Det økonomiske tapet ved ekspropriasjonen

Os indivíduos foram classificados utilizando a Análise de Agrupamentos no software SPSS. A Análise de Agrupamentos é uma técnica analítica para desenvolver subgrupos significativos de indivíduos ou objetos. O objetivo é classificar uma amostra de indivíduos em um número menor de grupos mutuamente excludentes, com base nas similaridades entre eles, maximizando a homogeneidade dentro dos grupos, ao mesmo tempo em que se maximiza a heterogeneidade entre os grupos (HAIR et al, 2009).

Ela difere da análise fatorial, pois a primeira agrega objetos enquanto a segunda agrega variáveis. Além disso, a análise fatorial faz os agrupamentos com base nos padrões de variação ou correlação nos dados, enquanto a análise de agrupamentos faz agregados de forma a minimizar a variância dentro dos grupos e maximizar a variância entre grupos.

Segundo Hair et al (2009), como a análise de agrupamentos é uma técnica descritiva e pode apresentar soluções variadas, é interessante utilizar a fundamentação conceitual estabelecida. Nesse caso foram utilizados como base os perfis conceituais de carreira definidos por Briscoe e Hall (2006). Apesar de ser vista como uma técnica exploratória, a análise de agrupamentos pode ser usada para fins confirmatórios. Em tais casos, uma tipologia proposta (classificação com base teórica) pode ser comparada com aquela obtida pela análise de agrupamentos.

A seleção da solução final exige muito do julgamento do pesquisador e também da base conceitual. Nesse caso, a partir de 4 dimensões é possível descrever 16 perfis de carreira com base nas combinações da alta ou baixa presença das atitudes descritas em cada dimensão. Esse foi o número máximo de agrupamentos analisado, apesar de a teoria descrever 8 perfis mais prováveis.

Os agrupamentos podem ser realizados por técnicas hierárquicas e não hierárquicas. Nos métodos hierárquicos, tais como o Ward, a seleção de qual par de agrupamentos serão combinados é baseada na combinação de agregados que minimiza a soma interna de quadrados no conjunto completo de agrupamentos separados ou disjuntos. Em cada passo, os dois agrupamentos combinados são aqueles que minimizam o aumento da soma total de quadrados em todas as variáveis em todos os agrupamentos.

Os métodos não hierárquicos, tais como o K-means, não envolvem o processo de construção em árvores, em vez disso, designam objetos a agrupamentos assim que o número de agregados a serem formados tenha sido especificado. Nesse método, a primeira tarefa é especificar as sementes de agrupamento ou pontos de partida para cada agregado. A segunda tarefa é designar cada observação a uma semente de agrupamento com base na similaridade. O quadro 21 descreve as vantagens e desvantagens dos dois métodos.

Quadro 21 - Vantagens e desvantagens dos métodos de agrupamento hierárquico e não hierárquico

Hierárquico Não hierárquico

Vantagens Desvantagens Vantagens Desvantagens

Mais populares e mais facilmente disponíveis Combinações iniciais indesejáveis podem persistir

Resultados menos suscetíveis a observações atípicas nos dados, à medida de distância usada e à inclusão de variáveis

irrelevantes ou inadequadas

Depende da habilidade do pesquisador para selecionar os pontos sementes de acordo com alguma base prática, objetiva ou

teórica Simplicidade e

rapidez observações atípicas Problemas com Podem examinar conjuntos grandes de dados mudanças de sementes gerando Soluções diferem com uma maior dificuldade para selecionar a melhor resposta Não tratáveis para

analisar amostras muito grandes Tendem a distribuir os respondentes em grupos de tamanhos semelhantes

Fonte: adaptado de HAIR et al, 2009, p. 453-454

A análise de agrupamentos é uma técnica descritiva sem propriedades inferenciais. É comum que métodos diferentes gerem resultados distintos, ficando a critério do pesquisador a escolha da melhor opção. A comparação com a teoria ou alguma tipologia pré-concebida é fundamental para análise da qualidade do agrupamento (HAIR et al, 2009).

A especificação de pontos sementes de agrupamento pode ser feita ao acaso ou especificada pelo pesquisador. A abordagem via pesquisador é geralmente a opção preferida por considerar a base conceitual ou empírica para as sementes (HAIR et al, 2009, p. 471).

Como o objetivo do estudo é analisar os perfis de carreira predominantes, optou-se pela técnica não hierárquica, já que as técnicas hierárquicas tendem a distribuir os respondentes em grupos de tamanhos iguais. Além disso, as divisões dos grupos deveriam respeitar as combinações de altas e baixas atitudes de carreira dentro das quatro dimensões. Essa divisão

em grupos com essas características só poderiam ser obtidas com a definição de sementes para separação dos grupos. As técnicas não hierárquicas também são mais adequadas para amostras grandes como a amostra utilizada nesse estudo.

As sementes foram definidas com base nas combinações dos 16 perfis de carreira possíveis e nos 8 perfis descritos como mais comuns pela teoria. Briscoe e Hall (2006) especificam os perfis em termos teóricos e a definição de alto ou baixo, em termos quantitativos, não é clara. Nesse estudo, foram utilizados valores absolutos para as sementes, sendo considerado -0,5 o ponto semente indicativo de baixa atitude no fator e +0,5 o ponto semente indicativo de alta atitude no fator.

Com base nos centroides resultantes da análise de agrupamento, foram classificados como alta atitude no fator os centroides acima de zero, e como baixa atitude no fator os centroides abaixo de zero. Centroides com valores próximos a zero tiveram sua significância avaliada pelo método Mann-Whitney.

Os agrupamentos foram gerados pelo método não hierárquico K-means no software SPSS.

4.8.3 Influência das características demográficas e profissionais dos indivíduos em suas