Neste capítulo, apresentam-se: caracterização da pesquisa, modelo de pesquisa adotado, universo e amostra, instrumentos e procedimentos de coleta de dados e técnicas de coleta, tratamento e análise dos dados.
3.1 Questão de pesquisa e hipóteses
Como a qualidade de serviços prestados pelas operadoras de telefonia celular de Belo Horizonte é percebida pelos seus clientes e como ela se relaciona com o nível de satisfação? Com o objetivo de responder a essa pergunta, oito hipóteses foram levantadas:
(H1) Tangíveis têm uma influência significativa na qualidade de serviço percebida pelo cliente.
(H2) Confiabilidade tem uma influência significativa na qualidade de serviço percebida pelo cliente.
(H3) Presteza tem uma influência significativa na qualidade de serviço percebida pelo cliente.
(H4) Garantia tem uma influência significativa na qualidade de serviço percebida pelo cliente.
(H5) Empatia tem uma influência significativa na qualidade de serviço percebida pelo cliente.
(H6) Qualidade da rede tem uma influência significativa na qualidade de serviço percebida pelo cliente.
(H7) A qualidade percebida tem uma influência significativa na satisfação do cliente.
(H8) A satisfação do cliente tem uma influência significativa na sua lealdade com a operadora.
Figura 17 – Hipóteses levantadas no estudo
Fonte: Elaborada pelo autor.
3.2 Caracterização da pesquisa
O estudo realizado caracteriza-se por ser do tipo conclusivo-descritivo transversal único (MALHOTRA, 2001). Um estudo conclusivo é mais formal e estruturado que um estudo exploratório. Conforme indica Malhotra (2001), a pesquisa conclusiva se baseia em amostras “grandes” e representativa, e os dados obtidos estão sujeitos à análise quantitativa. A pesquisa descritiva é indicada quando se deseja:
descrever as características de grupos;
estimar a percentagens e outras medidas estatísticas;
determinar percepções de características de produtos e/ou serviços; determinar associação de variáveis;
fazer previsões específicas.
O estudo transversal se caracteriza pela coleta de dados uma única vez, ou seja, não existe a intenção de se realizar um estudo que contemple o percurso temporal das variáveis estudadas, e o fato de ser único está relacionado ao fato de ter sido coletada uma única amostra (MALHOTRA, 2001).
3.3 Unidade de análise e observação: população e amostra
O presente estudo foi realizado com as operadoras de telefonia celular da região metropolitana de Belo Horizonte atuantes no período de realização da pesquisa. As empresas consultadas foram a Vivo, a Oi, a TIM e a Claro.
3.4 Universo e amostragem
Um universo é o conjunto de todos os elementos que compartilham algum conjunto de características comuns (MALHOTRA, 2001). O universo relacionado ao estudo compreende os clientes da Oi, Claro, TIM e Vivo na região metropolitana de Belo Horizonte. Não existem consistentes números oficiais divulgados acerca da quantidade de clientes de cada uma das operadoras, mas tal número é grande o suficiente para ser considerado um universo infinito.
Uma amostra é um subgrupo da população. Uma amostra não probabilística é aquela onde nem todos os elementos da população possuem probabilidade maior que zero de compor a amostra. Existem, conforme apresentado na Figura 18, quatro tipos de amostras não probabilísticas. A amostra levantada caracteriza-se por ser não probabilística por conveniência, ou seja, a amostra foi selecionada com base na facilidade de obter colaboração dos indivíduos para preenchimento do questionário. A extensão da área de atuação das empresas bem como o número de clientes dificultam extremamente a realização de uma amostragem probabilística onerando extremamente em relação ao custo de obtenção das entrevistas. Devido ao caráter acadêmico do estudo, a amostra por conveniência permite o alcance dos objetivos propostos.
Não existe, a priori, nenhuma pretensão de se fazer fortes generalizações com os resultados obtidos; caso contrário, seria necessária a obtenção de uma amostra do tipo probabilística (MALHOTRA, 2001). Por esse motivo, foram utilizadas técnicas estatísticas para a sumarização dos dados mesmo com uma amostra não probabilística.
Conveniência Quotas Julgamento Bola de Neve
Técnicas de Amostragem Não-Probabilística
Aleatória Simples Conglomerado Sistemática Alocação Proporcional Alocação Desproporcional Estratificada Técnicas de Amostragem Probabilística Técnicas de Amostragem
Figura 18 – Tipos de amostragem
Fonte: MALHOTRA (2000).
Aproximando a seleção utilizada a uma seleção por amostragem aleatória simples, a margem de erro “global” resultante, conforme proposto por Soares (2002), é de cerca de 6% (Figura 19). n z PQ d 0 2 2
Figura 19 – Cálculo do tamanho da amostra por seleção aleatória simples
Onde:
O valor d refere-se à margem de erro;
P é a estimativa preliminar da proporção de interesse e Q = 1-P. Devido à insuficiência preliminar de estimativa para as proporções desejadas, o produto
PQ foi substituído pelo seu valor máximo: 0,25;
O valor de z refere-se a um valor da curva normal e está intimamente ligado ao intervalo de confiança desejado. No presente caso, usou-se um intervalo de confiança de 95%, cujo valor correspondente a essa área, na curva normal, é de 1,96;
n
0 é o tamanho preliminar da amostra.É importante observar que, em nenhum momento, foi utilizado o tamanho da população-alvo nesse cálculo. Na verdade, a influência do tamanho da população é verificada
na fórmula de correção para universos que podem ser considerados finitos (na presente situação, o universo pode ser considerado infinito, já que existem mais de 100 mil elementos) proposta por Soares (Figura 20), da qual obtém-se o valor “matemático” definitivo do tamanho da amostra na situação considerada anteriormente.
n n n N 0 0 1
Figura 20 – Fórmula de correção para o tamanho da amostra
Onde
n
0 é o tamanho da amostra calculado através da fórmula apresentada na Figura 19 e N é o tamanho do universo (desconhecido). Através de um processo inverso, pode-se encontrar a margem de erro do estudo. Não existe uma estimativa exata do tamanho da população em questão; entretanto, pode-se inferir que tal população é suficientemente grande para tornar desprezível a fração nN
0, resultando finalmente na margem de erro de 6%, aproximadamente.
3.5 Técnica de análise e tratamento dos dados
Para a análise multivariada, utilizou-se a modelagem de equações estruturais, que permite representar conceitos não observados e estimar múltiplas e inter-relacionadas ligações de dependência e sua utilização. O emprego de tal técnica se justifica pelo fato de que esta permite identificar a composição dos construtos qualidade percebida, satisfação e lealdade bem como ainda inter-relacionar os mesmos. O método utilizado para estimação das equações estruturais foi o Partial Least Squares (PLS), visto que este se mostra mais flexível, não exigindo normalidade multivariada das variáveis e ainda trabalha com um tamanho de amostra mais reduzido que o método Lisrel. O software usado para tal etapa foi o SmartPLS.
Utilizou-se na análise bivariada, relacionando os construtos qualidade percebida, satisfação e lealdade, o método Chi-Square Automatic Interaction Detector (Chaid), que permite descobrir a existência significativa entre grupos de duas variáveis com base no teste qui-quadrado (KASS, 1999).