste não paramétrico a utilizar será o teste 4.1 Análise dos resultados
Mann-Whitney, adequado para comparar as funções de dis-
tribuição de uma variável pelo menos ordinal em duas amos- Apresentamos de seguida os resultados obtidos no trata-
tras independentes (Marôco, 2010). mento e análise de dados constantes nesta investigação