1

PROJETO DE QUALIFICAÇÃO DOUTORADO - JM

1. INTRODUÇÃO

Neste relatório estão apresentados os modelos de análise de dados e os

resultados obtidos pelo autor, em sua pesquisa na indústria de serviços bancários, e que

são objeto da sua tese de doutoramento. Os dados foram coletados na empresa em

estudo, já descrita em outro capítulo no corpo da tese e à qual iremos nos referir

simplesmente como banco, no intuito de preservar sua identidade.

O relatório está dividido em capítulos que visam reproduzir as etapas

cronológicas da análise e também facilitar sua leitura e compreensão. Deste modo, o

capítulo 1, a Introdução, descreve genericamente o conteúdo do relatório, os

procedimentos, programas de computador utilizados e também os equipamentos nos

quais foram realizadas as análises. No capítulo 2, Os Dados, será realizada a descrição

detalhada do conjunto de dados, a que se denotará IQS e a análise exploratória dos

dados; passo importante para assegurarmos a confiabilidade dos dados e dos resultados

das análise. O capítulo 3, Métodos de Tratamento, descreve as técnicas estatísticas

utilizadas na análise. No capítulo 4, Análise dos Dados serão efetivamente aplicadas as

técnicas descritas no capítulo 3. Finalmente o capítulo 5, a Conclusão, apresenta um

resumo dos resultados mais relevantes e as recomendações.

Durante a coleta de dados constatou-se que por conta de mudanças

organizacionais no Banco, alguns subconjuntos de dados estavam incompletos,

impossibilitando a análise por modelos estatísticos clássicos; notadamente aqueles

baseados em álgebra linear. Nestes modelos não há possibilidade de tratamento para

 2

conjuntos de dados com informações perdidas 1, pois ocorre divisão por zero. Para

contornar esta dificuldade e também não comprometer os resultados das análises optou-

se por adotar também um modelo de análise estatística alternativo, mas igualmente

confiável e de fácil aplicação e que não está baseado em álgebra linear. Adotamos como

método alternativo de análise a Teoria da Informação, descrita em detalhes no capítulo

2. Com a aplicação desta técnica houve a oportunidade de analisar todo o conjunto de

dados, inclusive as variáveis com informações perdidas ou missings. É importante

afirmar que o uso desta técnica alternativa não substitui a análise clássica; mas sim,

complementa-a.

Para executar as análises, procedimentos estatísticos e digitação do relatório

foram utilizados os programas para computador MINITAB v. 11.1, Excel 5.0 e Word 6.0

executados nos computadores: IBM ThinkPad 340 e Toshiba Libretto CT 50. Os

procedimentos utilizados para as análises segundo a abordagem da Teoria da

Informação foram desenvolvidos pelo autor, utilizado-se da planilha eletrônica Excel

5.0. Estes procedimentos estão anexados na seção de gráficos e relatórios. No caso dos

procedimentos executados em Excel 5.0 foi adota a precisão de 1 x 10 -10. No programa

MINITAB v. 11.1, as rotinas internas asseguram a precisão adequada.

Por último estão apresentados tabelas e gráficos dos dados que não foram

introduzimos no corpo do relatório ou cuja análise não se mostrou relevante para o

objetivo da tese. A bibliografia utilizada está anexada no final do relatório.

1
Na literatura pesquisa, algumas em língua inglesa, os dados perdidos são denominados pelo
termo em inglês, missing. Este termo é aceito e utilizado também pelos autores de textos em
língua portuguesa. Ver MOORE, S. David; The Basic Practice of Statistics, W.H., Freeman
and Company, New York, 1995.
 3

2. OS DADOS

O conjunto de dados analisados neste trabalho é o que o banco identifica

genericamente como o Índice Geral ou, na sua denominação formal, o Índice da

Qualidade de Serviços - IQS. O projeto de desenvolvimento e implantação do Índice

teve início no mês de junho de 1994, quando a Diretoria do banco solicitou à Gerência

da Qualidade um número índice que consolidasse e substituísse os mais de 350

indicadores da qualidade2 que o Banco dispunha naquela época. A justificativa do

projeto era a dificuldade de leitura e as conclusões acerca dos 350 indicadores por parte

da Diretoria. Tornara-se imperativo um conjunto representativo das operações

fundamentais do Banco e mais evidentemente mais enxuto.

Assim a equipe de projetos da Gerência da Qualidade passou a trabalhar no

conceito de um único indicador que pudesse representar o conjunto de operações

relevantes para o Banco, que atendesse ao escopo do Programa da Qualidade e

principalmente, pudesse refletir, ainda que indiretamente, a percepção do cliente sobre a

organização e seus serviços.

2.1 O Índice da Qualidade de Serviços

2
Em nossas entrevistas com o Gerente da Qualidade nos foi relatado que houve um período em
que as diversas unidade do Banco criaram e implantaram indicadores da qualidade de modo
que a própria Gerência da Qualidade não dispunha de recursos suficientes para a gestão e
controle destes indicadores.
 4

A solução encontrada pela Gerência da Qualidade para atender à demanda da

Diretoria foi o Índice da Qualidade de Serviços. Após investigar a literatura sobre o

assunto a equipe identificou um modelo, no qual está fundamentada a solução. A

proposta apresentada pela Gerência da Qualidade baseou-se no conceito do ACSI -

American Customer Satisfaction Index - que é uma medida de satisfação do cliente

apurado por pesquisa de opinião.

O IQS difere do ACSI no fato de abordar os processos produtivos da

organização e não diretamente o cliente, de modo que a semelhança entre ambos é

unicamente no aspecto da consolidação de diversos indicadores, em um único. O IQS

foi desenvolvido da seguinte forma: A partir da identificação das atividades

operacionais relevantes para a satisfação do cliente foram apontados os indicadores da

qualidade para estas atividades. Estes indicadores foram agrupados em categorias, que

representam as unidades operacionais do banco. Este tipo de agrupamento tem por

finalidade facilitar a gestão dos processos avaliados e a tomada de decisões acerca de

suas mudanças. A melhor compreensão deste modelo é auxiliada pela visualização de

sua forma gráfica. A figura 2.1, exibida a seguir demonstra o Índice, seus indicadores e

suas relações.
 5

COMPOSIÇÃO DO ÍNDICE DA QUALIDADE DOS SERVIÇOS

Banco Comercial
ÍNDICE DA
QUALIDADE
DE SERVIÇOS

80 % 20 %

ÍNDICE DA ÍNDICE DA
QUALIDADE QUALIDADE
DA AGÊNCIA DE APOIO

25 % 25 % 50 % 40 % 60 %

ÍNDICE DA ÍNDICE ÍNDICE DO ÍNDICE DA

ÍNDICE DE
QUALIDADE DE CONTAS ATENDIMENTO DISPONIBILIDADE
PESQUISAS
DO ATENDIMENTO MANTIDAS A PEDIDOS DE SISTEMAS

1. Pesquisa com o 1. Tempo de Espera 1. Percentual de 1. Atendimento a 1. Disponibilidade

Cliente na Fila ( do caixa ) Contas Mantidas Pedidos na de Sistemas
Retaguarda Eletrônicos
2. Pesquisa do 2. Percentual de
Atendimento Correspondência
Telefônico Entregue

3. Percentual de 3. Percentual de
Reclamações Dados Cadastrais
Corretos

Figura 2.1: Representação esquemática do Índice da Qualidade de Serviços do Banco.

 6

Na figura 2.1 vê-se no seu topo a representação do IQS; a seguir vê-se o seu

primeiro desdobramento, representado pelos Índices da Qualidade da Agência e da

Qualidade de Apoio. No seguindo nível de desdobramento estão os Índices de

Pesquisa, da Qualidade do Atendimento, de Contas Mantidas, do Atendimento a

Pedidos e da Disponibilidade de Sistemas. Finalmente, no terceiro nível de

desdobramento estão os Indicadores de Desempenho da Qualidade; são eles: Pesquisa

com o Cliente, Pesquisa do Atendimento Telefônico, Percentual de Reclamações,

Tempo de Espera na Fila (do caixa), Percentual de Correspondência Entregue,

Percentual da Dados Cadastrais Corretos, Percentual de Contas Mantidas, Atendimento

a Pedidos na Retaguarda e Disponibilidade de Sistemas Eletrônicos.

Para se obter o IQS apura-se os Indicadores do terceiro desdobramento, segundo

sua categoria. A média aritmética destes indicadores compõe o segundo nível de

desdobramento. A partir deste nível ( o segundo ) os índices são apurados por

tratamento algébrico dos dados. Na figura 2.1 vê-se sobre a representação de cada

Índice um número expresso em percentual; este número é utilizado para ponderar as

consolidações dos níveis superiores. Assim, a partir deste nível os Índices são apurados

por média ponderada com os pesos indicados na figura.

A guisa de ilustração, o Índice da Qualidade da Agência e composto pela

ponderação dos Índices de Pesquisas, da Qualidade do Atendimento e o de Contas

Mantidas com os pesos 25%, 25% e 50% respectivamente. Estes por seu turno são

compostos pela média aritmética de seus respectivos indicadores. Finalmente os Índices

da Qualidade da Agência e da Qualidade de Apoio são ponderados por 80 % e 20 %,

respectivamente, para se obter o Índice da Qualidade de Serviços. O significado dos

pesos é o de que o Índice da Qualidade da Agência contribui com 80 % para o IQS,

sendo portanto mais importante que o Índice da Qualidade de Apoio, que contribui com

apenas 20 % para o IQS. A seguir serão descritos em detalhes todos os Indicadores e

Índices do IQS. Serão associados a eles os rótulos que foram utilizados nos programas
 7

de computador e planilhas eletrônicas utilizados neste relatório.

2.1.1 Os Indicadores de Desempenho da Qualidade

Simultaneamente à concepção do IQS a Gerência da Qualidade desenvolveu o

programa de computador para sua administração. Este programa armazena, depura,

consolida e emite os relatórios do Índice e seus desdobramentos além de manter

histórico on line dos últimos 12 meses. Sua operação e manutenção está a cargo da

Gerência da Qualidade.

Os indicadores da qualidade são atualizados mensalmente e a captura dos dados

é realizada eletronicamente a partir das bases de dados do clientes disponíveis no banco,

isto assegura a lisura e confiabilidade do Índice. Os dados relativos a pesquisas de

opinião ou levantamentos manuais são conferidos e então inseridos em mídia eletrônica,

sempre observando-se os aspectos da ética e imparcialidade. Cabe registrar que os

dados de apuração anual ( Pesquisa com o Cliente ) e trimestral (Pesquisa do

Atendimento Telefônico) são carregados no sistema todos os meses, sempre com a

última atualização disponível. A menor unidade organizacional do banco para a coleta

dos indicadores é a agência; entretanto a quantidade de agências é uma variável

dinâmica, havendo abertura e encerramento de agências todos os meses. A quantidade

de agências do banco durante o período de coleta de dados foi de aproximadamente 630

agências. Assim em setembro de 1997, quando foi concluída a coleta dos dados, o

banco contava com 629 agências. Este último número será usado como referência

durante este relatório.

Nesta seção serão descritos os indicadores, sua composição e origem. O formato

utilizado nesta descrição será: Nome do Indicador, Rótulo do Indicador, Descrição do

Indicador, Medida ou fórmula de apuração. Nesta fase do relatório não se pretende a

 8

crítica da composição e validade dos Indicadores. O objetivo nesta seção é puramente

descritivo.

2.1.1.1 Pesquisa com o Cliente. ( Pesquisa )

Este indicador é apurado através de pesquisa com os clientes. A metodologia

empregada pelo banco é a seguinte. O questionário de campo contém 100 questões,

cujas respostas são binárias, apresenta o requisito, não apresenta o requisito. Este

formato de questionário tem por objetivo eliminar respostas que possam apresentar

ambigüidade. Por exemplo: Uma das questões é: O funcionário cumprimentou o

Cliente. A resposta deve ser SIM ou NÃO; não havendo a possibilidade de respostas do

tipo mais ou menos ou talvez. No momento da tabulação é contado a quantidade de

respostas SIM, que é a pontuação atribuída por um elemento da amostra. A amostra é

selecionada aleatoriamente entre os clientes das agências e que atendem ao perfil de

consumidor desejado pelo banco quanto a classe social, idade, nível de instrução, renda

entre outros.

Os clientes são convidados a colaborar com o banco respondendo o questionário

depois de uma visita a sua agência, especialmente agendada para este fim. Contudo os

funcionários das agências não têm o conhecimento desta visita e nem de que aquele

cliente irá preencher o questionário. Na verdade a realização das entrevistas, sorteio dos

clientes a comporem a amostra, a tabulação dos resultados e a emissão dos relatórios

fica sob a responsabilidade de uma empresa de pesquisas especializada e especialmente

contratada para este fim. A Gerência da Qualidade fornece a esta empresa a base de

clientes de cada agência a ser pesquisada e recebe os relatórios, sem mais interferências.
 9

Estas pesquisas são realizadas nos meses de novembro, dezembro e janeiro e têm

validade de um ano. Os resultados das pesquisas orientam ações de melhorias

conduzidas pelas próprias agências ou pela Diretoria. A aferição da validade destas

ações será obtida na próxima rodada de pesquisas. Finalmente o indicador é calculado

por agência, tomando-se a razão entre o número de requisitos que tiveram resposta SIM

e 100.

 (respostas SIM) i
Pesquisa i = i = 1, 2, 3, ... , 629
100

2.1.1.2 Pesquisa do Atendimento Telefônico. ( AtendTel )

Este indicador tem o objetivo a avaliar a qualidade do atendimento telefônico na

rede de agências do banco. É obtido através de pesquisa por amostragem, com as

seguintes características: As agências são agrupadas em 3 categorias, considerando-se

as variáveis; a quantidade de clientes, o número de funcionários e a rentabilidade da

agência. Uma específica fórmula pondera estas 3 variáveis e depois o resultado é

ordenado por agência. Por fim obtém-se as categorias dividindo-se homogeneamente a

população de agências em 3 grupos A, B e C. As agências tipo A receberão 3 ligações

por trimestre, as tipo B receberão 2 ligações por trimestre e as do tipo C receberão 1

ligação no trimestre, de tal modo que ao final de um trimestre todas as agências terão

sido amostradas pelo menos uma vez. A cada trimestre a amostragem é refeita segundo

os mesmos critérios.

A fase de campo da pesquisa é realizada por uma empresa especializada em

pesquisa por telefone e a data e horário das ligações telefônicas para as agências não são

reveladas a nenhum funcionário do banco, nem mesmo da Gerência da Qualidade, o

banco recebe um relatório mensais dos resultados. As questões investigadas na pesquisa

não foram reveladas, pois esta pesquisa é considerada pelo banco como parte de sua

tecnologia e também vantagem competitiva; portanto, para este indicador não dispomos
 10

de sua notação. Não obstante, o indicador pode assumir valores entre zero e 100.

2.1.1.3 Percentual de Reclamações. ( Reclamacao )

Os clientes do banco têm a sua disposição um serviço de atendimento a pedidos

e reclamações na forma de uma central telefônica. Nesta central são registrados os

problemas que os clientes enfrentam em seu relacionamento com o banco. A própria

central encaminha a solução dos problemas e reclamações e tem prazos definidos para

responder a cada cliente. A estatística de freqüência de reclamações é apurada por

agência e a Gerência da Qualidade utiliza este número relativizando-o em função do

número de clientes de cada agência. Isto é, o indicador é apurado tomando-se o número

complementar do percentual de reclamações em relação ao número de clientes das

agências. O indicador é apurado mensalmente e sua notação é:

Reclamacao i = 1 - (Quantidade de Reclamações i / Total de Clientes i ).

i = 1, 2, ... , 629.

2.1.1.4 Tempo de Espera na Fila ( do caixa ). ( TempoEsp )

A medida do tempo de espera é tomada por estimativa ajustando-se um modelo

de regressão linear aos dados obtidos das operações das agências. Este modelo foi

determinado a partir de um experimento onde uma amostra de 10 agência foi estudada e

os tempos médios de espera na fila foram coletados. Em cada agência foram coletados

dados durante 10 dias, escolhidos aleatoriamente. Com estes dados a Gerência da

Qualidade construiu o modelo de regressão, que relaciona a quantidade de transações

realizadas, o número de terminais de caixa em operação e o tempo médio de espera. A

freqüência da coleta de dados é horário, isto é: a Gerência de Qualidade dispõe das

informações a cada hora, para qualquer agência, se necessário. Contudo, e por conta da

limitação de recursos humanos para operar o sistema a cada hora, os dados são
 11

acumulados e mensalmente é executado um programa de computador que calcula para

cada agência, hora a hora, para todos os dias úteis, o tempo de espera (em minutos ) na

fila. Os dados podem ser então sumariados em uma média mensal por agência e esta

média será o indicador de tempo de espera a compor o IQS.

O último tratamento aplicado ao tempo médio de espera, antes de ser integrado

ao IQS é uma transformação na unidade de medida; isto é: a unidade tempo é

transformada em percentual para que possa finalmente integrar-se ao IQS, a

transformação é realizada através de interpolação linear entre os valores obtidos em

minutos e os de uma tabela; a tabela 2.1 exibe esta transformação.

Tempo de Espera Percentual Atribuído

Até 5 minutos 100 %

De 5,1 a 10 minutos 95 % a 99 %

De 10,1 a 15 minutos 85 % a 94 %

De 15,1 a 20 minutos 60 % a 84 %

De 20,1 a 30 minutos 40 % a 59 %

Acima de 30,1 minutos 40 %

Tabela 2.1: Transformação do Tempo de Espera.

 12

2.1.1.5 Percentual de Correspondência Entregue. ( CorrespEnt )

Este indicador avalia a proporção de correspondência entregue pelos Correios

aos clientes, em relação ao total de clientes de cada agência. Sua apuração é simples,

toma-se a diferença entre o total de correspondência postada e a quantidade de

correspondência devolvida. Em seguida relativiza-se este valor em relação à quantidade

de clientes de cada agência. Sua notação é:

( Correspondência Postada i - Correspondência Devolvida i )

CorrespEnt i = 1 -
Total de cliente da Agência i
e i = 1, 2, 3, ..., 629

2.1.1.6 Percentual da Dados Cadastrais Corretos. ( CadComp )

Este indicador avalia a percentagem de dados cadastrais que estão completos.

Sua apuração é obtida pela pesquisa eletrônica de 80 variáveis (campos) na base de

dados de clientes. A pesquisa considera a existência de informação em cada campo e

também a natureza desta informação. Assim, a pesquisa verifica por exemplo se no

campo destinado ao nome do cliente existem somente caracteres alfabéticos e não

caracteres numéricos. Para cada um dos 80 campos existe o que a Gerência da

Qualidade chama de inteligência que conduz a pesquisa. O total de informações

ausentes ou incorretas é dividido pelo total de informações possíveis para cada cliente.

O IQS é composto pelo complementar desta medida.

Quantidade de informações incorretas ou incompletas i

CadComp i = 1 -
Quantidades de informações possíveis i
e i = 1, 2, 3, ..., 629

2.1.1.7 Percentual de Contas Mantidas. ( CtasMant )

O indicador percentual de Contas Mantidas expressa a quantidade de clientes

 13

que deixaram de operar com o banco no último mês. Sua apuração é simples, haja vista

que o encerramento de uma conta corrente bancária é um procedimento formal. Deste

modo a Gerência da Qualidade apura a quantidade de contas encerradas no período

relativizada pela quantidade de clientes da agência. Para integrar o IQS toma-se o

complementar desta medida.

CtasMant i = 1 - ( Quantidade de Contas Encerradas i / Quantidade de Clientes i)

i = 1, 2, 3, ..., 629

2.1.1.8 Atendimento a Pedidos na Retaguarda. ( AtendPes )

O banco oferece a seus clientes, além dos serviços regulares expressos em

contrato, os serviços de pesquisa a documentos ou transações processadas no passado.

Estes serviços são categorizados em níveis de dificuldade de pesquisa, o que resulta em

2 prazos para atendimento aos pedidos; a saber: 24 horas e 48 horas. O indicador é

apurado tomando-se a quantidade de pedidos atendidos nos prazos previstos,

relativamente à quantidade de pedidos de pesquisa do período.

quantidade de pedidos atendidos no prazo i

ServsRet i = 1 -
quantidade total de pedidos do período i

i = 1, 2, 3, ..., 629

2.1.1.9 Disponibilidade de Sistemas Eletrônicos. ( DispSis )

Para operar sua rede de agências o banco dispõe de um sofisticado sistema de

computadores e programas específicos. A operação deste sistema é complexa e sujeita a

eventos imprevisíveis que prejudicam as operações bancárias. O indicador

Disponibilidade de Sistema apura o tempo disponível de equipamentos e programas

para a operação das agências e também das facilidades oferecidas aos clientes como o
 14

Home Banking e o Auto-atendimento. É apurado automaticamente, através da relação

entre a quantidade de horas disponíveis e a quantidade de horas de disponibilidade

possíveis. É fornecido à Gerência da Qualidade pela Diretoria de Informática.

quantidade de horas disponíveis i

DispSis i = 1 -
quantidade de horas necessárias i
i = 1, 2, 3, ..., 629

2.1.2 Os Índices da Qualidade

Os indicadores de desempenho da qualidade descritos na seção anterior são

agrupados em categorias, que são os Índices da Qualidade; o Índice de Pesquisas, o

Índice da Qualidade do Atendimento, o Índice de Contas Mantidas, o Índice de

Atendimento a Pedidos, o Índice da Disponibilidade de Sistemas; estes índices

compõem o segundo nível de desdobramento do IQS. Os índices Qualidade da Agência

e o Índice da Qualidade de Apoio compõem finalmente o IQS e são o primeiro nível de

desdobramento.

2.1.2.1 Índice de Pesquisas. ( IndPESQ )

Este índice é composto pelo produto dos indicadores: 1) Pesquisa com o cliente,

2) Pesquisa de Atendimento Telefônico e 3) Percentual de Reclamações. Isto significa

que os indicadores são multiplicados entre si e depois ajustados à base 100. Por

exemplo, se uma agência obteve os seguintes pontos: Pesquisa com a Cliente, 73

pontos; Pesquisa de Atendimento Telefônico, 65 pontos e Percentual de Reclamações

93 pontos. Para esta agência o Índice de Pesquisa será:

 15

IndPESQ = ( 73 x 65 x 93 ) / 10.000 = ( 441.285 ) / 10.000 = 44,1285

Para exibição dos dados em gráficos e tabelas os índices são arredondados para

uma casa decimal, assim o Índice de Pesquisa será exibido como 44,1.

2.1.2.2 Índice da Qualidade do Atendimento. ( IndATEND )

O índice da Qualidade do Atendimento é apurado pelo mesmo procedimento do

Índice de Pesquisas, pelo produto dos indicadores que o compõem; 1) Tempo de Espera

na Fila, 2) Percentual de Correspondência Entregue e 3) Percentual de Dados Cadastrais

Corretos. Então se uma agência obteve a seguinte pontuação; Tempo de Espera na Fila,

69 pontos; Percentual de Correspondência Entregue, 87 pontos; Percentual de Dados

Cadastrais corretos, 91 pontos; o seu Índice da Qualidade do Atendimento será:

IndATEND = ( 69 x 87 x 91 ) / 10.000 = ( 546.273 ) / 10.000 = 54,6273

Para exibição os números são arredondados para: 54,6.

2.1.2.3 Índice de Contas Mantidas. ( CtasMANT )

O Índice de Contas Mantidas é composto por um único indicador, o Percentual

de Contas Mantidas. Sua apuração confunde-se portanto com o próprio indicador.

Assim, por exemplo, se uma agência obteve 93 pontos para o indicador o Índice de

Contas Mantidas será também de 93 pontos. Para exibição a notação será 93,0.

2.1.2.4 Índice de Atendimento a Pedidos.

Este índice é também composto por um único indicador, o Atendimento a

Pedidos na Retaguarda. Portanto se uma agência obteve 97 pontos para o indicador, o

Índice será de 97,0 pontos.

 16

2.1.2.5 Índice da Disponibilidade de Sistemas.

O indicador Disponibilidade de Sistemas eletrônicos é apurado automaticamente

a partir do sistema de computadores. Neste caso o índice também confunde-se com seu

indicador. Então teremos, a título de exemplo; 99 pontos para o indicador e 99,0 pontos

para o Índice.

2.1.2.5 Índice da Qualidade da Agência. ( IndAGEN )

Este índice é do primeiro nível de desdobramento e tem por objetivo avaliar a

qualidade dentro do “ambiente” agência. É composto pela ponderação dos Índices do

segundo nível; 1) Índice de Pesquisas, 2) Índice da Qualidade do Atendimento e 3)

Índice de Contas Mantidas, com os seguintes pesos: 0,25; 0,25 e 0,50 respectivamente.

Para o exemplo de uma agência que obteve para os índices; de Pesquisas, 44,1

pontos; da Qualidade de Atendimento, 54,6 pontos e Índice de Contas Mantidas, 93,0

pontos, o índice da Qualidade da Agência será:

IndAGEN = 44,1 x 0,25 + 54,6 x 0,25 + 0,50 x 93,0 = 71,1750

Para exibição em gráficos e tabelas o Índice será 71,2 ; arredondado para uma

casa decimal.

2.1.2.7 Índice da Qualidade do Apoio. ( IndAPOIO )

Composto pelo ponderação dos índices de segundo nível; Índice de Atendimento

a Pedidos e Índice de Disponibilidade de Sistemas; com pesos 0,40 e 0,60

respectivamente, o Índice da Qualidade de Apoio avalia a qualidade dos serviços

oferecidos pelas unidades de retaguarda às agências do banco.

No exemplo que tem sido usado neste relatório este índice será apurado como:
 17

IndAPOIO = 0,40 x 97,0 + 0,60 x 99,0 = 98,2

2.1.2.8 Índice da Qualidade de Serviços. ( IndGERAL ou IQS )

Medida final do modelo, o IQS avalia o nível de qualidade oferecido aos clientes

do segmento de Banco Comercial ( que é composto pela rede de agências do banco em

estudo neste trabalho ). A apuração do IQS é através da ponderação dos índices de

primeiro nível Índice da Qualidade da Agência, com o peso de 0,80 e o Índice da

Qualidade de Apoio com o peso de 0,20. Para o exemplo em uso o IQS será composto

ponderando-se os 71,175 pontos do Índice da Qualidade da Agência e os 98,200 pontos

do Índice da Qualidade de Apoio assim:

ISQ = 71,175 x 0,80 + 98,200 x 0,20 = 56,940 + 19,640 = 76,5800

Esta agência hipotética tem seu IQS ou Índice Geral de 76,6 pontos, em uma

escala de zero a 100 pontos possíveis.

2.2 O Retorno Sobre o Investimento ( RSI )

Um dos objetivos deste relatório é pesquisar algum tipo de correlação entre o

IQS e o resultado financeiro do banco. Neste sentido, foram coletados dados acerca dos

balanços patrimoniais e de resultados do banco e que são publicados semestralmente, ou

eventualmente trimestralmente. Os dados de balanços que foram coletados e referem-se

aos períodos fiscais de dezembro de 1995 a junho de 1998. Sobre estes dados serão

realizados estudos de correlação com o IQS com o objetivo de avaliar possíveis relações

causais entre o resultado financeiro do banco e o Índice da Qualidade de Serviços.

 18

RETORNO
PATRIMÔNIO LUCRO SOBRE O
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO
( lucro /
em milhões de R$ patrimônio - lucro)
1995 2o. Sem 1.967,8 88,5 4,7
1996 1o. Sem 2.047,7 126,9 6,6
1996 2o. Sem 2.153,7 158,2 7,9
1997 1o. Trim 2.229,6 # 151,6* 7,3
1997 1o. Sem 2.465,5 176,9 7,7
1997 3o. Trim 2.575,8 # 220,2* 9,3
1997 2o. Sem 2.629,9 253,9 10,7
1998 1o. Sem 2.793,0 246,4 9,7
1998 2o. Sem 2.906,3 207,8 7,7

FONTE: Balanços publicados pelo Banco em seu site na Internet

* O resultado dos períodos assinalados estão na base semestral

Tabela 2.2: Dados dos balanços de resultados financeiros e patrimoniais do banco.

2.3 Coleta e Obtenção dos Dados

Os dados deste trabalho foram coletados pelo autor em suas visitas a sede do

Banco, durante as entrevistas com o Gerente da Qualidade. O período de visitas foi de

março de 1997 a setembro de 1997, e os dados referem-se ao período de julho de 1995 a

setembro de 1997. Os dados, indicadores e índices são mantidos em mídia eletrônica

por 12 meses consecutivos; a partir do 13º mês os dados são preservados impressos em

tabelas e arquivados. Deste modo, os dados referentes ao período que vai do mês de

Julho de 1995 ao mês de fevereiro de 1996, os dados foram obtidos por fotocópias das

tabelas arquivadas em cópias de papel. Os dados do período que compreende os meses

de Março de 1996 a de Setembro de 1997 foram obtidos através de cópia dos dados

armazenados em mídia eletrônica.

Os dados obtidos através de cópia em mídia eletrônica são absolutamente

idênticos aos utilizados pelo banco, pois não houve interferência na sua obtenção. Eles
 19

foram fornecidos em planilha eletrônica Excel. Os dados obtidos através de cópia

impressa em papel foram digitados em planilha eletrônica Excel e conferidos

exaustivamente até que não houvesse diferença em relação aos dados impressos. Os

conjuntos de dados foram agrupados, resultado uma única base de dados, contínua em

relação ao tempo a que se referem.

 20

2.3.1 A Estrutura Hierárquica do Banco

Para se compreender a organização dos dados em análise neste trabalho, é

necessário primeiramente compreender a estrutura hierárquica em que está organizado o

segmento de negócios Banco Comercial do banco. A organização é dividida em níveis

hierárquicos, com cargos a partir do principal executivo do banco, o Presidente.

Imediatamente abaixo do Presidente estão os Vice Presidentes, responsáveis por

Segmentos de Negócios. O foco deste trabalho é sobre um destes segmentos de

negócios, o denominado Banco Comercial, porém o banco possui outros segmentos de

negócios mas que não serão considerados no âmbito deste trabalho.

O Banco Comercial está dividido em 6 regiões geográficas que cobrem todo o

território nacional; as regiões estão divididas em 26 setores comerciais, que por sua vez

são compostos pelas 629 agências. Vale relembrar que a quantidade de agências é

dinâmica, havendo todo mês abertura, fechamento, transferência e junção de agências.

A média de agências no período analisado neste trabalho é de 630, sendo que no mês de

setembro de 1997 o banco contava com 629 agências. Este último número tem sido

usado neste relatório com a quantidade de agências do banco.

A distribuição das agências entre os setores comerciais e as regiões é mais ou

menos uniforme, isto é; um setor comercial tem em média 24 agências e uma região tem

em média 100 agências. Uma região é composta por em média 4 setores comerciais.

A estrutura hierárquica do Banco Comercial, a partir de seu vice-presidente é

assim: As regiões são administradas por um Diretor Regional; os Setores Comerciais

são administrados por Diretores Setoriais e as Agências são administradas por Gerentes

Geral. Para melhor compreensão desta estrutura, a figura 2.2 ilustra o modelo
hierárquico do segmento Banco Comercial. A figura tem caráter ilustrativo e não

representa a estrutura completa do banco; representa sim os níveis decisórios

 21

fundamentais. Para melhor visualização de cadeia de supervisão e decisão uma linha

mais espessa que as demais está representando a estrutura hierárquica de uma agência.

A estrutura hierárquica do Banco Comercial completa até o nível do Setor

Comercial, descrita a partir de seu Vice Presidente está na tabela 2.1, exibida em

seguida à figura 2.2. Relembrando que os dados não serão tratados no âmbito da

agência.
 22

Presidente
do Banco

Vice Presidente Vice Presidente Vice Presidente

Segmento de Negócios Banco Comercial Segmento de Negócios
1 2

Diretoria Diretoria Diretoria Diretoria Diretoria Diretoria

Regional 1 Regional 2 Regional 3 Regional 4 Regional 5 Regional 6

Setor Setor Setor Setor

Comercial 31 Comercial 32 Comercial 33 Comercial 34

Agência 1 Agência 2 Agência 3 ................ Agência k

Figura 2.2 : A estrutura hierárquica do banco.

 23

Vice Presidência Diretoria Regional Diretoria Setorial Gerência Geral

Setor Comercial 11
REGIÃO 1 Setor Comercial 12
Setor Comercial 13
Setor Comercial 21
Setor comercial 22
REGIÃO 2 Setor Comercial 23
Setor Comercial 24
Setor Comercial 25
Setor Comercial 26
Setor Comercial 31
REGIÃO 3 Setor Comercial 32
Banco Comercial Setor Comercial 33 AGÊNCIAS
Setor Comercial 34
Setor Comercial 41
REGIÃO 4 Setor Comercial 42
Setor Comercial 43
Setor Comercial 44
Setor Comercial 51
REGIÃO 5 Setor Comercial 52
Setor Comercial 53
Setor Comercial 61
REGIÃO 6 Setor Comercial 62
Setor Comercial 63
Setor Comercial 64

Tabela 2.3: A estrutura hierárquica do Banco Comercial.

 24

2.4 A Apresentação dos Dados

A menor unidade operacional de negócios do banco é a agência; assim os

indicadores de desempenho da qualidade são coletados neste nível organizacional.

Posteriormente, os indicadores são consolidados nos diversos índices e estes, por seu

turno, são consolidados segundo a estrutura hierárquica do banco. Deste modo, cada

agência, cada setor comercial, cada região e finalmente o segmento de negócios têm seu

IQS apurado. A Gerência da Qualidade prepara relatórios para cada um destes níveis e

os distribui a seus respectivos executivos responsáveis pelas operações.

Avaliações preliminares dos dados demonstraram ser irrelevante, no âmbito

deste trabalho, o tratamento por agência, pois disto resultaria a análise de 629 Índices da

Qualidade de Serviços no decorrer dos trabalhos. A limitação de espaço e tempo, bem

como a real relevância que o estudo por agência traria ao trabalho corroboram esta

decisão. Portanto, no âmbito deste trabalho, serão realizados os estudos a partir do nível

do Setor Comercial; compreendendo além deste, o nível da Região e o do Banco

Comercial, que é a própria Vice Presidência.

Estão exibidas no anexo de número 1 as tabelas que contêm os dados relativos

aos indicadores e os índices apurados a partir deles; para os níveis hierárquicos dos

Setores Comerciais e das Regiões. Os dados consolidados para o nível do Banco

Comercial estão exibidos na próxima página e na seguinte está exibido um gráfico que

demonstra a evolução histórica do IQS para Banco Comercial.

 25

TOTAL Banco Comercial

Pesquisa Pesquisa Percentual Tempo de Percentual de Percentual Percentual Atendimento Disponibilidade ÍNDICE ÍNDICE ÍNDICE DA
Mês e Ano com o Atendimento de Espera Correspondência dos dados de Contas a Pedidos de Sistemas DE QUALIDADE QUALIDADE
Referentes Cliente Telefônico Reclamações na Fila Entregue Cadastrais Mantidas na Eletrônicos PESQUISA DE DA
Corretos Retaguarda ATENDIMENTO AGÊNCIA
MÊS Pesquisa AtendTel Reclamacao TempoEsp CorrepEnt CadComp CtasMant ServRet DispSis IndPESQ IndATEND IndAGEN
jul/95 62,7 78,0 95,4 95,9 96,5 62,1 89,8 99,0 96,3 46,7 57,5 70,9
ago/95 63,2 79,4 95,1 96,1 96,2 62,4 88,9 99,1 96,3 47,7 57,7 70,8
set/95 63,8 78,7 95,5 95,6 95,0 63,3 87,8 99,2 97,2 47,9 57,5 70,3
out/95 63,9 76,7 93,7 96,0 94,6 63,9 87,4 99,0 96,1 45,9 58,0 69,7
nov/95 63,8 76,4 93,2 94,8 94,2 64,1 87,5 98,5 97,2 45,4 57,3 69,4
dez/95 63,8 76,4 93,0 93,8 93,8 64,5 88,3 99,0 95,8 45,3 56,7 69,7
jan/96 69,3 74,7 92,5 94,7 93,2 69,7 88,9 98,5 97,2 47,9 61,5 71,8
fev/96 69,3 70,7 92,0 94,7 92,8 69,7 89,6 96,8 96,8 45,1 61,2 71,4
mar/96 70,4 67,2 92,1 94,2 92,8 69,9 90,7 97,6 98,1 43,6 61,1 71,5
abr/96 70,3 64,1 92,4 92,6 92,4 71,7 90,8 98,0 97,5 41,6 61,4 71,1
mai/96 70,1 63,2 92,8 93,0 92,3 75,8 90,8 98,1 98,1 41,1 65,0 71,9
jun/96 70,0 61,8 92,3 91,6 92,8 77,2 91,0 96,5 95,5 40,0 65,6 71,9
jul/96 70,2 59,4 93,1 90,6 93,3 77,0 92,0 99,2 94,6 38,8 65,1 72,0
ago/96 69,9 61,3 94,5 92,0 93,2 76,7 91,9 99,3 94,6 40,5 65,7 72,5
set/96 69,9 64,3 95,3 92,0 93,5 76,4 92,1 99,4 93,7 42,8 65,8 73,2
out/96 69,8 64,4 95,2 90,8 93,7 76,3 92,0 99,4 99,4 42,7 64,9 72,9
nov/96 69,8 67,1 95,0 88,3 93,7 76,3 91,9 98,0 96,7 44,5 63,1 72,8
dez/96 70,4 68,0 95,2 88,7 93,6 75,8 92,0 98,1 96,5 45,6 62,9 73,1
jan/97 69,8 69,6 96,4 85,9 94,2 73,5 92,7 98,9 95,9 46,8 59,5 72,9
fev/97 76,4 70,3 96,6 89,6 92,9 72,0 93,0 98,5 95,9 51,9 59,9 74,4
mar/97 76,4 70,3 96,6 88,3 93,4 72,8 93,0 98,7 96,3 51,8 60,0 74,5
abr/97 76,4 71,6 97,1 91,2 92,6 73,1 93,6 98,4 98,3 53,1 61,7 75,5
mai/97 76,4 73,9 97,4 95,3 92,2 73,6 93,6 98,7 99,5 55,0 64,7 76,7
jun/97 76,4 72,3 97,6 95,7 92,1 77,5 93,2 98,7 98,4 53,9 68,3 77,1
jul/97 76,4 72,8 97,6 95,8 92,6 77,5 92,6 99,0 99,8 54,2 68,7 77,0
ago/97 76,4 73,6 97,6 95,9 92,5 78,4 92,3 99,1 97,8 54,9 69,6 77,3
set/97 76,4 79,0 97,7 93,7 93,4 77,7 92,4 99,1 97,7 58,9 68,0 77,9

Tabela 2.4: O Índice da Qualidade de Serviços do Banco.

 26

2.5 Análise Exploratória dos Dados.

Antes de se prosseguir com o estudo dos dados é conveniente proceder a uma

análise exploratória dos dados, com o objetivo de melhor compreendê-los. Esta análise

é recomendada na literatura sobre estatística; MOORE (1.995) afirma que dados são

números em um certo contexto e é isto que os torna relevantes. Este autor sugere que se

utilize um sumário numérico e gráficos para descrever as variáveis e as relações entre

elas. Para VELLEMAN & HOAGLIN (1.981) a análise exploratória oferece uma nova

dimensão ao tratamento de dados, proporcionando suposições a priori que orientam a

escolha de modelos adequados.

Neste relatório serão adotados as seguintes abordagens: Um sumário numérico

contendo as estatísticas; a) quantidade de observações, b) a média dos dados, c) a

mediana, d) o desvio padrão, e) o erro padrão da média, f) o menor valor observado e g)

o maior valor observado. Além do sumário serão exibidos para cada indicador (ou

variável) os gráficos: a) box-plot e b) histograma com a curva normal ajustada.

Por fim, esta análise será conduzida sobre os dados obtidos por indicador, isto é;

não será considerada a componente hierarquia para segmentação dos dados. Deste modo

a quantidade de dados será maior e portanto, mais conveniente do ponto de vista da

estatística.

A seguir estão exibidos o sumário numérico dos dados, um conjunto de gráficos

do tipo box-plot e um conjunto de gráficos do tipo histograma com a curva normal

ajustada.
 27

Desvio Erro Padrão

Indicador N Média Mediana Padrão da Média Mínimo Máximo

Pesquisa 615 70,6 70,3 7,80 0,314 54,8 91,8

AtendTel 615 70,4 70,6 7,04 0,284 52,0 88,9
Reclamacao 615 95,0 96,2 3,96 0,160 80,0 99,8
TempoEsp 615 92,7 95,0 7,20 0,290 62,3 100,0
CorrespEnt 615 93,4 93,9 2,29 0,092 86,8 99,0
CadComp 615 72,5 74,0 6,91 0,278 49,0 86,5
CtasMant 615 91,2 92,0 4,12 0,166 63,0 97,4
ServsRet 615 98,6 99,0 1,09 0,044 91,4 100,0
DispSis 615 96,9 97,0 2,08 0,084 85,0 100,0

Tabela 2.5: Sumário, principais momentos estatísticos dos dados.

BoxPLot dos Indicadores

freqüência ( %)
50 60 70 80 90 100

Pesquisa

AtendTel

TempoEsp

CadComp

CtasMant

Gráfico 2.1: Gráfico tipo Box Plot dos Indicadores: Pesquisa com o Cliente, Pesquisa do
Atendimento Telefônico, Tempo de Espera na Fila, Percentual da Dados Cadastrais Corretos e
Percentual de Contas Mantidas, nesta ordem.
 28

BoxPLot dos Indicadores

freqüência ( %)
80 90 100

Reclamacao

CorresoEnt

ServsRet

DispSis

Gráfico 2.2: Gráfico tipo Box Plot dos Indicadores: Percentual de Reclamações, Percentual de
Correspondência Entregue, Atendimento a Pedidos na Retaguarda e Disponibilidade de
Sistemas Eletrônicos, nesta ordem.

Histograma com curva Normal Histograma com curva Normal

18 18
Frequência ( % )

Frequência ( % )

15 15

12 12

9 9

6 6

3 3

- -
50 62 74 86 98 50 62 74 86 98
Pesquisa AtendTel

Histograma com curva Normal Histograma com curva Normal

Frequência ( % )

Frequência ( % )

40 30

25
30
20

20 15

10
10
5

- -
75 83 91 99 60 70 80 90 100
Reclamacao TempoEsp

Gráfico 2.3: Histograma com curva Normal para os indicadores: Pesquisa com o Cliente,
Pesquisa do Atendimento Telefônico, Índice de Reclamações e Tempo de Espera na Fila.
 29

Histograma com curva Normal Histograma com curva Normal

40 25

Frequência ( % )
Frequência ( % ) 30
20

15
20
10
10
5

- -
86 92 98 50 62 74 86 98
CorrespEnt CadComp

Histograma com curva Normal Histograma com curva Normal

42
Frequência ( % )

40

Frequência ( % )
36
30 30
24
20
18
12
10
6
- -
75 85 95 91 93 95 97 99
CtasMant ServsRet

Histograma com curva Normal

30
Frequência ( % )

25

20
15
10

5
-
90 94 98
DispSis

Gráfico 2.4 : Histograma com curva Normal para os Indicadores: Percentual de

Correspondência Entregue, Percentual da Dados Cadastrais Corretos, Percentual de Contas
Mantidas, Atendimento a Pedidos na Retaguarda e Disponibilidade de Sistemas.
 30

2.6 Conclusões da Análise Exploratória.

Os dados apresentam 33 observações perdidas 3 para cada indicador. Estes dados

perdidos referem-se e refletem as mudanças organizacionais pelas quais o banco passou

no período em estudo. Nesse período a estrutura hierárquica do Banco Comercial

cresceu, com o acréscimo dos Setores Comerciais 26, 33 e 64, setores estes fruto da

aquisição e incorporação de outro banco de varejo, alguns meses antes. Na verdade a

nova rede de agências é o resultado de incorporação deste outro banco, do rearranjo e da

redistribuição de agências pelos setores e regiões. Estas mudanças concretizaram-se no

mês de junho de 1996. Como já afirmado, uma parte dos dados foram obtidos de forma

eletrônico, outra parte foi digitada e conferida por diversas vezes, até que estivessem

idênticos aos dados armazenados no banco. Assim os dados apresentados são

considerados corretos e idênticos aos disponíveis no banco.

a) Os indicadores Pesquisa com o Cliente, Pesquisa do Atendimento Telefônico,

Percentual de Reclamações, Percentual de Correspondência Entregue e Percentual de

Dados Cadastrais Corretos não apresentam pontos distantes do agrupamento principal,

isto é, não apresentam outliers. Os indicadores Atendimento a Pedidos na Retaguarda,

Percentual de Contas Mantidas, Tempo de Espera e Disponibilidade de Sistemas

Eletrônicos apresentam pontos afastados do agrupamento principal, este dados foram

novamente conferidos com os originais, armazenados no banco, e foram novamente

considerados corretos. Isto quer dizer que o indicador reflete de fato variações nos

processos produtivos do banco.

b) Os indicadores Percentual de Reclamações, Percentual de Correspondência

Entregue, Percentual de Contas Mantidas, Atendimento a Pedidos de Retaguarda e

3
Observações perdidas ou missing value, na literatura em língua inglesa.
 31

Disponibilidade de Sistemas apresentam pouca dispersão; isto deve-se ao fato de

representarem operações completamente automatizadas por computadores, sem

operações manuais.

c) Os indicadores Pesquisa com o Cliente e Pesquisa do Atendimento Telefônico

são resultado de operações completamente manuais; isto justifica sua dispersão maior

que os demais e também sua distribuição semelhante à da distribuição normal.

 32

3. OS MODELOS DE ANÁLISE ESTATÍSTICA

Este capítulo descreve os modelos e as técnicas estatísticas empregadas nas

análises e conclusões acerca dos dados descritos neste relatório. Estes dados, do IQS,

estão segmentados de acordo com a estrutura hierárquica do banco. Deste modo, as

análises também estarão segmentadas por estas categorias. Primeiramente serão

analisados os Setores Comerciais; em seguida, serão analisadas as Regiões geográficas

e; finalmente, será analisado o Banco Comercial.

O objetivo deste trabalho é investigar se há diferenças, no comportamento do

IQS, entre os Setores comerciais, entre as Regiões e dentre estas categorias, se há

diferenças do comportamento do IQS em relação ao tempo. Este é o objetivo principal

do trabalho, avaliar se o IQS varia com o tempo e se esta variação é significativa do

ponto vista estatístico.

Foi descrita no capítulo 2 deste relatório a composição hierárquica do banco.

Nesta composição está expressa a dinâmica organizacional do banco, com a criação, o

encerramento, a fusão e o desmembramento de Agências, Setores Comerciais e

Regiões. De particular importância e impacto para as análises deste relatório está a

criação, em junho de 1996, de 3 novos Setores comerciais, os setores 26, 33 e 64. Para

estes setores, e no período anterior ao mês de junho de 1996, não há informação sobre o

IQS. Em estatística isto é denominado informação perdida ou missing, e não há método

de tratamento seguro para os missings.

De fato, a ausência destas informações prejudica as análises, principalmente

aquelas baseadas em Modelos Lineares. O modelo adotado para análise dos dados neste
 33

relatório é a classificação em duas vias ou two-way classification 4, baseada em álgebra

linear. Isto significa que a presença de informações perdidas inviabilizam este modelo,

pois haverá divisão por zero quando se tomar os dados do período em questão.

A solução desta situação será dividida em duas fases; na primeira os dados

referentes aos Setores comerciais 26, 33 e 64 serão eliminados do modelo e a análise

será pela classificação em duas vias, baseada em álgebra linear. As conclusões ficarão

contudo comprometidas com a ausência daqueles Setores; então, na segunda fase estes

Setores serão considerados no modelo, o ajuste será também pela classificação em duas

vias, porém baseado não em álgebra linear, mas baseado na Teoria da Informação, que

dispõe de técnica adequada à presença de informações perdidas. Este capítulo apresenta

inicialmente a classificação em duas vias baseada em álgebra linear, que é a modelagem

estatística mais tradicional. Em seguida descreve a classificação em duas vias baseada

na Teoria da Informação.

3.1 A Classificação em Duas Vias, baseada em Álgebra Linear.

Uma modelagem tradicional em estatística, a classificação em duas vias, baseada

em álgebra e modelos lineares generalizados, está fartamente descrita na literatura. A

pesquisa bibliográfica identificou 3 publicações que foram consultadas na confecção

deste relatório; a saber: SNEDCOR & COCHRAN (1.980), BOX, HUNTER &

HUNTER (1.978) e HOCKING (1.996 ).

BOX, HUNTER & HUNTER sugerem que seja adotada a classificação em duas

vias quanto o tempo é uma variável que influencia o modelo. Para SNEDCOR &
COCHRAN recomendam a classificação em duas vias quando os dados do experimento

4
Termo usado na literatura de língua inglesa. Tradução do autor.
 34

sejam resultado de atividades humanas. A recomendação de HOCKING é mais

genérica, no sentido em que não caracteriza situações, mas sugere a classificação em

duas vias quando a priori identificam-se, ou esperam-se, diferenças entre grupos

experimentais. A este tipo de experimento HOCKING denomina Experimento

generalizado aleatorizado em blocos 5.

Este autores apresentam a classificação em duas vias de modo similar, com

alguma variação no âmbito da abordagem. SNEDCOR & COCHRAN e BOX,

HUNTER & HUNTER têm uma abordagem objetiva, mais prática e baseada em muitos

exemplos didáticos, não há preocupação com o formalismo. Já a abordagem de

HOCKING demonstra mais preocupação com o formalismo e a notação matemática.

Entretanto, não há divergência metodológica entre os autores pesquisados e neste

trabalho será dada ênfase ao trabalho de HOCKING, que adota uma linguagem mais

formal.

3.1.1 O Modelo de Classificação em Duas Vias.

Para explicitar a classificação em duas vias é conveniente supor inicialmente um

modelo:

y i j =  i . +  . j +  i j , com  i j   ( 0, 2 ) (3.1)

Este modelo é interpretado da seguinte maneira: Os dados observados ( y i j )

podem ser decompostos em 3 componentes; o primeiro é devido a influência do

tratamento aplicado aos elementos experimentais ( ou efeito da coluna,  i. ); o segundo

é devido a influência dos blocos experimentais ( ou efeito da linha,  . j ) e o terceiro são

as influências inexplicáveis ou aleatórias, o erro experimental (ou efeito do resíduo,  i j

5
Generalized, randomized block design. Tradução do autor.
 35

). Além disso, há uma suposição a priori, a de que os resíduos terão uma distribuição de

probabilidade do tipo Normal, com parâmetros zero e 2 , N ( 0, 2 ).

Sobre o modelo deseja-se realizar o seguinte teste: O efeito da coluna (os

tratamentos ) e o efeito da linha ( os blocos ) têm médias iguais; o que sob a forma de

teste de hipótese será:

H T :  i. =  . . e

H B :  .j =  ..

Ambos contra a hipótese alternativa de que  i.   .j   .. e  .. é a média

global do experimento. A conclusão destes testes é resumida na Tabela de Análise de

Variância.

3.1.2 A Tabela de Análise de Variância

A tabela de análise de variância é a apresentação resumida dos resultados do

ajuste do modelo por classificação em duas vias. Nela estão identificados a fonte de

variação, os graus de liberdade do modelo, a soma de quadrados, os quadrados médios

o teste de hipótese com o valor crítico e sua probabilidade. Na tabela, as variáveis t, b e

n são respectivamente: A quantidade de tratamentos aplicados no experimento, a

quantidade de blocos no experimento e a quantidade de observações por bloco no

experimento.

TABELA DE ANÁLISE DA VARIÂNCIA

 36

FONTE DE GRAUS DE SOMA DE QUADRADOS F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIOS Crítico do F Crítico

TRATAMENTO (t-1) SST SST/( t-1 ) QMsst/s2 pT

BLOCO (b-1) SSB SSB/( b-1 ) QMssb/s3 pB
RESÍDUO tbn-(t-1)-(b-1)-1 SSR s2
TOTAL (tbn - 1) SSTot

Tabela 3.1: Tabela de Análise de Variância. Fonte: HOCKING (1996), adaptada.

3.1.2 Estimação dos Parâmetros

Na tabela de análise de variância estão identificados os estimadores para os seus

componentes, são eles: SST, SSB, SSR e SSTot; seus estimadores são:
 37

t
SST = b  (y i . - y .. ) 2
i=1

b
SSB = t  (y . j - y .. ) 2
j=1

t b
SSR =   ( y i j - y i. - y . j + y .. ) 2
i=1 j=1

t b
SSTot =   ( y i j - y .. ) 2
i=1 j=1

Os demais estimadores são operações algébricas sobre estes descritos acima e

estão identificados na Tabela de Análise de Variância.

SNEDCOR & COCHRAN e também BOX, HUNTER & HUNTER

recomendam a análise dos resíduos com o objetivo de validar o modelo ajustado. Deve-

se avaliar se os resíduos apresentam distribuição de probabilidade aproximadamente

Normal com parâmetros zero e 2 . Neste relatório serão utilizados dois gráficos para

esta verificação; o primeiro é o gráfico dos resíduos em escala de probabilidades normal

6
e o segundo será o gráfico cruzado dos resíduos com os valores estimados. Em ambos

os gráficos será observada a existência de pontos fora do padrão geral da massa

principal de dados. Estes pontos, se existentes, podem significar falta de ajuste ou dados

incorretos. Por fim, será adotado como nível de significância mínimo para os modelos,

o valor de 0,05 ou 5 %; este valor está recomendado na literatura e é aceito

empiricamente pela comunidade científica da disciplina e é denotado por  ( alfa ).

6
Normal Probability Plot. Tradução do autor.
 38

3.2 A Classificação em Duas Vias, baseada em Teoria da

Informação.

A disciplina Teoria da Informação propicia tratamento matemático ao fenômeno

da comunicação; esta, compreendida em seu sentido mais amplo. Neste aspecto, o

trabalho pioneiro deve-se a SHANNON (1.959), que estruturou os fundamentos da

disciplina.

Segundo SHANNON o problema fundamental da comunicação é a reprodução

exata da mensagem no ponto receptor. A consideração inicial do autor é de que se o

número de mensagens possíveis em um certo conjunto é finito; então esse número, ou

qualquer função monótona dele, pode ser relacionado com uma medida da informação

produzida pela mensagem, quando esta é escolhida de modo aleatótio no conjunto.

Para representar a função monótona que descreve o fenômeno da comunicação,

SHANNON sugere como escolha “natural” a função logarítmica. Além disso, esta

função pode ser discreta ou contínua, de acordo com a natureza do fenômeno da

comunicação. Tipicamente, uma transmissão de rádio é um fenômeno de função

contínua e uma transmissão de telégrafo é um fenômeno de comunicação discreto. O

interesse neste trabalho é sobre a classe de funções discretas.

 39

3.2.1 Opção, Incerteza e Entropia segundo SHANNON

Nesta seção serão introduzidos os conceitos básicos da Teoria da Informação,

como propostos por SHANNON, para em seguida serem apresentados os conceitos

mais formais desenvolvidos posteriormente por outros autores.

Uma fonte discreta de informação é descrita por SHANNON como um processo

de Markov; assim, pode-se definir uma quantidade que mede quanta informação é

“produzida” por um processo, ou melhor, a que taxa a informação é produzida. Desta

forma é conveniente supor que um certo conjunto de possíveis eventos tenha

probabilidade de ocorrência descrita por ( p1, p2, p3, ... , pn ). Estas probabilidades são

conhecidas e isto é tudo que se sabe sobre o conjunto de eventos.

Pode-se encontrar uma medida da quantidade de opções de escolha que estão

associadas à seleção de um evento, ou, quanta incerteza há em relação ao resultado do

evento. Se existe tal medida, cuja notação pode ser I (p1, ... pn ), é então apropriado

esperar que tenha as seguintes propriedades.

1) I ( p i ) precisa ser contínua em p i .

2) Se para todo i tem-se que p i = 1/n, então I (pi ) deve ser uma função

incremental monótona em n. Com a equiprobabilidade de seleção dos eventos haverão

mais opções de “escolha” de eventos, ou seja, mais incerteza acerca do resultado do

evento.

3) Se uma certa opção de evento for quebrada em 2 opções sucessivas, a função

I ( pi ) deve ser a soma ponderada das opções individuais da função I (.).

Teorema: A única função I (.) que satisfaz as propriedades descritas acima é da

forma:

n
I ( p 1, p 2, ... , p n ) = - k  p i . log p i e é chamada de entropia do conjunto
 40

i =1

de probabilidades ( p1, p2, ... , p n ) .

A quantidade na forma I ( p i ) = -  p i . log p i é a relação fundamental em

Teoria da Informação; é a medida da quantidade de informação contida em uma

mensagem; das opções de escolha da mensagem e da incerteza sobre o resultado da

escolha.

Um exemplo didático sobre a entropia é o caso de um conjunto com 2 eventos

possíveis, com probabilidades p e q, com q= 1-p. A entropia será:

I ( p, q ) = - ( p.log p + q.log q ).

A exposição acima está fundamentada em SHANNON (1.959); porém o

desenvolvimento da Teoria de Informação ( T I ) enquanto um corpo teórico, foi feito

por outros autores. A seguir serão apresentados as definições, teoremas e propriedades

da TI baseado em MATHAI & RATHIE (1.975), KULLBACK (1.959) e COVER &

THOMAS (1.991).

O gráfico exibido a seguir mostra a entropia em função da probabilidade p.

Note-se que a entropia é máxima, portanto as opções de escolha e a incerteza são

maiores, quando p=q=0,5, isto é, a equiprobabilidade dos eventos.

 41

ENTROPIA DE SHANNON

Entropia H(p)
0,35

0,30

0,25

0,20

0,15

0,10

0,05

-
- 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1,00
Probabilidade p

Gráfico 3.1: Entropia de I (p) em função da probabilidade p.

3.2.2 A Entropia e sua caracterização

3.2.2.1 Definição

Seja Sn o conjunto finito de uma distribuição de probabilidades { P  ( p1, ..., pn

)} tal que pi  0, para todo i = 1,2, ..., n. Em palavras, P é um evento tendo n possíveis

resultados com probabilidades p1, ..., pn . A entropia da distribuição P, como definida

por SHANNON (1.959) é dada por:

n
I n ( p1, ..., pn ) = -  pi log pi (3.2)
i =1
 42

Se pi = 0, para algum i, então, por definição: 0 log 0 = 0.

3.2.2.2 Propriedades

i) A entropia é não negativa

I n (P)  0

ii) Expansividade

I n+1 (P,0) = I n (P)

iii) Simetria

I n ( p1, p2, ..., pn ) = I n (p a1, p a2, ..., p an ) ; onde ( a1, a2, ... an ) é uma

permutação arbitrária de ( 1, 2, ..., n ), para todo P  S n .

iv) Recursividade

Para P  S n , e n= 3, 4, ... , ( p1 + p2 ) > 0 então:

I n(p1, ..., pn)= I n-1( p1+p2, p3, p4, ..., pn ) + (p1+p2).I 2 ((p1/(p1+ p2), p2/(p1+p2))
 43

v) Aditividade

Para P  S n e Q  S m

I mn (p1q1,...,p1q m,...,pnq1,...,pnq m) = I n (p1, ..., pn ) + I m ( q1, ..., qm )

vi) Aditividade Forte

n n m
Para p i j  0, p j =  p i j > 0, j=1, ..., m e   p i j =1, tem-se:
i=1 i =1 j =1

m
I mn(p11, ..., p1m, ..., pn1, ..., pnm) = I m(p1,...,pm) +  pj I n(p1 j /p j, ..., p n j /p j)
j =1

vii) Continuidade

I n (P) é uma função contínua das n variáveis.

viii) Monotonicidade

I n (1/n, ..., 1/n ) é uma função incremental monótona de n.

ix) Desigualdade

I n (1/n, ..., 1/n )  I n(P)

 44

x) Sub-aditividade

m n
Para   p i j  0,  i, j
i=1 j =1

n m
I mn(p11,...p1n,...,pm1,..., pmn ) = I m (  p 1 j, ...,  p m j ) +
j=1 j=1
m n
I n (  p i 1, ...,  p i n )
i =1 i =1

xi) Normalidade

I 2( ½ , ½ ) = 1

3.2.2.3 Teorema

A única função I n que satisfaz as propriedades iii), iv), vii), viii) e xi) é a

entropia de SHANNON, como definida em (3.1). A demonstração encontra-se em

MATHAI & RATHIE (1.975).

3.2.3 Entropia de ordem .

Para uma distribuição discreta P  Sn , há dois tipos de entropia de ordem , que

são definidas como segue:

3.2.3.1. Definição
 45

Entropia aditiva de ordem  .

I n,  ( P ) = ( 1-  ) -1 log (  p i  ) ,   1. (3.3)

3.2.3.2. Definição

Entropia não-aditiva de ordem .

I n,  (P) = (  pi  -1) / ( 2 1- -1 ),   1. (3.4)

Ambas as definições (3.2) e (3.3) reduzem-se à forma da entropia de

SHANNON, como definido em (3.1). Por definição adota-se 0  = 0.

3.2.4 A Divergência

Nesta seção será tratado o conceito da divergência entre duas distribuições de

probabilidades discretas, discutida por MATHAI & RATHIE (1.975) e também em

KULLBACK (1.959).
 46

3.2.4.1. Definição

Sejam P = ( p1, ... , pn ), pi  0,  pi = 1 e Q = ( q1, ..., qn ), qi  0,  qi =1 duas

distribuições de probabilidades discretas e P  Sn e Q  Sn. Uma medida da divergência

entre as distribuições P e Q será como segue:

n
J n ( p1, ..., pn:q1, ..., qn) =  log ( pi/qi) (3.5)
i=1

Por definição, 0 log 0 = 0. De especial interesse é o caso para n=2, na definição

(3.4). Neste caso teremos:

J 2 ( p, 1-p:q, 1-q ) = p log (p/q) + ( 1-p) log (( 1-p )/( 1-q )) (3.6)

Este caso é chamado de função de divergência dirigida.

3.2.4.2 Propriedades da Divergência

i) É não negativa

J n ( P:Q )  0.

ii) Expansividade

J n+1 ( P,0:Q,0 ) = J n ( P:Q )

iii) É simétrica

J n( P:Q ) é simétrica aos pares ( pi,qi ) para i = 1, ..., n.

J n ( p r 1, ..., p r n: q r 1, ..., q r n ) = J n ( p 1, ..., p n:q 1, ..., q n) ; onde ( r1, ..., rn ) é

 47

uma permutação arbitrária de ( 1, ..., n ).

iv) Recursividade

J n ( p1, ..., pn: q1, ..., qn ) = J n-1 ( p1+p2, p3, ..., pn : q1+q2, q3, ..., q n ) +

+ (p1+p2). J2 (p1/(p1+p2), p2/(p1+p2) :

q1/(q1+q2),q2/(q1+q2)), para todo p1+p2, q1+q2 > 0 e i = 3, ..., n.

v) Aditividade

m n
Para p i, q j, r i, s j  0, i=1, 2, ..., m; j=1, 2, ..., n;  pi =  q j =
i=1 j=1

m n
 r i =  s j =1, então:
i=1 j=1

J mn ( p1q1, ..., p1qn, p2q1, ..., p2qn, ..., pmq1, ... pmqn:r1s1, ..., r1sn, ..., r2s1, ...rms1, ...,

rmsn ) = J m ( p1, ..., pm : r1, ..., r m ) + J n ( q1, ..., qn: s1, ..., sn )

Esta propriedade pode ser associada com as probabilidades correspondentes a

eventos mutuamente exclusivos.

vi) Aditividade Forte

 48

n m n n n m
Para   p i j =1, p j =  pi j > 0, q j =  q i j > 0,   q i j =1,
i=1 j=1 i=1 i=1 i=1 j=1

tem-se:

m
J mn ( p11, ... pnm : q11, ..., qn m ) = J m ( p1, ..., pm: q1, ..., q m ) +  p j . J n (p1 j/pj,
j=1

..., pnj /p j : q1 j /q j, ..., q n j /q j ).

vii) Continuidade

J n ( P:Q ) é uma função contínua de suas 2n variáveis

viii) Normalidade

J 2 ( 2/3, 1/3 : 1/3, 2/3 ) = 1/3

ix) Nulidade

J 2 ( p, 1-p : p, 1-p ) =0, para todo p   0,1 

3.2.4.3 Teorema

A única função J n ( P:Q ) que satisfaz as propriedades iii), iv), viii) e ix) é

determinada por :
 49

n
 pi log ( p i /q i ) (3.7)
i=1

A demonstração está em MATHAI & RATHIE ( 1.975 ).

3.2.5 Divergência de ordem .

Para duas distribuições, P = ( p1, ..., p n )  S n e Q = ( q1, ..., q n )  S n as duas

definições a seguir são pertinentes.

3.2.5.1 Definição

A divergência aditiva de ordem  é

J n,  ( P:Q ) = ( -1 ) -1 . log (  pi q i1-  ) ,   1 (3.8)

3.2.5.2 Definição

Divergência não aditiva de ordem 

J n,  ( P:Q ) = (  pi q i1- -1 ) / ( 2  -1 -1 ),   1 (3.9)

3.2.5.3 Propriedades da Divergência

 50

i) A divergência dirigida é não negativa.

J n,  (P:Q) e J n,  (P:Q) são ambas não negativas e serão iguais a zero somente

se p i = q i para todo i.

ii) A divergência dirigida é simétrica.

J n,  ( p1, ... pn: q1, ..., qn ) = J n,  ( p a1, ..., pan: q a1, ..., q an ); onde ( a1, a2, ..., an)

é uma permutação arbitrária de ( 1, 2, ..., n ).

iii) Expansividade

J n,  ( p1, ..., pn : q1, ..., qn ) = J n+1,  ( p1, ..., pn, 0: q1, ..., qn, 0 )

iv) Recursividade

J n,  (p1, ..., pn : q1, ..., qn ) = J n-1,  ( p1+p2, p3 ..., pn : q1+q2, q3, ..., qn ) + (

p1+p2) ( q1+q2 )1- J 2,  (( p1/( p1+p2 ), p2/( p1+p2 ):q1/( q1+q2 ),q2/( q1+q2 )),

para p1+p2, q1+q2 > 0.

v) Aditividade

J mn, (p1p’1, ...p1p’m, ..., pnp’1, ..., pnp’m: q1q’1, ...q1q’m, ..., qnq’1, ..., qnq’m) = J n,

 (p1, ..., pn: q1, ..., qn) + J m,  (p’1, ..., p’m: q’1, ..., q’m), onde ( p1, ..., pn) e ( q1, ...qn) 

Sn e ( p1, ..., pn) e ( q1, ...qn)  Sm

vi) Não Aditividade

Para P  Sn, Q  Sn, ( p’1, ..., p’m ) e ( q’1, ..., q’m)  Sm,
 51

J mn,  ( p1p’1, ..., p1p’m, ..., pnp’1, ..., pnp’m : q1q’1, ..., q1q’m, ..., qnq’1, qnq’m ) = J

n,  (p1, ..., pn: q1, ..., qn) + J m,  (p’1, ..., p’m: q’1, ..., q’m) + ( 2 -1 - 1 ) J n,  ( p1, ..., pn: q1,

..., qn) + J m,  ( p’1, ..., p’m : q’1, ..., q’m).

vii) Não aditividade forte.

Para P  Sn, ( P1i, ..., Pmi )  Sm, ( Q1i, ..., Qmi )  Sm, i = 1, ..., n; então:

J mn, ( p1P11, ..., p1P21, ..., p1Pm1, ..., pnP1n, pnP2n, ..., pnPmn : q1Q11,q1Q21, ...,

q1Qm1, ..., qnQ1n, qn Q2n, ..., qnQmn) = J n,  ( p1, ..., pn:q1, ... qn) + i=1n pi qi 1- J m, (

P1i, ..., Pmi : Q1i, ..., Qmi )

viii) Continuidade.

Ambas as funções J n, e J n,  são contínuas em suas 2n variáveis.

 52

3.2.6 A Distribuição Multinomial na Teoria da Informação

KULLBACK (1.959 p.109-141) analisou as implicações de uma distribuição

multinomial segundo a Teoria da Informação, estabelecendo um modelo de análise

estatística alternativo aos modelos lineares. Nesta seção estão descritas as premissas e

aplicações da TI a testes de hipóteses e categorização de dados em duas vias.

Seja uma distribuição de probabilidades multinomial de uma população com c

classes. A probabilidade de um evento x qualquer será dada por:

N!
p(x) = p( x1, x2, …, xc ) = ---------------- p1 x1 p2 x2 … pc xc , onde :
x1! x2 ! … xc!

pi >0, i = 1, 2, …, c ; p1 + p2 + … pc = 1 e x1 + x2 + … + xc = N

Seja p*(x) qualquer distribuição em uma população com c classes, de modo que

qualquer possível observação de p*(x) também seja uma possível observação de p(x) e

E*( xi ) =  i. Então p*(x) será uma distribuição conjugada de p(x). A distribuição de

probabilidades que minimiza a função  p*(x) log (p*(x)/p(x)) será da forma:

e( 1 x1 + … +  c x c) p(x) N!
p*(x) =------------------------------- = ------------- (p*1) x1 … (p*c) xc onde :
( p1e1 + … + pc ec ) N x1! …xc!
p* i = pi e i / ( p1 e  1 + … + pc e  c ) ; i = 1, 2, …, c e os  I são os parâmetros

verdadeiros da distribuição, com


 i = ----- ( log (( p1 e  1+ … + pc e  c ) N ) e i = 1, 2, …, c
i
 53

Assim, a distribuição conjugada de p(x), denotada por p*(x), será do tipo

multinomial.

3.2.6.1 Premissas para o teste de hipóteses em populações multinomiais.

Este modelo testa hipóteses acerca de uma amostra contra uma distribuição

multinomial e KULLBACK o estabelece da seguinte maneira: Sejam duas hipóteses

estatísticas, denotadas H1 e H2, que estejam associadas a distribuições de probabilidades

com c classes. A notação destas hipóteses será:

H i : pi1, p12, …, pic ; pi1 + pi2 + … + pic = 1 com i = 1,2

A informação média7 por observação da população associada a H1 , para

descriminar H1 de H2 será:

I (1:2) = p11 log (p11/p21) + p12 log ( p12/p22) + … + p1c log ( p1c/p2c )

Do mesmo modo, a informação média por observação da população associada a

H2 , para descriminar H2 de H1 será:

I (1:2) = p21 log (p21/p11) + p22 log ( p22/p21) + … + p2c log ( p2c/p1c )

A divergência entre H1 e H2 será uma medida da dificuldade em discriminar as

duas hipóteses entre si e será dada por :

J(1,2) = I (1:2) + I (2:1) = (p11 – p21) log (p11/p21) + (p12 – p22) log (p12/p22) + (p1c

– p2c) log ( p1c/p2c ).

De acordo com as propriedades da divergência e da entropia; J(1,2)  0 ; I(1:2) 

0; I(2:1)  0 , com a igualdade, em todos os casos, se e somente se p 1i = p2i, o que

implica que as amostras são da mesma população.

7
A informação média neste contexto tem o sentido da “quantidade média de informação a
mais, contida em uma população e que permitirá separar ou discriminar as populações.”
 54

A informação discriminante média e divergência para uma amostra aleatória

com N observações independentes e c classes; ON , serão:

c
I (1:2; ON ) = N I (1:2 ) = N  p1i log ( p1i/p2i ), (3.10)
i=1

c
I (2:1; ON ) = N I (2:1 ) = N  p2i log ( p2i/p1i ), (3.11)
i=1

c
J (1:2; ON ) = N J (1:2 ) = N  (p1i - p2i) log ( p1i/p2i ). (3.12)
i=1

Para a natureza do caso analisado neste trabalho, a especificação do teste de

hipótese será assim: Seja uma amostra aleatória com observações independentes, x1, x2,

…, xc e x1 + x2 + … + xc = N, com distribuição multinomial em uma população com c

classes. O objetivo é testar a hipótese nula H2, de que a amostra é de uma população

especificada por H 2 (p) = ( p1, p2, …, pc ) e p1 + p2 + … + pc = 1 ; contra a hipótese

alternativa H1, de que a amostra pertence a uma população com distribuição

multinomial com c classes.

Para o teste toma-se a distribuição conjugada p*, de mesmos parâmetros que a

observada com estimadores de máxima verossimilhança,  i = Npi* = x i e i = 1, 2, …, c.

Se  i = log ( xi / Npi ) e i = 1, 2, …, c ; a mínima informação discriminante será:

Î ( *:2 ; ON ) = x1 log (x1/Np1) + x2 log (x2/Np2) + … + xc log (xc/Npc) e a

divergência será:
 55

J ( *:2; ON ) = N{((x1/N) – p1) log ( x1/Np1) + … + ((xc/N) – pc ) log ( xc/Npc)}

Sob a hipótese nula H2, 2Î (*:2 ; ON) e J (*:2; ON) têm distribuição assintótica 2

com (c-1) graus de liberdade e sob a hipótese alternativa H1, 2Î (*:2 ; ON) e J (*:2; ON)

têm distribuição assintótica  2

não central, com (c-1) graus de liberdade. O teste de

hipóteses será estruturado a partir de duas hipóteses, uma como afirmativa e outra com

negativa da hipótese.

3.2.6.2 O teste de hipóteses para uma amostra.

Seja uma amostra aleatória de observações independentes, x1, x2, …, xc de modo

que x1 + x2 + … + xc = N, com distribuição multinomial em uma população com c

classes. O objetivo é testar a hipótese nula H2 de que a amostra é de uma específica

população dada por:

H2 : (p) = ( p1, p2, …, pc ) e p1 + p2 + … + pc = 1

contra a hipótese alternativa H1 de que a amostra é de uma população

multinomial qualquer, com c classes.

Para realizar este teste toma-se a distribuição conjugada com mesmos

parâmetros que a observada de estimadores de máxima verossimilhança; isto é: i =

Np*i = xi e i=1, 2, …, c. Então,  i = log ( xi / Npi ) e a mínima informação

discriminante será:

c
Î (*:2 ; ON) =  xi log (xi/Npi) e o correspondente estimador para a divergência
i =1

será:

J ( *:2; ON ) = N { (( x1 / N ) – p1 ) log ( x1/N p1 ) + … + (( xc/N ) – pc ) log

 56

( xc/Npc)}

Sob a hipótese nula H2 2Î(*:2 ; ON) e J( *:2; ON ) têm distribuição assintótica 2

com (c-1) graus de liberdade e sob a hipótese alternativa H1, 2Î (*:2 ; ON) e J (*:2; ON)

têm distribuição assintótica  2 não central, com (c-1) graus de liberdade.

Considerando-se uma análise em 3 partições dicotômicas de cada subconjunto

contra o subconjunto complementar, define-se:

y1 = x1 + x2 + …+ x i ; p 11 = p1 + p2 + … + pi e i = 1, 2, …, r1

y2 = x r1+1 + x r1+2 + …+ x j ; p 22 = p r1+1 + p r1+2 + … + pj e j = r1+1,r1+2, …, r2

y3 = x r2+1 + x r2+2 + … x k ; p 33 = p r2+1 + p r2+2 + … + pk e k = r2+1,r2+2, …, c.

Deste modo a tabela de análise de variância que sumarisa as informações do

modelo ajustado está exibida a seguir.

 57

TABELA DE ANÁLISE DE VARIÂNCIA

FONTE DE INFORMAÇÃO GRAUS DE

VARIAÇÃO LIBERDADE

3
Entre as 2. yi log (yi/Npii) 1
i =i
Partições 1, 2 e3

r1

{ 2.  xi log (xi p11 / yi pi ) +

i =1

Dentre 1, r2
Dentre 2 e 2.  x j log (xj p22 / yj pj ) + c-2
j = r1+1
Dentre 3
( Erro ) c

2.  x k log (xk p33 / yk pk ) }

k = r2+1

c
Total 2.  x i log (x i / N pi ) c-1
i =1

Tabela 3.2: Análise de Variância multinomial para uma amostra.

3.2.6.3 O teste de hipóteses para r amostras.

Sejam r amostras independentes, com distribuições multinomiais, de uma

população categorizada em c classes; o objetivo é testar a hipótese nula H 2 , de que as

amostras são homogêneas. As amostras são denotadas por :

(X i ) = ( xi1, xi2, …, x ic ) , xi1 + xi2 + …+ xic = Ni , i = 1, 2, …, r e sejam as duas

hipóteses:
 58

H2 : As amostra são da mesma população ( p1, p2, … pc ) e i = 1, 2, …, r

Com p i j = p j > 0, para : i = 1, 2, …, r e j = 1, 2, …, c.

H1: As amostras são de diferentes populações ( pi1, pi2, … pic ) e i = 1, 2, …, r

Sem repetir argumentos já utilizados para a definição da informação média e a

divergência, neste caso tem-se :

r c
I (1:2) =  N i  pij log ( pij /pj ). (3.13)
i =1 j =1

r c
J (1,2) =  N i  (pij – pj) log ( pij /pj ). (3.14)
i =1 j=1

Para a distribuição conjugada com os mesmos parâmetros que a distribuição

amostral com estimadores de máxima verossimilhança, tem-se:

r c
Î (p*:p) =   x i j log ( xij / N i pj ). (3.15)
i=1 j=1

A divergência Î ( p*:p ) pode ser particionada em dois componentes, o primeiro

devido a variação entre os p j e o segundo devido ao erro entre as amostras. Tomando

n
x j =  x i j e N = N 1 + N 2 + … +N r . Disto resulta a tabela de análise de
i=1

variância exibida a seguir:

 59

TABELA DE ANÁLISE DE VARIÂNCIA

FONTE DE INFORMAÇÃO GRAUS DE

VARIAÇÃO LIBERDADE

^ c
p j = x j / N, 2 Î(p*:p) 2  x j log x j / N p j ( c-1 )
j=1
Entre

^ r c
2 Î (p*: p ) 2   x i j log Nx i j / N x j ( r-1) (c –1)
i=1 j=1
Dentre ( erro )

r c
2 Î (p*: p ) 2   x i j log x i j / N p j r (c –1)
i=1 j=1
Total

Tabela 3.3: Tabela de análise de Variância multinomial para r amostras.

Os graus de liberdade têm distribuição assintótica 2 sob a hipótese nula e

distribuição assintótica não central 2 sob a hipótese alternativa.

3.2.6.4 Partição

A componente erro na tabela 3.2 pode ser particionada em até (r-1)

componentes, cada um com ( c-1 ) graus de liberdade; cada partição excluirá o conjunto

das partições predecessoras. Isto permite avaliar a contribuição de cada partição, a

medida que são adicionadas ao conjunto e a informação registra mudanças abruptas.

Para denotar os sucessivos agrupamentos das partições tem-se:

y i j = x 1 j + x 2 j + … + x i j , i = 2, …, (r-1) e j = 1, 2, …, c,

y i1 + yi2 + … + yic = N1 + N2 + + … + Ni = M i .
 60

Por conveniência tomaremos, neste trabalho, as amostras 1 a r 1 como o conjunto

1, a amostra de (r1 + 1) a r2 como o conjunto 2 e de (r2 + 1) a r como o conjunto 3 e

assim define-se as partições:

z 1 j = x1j + x2j + … + xr1 j , (3.18a)

z 2 j = x r+1, j + … + x r2 j , (3.18b)

z 3 j = x r+2, j + … + x r j e j = 1, 2, …, c (3.18c)

c c c
T1 =  z1j , T2 =  z2j , T3 =  z3 j e N = T1 + T2 + T3
j=1 j=1 j=1

A tabela de análise de variância a seguir, deriva do modelo geral , tabela 3.3 e

das definições 3.18a,b,c

 61

TABELA DE ANÁLISE DE VARIÂNCIA PARA AS PARTIÇÕES

FONTE DE INFORMAÇÃO GRAUS DE

VARIAÇÃO LIBERDADE

c
{2  z1 j log (Nz1j /T1x j ) +
j=1

c
Entre os Conjuntos 2  z2 j log (Nz2j /T2x j ) + ( c-1 )
j=1
1, 2 e 3
c

2  z3 j log (Nz3j /T3x j ) }

j=1

r1 c
Dentre o conjunto 1 2   x i j log T1 x i j / Ni z 1 j ( r- r1 -1) (c –1)
i=1 j=1
Erro no conjunto 1
r2 c
Dentre o conjunto 2 2   x i j log T2 x i j / Ni z 2 j ( r1 – r2 -1) (c –1)
i=r1+1 j=1
Erro no conjunto 2
r c
Dentre o conjunto 3 2   x i j log T3 x i j / Ni z 3 j (r2 -1) (c –1)
i=r2+1 j=1
Erro no conjunto 3

r c
2 Î (HO: HA ) 2   x i j log N x i j / N i x i (r-1) (c –1)
i=1 j=1
Dentre as r amostras
Erro

Tabela 3.4: Tabela de análise de Variância multinomial para r amostras, consolidada.

Consolidando as tabelas de análise de variâncias 3.2 e 3.3 e tomando a variação

dentre os 3 conjuntos com o novo estimador do erro, somados, obtém-se a tabela da

análise de variância utilizada neste trabalho e os estimadores para as informações do

modelo. Além disso, considera-se N = N1 + N2 + … +Nr . Disto resulta a tabela de

análise de variância abaixo.

 62

TABELA DE ANÁLISE DE VARIÂNCIA

FONTE DE INFORMAÇÃO GRAUS DE

VARIAÇÃO LIBERDADE

^ c
p j = x j / N, 2 Î(p*:p) 2  x j log x j / N p j ( c-1 )
j=1
Entre as amostras

c
2  { z1 j log (Nz1j /T1x j ) +
j=1

c
Entre os Conjuntos 2  z2 j log (Nz2j /T2x j ) + ( c-1 )
j=1
1, 2 e 3
c
2  { z3 j log (Nz3j /T3x j ) }
j=1

r1 c
2   x i j log T1 x i j / Ni z 1 j ( r- r1 -1) (c –1)
i=1 j=1

r2 c
Dentre as amostras 2   x i j log T2 x i j / Ni z 2 j ( r1 – r2 -1) (c –1)
i=r1+1 j=1
Erro das amostras
r c
2   x i j log T3 x i j / Ni z 3 j (r2 -1) (c –1)
i=r2+1 j=1

r c
2 Î (p*: p ) 2   x i j log x i j / N p j r (c –1)
i=1 j=1
Total

Tabela 3.5: Tabela de análise de Variância multinomial para r amostras, com partições
consolidadas.

Para as análises apresentadas no próximo capítulo foram utilizados os modelos

expressos nas tabelas 3.5; para as análises no âmbito das Regiões e dos Setores
 63

comerciais e tabela 3.2 para as análises no âmbito do Banco Comercial. Na análise

tonou-se a informação média, que é a razão entre a contribuição da informação e os

graus de liberdade. Esta medida, se tomada sob H2, segue uma distribuição assintótica

2 e se tomada sob H1, assumirá uma distribuição assintótica 2 não central, com os
respectivos graus de liberdade.

As tabelas de análises de variância foram completadas com; a informação média,

representada pela razão entre a informação e os graus de liberdade; a estatística de

Snedcor, representada pela letra F e a probabilidade do F de Snedcor crítico, este

calculado automaticamente pela planilha eletrônica Excel 5.0. A figura abaixo exibe a

composição da tabela de análise de variância adotada para este trabalho.

FONTE DE GRAUS DE INFORMAÇÃO F Probabilidade

VARIAÇÃO LIBERDADE INFORMAÇÃO MÉDIA Crítico do F crítico

SETOR ou
REGIÃO ou
Banco
BLOCO ( representa o Tempo )
ERRO
Total

R 2 = Coeficiente de correlação de Pearson

Figura 3.1 : Exemplo da tabela de análise de variância utilizada neste trabalho.

 64

4. ANÁLISE DOS DADOS

Neste capítulo serão apresentados os resultados das análises dos dados descritos

no capítulo 2 utilizando-se os modelos descritos no capítulo 3. O foco das análises

serão: a) o Índice da Qualidade dos Serviços, considerando-se sua consolidação no

âmbito dos Setores Comerciais, das Regiões e do Banco Comercial e b) os indicadores

de desempenho da qualidade, Pesquisa do Atendimento Telefônico, Percentual de

Dados Cadastrais Corretos e Percentual de Contas Mantidas.

O objetivo do estudo é avaliar, para o IQS e os indicadores selecionados, se há

diferença no resultado da medição em relação ao tempo ( se o IQS muda com o tempo )

e em relação às unidades organizacionais ( os diferentes níveis de diretorias e o Banco

Comercial ). Se da análise resultar diferenças estatisticamente significantes, então estará

comprovado que o IQS é diferente entre as unidades organizacionais e em relação ao

tempo; ou seja houve mudança no nível de desempenho e este desempenho é diferente

segundo as unidades organizacionais ou ao tempo.

Dos nove indicadores de desempenho que compõem o IQS, foram selecionados

três para serem analisados individualmente. O critério de escolha não foi arbitrário, mas

segundo a disponibilidade de documentação acerca dos próprios indicadores e das ações

gerenciais a eles relativas. Deste modo durante as visitas à empresa houve uma melhor

oportunidade para o levantamento de documentação completa dos indicadores

apontados acima.

Os estudos conduzidos sobre os dados e expostos neste relatório são a Análise de

Variância segundo dois enfoques: A modelagem tradicional, baseada nos Modelos

Lineares Generalizados e a modelagem alternativa ou complementar, baseada na Teoria

da Informação.
 65

A apresentação dos resultados obedecerá a seguinte ordem: A modelagem

tradicional para as unidades organizacionais Setores Comerciais, Regiões e Banco

Comercial, considerados sem os novos setores comerciais criados no mês de junho de

1996. Nesta modelagem serão exibidos a tabela de análise de variância, o coeficiente de

correlação de Pearson ( R2 ) as médias para a variável em estudo ( o IQS ), com

intervalos de confiança de 95 % para as variáveis e ainda a análise dos resíduos do

modelo, com a exibição dos gráficos: a) de correlação para Resíduos versus os

Estimados e b) de probabilidades Normais 8. Em seguida será apresentada a modelagem

alternativa para as unidades organizacionais Setores Comerciais, Regiões e Banco

Comercial, estes, com a inclusão dos setores comercias criados em junho de 1996. Para

a abordagem alternativa não serão exibidos gráficos de resíduos visto que nesta

abordagem não há estimação de parâmetros.

Por fim, nas tabelas de análises de variância exibidas a seguir, a coluna fonte de

variação tem a seguinte composição: SETOR, REGIÃO ou Banco Comercial representa

a informação devida à unidade organizacional em estudo. BLOCO representa o tempo,

dividido em 3 módulos de igual dimensão, isto é, 9 meses em cada bloco. ERRO

representa a componente não explicável do modelo e TOTAL representa a totalidade da

informação contida nos modelos.

8
Normal Probabilities Plot, na literatura de língua inglesa. Tradução do autor.
 66

4.1 O IQS segundo a Modelagem Tradicional

4.1.1 Setores Comerciais ( Sem os novos setores )

Nesta seção serão analisados os dados relativos aos setores comerciais sem a

inclusão dos novos setores.

Tabela de Análise de Variância e Médias

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

SETOR 20 1.599,14 79,96 23,24 0,000

BLOCO 2 1.882,41 941,21 273,61 0,000
ERRO 544 1.869,12 3,44
Total 566 5.350,67

R2 = 65%

Tabela 4.1: Análise de variância baseada em Modelos Lineares para os Setores comerciais,
considerados sem os novos setores.

Médias Individuais a 95% CI

BLOCOS Mean ----------+---------+---------+---------+-
1 75.96 (-*-)
2 77.46 (--*-)
3 80.35 (--*-)
----------+---------+---------+---------+-
76.80 78.00 79.20 80.40
 67

Médias Individuais a 95% CI

SETORES Mean ----+---------+---------+---------+-------
SETOR53 74.77 (--*--)
SETOR41 75.40 (--*-)
SETOR42 75.82 (--*--)
SETOR24 76.82 (--*--)
SETOR21 76.91 (--*-)
SETOR44 77.08 (-*--)
SETOR22 77.19 (--*--)
SETOR12 77.29 (--*--)
SETOR25 77.31 (--*--)
SETOR32 77.48 (--*--)
SETOR23 77.54 (--*--)
SETOR31 77.89 (--*-)
SETOR11 78.42 (--*-)
SETOR51 78.43 (--*--)
SETOR52 78.48 (--*--)
SETOR13 78.67 (--*-)
SETOR43 78.75 (--*--)
SETOR61 79.45 (--*--)
SETOR62 79.75 (--*--)
SETOR34 80.97 (--*--)
SETOR63 82.03 (--*--)
----+---------+---------+---------+-------
75.00 77.50 80.00 82.50

Gráficos dos Resíduos.

ResíduosversusAjustados Normal ProbabilityPlot dosResíduos

(responseisIndGERAL) (responseis IndGERAL)

5 5

0 0
Resíduos

Resíduos

-5 -5

-10 -10
75 80 85 -3 -2 -1 0 1 2 3

ValoresAjustados NormalScore

Gráficos 4.1 e 4.2: Resíduos do modelo para Setores Comerciais sem os novos setores,
ajustados por Modelos Lineares.
 68

4.1.2 Regiões

Tabela de Análise de Variância e Médias

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

REGIÃO 5 248,21 49,64 27,43 0,000

BLOCO 2 515,01 257,50 142,27 0,000
ERRO 154 274,89 1,81
Total 161 1.030,10

R2= 74%

Tabela 4.2 : Análise de variância baseada em Modelos Lineares para as Regiões, consideradas
sem os novos Setores Comerciais.

Médias Individuais a 95% CI

BLOCOS Mean ---------+---------+---------+---------+--
1 76.09 (--*--)
2 77.69 (--*--)
3 80.41 (--*--)
---------+---------+---------+---------+--
76.80 78.00 79.20 80.40

Médias Individuais a 95% CI

REGIÕES Mean -----+---------+---------+---------+------
REGIAO4 76.75 (----*---)
REGIAO2 77.15 (---*----)
REGIAO5 77.20 (---*----)
REGIAO1 78.11 (---*---)
REGIAO3 78.76 (----*---)
REGIAO6 80.39 (---*---)
-----+---------+---------+---------+------
76.80 78.00 79.20 80.40
 69

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResíduos

(responseisIndGERAL) (responseisIndGERAL)

3 3

2 2

1 1
Resíduos

Resíduos
0 0

-1 -1

-2 -2

-3 -3

-4 -4
74 75 76 77 78 79 80 81 82 83 -3 -2 -1 0 1 2 3

Valoresajustados NormalScore

Gráficos 4.3 e 4.4: Resíduos do modelo para as Regiões sem os novos setores, ajustados por
Modelos Lineares.

4.1.3 Banco Comercial

Tabela de Análise de Variância e Médias

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

BLOCO 2 89,07 44,53 44,09 0,000

ERRO 24 24,23 1,01
Total 26 113,30

R2 = 79%

Tabela 4.3 : Análise de variância baseada em Modelos Lineares para o Banco Comercial,
considerado sem os novos Setores Comerciais.
 70

Individual 95% CIs For Mean

Level Mean ---+---------+---------+---------+------
1 75.97 (----*---)
2 77.42 (---*----)
3 80.34 (---*----)
---+---------+---------+---------+------
75.2 76.8 78.4 80.0

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResíduos

(responseisIndGERAL) (responseisIndGERAL)

2.0 2.0
1.5 1.5
1.0 1.0
0.5 0.5
Resíduos

Resíduos

0.0 0.0
-0.5 -0.5
-1.0 -1.0

-1.5 -1.5

-2.0 -2.0

-2.5 -2.5
76 77 78 79 80 -2 -1 0 1 2
ValoresAjustados NormalScore

Gráficos 4.5 e 4.6: Resíduos do modelo para o Banco Comercial sem os novos setores,
ajustados por Modelos Lineares.

4.2 O IQS segundo a Modelagem Alternativa

Nesta seção estão exibidos os resultados da análise de variância segundo a

modelagem alternativa, baseada na Teoria da Informação. Serão exibidas tabelas de

análise de variância para as unidades organizacionais Setores Comerciais, Regiões e

Banco Comercial. Além desta segmentação os resultados serão exibidos considerando-

 71

-se as unidades organizacionais com os novos setores comerciais e também sem estes

novos setores. Enfatiza-se que para esta modelagem não serão apresentados médias e

nem gráficos de resíduos; pois para esta metodologia não há estimação de parâmetros.

4.2.1 Setores Comerciais

a) Sem os novos Setores Comerciais

Tabela de Análise de Variância

FONTE DE GRAUS DE INFORMAÇÃO F Probabilidade

VARIAÇÃO LIBERDADE INFORMAÇÃO MÉDIA Crítico do F crítico

SETOR 20 20,46 1,023 54,68 0,000

BLOCO 2 8,13 4,063 217,22 0,000
ERRO 518 9,69 0,019
Total 540 38,27

R2 = 75%

Tabela 4.4: Tabela de análise de variância para os setores comerciais, considerados sem os
novos setores, utilizando-se a modelagem alternativa da Teoria da Informação.

b) Com os novos Setores Comerciais

Tabela de Análise de Variância

 72

FONTE DE GRAUS DE INFORMAÇÃO F Probabilidade

VARIAÇÃO LIBERDADE INFORMAÇÃO MÉDIA Crítico do F crítico

SETOR 23 1.068,86 46,472 36,06 0,000

BLOCO 2 2.900,74 1.450,370 1.125,52 0,000
ERRO 596 768,02 1,289

Total 621 4.737,64

R2 = 84%

Tabela 4.5 : Tabela de análise de variância para os setores comerciais, considerados com os
novos setores, utilizando-se a modelagem alternativa da Teoria da Informação.

4.2.2 Regiões

a) Sem os novos Setores Comerciais

Tabela de Análise de Variância

FONTE DE GRAUS DE INFORMAÇÃO F Probabilidade

VARIAÇÃO LIBERDADE INFORMAÇÃO MÉDIA Crítico do F crítico

REGIÕES 5 2,660 0,532 90,77 0,000

BLOCO 2 0,956 0,478 81,57 0,000
ERRO 128 0,750 0,006
Total 135 4,367

R2 = 83%

Tabela 4.6 : Tabela de análise de variância para as regiões, consideradas sem os novos setores,
utilizando-se a modelagem alternativa da Teoria da Informação.
 73

b) Com os novos Setores Comerciais

Tabela de Análise de Variância

FONTE DE GRAUS DE INFORMAÇÃO F Probabilidade

VARIAÇÃO LIBERDADE INFORMAÇÃO MÉDIA Crítico do F crítico

REGIÕES 5 2,413 0,483 89,01 0,000

BLOCO 2 1,052 0,526 97,01 0,000
ERRO 128 0,694 0,005
Total 135 4,159

R2 = 83%

Tabela 4.7 : Tabela de análise de variância para as regiões, consideradas com os novos setores,
utilizando-se a modelagem alternativa da Teoria da Informação.

4.2.3 Banco comercial

a) Sem os novos Setores Comerciais

Tabela de Análise de Variância

FONTE DE GRAUS DE INFORMAÇÃO F Probabilidade

VARIAÇÃO LIBERDADE INFORMAÇÃO MÉDIA Crítico do F crítico

BLOCO 2 1,140 0,570 45,00 0,000

ERRO 24 0,304 0,013
Total 26 1,444

R2 = 79%

Tabela 4.8 : Tabela de análise de variância para o Banco Comercial, considerado sem os novos
setores, utilizando-se a modelagem alternativa da Teoria da Informação.
 74

b) Com os novos Setores Comerciais

Tabela de Análise de Variância

FONTE DE GRAUS DE INFORMAÇÃO F Probabilidade

VARIAÇÃO LIBERDADE INFORMAÇÃO MÉDIA Crítico do F crítico

BLOCO 2 1,171 0,585 44,75 0,000

ERRO 24 0,314 0,013
Total 26 1,485

R2 = 79%

Tabela 4.9 : Tabela de análise de variância para o Banco Comercial, considerado COM os novos
setores, utilizando-se a modelagem alternativa da Teoria da Informação.

4.3 Os Indicadores segundo a Modelagem tradicional

Nesta seção serão apresentados os resultados dos estudos realizados sobre os

indicadores Pesquisa do Atendimento Telefônico, Percentual de Dados Cadastrais

Corretos e Percentual de Contas Mantidas. Como já mencionado, a escolha foi arbitrária

no sentido de que houve oportunidade de recolher melhor documentação acerca destes

indicadores. O que se pretende com seu estudo é avaliar se há variação significativa de

acordo com o tempo (os blocos), isto é; se o tempo influencia o desempenho dos

indicadores selecionados.

No estudo do IQS houve a necessidade de abordá-lo segundo dois modelos de

análise estatística, a abordagem tradicional e uma abordagem alternativa, para que se

pudesse agregar robustez às análises. No caso dos indicadores será adotada somente a

abordagem tradicional por que se considera que o resultado fundamental do trabalho é

acerca do IQS.
 75

4.3.1 Indicador Pesquisa do Atendimento Telefônico.

Estão exibidos para o indicador a tabela de análise de variância, as médias

segundo as variáveis tempo e unidade organizacional. Além disso, para os indicadores

estão exibidos gráficos versus o tempo, para o Banco Comercial, com o objetivo de

oferecer uma apreciação visual do desempenho dos indicadores.

4.3.1.1 Setores Comerciais

Tabela de Análise de Variância e Médias

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

SETOR 20 1.770,20 88,510 3,98 0,000

BLOCO 2 13.703,50 6.851,750 308,39 0,000
ERRO 544 12.086,60 22,218
Total 566 27.560,30

R2 = 56%

Tabela 4.10 : Tabela de análise de variância para o indicador Pesquisa do Atendimento

Telefônico, segmentado pelas unidades organizacionais setores comerciais.
 76

Individual 95% CI
BLOCO Mean ----------+---------+---------+---------+-
1 75.35 (-*-)
2 63.73 (-*-)
3 72.26 (-*-)
----------+---------+---------+---------+-
66.50 70.00 73.50 77.00

Individual 95% CI
SETOR Mean -------+---------+---------+---------+----
SETOR21 65.93 (-----*-----)
SETOR53 67.71 (-----*-----)
SETOR25 68.03 (-----*-----)
SETOR34 68.67 (-----*-----)
SETOR12 69.53 (-----*-----)
SETOR31 69.69 (-----*-----)
SETOR23 69.86 (-----*-----)
SETOR11 70.08 (-----*-----)
SETOR44 70.46 (-----*-----)
SETOR22 70.69 (-----*-----)
SETOR51 70.70 (-----*-----)
SETOR41 70.85 (-----*-----)
SETOR61 70.87 (-----*-----)
SETOR32 70.94 (----*-----)
SETOR13 71.43 (-----*-----)
SETOR24 71.56 (-----*----)
SETOR52 71.56 (-----*----)
SETOR42 71.66 (-----*-----)
SETOR43 72.34 (-----*-----)
SETOR62 73.01 (-----*-----)
SETOR63 73.76 (-----*-----)
-------+---------+---------+---------+----
66.00 69.00 72.00 75.00
 77

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResíduos

(responseisAtendTel)
(responseisAtendTel)

10 10

0 0
Resíduos

Resíduos
-10 -10

-20 -20
60 70 80 -3 -2 -1 0 1 2 3
ValoresAjustados NormalScore

Gráficos 4.7 e 4.8: Resíduos do modelo para os Setores Comerciais, indicador Pesquisa do
Atendimento Telefônico ajustados por Modelos Lineares.

4.3.1.2 Regiões

Tabela de Análise de Variância e Médias

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

REGIÃO 5 164,20 32,840 2,04 0,076

BLOCO 2 3.795,90 1.897,950 118,06 0,000
ERRO 154 2.475,80 16,077
Total 161 6.435,90

R2 = 62%

Tabela 4.11 : Tabela de análise de variância para o indicador Pesquisa do Atendimento

Telefônico, segmentado pelas unidades organizacionais Regiões.
 78

Individual 95% CI
BLOCO Mean -+---------+---------+---------+---------+
1 75.33 (--*--)
2 63.96 (--*--)
3 72.56 (--*--)
-+---------+---------+---------+---------+
63.00 66.50 70.00 73.50 77.00

Individual 95% CI
REGIAO Mean --------+---------+---------+---------+---
REGIAO2 69.38 (----------*---------)
REGIAO5 69.99 (----------*---------)
REGIAO3 70.19 (---------*---------)
REGIAO1 70.35 (---------*---------)
REGIAO4 71.33 (----------*---------)
REGIAO6 72.46 (---------*---------)
--------+---------+---------+---------+---
69.00 70.50 72.00 73.50

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResíduos

(responseisAtendTel) (responseisAtendTel)

10 10

5 5

0 0
Resíduos

Resíduos

-5 -5

-10 -10

-15 -15
62 67 72 77 -3 -2 -1 0 1 2 3

NormalScore
ValoresAjustados

Gráficos 4.9 e 4.10: Resíduos do modelo para as Regiões, indicador Pesquisa do Atendimento
Telefônico ajustados por Modelos Lineares.
 79

4.3.1.3 Banco Comercial

Tabela de Análise de Variância e Médias

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

BLOCO 2 662,70 331,350 31,86 0,000

ERRO 24 249,60 10,400
Total 26 912,30

R2 = 73%

Tabela 4.12 : Tabela de análise de variância para o indicador Pesquisa do Atendimento

Telefônico, segmentado pela unidade organizacional Banco Comercial.

Individual 95% CIs For Mean

Based on Pooled StDev
BLOCO Mean -------+---------+---------+---------
1 75.349 (----*---)
2 63.738 (---*----)
3 72.599 (---*----)
-------+---------+---------+---------
65.0 70.0 75.0
 80

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResíduos

(responseisAtendTel) (responseis AtendTel)

5 5

0 0

Resíduos
Resíduos

-5 -5

-10 -10
65 70 75 -2 -1 0 1 2

NormalScore
ValoresAjustados

Gráficos 4.11 e 4.12: Resíduos do modelo para o Banco Comercial, indicador Pesquisa do
Atendimento Telefônico ajustados por Modelos Lineares.

Gráfico do indicador versus o tempo

Pesquisa do Atendimento Telefônico

Total Banco Comercial
85
Índice

75

65

55
jul/95 out/95 jan/96 abr/96 jul/96 out/96 jan/97 abr/97 jul/97
 81

4.3.2 Indicador Percentual de Dados Cadastrais Corretos

Estão exibidos para este indicador, segmentado por unidade organizacional do

banco, a tabela de análise de variância, as médias e os gráficos de resíduos. Também

para este indicador está exibido um gráfico contendo seu desempenho versus tempo,

para o Banco Comercial.

4.3.2.1 Setores Comerciais

Tabela de Análise de Variância e Médias

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

SETOR 20 8.732,10 436,605 37,29 0,000

BLOCO 2 12.276,50 6.138,250 524,26 0,000
ERRO 544 6.369,40 11,708
Total 566 27.378,00

R2 = 77%

Tabela 4.13 : Tabela de análise de variância para o indicador Percentual de Dados Cadastrais
Corretos, segmentado pelas unidades organizacionais Setores Comerciais.
 82

Individual 95% CI
BLOCO Mean ----+---------+---------+---------+-------
1 65.51 (*-)
2 75.79 (-*)
3 74.91 (-*)
----+---------+---------+---------+-------
66.00 69.00 72.00 75.00

Individual 95% CI
SETOR Mean -------+---------+---------+---------+----
SETOR53 57.65 (-*-)
SETOR52 68.06 (-*--)
SETOR24 69.17 (-*-)
SETOR22 69.85 (-*--)
SETOR41 71.16 (--*-)
SETOR32 71.19 (-*-)
SETOR51 71.40 (-*-)
SETOR43 71.49 (-*-)
SETOR25 71.84 (-*-)
SETOR44 72.36 (--*-)
SETOR21 72.75 (-*-)
SETOR23 72.82 (-*--)
SETOR42 73.22 (-*-)
SETOR13 73.48 (-*--)
SETOR12 73.95 (-*-)
SETOR62 74.52 (-*-)
SETOR61 74.60 (-*-)
SETOR31 75.20 (-*-)
SETOR11 75.39 (-*-)
SETOR63 76.27 (-*-)
SETOR34 77.06 (-*--)
-------+---------+---------+---------+----
60.00 66.00 72.00 78.00
 83

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResíduos

(responseisCadComp) (responseisCadComp)

10 10

Resíduos
Resíduos

0 0

-10 -10

50 60 70 80 -3 -2 -1 0 1 2 3

ValoresAjustados NormalScore

Gráficos 4.13 e 4.14: Resíduos do modelo para os Setores Comerciais, indicador Percentual de
Dados Cadastrais Corretos, ajustados por Modelos Lineares.

4.3.2.2 Regiões

Tabela de Análise de Variância e Médias

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

REGIÃO 5 1.685,63 337,126 34,39 0,000

BLOCO 2 3.473,63 1.736,815 177,19 0,000
ERRO 154 1.509,52 9,802
Total 161 6.668,90

R2 = 77%

Tabela 4.14 : Tabela de análise de variância para o indicador Percentual de Dados Cadastrais
Corretos, segmentado pelas unidades organizacionais Regiões.
 84

Individual 95% CI
BLOCO Mean ----+---------+---------+---------+-------
1 65.65 (--*--)
2 76.16 (--*--)
3 74.61 (--*--)
----+---------+---------+---------+-------
66.00 69.00 72.00 75.00

Individual 95% CI
REGIAO Mean -----+---------+---------+---------+------
REGIAO5 65.71 (---*---)
REGIAO2 71.07 (---*---)
REGIAO4 72.06 (---*---)
REGIAO1 74.28 (---*---)
REGIAO3 74.43 (---*---)
REGIAO6 75.31 (---*---)
-----+---------+---------+---------+------
66.00 69.00 72.00 75.00

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResíduos

(responseisCadComp) (responseisCadComp)

5 5
Resíduos
Resíduos

0 0

-5 -5

60 70 80 -3 -2 -1 0 1 2 3
ValoresAjustados Normal Score

Gráficos 4.15 e 4.16: Resíduos do modelo para as Regiões, indicador Percentual de Dados
Cadastrais Corretos, ajustados por Modelos Lineares.

4.3.2.3 Banco Comercial

 85

Tabela de Análise de Variância

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

BLOCO 2 603,21 301,605 45,03 0,000

ERRO 24 160,74 6,698
Total 26 763,94

R2 = 79%

Tabela 4.15 : Tabela de análise de variância para o indicador Percentual de dados Cadastrais
Corretos, segmentado pela unidade organizacional Banco Comercial

Individual 95% CIs For Mean

Based on Pooled StDev
Level Mean StDev -+---------+---------+---------+-----
1 65.508 3.267 (----*---)
2 75.914 1.637 (----*---)
3 75.107 2.596 (----*---)
-+---------+---------+---------+-----
64.0 68.0 72.0 76.0

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResiduos

(responseisCadComp) (responseisCadComp)

5 5

4 4

3 3

2 2
Residuos

Residuos

1 1

0 0

-1 -1

-2 -2

-3 -3

-4 -4

65 70 75 -2 -1 0 1 2

Normal Score
Valores Ajustados

Gráficos 4.17 e 4.18: Resíduos do modelo para o Banco Comercial, indicador Percentual de
Dados Cadastrais Corretos, ajustados por Modelos Lineares.

Gráfico do indicador versus o tempo

 86

Percentual de Cadastro Completo

Total Banco Comercial
80
Índice

75

70

65

60
jul/95 out/95 jan/96 abr/96 jul/96 out/96 jan/97 abr/97 jul/97

4.3.3 Indicador Percentual de Contas Mantidas

Estão exibidos para o indicador a tabela de análise de variância, as médias

segundo as variáveis tempo e unidade organizacional e os gráficos dos resíduos.

4.3.3.1 Setores Comerciais

Tabela de Análise de Variância e Médias

 87

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

SETOR 20 4.627,21 231,361 33,09 0,000

BLOCO 2 1.606,06 803,030 114,85 0,000
ERRO 544 3.803,61 6,992
Total 566 10.036,88

R2 = 62%

Tabela 4.16: Tabela de análise de variância para o indicador Percentual de Contas Mantidas,
segmentado pelas unidades organizacionais Setores Comerciais.

Individual 95% CI
BLOCO Mean ----+---------+---------+---------+-------
1 88.75 (---*--)
2 91.46 (--*--)
3 92.79 (--*--)
----+---------+---------+---------+-------
88.80 90.00 91.20 92.40

Individual 95% CI
SETOR Mean --------+---------+---------+---------+---
SETOR42 82.32 (--*--)
SETOR41 84.63 (--*--)
SETOR44 86.68 (--*--)
SETOR43 89.34 (--*--)
SETOR53 90.33 (--*--)
SETOR31 91.40 (--*--)
SETOR32 91.54 (--*-)
SETOR24 91.65 (--*--)
SETOR61 91.84 (-*--)
SETOR12 92.07 (--*--)
SETOR11 92.27 (--*-)
SETOR51 92.29 (--*--)
SETOR21 92.37 (--*--)
SETOR22 92.54 (-*--)
SETOR25 92.55 (-*--)
SETOR13 92.67 (--*--)
SETOR34 92.71 (--*--)
SETOR23 92.75 (--*--)
SETOR52 92.83 (--*--)
SETOR62 92.96 (--*-)
SETOR63 93.23 (-*--)
--------+---------+---------+---------+---
84.00 87.50 91.00 94.50
 88

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResíduos

(responseisCtasMant) (responseisCtasMant)

10 10

0 0
Resíduos

Resíduos
-10 -10

-20 -20
80 85 90 95 -3 -2 -1 0 1 2 3

ValoresAjustados Normal Score

Gráficos 4.19 e 4.20: Resíduos do modelo para os Setores Comerciais, indicador Percentual do
Contas Mantidas, ajustados por Modelos Lineares.

4.3.3.2 Regiões

Tabela de Análise de Variância

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

REGIÃO 5 960,44 192,088 97,17 0,000

BLOCO 2 460,05 230,025 116,36 0,000
ERRO 154 304,43 1,977
Total 161 1.724,91

R2 = 82%

Tabela 4.17: Tabela de análise de variância para o indicador Percentual de Contas Mantidas,
segmentado pelas unidades organizacionais Regiões.
 89

Individual 95% CI

BLOCO Mean ---+---------+---------+---------+--------

1 88.92 (--*--)
2 91.54 (--*--)
3 92.99 (--*--)
---+---------+---------+---------+--------
88.80 90.00 91.20 92.40

Individual 95% CI
REGIAO Mean ----+---------+---------+---------+-------
REGIAO4 85.74 (--*-)
REGIAO5 91.82 (--*--)
REGIAO3 91.92 (--*-)
REGIAO1 92.33 (--*-)
REGIAO2 92.37 (--*--)
REGIAO6 92.70 (--*-)
----+---------+---------+---------+-------
86.00 88.00 90.00 92.00

Gráficos dos Resíduos

ResíduosVersusValoresAjustados Normal ProbabilityPlot dosResíduos

(responseisCtasMant) (responseis
CtasMant)
5 5
Resíduos
Resíduos

0
0

-5
-5

-3 -2 -1 0 1 2 3
85 90 95
NormalScore
ValoresAJustados

Gráficos 4.21 e 4.22: Resíduos do modelo para as Regiões, indicador Percentual do Contas
Mantidas, ajustados por Modelos Lineares.
 90

4.3.3.3 Banco Comercial

Tabela de Análise de Variância e Médias

FONTE DE GRAUS DE SOMA DE QUADRADO F Probabilidade

VARIAÇÃO LIBERDADE QUADRADOS MÉDIO Crítico do F crítico

BLOCO 2 82,47 41,235 69,19 0,000

ERRO 24 14,30 0,596
Total 26 96,77

R2 = 85%

Tabela 4.18: Tabela de análise de variância para o indicador Percentual de Contas Mantidas,
segmentado para a unidade organizacional Banco Comercial.

Individual 95% CIs For Mean

Based on Pooled StDev
BLOCO Mean StDev --+---------+---------+---------+----
1 88.746 1.115 (---*--)
2 91.615 0.570 (---*--)
3 92.932 0.469 (---*--)
--+---------+---------+---------+----
88.5 90.0 91.5 93.0
 91

Gráficos dos Resíduos

ResiduosVersusValoresAjustados Normal ProbabilityPlot dosResiduos

(responseisCtasMant) (responseis CtasMant)

2 2

1 1
Residuos

Residuos
0 0

-1 -1

89 90 91 92 93 -2 -1 0 1 2

ValoresAjustados Normal Score

Gráficos 4.23 e 4.24: Resíduos do modelo para o Banco Comercial, indicador Percentual do
Contas Mantidas, ajustados por Modelos Lineares.

Gráfico do indicador versus o tempo

 92

4.4 O IQS e o Resultado Financeiro do Banco

Em busca de uma provável relação causal entre o IQS e o resultado financeiro

do banco, realizou-se um ajuste de modelo de regressão linear ao conjunto de dados

composto pelo IQS em médias semestrais e os resultados financeiros divulgados

semestralmente pelo banco. A tabela exibida a seguir apresenta estes dados.

RETORNO
PATRIMÔNIO LUCRO SOBRE O
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO
( lucro /
em milhões de R$ patrimônio - lucro)
1995 2o. Sem 1.967,8 88,5 4,7
1996 1o. Sem 2.047,7 126,9 6,6
1996 2o. Sem 2.153,7 158,2 7,9
1997 1o. Trim 2.229,6 # 151,6* 7,3
1997 1o. Sem 2.465,5 176,9 7,7
1997 3o. Trim 2.575,8 # 220,2* 9,3
1997 2o. Sem 2.629,9 253,9 10,7
1998 1o. Sem 2.793,0 246,4 9,7
1998 2o. Sem 2.906,3 207,8 7,7

FONTE: Balanços publicados pelo Banco em seu site na Internet

* O resultado dos períodos assinalados estão na base semestral

Tabela 4.19 : O IQS e os resultados financeiros do banco.

A estes dados foram ajustados modelos de regressão linear com a seguinte

característica: Considerou-se quatro modelos, cada um com uma defasagem de tempo

do IQS em relação aos resultados financeiros: O primeiro considera uma defasagem

zero; isto é, o IQS foi tomado no mesmo período de tempo que os resultados

financeiros. O segundo considera uma defasagem de 6 meses; isto é, o IQS foi tomado

com antecedência de 6 meses. O terceiro foi tomado com defasagem de 12 meses para o

IQS e o quarto foi considerado com 18 meses de defasagem. A premissa destes ajustes é
 93

a de que o desempenho em qualidade atual influencia o resultado financeiro no futuro.

As tabelas exibidas a seguir ilustram os modelos de defasagem no tempo. O

modelo de regressão ajustado aos quatro conjuntos estabelece como variável dependente

o resultado financeiro e como variável independente, o IQS. Em seguida está exibida a

tabela que sumarisa os diversos modelos.

Regressão em T = 0
RETORNO ÍNDICE DA
PATRIMÔNIO LUCRO SOBRE O QUALIDADE
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO DOS SERVIÇOS
em milhões de R$ (lucro / patrim.-lucro) ( média do período)
1995 2o. Sem 1.967,8 88,5 4,7 75,6
1996 1o. Sem 2.047,7 126,9 6,6 76,8
1996 2o. Sem 2.153,7 158,2 7,9 77,6
1997 1o. Trim 2.229,6 # 151,6 7,3 78,6
1997 1o. Sem 2.465,5 176,9 7,7 79,7
1997 3o. Trim 2.575,8 # 220,2 9,3 81,7
1997 2o. Sem 2.629,9 253,9 10,7
1998 1o. Sem 2.793,0 246,4 9,7
1998 2o. Sem 2.906,3 207,8 7,7

FONTE: Balanços publicados pelo Banco em seu site na Internet

* O resultado dos períodos assinalados estão na base semestral

Tabela 4.20: Regressão Linear em T=0.

 94

Regressão em T + 6 meses
RETORNO ÍNDICE DA
PATRIMÔNIO LUCRO SOBRE O QUALIDADE
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO DOS SERVIÇOS
em milhões de R$ (lucro / patrim.-lucro) ( média do período)
1995 2o. Sem 1.967,8 88,5 4,5 75,6
1996 1o. Sem 2.047,7 126,9 6,2 76,8
1996 2o. Sem 2.153,7 158,2 7,3 77,6
1997 1o. Trim 2.229,6 # 151,6* 6,8 78,6
1997 1o. Sem 2.465,5 176,9 7,2 79,7
1997 3o. Trim 2.575,8 # 220,2* 8,5 81,7
1997 2o. Sem 2.629,9 253,9 9,7
1998 1o. Sem 2.793,0 246,4 8,8
1998 2o. Sem 2.906,3 207,8 7,1

FONTE: Balanços publicados pelo Banco em seu site na Internet

* O resultado dos períodos assinalados estão na base semestral

Tabela 4.21: Regressão Linear em T+6 meses.

Regressão em T + 12 meses
RETORNO ÍNDICE DA
PATRIMÔNIO LUCRO SOBRE O QUALIDADE
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO DOS SERVIÇOS
em milhões de R$ (lucro / patrim.-lucro) ( média do período)
1995 2o. Sem 1.967,8 88,5 4,5 75,6
1996 1o. Sem 2.047,7 126,9 6,2 76,8
1996 2o. Sem 2.153,7 158,2 7,3 77,6
1997 1o. Trim 2.229,6 # 151,6* 6,8 78,6
1997 1o. Sem 2.465,5 176,9 7,2 79,7
1997 3o. Trim 2.575,8 # 220,2* 8,5 81,7
1997 2o. Sem 2.629,9 253,9 9,7
1998 1o. Sem 2.793,0 246,4 8,8
1998 2o. Sem 2.906,3 207,8 7,1

FONTE: Balanços publicados pelo Banco em seu site na Internet

* O resultado dos períodos assinalados estão na base semestral

Tabela 4.22: Regressão Linear em T+12 meses.

 95

Para não repetir argumentos, a tabela para o modelo T+18 meses foi suprimida;

contudo a tabela de sumário apresenta seus resultados. A seguir estão exibidos a tabela

de resultados dos ajustes e o gráfico dos quatro modelos.

Resumo Informativo

Regression Statistics T=0 T+6 T+12 T+18

Multiple R 90% 94% 78% 23%

R Square 82% 88% 60% 5%
Adjusted R Square 77% 85% 50% -18%
Standard Error 0,74 0,58 0,93 1,48
Significance F 0,014 0,006 0,069 0,657
Intercept 0,023 0,010 0,133 0,917
X Variable 1 0,014 0,006 0,069 0,657
Observations 6 6 6 6

Tabela 4.23: Tabela de resultados dos modelos de Regressão Linear, comparativos entre os
ajustes para T=0, T+6 meses, T+12 meses e T+18 meses.

Regressâo Linear
Índice Geral x R.S.P.L.
12,0
R.S.P.L. ( % )

10,0

8,0

6,0

4,0
75,0 76,0 77,0 78,0 79,0 80,0 81,0 82,0

Índice Geral

T=0 T+ 6 T+12 T+18

Gráfico 4.25: Representação dos modelos de regressão ajustados.

 96

5. Conclusão

Neste capítulo final serão apresentadas as conclusões acerca dos estudos

desenvolvidos sobre os dados apresentados no capítulo 2, utilizando-se a metodologia

discutida no capítulo 3 e exibidos no capítulo 4. A apresentação das conclusões está

dividida em seções que representam os métodos utilizados na análise, além da

segmentação hierárquica da organização estudada, visando facilitar a compreensão dos

resultados do Índice da Qualidade dos Serviços – IQS e de seus indicadores. Em

seguida são apresentadas as conclusões para os indicadores selecionados para estudo,

abordados somente no âmbito da metodologia tradicional. Por fim, as conclusões da

análise do IQS em relação ao Retorno Sobre o Patrimônio Líquido – RSPL – são

apresentadas, encerrando o relatório.

5.1 Método Tradicional, sem novos Setores Comerciais.

Os Setores Comerciais, considerados sem os novos setores, tendo como variável

dependente o IQS, são estatisticamente significantes, a um nível mínimo de 5 %, tanto

no âmbito do tratamento (os próprios setores comerciais), como no âmbito dos blocos

(que representam o tempo). Portanto, significa que o desempenho do IQS é diferente

entre os Setores Comerciais e também é diferente em relação ao tempo. Para os Setores

Comerciais, o maior desempenho é para o setor 63, com média 82,0 pontos. O setor de

menor desempenho é o 53 com média de 74,8 pontos. Assim pode-se inferir que o setor

63 tem melhor qualidade que o setor 53. Em relação aos blocos (tempo) o desempenho
 97

é diferente e crescente segundo os blocos; isto é, segundo o gráfico de médias

individuais para os blocos, exibido na página 62 o IQS apresenta médias diferentes e

crescentes com o tempo. Pode-se inferir que os Setores Comerciais melhoraram, no

geral, seu desempenho do IQS no período de tempo considerado. O coeficiente de

correlação de Pearson para este ajuste é de 65% e os resíduos apresentam normalidade

de distribuição em torno de sua média.

Considerando-se as unidades organizacionais das Regiões, tomadas sem os

novos Setores Comerciais, conclui-se que o IQS é estatisticamente significante a um

nível mínimo de 5% tanto para as Regiões como para os blocos. A Região de maior

média no desempenho do IQS é a 6, com 80,4 pontos; já a Região com menor

desempenho do IQS é a 4, com 76,7 pontos. Assim pode-se inferir que a Região 6 tem

melhor desempenho em relação ao IQS do que a 4. Se tomarmos os blocos, também se

observa melhoria no desempenho do IQS durante o período considerado, com a média

do primeiro período de 76,1 pontos, do segundo 77,7 pontos e do terceiro 80,4 pontos.

O coeficiente de correlação de Pearson para o ajuste por Região é de 74% e os gráficos

dos resíduos apresentam normalidade.

O Banco Comercial tem desempenho em relação ao IQS significante

estatisticamente a um nível de pelo menos 5%. No âmbito deste segmento

organizacional a variável independente é o bloco, que representa o tempo. Portanto

conclui-se que o desempenho do IQS, para o Banco Comercial, é diferente e crescente

em relação ao tempo, com médias de 75,9 pontos para o primeiro período, de 77,4

pontos para o segundo período e de 80,3 pontos para o terceiro período. Os resíduos

para este ajuste apresentam normalidade de distribuição.

5.2 Modelagem Alternativa, sem os novos Setores Comerciais.

 98

Os Setores Comerciais, abordados pela modelagem alternativa, sem considerar

os novos Setores e tomando-se um nível de significância mínimo de 5%, são diferentes

no desempenho do IQS, tanto no âmbito dos próprios Setores, com no âmbito do tempo.

O coeficiente de correlação de Pearson para este ajuste é de 75%. Relembrando que

para esta metodologia de análise não há estimação de parâmetros, portanto não há

médias nem tampouco resíduos.

As Regiões, analisadas sem os novos Setores Comerciais, considerando-se o

nível de significância mínimo de 5% são diferentes no desempenho do IQS, tanto no

âmbito das Regiões como no âmbito dos blocos ou do tempo. O coeficiente de

correlação de Pearson para esta caso é de 83%.

Para o Banco Comercial, sem os novos Setores, considerando-se o nível de

significância de 5% tem-se que o desempenho do IQS é diferente em relação ao tempo e

o coeficiente de correlação de Pearson para este caso é de 79%.

5.3 Modelagem Alternativa, com os novos Setores Comerciais.

Incluindo-se os novos Setores Comerciais na análise, tomando-se o segmento

organizacional dos próprios Setores Comercias, um nível de significância mínimo de

5%; então resulta que o desempenho do IQS é estatisticamente diferente, tanto em

relação aos Setores com em relação aos blocos ( tempo ). O coeficiente de correlação de

Pearson é de 84 %.

No âmbito das Regiões, com os novos setores comerciais, nível de significância

mínimo de 5% o desempenho do IQS é diferente tanto para as Regiões como para os

 99

blocos. O coeficiente de correlação de Pearson é de 3%.

O Banco Comercial, considerado com os novos setores comerciais e o nível de

significância de pelo menos 5%, apresenta desempenho diferente do IQS em relação aos

blocos, que representam o tempo. Para este modelo o coeficiente de correlação de

Pearson é de 79 %.

5.4 Indicador Pesquisa do Atendimento Telefônico.

Para este indicador, analisado sob o enfoque da metodologia tradicional em

estatística, adotando-se como nível de significância mínimo de 5% e tomando-se o

segmento organizacional do Setores Comerciais, pode-se concluir que há diferentes

desempenhos, tanto para as Setores com para os blocos. Entre os Setores Comerciais, o

de maior média de desempenho neste indicador é o Setor 63, com 73,7 pontos; o de

menor desempenho para o indicador é o Setor 21, com 65,9 pontos. Pode-se inferir que

o Setor 63 tem melhor desempenho que o Setor 21 em relação ao indicador em estudo.

Os resíduos apresentam normalidade o e coeficiente de correlação de Pearson é de 56%.

Tomando-se o segmento organizacional das Regiões, o nível de significância de

5%, o indicador revela-se não significativo para as Regiões e significativo para os

blocos (tempo). Portanto conclui-se que não diferença de desempenho para este

indicador, no âmbito organizacional das Regiões, as médias são estatisticamente iguais.

Porém, no âmbito dos blocos, há diferença entre as médias dos períodos. O coeficiente

de correlação de Pearson é de 62% e os resíduos aparentam normalidade.

Para o Banco Comercial o indicador é significante a um nível mínimo de 5%, o

que indica que as médias dos períodos de tempo considerados – os blocos – são

diferentes entre si. Para o primeiro período tem-se a média de 75,3 pontos; para o
 100

segundo período tem-se a média de 63,7 pontos e para o último período tem-se a média

de 72,6 pontos. Note-se que para este indicador o desempenho piorou do primeiro para

o segundo período e recuperou-se do segundo para o terceiro, sem contudo recuperar o

nível de desempenho do primeiro. Embora tenha apresentado degradação de qualidade,

este indicador não representa participação significativa no IQS para impor sua tendência

decrescente ao índice.

5.5 Indicador Percentual de Dados Cadastrais Corretos.

Para este indicador os Setores Comerciais são significativos com um nível

mínimo de 5%, tanto para os próprios Setores como para os blocos. Assim, as médias

para o indicador são: A maior, de 77,1 pontos para o Setor Comercial 34 e a menor, de

57,6 pontos para o Setor Comercial 53. O coeficiente de correlação de Pearson é de

72% e os resíduos aparentam normalidade.

No âmbito das Regiões o indicador é significante estatisticamente a um nível

mínimo de 5% para Regiões e blocos. A região com maior média é a 6 com 75,3 pontos

e a menor média fica com a Região 5, que tem 65,7 pontos. Os blocos também

apresentam médias diferentes, 65,6 para o primeiro, 76,2 para o segundo e 74,6 para o

terceiro. O coeficiente de correlação de Pearson é de 77 %. Este indicador apresenta

ligeira descontinuidade nos resíduos, que pode ser atribuido à Região 5, que abrange a

capital federal, Brasília; nesta cidade o sistema de endereçamento e zoneamento urbano

é singular, causando alto índice de erros em dados cadastrais de clientes.

O segmento do Banco Comercial, considerado com um nível de significância

 101

mínimo de 5%, é estatisticamente diferente; o que indica que as médias do

indicador, segmentado pelos blocos são diferentes entre si. O coeficiente de correlação

de Pearson é de 79 % e os resíduos são normais para o segmento.

5.6 Indicador Percentual de Contas Mantidas

Os Setores Comerciais, com nível de significância de pelo menos 5%, são

diferentes no desempenho médio tanto para os Setores como para os blocos. O

desempenho do indicador foi, no período considerado, de 82,3 pontos para o Setor 42 e

de 93,2 pontos para o Setor 63, valores mínimo e máximo respectivamente. O

coeficiente de correlação de Pearson é de 62% e os resíduos aparentam normalidade.

No âmbito organizacional das Regiões, o indicador é significante, a um nível de

5%, tanto para as Regiões como para os blocos. A Região de melhor desempenho é a 6,

com 92,7 pontos e a de pior desempenho foi a 4 com 85,7 pontos. Estas médias são

estatisticamente diferentes entre si. Os blocos apresentam também diferença

significativa, de 88,9 para o primeiro período, 91,5 para o segundo período e de 93,0

para o terceiro período. Resíduos normais e coeficiente de correlação de Pearson de 82

%.

Para o Banco Comercial, o indicador é significante, a pelo menos 5% em relação

aos blocos. Isto é: As médias do indicador nos períodos considerados são diferentes

entre si. O coeficiente de correlação de Pearson é de 85% e os resíduos aparentam

normalidade.
 102

5.7 O IQS e o desempenho financeiro

Os ajustes por regressão linear entre o IQS e o RSPL estão sumarisados na

tabela 4.21. Há que se considerar o tamanho das amostras, de 6 observações, como um

limitante às análises, pois com este número de observações as conclusões não devem ser

categóricas e nem tampouco definitivas. Contudo, comparando-se os coeficientes de

correlação de Pearson, na tabela denotado por Adjusted R Square (R2), nota-se que o

melhor ajuste é para o modelo T+ 6, com 85%, para o modelo T+12 é de 50%, para o

modelo T+18, não tem resultado válido e para T=0 é de 77%.

Outros resultados apontados na tabela direcionam para esta conclusão: O nível

de significância do ajuste T+6 é menor dentre os modelos, de 0,6%. Note-se que para

os modelos T+12 e T+18 os níveis de significância são de 6,9 % e 65,7 %

respectivamente, levando à rejeição da hipótese de que os modelos sejam adequados à

explicação da relação. O erro padrão da média também é o menor para o modelo T+6.

Assim a conclusão é de que o melhor ajuste é para o modelo T+6.

5.8 Considerações Finais.

Segundo a modelagem estatística tradicional, e considerando-se os três

segmentos organizacionais em que o banco foi dividido, pode-se concluir que o IQS

muda com o tempo, com desempenhos médios crescentes e também diferentes entre os

segmentos organizacionais considerados, indicando que há diferentes abordagens, em

relação ao IQS, nas práticas gerenciais dos executivos responsáveis pelas unidades
 103

organizacionais mencionadas.

A descontinuidade do conjunto de dados levou a adoção de uma metodologia

alternativa de análise de dados categóricos, onde a ausência de observações não

invalidam a modelagem tradicional. Esta metodologia foi aplicada aos dados

considerados tanto sem os dados incompletos como com estes dados, a fim de validar a

própria metodologia de análise. Os resultados são satisfatórios, demonstrando que a

metodologia alternativa é robusta. As conclusões da aplicação desta metodologia

alternativa apontam para resultados semelhantes aos obtidos pela análise tradicional,

onde o IQS é significativamente diferente no âmbito dos segmentos organizacionais, os

Setores Comerciais, as Regiões e o Banco Comercial. Também é significativamente

diferente no âmbito dos blocos, que representam o tempo.

Os indicadores selecionados para estudo em separado resultaram significantes no

âmbito dos segmentos organizacionais, Setores Comerciais, Regiões e Banco

Comercial; com uma exceção: O indicador Pesquisa do Atendimento Telefônico

revelou-se não significativo para as Regiões. Todos os indicadores analisados são

significativos em relação aos blocos.

A identificação de uma possível correlação entre o IQS e o RSPL pode indicar

que o IQS influencia o resultado financeiro da organização; além disso, esta influência

tem certa defasagem de tempo. As regressões apontam para uma defasagem de 6 meses;

em outras palavras, o desempenho do IQS influencia o RSPL do banco 6 meses à frente,

podendo ser um indicativo de que desempenho em qualidade e lucratividade são

positivamente correlacionados.
 104

ANEXO Nº 1

5.3 O IQS e o Resultado Financeiro

A conclusão desta comparação, do IQS com o RSPL em defasagens temporais

está resumido na tabela abaixo:

 105

O estudo desta tabela indica que a estatística de regressão R2 tem bom ajuste

para todos os modelos, porém é maior para o ajuste em T+6. O erro padrão do

estimados é aceitável para o ajuste em T+6 e é muito grande para os ajustes em T=0 e

T+12. O valor do F calculado ( que avalia a probabilidade do modelo sugerido ser

verdadeiro, portanto, quanto maior melhor ) é maior para o ajuste em T+6, muito

pequeno para o ajuste T+12 ( isto quer dizer que não há ajuste neste modelo ) e no

limite de aceitação para o ajuste em T=0.

Em resumo pode-se dizer : O ajuste para T=0 é aceitável, porém seu R2 de 81 %

é menor que o do ajuste T+6. O ajuste para T+12 é inaceitável. Logo, o melhor ajuste é

para o modelo T+6. Isto significa que existe grande possibilidade de que haja uma

relação entre o IQS e o RSPL, relação esta melhor observável com uma defasagem de 6

meses. A seguir está apresentado um gráfico de linha para os 3 modelos ajustados.

RETORNO
PATRIMÔNIO LUCRO SOBRE O
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO
( lucro /
em milhões de R$ patrimônio - lucro)
1995 2o. Sem 1.967,8 88,5 4,7
1996 1o. Sem 2.047,7 126,9 6,6
1996 2o. Sem 2.153,7 158,2 7,9
1997 1o. Trim 2.229,6 # 151,6* 7,3
1997 1o. Sem 2.465,5 176,9 7,7
1997 3o. Trim 2.575,8 # 220,2* 9,3
1997 2o. Sem 2.629,9 253,9 10,7
1998 1o. Sem 2.793,0 246,4 9,7
1998 2o. Sem 2.906,3 207,8 7,7

FONTE: Balanços publicados pelo Banco em seu site na Internet

* O resultado dos períodos assinalados estão na base semestral

Î J J

1. JYH

EÊy
 106



 yJ 