A análise dos dados está dividida conforme os objetivos específicos apresentados no início dessa dissertação. A primeira etapa corresponde à descrição dos perfis dos respondentes e das organizações, blocos de variáveis 1.A e 1.B respectivamente, conforme descrito anteriormente. Nesses blocos, foi utilizada a análise de correlação entre as variáveis dos blocos 1.A e 1.B com o bloco 2, onde o objetivo é encontrar possíveis relações entre os perfis dos respondentes e das organizações, com o perfil da TI utilizado pelas empresas participantes deste estudo. Foram utilizadas também análises descritivas e exploratórias de dados para apresentar o comportamento individual ou cruzado das variáveis, bem como testes de hipótese para a comparação entre freqüências esperadas e observadas (teste Qui-quadrado). O nível de significância adotado foi de 5%.
A segunda etapa corresponde ao perfil da TI utilizada pelas empresas estudadas, bloco 2 de variáveis conforme descrito anteriormente. Nesta etapa são feitas análises descritivas e exploratórias de dados, além de análises multivariadas entre as variáveis estudadas, bem como teste de hipóteses para a comparação entre as freqüências esperadas e observadas (teste Qui- quadrado).
A terceira etapa corresponde à identificação dos fatores inibidores da TI (Blocos 3 e 4). Testes qui-quadrados foram empregados para as freqüências observadas e esperadas nas tabelas de distribuição de freqüência, além de cálculos das médias encontradas para cada fator, observando-se quais os que se destacam como inibidores ou pouco inibidores. A análise de correlação entre as variáveis dos blocos 3 e 4 será foi utilizada, com a construção de uma matriz de correlação e do gráfico scatterplot para visualizarmos as possíveis relações entre as variáveis.
A quarta etapa corresponde à identificação de possíveis relações entre os fatores inibidores de TI (blocos 3 e 4) e os demais perfis analisados (blocos 1.A, 1.B e 2), ou seja, busca-se identificar e quantificar a existência de relações entre o perfil dos gestores, perfil das organizações e o perfil de TI observados nas empresas, com a percepção dos fatores inibidores para a adoção de TI.
A figura 8 mostra o modelo da pesquisa que investiga as possíveis relações existentes entre os perfis encontrados e os fatores inibidores da adoção da TI.
41
Figura 8: Modelo de relação entre variáveis
A análise das relações descritas na figura 8 será realizada através do uso de análise descritiva dos dados, análise exploratória, análise de correlação canônica, análise de correspondência simples e múltipla, que serão os elementos de avaliação do relacionamento conjunto entre as variáveis. Conseqüentemente, o quanto da percepção de fatores inibidores pode ser explicada pelas variáveis dos perfis do respondente, organização e da TI encontrada nas empresas, bem como a forma como ocorrem estas relações.
A técnica de análise de correlação canônica parte do princípio da possibilidade de obtenção de duas variáveis estatísticas canônicas que representam as combinações lineares ótimas para as variáveis dependentes e independentes originais, de tal forma que a correlação entre estas duas combinações lineares sejam as maiores possíveis; e a correlação canônica é a quantificação da força da relação entre estas duas combinações lineares (HAIR JR. et al, 2005). Em outras palavras, a correlação canônica inicia-se pela construção de duas composições lineares, uma formada pelas variáveis dependentes e outra composição pelas variáveis independentes. Estas combinações são construídas de tal forma a otimizarem a correlação entre estas duas composições lineares (variáveis canônicas). Esta correlação é conhecida como Correlação Canônica (Rc) e tem as mesmas interpretações da correlação
linear.
Outros termos importantes deste tipo de análise são os Índices de Redundância e as
Cargas Canônicas. O índice de Stewart-Love de redundância calcula a quantidade de
variância em um conjunto de variáveis que pode ser explicada pela variância no outro
Perfil dos gestores Perfil organizacional Perfil de adoção da TI Fatores socioculturais Fatores técnico- financeiros Variáveis dependentes Variáveis independentes 1b 1a 2 4 3 Perfil dos gestores Perfil organizacional Perfil de adoção da TI Fatores socioculturais Fatores técnico- financeiros Variáveis dependentes Variáveis independentes 1b 1a 2 4 3
42
conjunto. Esse índice serve como uma medida de variância explicada, semelhante ao cálculo do R2 usado em regressão múltipla, podendo variar de 0 a 100%. Para esta técnica, este índice mede a quantidade de variância em uma variável estatística canônica (composição linear entre as variáveis originais) explicada pela outra variável estatística canônica, podendo ser computada tanto para as variáveis canônicas dependentes como as independentes.
As cargas canônicas são medidas da correlação linear simples entre as variáveis dependentes ou independentes originais e suas respectivas variáveis estatísticas canônicas, também conhecidas como correlações de estrutura canônica, reflete a variância que a variável observada original compartilha com a variável estatística canônica e pode ser interpretada como uma carga fatorial na avaliação da contribuição relativa de cada variável a sua respectiva variável canônica (HAIR JR. et al, 2005).
Quanto maiores as cargas canônicas, maior a contribuição da variável para a sua respectiva composição linear, onde o seu sinal corresponde ao tipo de correlação, se positivo a correlação segue um relacionamento diretamente proporcional e sinais negativos, inversamente proporcionais. Uma norma prática frequentemente utilizada como meio de fazer um exame sobre a significância das cargas canônicas é considerar que cargas canônicas maiores que ±0,30 atingem um nível mínimo; cargas de ±0,40 são consideradas mais importantes; e se as cargas são de ±0,50 ou maiores, elas são consideradas como significância prática. Estes valores podem ser menores caso haja um grande número de variáveis envolvidas na correlação canônica ((HAIR JR. et al, 2005), p.107-108).
43