Você está na página 1de 8

Tpicos Avanados de Estatstica na Pesquisa em Administrao de

Empresas

Limites e Seleo de mtodos e tcnicas para anlise.

O aspecto mais bsico e vital de um tratamento estatstico de dados passa pela


necessidade de se observar que tipo de dados o objeto de estudo permite que sejam
coletados.
Vale a pena lembrar que, um bom planejamento para a coleta de dados e anlise das
possibilidades do objeto de conhecimento, poupa muitas horas de trabalho para se saber
como se poder tratar os dados ou ainda pode-se poupar a necessidade de retomada de
dados.

De pendendo do objeto a ser estudado, suas caractersticas e sua natureza, um tipo de


dados, aqui entendido como algo que pode ser convertido em nmeros, pode ser
conseguido atravs de um processo de mensurao caracterstico ou tradicional.

H basicamente trs tipos bsicos com relao natureza do processo de mensurao:

A. Escala Nominal ou Classificadora (de nomear)


Mensurao em um nvel mais baixo ou primitivo das possibilidades, quando nmeros
ou outros smbolos so usados para classificar objeto, pessoas ou caractersticas de
ambos ou identificar os grupos a que vrios objetos pertencem.
A primeira organizao de dados, constitui em colocar caractersticas de indivduos (ou
de objetos) em categorias e contar a freqncia que ocorrem.
Alguns tipos de dados nominais mais comuns em pesquisas so, por exemplo: sexo
(masculino e feminino), classe scio-econmica (alta, mdia e baixa), partido poltico
de preferncia, orientao no tempo (presente, passado e futuro) etc.

B. Escala Ordinal ou Escala por Postos (de ordem)


Quando se que ultrapassar a simples atribuio de um rtulo ou nome a um indivduo ou
objeto, pode-se classificar os dados em categorias de um ordenamento preestabelecido
Por exemplo:
Ordenao do grau de concordncia com uma assertiva: concordo plenamente,
concordo, indiferente, discordo, discordo plenamente.
Avaliao de um produto ou servio: Muito insatisfeito, Relativamente insatisfeito,
neutro, Relativamente satisfeito e Muito satisfeito.
Classificao de alunos: 1, 2, 3, ......30.

O nvel ordinal fornece informaes sobre a ordenao, mas no indica a magnitude das
diferenas entre os valores, por exemplo, quando classificamos alunos de uma turma,
sabemos que o 1 apresentou melhor desempenho em um teste, por exemplo, mas no
podemos inferir se ele sabe mais que o 2, ou mais que o 3 etc. S podemos falar que ele
foi classificado em primeiro lugar.
C. Escala Intevalar (de intervalos)

1
Quando a escala tem todas as caractersticas de uma escala ordinal e alm disso se
conhecem as distncias entre dois nmeros quaisquer da escala (unidade de medida) e o
zero da escala de medida existe por conveno.
Por exemplo:
Temperatura (Celsius, Fahrenheit).
Altura (metro, centmetro, ps)
receitas de vendas (reais ou dlares)
Investimento em propaganda (reais ou dlares)
Tempo (calendrio gregoriano e hebraico)

Como detalhe, a escala intervalar chamada de Escala de Razo ou


proporcionalidade (quarto tipo), quando tem um ponto zero verdadeiro como origem
(funo linear: que passa pela origem). Explicando melhor, a razo (r = a/b) entre duas
medidas guarda uma proporcionalidade independente da escala e todas as operaes
aritmticas podem ser feitas. Como exemplo, podemos citar vrias grandezas fsicas,
tais como, presso, volume, massa, distncia etc., bem como contagem de valores
monetrios e financeiros.

Em todos os casos podemos ter mensuraes com valores discretos, quando so


expressos por nmeros naturais (inteiros positivos), como ocorre com o dinheiro ou
valores contnuos tais como nas unidades fsicas, que em tese, podem ser
indefinidamente subdivididos.

importante frisar que, no podemos tratar qualquer tipo de mensurao com os


mesmos testes ou mtodos estatsticos. Devemos sim atentar que h metodologias
especficas. claro que o tratamento matemtico de qualquer coleo de nmeros
sempre pode ser processado ou submetido a uma frmula, mas se ela no tiver sentido
de validade ou relao causal, no pode ser considerada, pois o resultado, apesar de
existir, no tem qualquer relao com o objeto de conhecimento.

De fato, a Estatstica enquanto rea do conhecimento, no possui uma teoria geral que
possivelmente poderia ser usada em todas as situaes e realidade. Antes de depreciar a
rea, esta caracterstica a marca da natureza dos seus saberes.

Sintetizando, ainda h dois tipos de dados bsicos que se pode obter com medies:

Discretos: so nmeros resultantes de contagens. Dias que voc trabalhou, nmero de


livros lidos em um ano, nmero de alunos em uma sala de aula etc.

Contnuos: so frutos de medidas de grandezas fsicas: Altura, comprimento,


temperatura etc.

Figura 1: Relacionamento entre os tipos de mensurao e suas caractersticas.

2
Fonte: Levine et al (2000).

Como viso geral, o quadro1 apresenta uma sntese dos mtodos e tcnicas adequados
para cada tipo de mensurao.

Quadro1: tipo de mensurao x possveis testes apropriados.


Tipo de Provas
Relaes
Escala Estatsticas Testes Estatsticos Adequados
Definidoras
Adequadas
Nominal Equivalncia No paramtricas Nmero de casos.
Percentagens.
Moda.
Correlaes de contingncia (Qui-quadrado.
Teste exato de Fisher.
Freqncia.
Teste binomial.
Mcnemar, Cochran Q.
Coeficiente de contingncia.
Moda.
Ordinal Equivalncia No paramtricas Todos os anteriores e mais:
Maior do rs de Spearmam.
que de Kendal.
W de Kendall.
Mediana.
Percentis.
Decis, quartis.
Desvio quartlico.
Correlao de postos.
Teste de sinais.
Teste de Kolmogorov-Smirnov.
Teste U, Mann-Whitney.
Teste de Kruskal Wallis.
Intervalar Equivalncia Paramtricas e No Todos os anteriores e mais:
Maior do paramtricas Mdia.
que Desvio-padro.
Razo Mdia aritmtica.
conhecida de Desvio padro, varincia.
dois Desvio mdio.

3
intervalos Intervalo, Amplitude total, amplitude mdia.
quaisquer Correlao de produto-momento (product-moment correlation)
teste-t;
teste-F,
teste-Z,
ANOVA
Razo Equivalncia Paramtricas e No Todos os anteriores e mais:
Maior do paramtricas Coeficiente de variao
que Mdia geomtrica,
Razo Mdia harmnica
conhecida de
dois
intervalos
quaisquer
Razo
conhecida de
dois valores
quaisquer de
escala
Fonte: Siegel (1979); Levin (1985); Miller (1991); Andrews et al. (1998).

Ainda para cada tipo de amostra, o quadro 1, pode ser desdobrado em outro (quadro2),

Escala Caso de Caso de duas amostras Caso de k amostras Correlao


uma
Amostras Amostras independentes Amostras Amostras
amostra
relacionadas relacionad independentes
as
Nominal Prov Prova de Prova de Fisher. Prov Prova de Coeficiente de
a Binomial McNemar para Prova de 2 para duas a Q de 2 para k Contingncia C
Prov a significncia amostras independentes. Cochran. amostras
a de 2 de das mudanas. independentes
uma
amostra
Ordinal Prov Prova Prova da Mediana Prov Prova de Coeficiente de
a de dos sinais. Prova U de Mann- a de extenso da correlao de postos de
Kolmogor Prova de Withney Friedman. mediana Spearmann: rs.
ov- Wilcoxon. Prova de duas Prova de Coeficiente de
Smirnov amostras de Kolmogorov- Kruskal-Wallis correlao de postos de
para uma Smirnov. Kendall: .
amostra Prova de iteraes de Coeficiente de
Prov Wald-Wolfowitz. correlao parcial de
a de Prova de Moses para postos de Kendal: xy,z
iteraes reaes externas. Coeficiente de
para uma Concordncia de
amostra. Kendal: W.
Intervalar Prova de aleatoriedade Coeficiente de
para duas amostras Correlao de Pearson:
independentes. r.
Fonte: Siegel (1979);

ANLISES MULTIVARIADAS

Conceitos bsicos de anlise multivariada


Utilizamos a anlise univariada para estudarmos a distribuio de apenas uma varivel,
utilizamos a anlise bivariada quando trabalhamos com duas variveis e a anlise
multivariada para os casos de mais de duas variveis.

Podemos definir a anlise multivariada pela sua funo, que apresentada de forma
semelhante por vrios autores:

4
Analisar simultaneamente mltiplas medidas (mais de duas variveis) de cada
indivduo ou objeto sob investigao. (HAIR et al, 1998)1

Obter informaes a partir da anlise de medidas simultneas de muitas variveis.


(JOHNSON & WICHERN, 1998:1)

Em muitas pesquisas cientficas necessrio analisar as relaes simultneas entre trs


ou mais variveis. (DILLON & GOLDSTEIN,1984:1)

Obs.: Utilizamos a anlise univariada para estudarmos a distribuio de apenas uma


varivel, utilizamos a anlise bivariada quando trabalhamos com duas variveis e a
anlise multivariada para os casos de mais de duas variveis.

H diversas tcnicas para a anlise multivariada e cada uma se aplica a um


objetivo de pesquisa especfico, como citado por JOHNSON & WICHERN (1998:2):

a) Reduo dos dados ou simplificao estrutural: O fenmeno em estudo


representado de um modo to simples quanto possvel sem sacrificar informao
valiosa. Tornando a interpretao mais fcil.
b) Agrupar: Grupos de objetos ou variveis similares so criados com base nas
medidas caractersticas.
c) Investigao da dependncia entre as variveis: Todas as variveis so
mutuamente independentes ou uma ou mais variveis so dependentes de
outras? Se sim, como ?
d) Predio: As relaes entre as variveis devem ser determinadas com o objetivo
de predizer o valor de uma ou mais variveis com base nas observaes de
outras variveis.
e) Construo de hipteses e testes: Hipteses estatsticas especficas, formuladas
em termos dos parmetros da populao multivariada, so testadas. Isto pose ser
feito para validar premissas ou para reforar convices prvias.

Uso:
Com os computadores e programas disponveis atualmente, a anlise
multivariada tem sido utilizada para atender muitas finalidades: anlise de dados
psicolgicos, sociolgicos e comportamentais, em reas como: antropologia, zoologia,
negcios, economia, ecologia, geologia, tanto nas universidades quanto indstria,
governo e centros de pesquisa. (HAIR et al, 1998:3-5; JOHNSON & WICHERN,
1998:2).

DILLON & GOLDSTEIN (1984:2) citam alguns exemplos, dos quais


destacamos o caso do psiclogo social que procura entender os papis que as atitudes
desempenham na formao do comportamento, bem como operacionalizar o conceito de
atitude em termos de trs variveis relativas s dimenses cognitivas, afetiva e
comportamental, que esto implcitas neste construto.

1
Alm disso, afirmam que para que a anlise seja multivariada todas as variveis devem ser aleatrias e
inter-relacionadas de forma que seus efeitos no possam ser corretamente interpretados de forma isolada.

5
Para cada objetivo de pesquisa definido por JOHNSON & WICHERN (1998)
(apresentados no item Funo) eles tambm apresentam alguns exemplos de aplicao
das tcnicas multivariadas (3 - 5, 1998):

a) Reduo dos dados ou simplificao estrutural:


Foram usados dados de muitas variveis relacionadas s respostas dos
pacientes com cncer radioterapia para construir uma escala de medida
simples da resposta do paciente radioterapia.
Registros de muitos pases foram usados para desenvolver um ndice de
desempenho para os atletas.
b) Agrupar:
Medidas de muitas variveis psicolgicas foram usadas para desenvolver um
procedimento que discrimina alcolatras de no-alcolatras.
A U.S.Internal Revenue Service usa dados coletados dos impostos pagos
para separar os pagadores em dois grupos: os que sero auditados e aqueles
que no sero.
c) Investigao da dependncia entre as variveis:
De um lado foram usadas medidas de variveis relacionadas inovao, e de
outro variveis relacionadas ao ambiente e organizao do negcio para
descobrir porque algumas firmas so inovadoras em produtos e outras ao.
A associao entre medidas de propenso a risco e medidas de caractersticas
scio-econmicas, para executivos, foi usada para avaliar a relao existente
entre o comportamento em relao ao risco (risk-taking) e o desempenho.
d) Predio:
As associaes entre notas em provas, muitas variveis de desempenho no
colgio e na faculdade foram usadas para desenvolver preditores de sucesso
na faculdade.
Dados de muitas variveis relacionadas distribuio do tamanho dos
sedimentos foram usados para desenvolver regras para predizer diferentes
ambientes de deposio.
e) Construo de hipteses e testes:
Muitas variveis relacionadas poluio foram medidas para determinar se
os nveis para uma grande metrpole eram constantes durante a semana ou se
eles eram diferentes entre os dias teis e os fins-de-semana.
Dados de muitas variveis foram usados para determinar se diferentes tipos de firmas em pases recm-
industrializados apresentavam diferentes padres de inovao.

Tipo de mtodo de anlise multivariada

H 11 mtodos que atendem a grande maioria dos problemas presentes nas pesquisas
(vide figura 2):

Figura 2: Taxionomia dos mtodos multivariados

6
Fonte: Dillon e Goldstein (1984)

1) Regresso Mltipla:

Mtodo mais usado e conhecido. Relaciona-se com a dependncia de uma nica


varivel, a varivel dependente sobre um conjunto de outras (variveis preditoras)

2) Anlise Discriminante:
Usado quanto se tem uma varivel (ou mais) que est relacionada com alguma
caracterstica da amostra. Por exemplo: idade, sexo, tipo de investidor, nvel de
escolaridade. E se que saber dentro do grupo da varivel, qual a tendncia de
expressar alguma discriminao ou no.

3) Anlise Logit
apropriado quando um critrio simples de mensurao discreto e todas as variveis
preditoras so categricas na sua natureza.

4) MANOVA
A anlise de varincia multivariada usada quando mltiplos critrios de mensurao
so avaliados e o objetivo avaliar o impacto de vrios nveis de uma ou mais variveis
experimentais sobre o critrio de medida. Assim, o foco primrio da MANOVA testar
as diferenas significantes de um conjunto de variveis ou o perfil destas devido s
relaes sobre uma ou mais variveis controladas.

5) Anlise de Correlao Cannica

7
Este mtodo busca determinar a associao linear entre o conjunto de variveis
preditoras e os critrios de mensurao. No processo busca-se ter duas combinaes
lineares, uma do conjunto preditor e outra do critrio maximizante.

6) Anlise de Componentes Principais


uma tcnica de reduo de dados onde o objetivo principal a construo de uma
combinao linear das variveis principais que representam a totalidade.

7) Anlise Fatorial
uma tcnica de reduo de dados. Em contraste com o modelo anterior, este visa
apenas a parte da variao total mais robusta do que a totalidade.

8) Anlise Escalonada Multidimensional Mtrica


usada para explorar por exemplo, como as pessoas formam percepes sobre as (dis)
similaridades entre as preferncias de vrios objetos. Um aspecto importante deste
mtodo um mapa de alternativas que representa este comportamento de (dis)
similaridades

9) Anlise de Cluster ou de Pareamento


Pode ser considerado outro mtodo de reduo de dados. O objetivo na maioria dos
estudos que usam esta tcnica identificar um nmero pequeno de agrupamentos para
um todo, que tem aspectos semelhantes. Em geral o subgrupo homogneo baseado nas
(dis) similaridades dos perfis dos respondentes.

10) Anlise Escalonada Multidimensional No Mtrica


O objetivo deste mtodo transformar as (dis) similaridades percebidas no interior de
um conjunto de objetos em distncias no espao multidimensional.

11) Modelo Loglinear


Este modelo permite ao pesquisador investigar as inter-relaes as variveis categricas
a partir de uma contingncia.Expressa tambm as probabilidades multidimensionais em
termos dos efeitos principais.