Konsekvensar for offentleg forvaltning

O tratamento dos dados foi realizado através de métodos de estatística descritiva e inferencial, por meio do programa Statistical Package for Social Science (SPSS) versão 21.0.

A base de dados de trabalho foi construída de raiz, contemplando todas as varáveis presentes no protocolo. Foi realizado, primeiramente, o tratamento de dados relativos à caraterização da amostra, em termos de variáveis sociodemográficas, clínicas e socio relacionais e de seguida procedeu-se ao tratamento dos dados referentes ao cálculo do total

da escala utilizada, bem como das suas dimensões e verificada a consistência e a sua normalidade. Posteriormente foi feita a análise de relações entre variáveis e exploração de variáveis preditoras. Seguem-se os procedimentos estatísticos adotados.

Estimou-se a consistência interna da Escala de Satisfação com o Suporte Social (Pais- Ribeiro, 1999) recorrendo à estatística Reability Analisys, calculando o Alfa de Cronbach. Este índice calcula o quão uniformemente os itens contribuem para a soma não ponderada do instrumento, com valores que variam entre 0 e 1. Este valor é conhecido como a consistência interna da escala (Cronbach, 1951). Um Alpha de Cronbach superior a 0.90 é considerado muito bom, entre 0.80 e 0.90 é considerado bom, entre 0.70 e 0.80 é classificado como razoável, entre 0.60 e 0.70 fraco e entre 0.60 e 0.50 considerado mau, sendo recomendado que os investigadores sejam cautelosos nas conclusões que retiram quando o Alpha se situa neste intervalo (Marôco & Garcia-Marques, 2006).

Primeiramente foram efetuadas as análises estatísticas descritivas, para o cálculo das medidas de tendência central (ou de localização), uma vez que estas procuram caraterizar o valor da variável em estudo que ocorre com maior frequência, resumindo os dados (Marôco & Bispo, 2005; Marôco, 2007). Assim, optou-se por determinar a média (M). Para o estudo das medidas de dispersão, ou seja, medidas que apresentam a dispersão das observações em torno das estatísticas de tendência central ou da amostra (Marôco, 2007), optou-se por utilizar o desvio padrão (DP).

Em seguida, prosseguimos para a análise inferencial que nos permite retirar conclusões sobre a população estudada tempo por base os resultados obtidos na amostra recolhida, por meio de um processo de inferência estatística (Martins, 2011).

Procedeu-se ao teste da normalidade Kolmogorov-Smirnov, sendo este utilizado para decidir se a distribuição da variável em estudo numa dada amostra resulta de uma população com uma distribuição específica (Marôco, 2007). Assim, este teste foi usado para a variável dependente satisfação com o suporte social de modo a verificar se esta variável segue uma distribuição normal na amostra. Os valores de p foram superiores a 0.05, assumindo-se a normalidade desta variável.

Recorreu-se ao uso de medidas de associação que quantificam a intensidade e a direção da associação entre duas variáveis. Assim, as medidas de associação, também denominadas por coeficientes de correlação medem somente a associação entre variáveis sem qualquer implicação de causa e efeito entre ambas (Marôco, 2007). Particularmente, para este estudo utilizou-se o Coeficiente de Correlação de Pearson que mede a intensidade/magnitude (variando entre +1 e -1) e a direção da associação (positiva ou negativa) de tipo linear entre duas (ou mais) variáveis intervalares (Marôco, 2007; Martins, 2011). Segundo Marôco (2011), no que diz respeito à intensidade, consideramos que as correlações são: fracas quando o valor de r é < 0.25; moderadas quando o valor de r se localiza entre um valor ≤ 0.25 e < 0.50; fortes quando o valor de r se localiza entre um valor ≤ 0.50 e < 0.75; e por fim, muito fortes quando o valor de r é ≥ 0.75.

Posto isto, foi feito o uso da análise de Regressão Linear Múltipla, de modo a encontrar as variáveis sociodemográficas, clínicas ou socio relacionais que predizem a satisfação com o suporte social em doentes mentais crónicos institucionalizados. Esta análise define-se por um “conjunto vasto de técnicas estatísticas usadas para modelar relações entre variáveis e predizer o valor de uma variável dependente a partir de um conjunto de variáveis independentes (ou preditoras)” (Marôco, 2007, p. 561). Portanto, a regressão linear foi usada para modelar a relação funcional entre duas variáveis (que pode ser expressa por meio de uma função matemática), independentemente de existir ou não uma relação causa-efeito.

A seleção de variáveis a incluir no modelo de Regressão Linear Múltipla foi feita no modo Stepwise e Backward. O modelo proposto permite predizer a satisfação com o suporte social (global) em função das variáveis satisfação com a comunidade e a perceção de felicidade. Analisaram-se os pressupostos do modelo nomeadamente o da distribuição normal, homogeneidade e independência dos erros. A distribuição normal dos erros foi validada com o teste de Kolmogorov-Smirnov, a homogeneidade dos erros foi validada graficamente e a independência dos erros foi validada com estatística de Durbin-Watson (d=2,403) como descrito em Marôco (2011). Utilizou-se a tolerância e o fator de inflação da variância para diagnosticar a multicolinearidade.

III. Resultados

Após a introdução dos dados recolhidos no programa IBM® _{SPSS Statistics, versão 21.0} e após os tratamentos estatísticos necessários para analisar os objetivos a que nos propusemos procedeu-se à descrição dos resultados encontrados. Para tal, foi analisado o teste de normalidade Kolmogorov-Smirnov (KS) de forma a averiguar se a variável em estudo apresenta uma distribuição normal.

De modo a apurar se a variável em estudo satisfação com o suporte social segue uma distribuição normal na amostra, foi realizado o teste de normalidade Kolmogorov-Smirnov (com a correção de Lilliefors).

Tabela 3. Teste da normalidade Kolmogorov-Smirnov para a Satisfação com o Suporte Social

Kolmogorov-Smirnov

Estatística df Sig. Satisfação com o Suporte Social .111 60 .066

Observando a Tabela 3, verificamos que na variável satisfação com o suporte social o valor de p é superior a 0.05 (p > 0.05). Este valor permite-nos aceitar a hipótese de que a distribuição desta variável é aproximadamente normal. Assim, a variável satisfação com o suporte social segue uma distribuição normal na amostra em estudo, sendo por isso adequado o recurso a testes paramétricos.