Devido à importância dos aspectos metodológicos nas pesquisas acadêmicas, este tópico versará sobre os detalhes dos procedimentos das análises estatísticas aos quais os dados foram submetidos. A abordagem utilizada para a análise dos dados compreende nas fases de análise exploratória preliminar, análise univariada, bivariada e multivariada dos dados.
3.3.1 Análise Exploratória Preliminar
Para a etapa da análise exploratória preliminar, deve-se efetuar uma séria de procedimentos de verificações das propriedades fundamentais dos dados, visando prepará-los de modo adequado às análises estatísticas a que serão submetidos. Entre os procedimentos fundamentais nessa etapa, destacam-se as análises de missing values, de outliers e a análise da normalidade (COSTA, 2012).
A análise inicial de missing values é efetuada para identificar não-respostas do questionário, ou seja, trata-se dos dados perdidos durante o processo de coleta e disposição dos dados na planilha. Podem existir por falhas na digitação dos dados, como também o respondente pode ter deixado de responder involuntariamente (passando despercebido por algum item), ou então não quis responder à questão. Na fase de avaliação da planilha, é
necessário detectar esses dados perdidos para compreender as razões que os originaram, de forma a capacitar o pesquisador a decidir sobre o que fazer de modo apropriado com a questão (CASALI, 2011). Os resultados dessa fase estão detalhados no capítulo 4.
Já a análise dos outliers consiste nas observações atípicas que podem existir numa distribuição de frequência e classificam-se como severos ou moderados consoante o seu afastamento em relação às outras observações seja mais ou menos pronunciado (PESTANA; GAGEIRO, 2003). A priori, elas exigem uma verificação de seu tipo de influência para uma posterior decisão quanto à sua permanência ou exclusão, caso se mostre muito inconsistente com a amostra. Também a descrição dessa fase está detalhada no capítulo 4.
Por fim, a análise da normalidade das variáveis consiste na verificação dos valores de assimetria e curtose para avaliar se os valores das variáveis observadas aproximam de uma distribuição normal, ou seja, se encontram no intervalo entre -1 e +1, pré-requisito para aplicação das demais técnicas estatísticas selecionadas no estudo (CASALI, 2011). Posteriormente, serão apresentadas as análises dos dados das duas amostras coletadas.
3.3.2 Análise Univariada e Bivariada
Depois na etapa exploratória dos dados, a fase seguinte refere-se à análise univariada dos dados, empregada a fim de verificar cada uma das variáveis isoladamente e de forma descritiva. No presente estudo, foi usada principalmente para descrever a amostra, com as frequências das respostas para as questões demográficas e sócio-econômicas dos indivíduos estudados, além dos dados referentes à descrição dos tipos de consumo. Nessa etapa, os tipos de consumo foram categorizados de acordo com a demanda apresentada pelos entrevistados. A categorização e descrição dos tipos de consumo são apresentadas no capítulo 4 desse estudo.
Dessa forma, são analisadas as médias e os desvios-padrão das variáveis dos construtos estudados, além da assimetria e curtose a fim de verificar adicionalmente a condição de normalidade das variáveis.
Já a análise bivariada das variáveis se dá principalmente pela análise de correlação, com a verificação do Coeficiente de Pearson R, que é uma medida de associação linear entre variáveis quantitativas e varia entre -1 e +1. Quanto mais próximo estiver dos valores extremos tanto maior é a associação linear (PESTANA; GAGEIRO, 2003), e o sinal reflete se a associação é positiva ou negativa. Por sua vez, uma correlação igual a zero indica total ausência de qualquer associação linear.
3.3.3 Análise Multivariada
Segundo Hair et al. (2009), a análise multivariada refere-se a todas as técnicas estatísticas que simultaneamente analisam múltiplas medidas em indivíduos ou objetos oriundos da pesquisa. Dessa forma, qualquer análise que avalie simultaneamente conjuntos de mais de duas variáveis são consideradas uma análise multivariada de dados (COSTA, 2012). Os métodos utilizados nesse tipo de análise, embora mais complexos do que aqueles utilizados nas análises uni e bivariada, em parte, são adaptações dessas análises em situações envolvendo mais de duas variáveis. O presente estudo empregou métodos de análise multivariada para análise fatorial, análise de confiabilidade e o teste t de comparação de médias, descritos a seguir e seus procedimentos são detalhados no capítulo 4.
A primeira etapa dessa fase refere-se à análise fatorial exploratória dos dados. A utilização da análise fatorial no estudo na etapa exploratória é necessária para estimar os fatores comuns e as relações estruturais que ligam os fatores às variáveis propostas por Van Boven e Gilovich (2003) e Richins e Dawson (1992), com o objetivo de validar o instrumento de pesquisa referente ao bem-estar subjetivo nos consumos experiencial e material e ao materialismo, respectivamente. O objetivo primordial do uso da análise fatorial compreende o sentido de atribuir cargas (quantificação) aos construtos propostos, visto que, se duas variáveis estão correlacionadas, essa associação resulta da partilha de uma característica comum não diretamente observável (MAROCO, 2003). Visando à redução dos dados obtidos para formar dimensões representativas dos níveis propostos, deverão ser avaliadas algumas medidas e testes para verificar se o modelo fatorial é adequado. Dessa forma, espera-se que todas as variáveis estejam altamente correlacionadas dentro do mesmo fator proposto, sendo as cargas fatoriais necessárias para significância prática valores maiores que 0,50 (HAIR et
al., 2009).
Uma das modalidades de análise fatorial é a exploratória (AFE), que não exige do pesquisador um conhecimento prévio das relações existentes, e a estrutura resultante da análise fatorial é que oferecerá todo o suporte para o entendimento do pesquisador. Ou seja, após garantir que uma escala está de acordo com sua definição conceitual, é unidimensional e atende aos níveis necessários de confiabilidade, deverá ser efetuada a validação da escala. Essa validade é obtida através do grau em que uma escala ou um conjunto de medidas representa com precisão o conceito de interesse, e isso é obtido através da carga de confiabilidade, representado pelo Alpha de Cronbach, que é um modelo de consistência interna baseada na correlação de itens. O pressuposto dessa medida é que, como os itens
devem medir o mesmo construto, devem possuir uma alta correlação entre si, assumindo valores de 0 a 1, e quanto mais próximo for seu valor de 1, maior consistência interna das dimensões do construto. O Alpha de Cronbach deve exceder uma referência de 0,70, apesar do índice de 0,60 ser utilizado e aceitável em pesquisas exploratórias (HAIR et al., 2009). Para tanto, também testou-se a consistência interna das respostas referentes à mensuração dos níveis de BES nos consumos experiencial e material e de materialismo, calculadas por meio do Alpha de Cronbach. De maneira geral, a análise de confiabilidade tem o propósito de verificar se os itens coletados nas escalas são adequados, ou seja, confiáveis para o desenvolvimento da pesquisa.
Faz-se importante observar na análise fatorial alguns indicadores que estão diretamente associados ao poder de explicação da estrutura fatorial emergente. O primeiro indicador refere-se à comunalidade, que diz respeito ao percentual da variável que contribui para a correlação com as demais variáveis, ou seja, que é comum às outras variáveis. Já o indicador das cargas fatoriais são as correlações entre os fatores e as variáveis e são utilizados para interpretar os fatores. Por fim, a variância extraída consiste numa medida sumária de quanto da variação total do conjunto de variáveis é capturada pelo fator. Aliada a outros critérios, ajudam a determinar o número de fatores e quão bem eles representam as variáveis originais (CASALI, 2011). Portanto, na validação do modelo de mensuração, são analisadas a confiabilidade composta, a validade convergente e discriminante dos construtos em questão.
Por fim, após a análise fatorial exploratória e validação do modelo de mensuração, efetuou-se o teste (t) de hipóteses da diferença entre as duas médias de felicidade nos tipos de consumo com observações emparelhadas nos grupos de baixo e alto materialismo. Os testes de comparação de médias para dados emparelhados (amostras pareadas) permitem inferir sobre a igualdade de médias de duas amostras emparelhadas. É apropriado por analisar dois grupos diferentes de casos relativos a uma característica que tenham em comum e pela qual possam ser comparados (PESTANA; GAGEIRO, 2005). Portanto, o teste t avalia a significância estatística da diferença entre duas médias de amostras independentes. Ou seja, no grupo de baixo materialismo, é analisado se a média de felicidade no consumo experiencial é igual ou maior à média do consumo material, enquanto no grupo do alto
materialismo, é observado se a média de felicidade no consumo experiencial é igual ou