3.1. Tipo e Método de Pesquisa
Na realização desta dissertação, utilizou-se a pesquisa do tipo descritiva, que de acordo com Collis e Hussey (2006) é aquela que descreve o comportamento dos fenômenos e busca identificar informações sobre as características de um determinado problema ou questão.
Segundo Cooper e Shindler (2003) este tipo de estudo normalmente envolve a coleta e a criação de bancos de dados, onde o pesquisador observa a relação da interação entre duas ou mais variáveis.
Em pesquisas de natureza descritiva os dados compilados costumam ser quantitativos e técnicas estáticas são geralmente usadas para resumir as informações. A pesquisa descritiva segundo Collis e Hussey (2006) vai além da pesquisa exploratória ao examinar um problema, uma vez que avalia e descreve as características das questões pertinentes.
De acordo com Hair et al. (2006), pesquisas de natureza descritiva geralmente são utilizadas para responder questões do tipo “Quem”, “Quando”, “Quais”, “Como”, afim de que se possa extrair e medir as características descrita em uma questão de pesquisa.
Portanto, para a realização deste estudo utilizou-se a pesquisa descritiva, com o objetivo de validar construtos da qualidade da informação contábil, por meio da percepção dos usuários de sistemas de informação.
Com relação ao método, utilizou-se para este estudo, o método quantitativo, tendo em vista que o foco era a mensuração de fenômenos. De acordo com Collis e Hussey (2006), um método quantitativo essencialmente envolve coletar, analisar dados numéricos e aplicar testes estatísticos.
Hair et al. (2006) mencionam que dados quantitativos são mais objetivos que os dados qualitativos, uma vez que os resultados estatísticos provenientes da pesquisa, não dependem da opinião do pesquisador, fundamentando-se somente nas habilidades do pesquisador como analista.
Como a dissertação remetia ao estudo e validação dos construtos da qualidade da informação contábil por meio da percepção dos usuários de sistemas de informação e com
base nas descrições acima, verificou-se que o método quantitativo foi adequado para esclarecimento do tema proposto.
3.2. População e Amostra
A população é definida por Collis e Hussey (2006) como sendo um conjunto de pessoas ou qualquer coleção de itens que estão sendo considerados em uma pesquisa, ou seja, a população inclui a totalidade de observações que podem ser feitas.
Para composição da população desta pesquisa foram considerados os profissionais da área contábil, que em seu cotidiano utilizam-se de sistemas de informação para obterem informações contábeis. Informações estas, que os permitem gerar novos conhecimentos e os auxiliam na execução de suas tarefas.
Com relação à amostra, definiu-se a utilização da amostragem não probabilística, que segundo Mattar (2006) é aquela em que a seleção dos elementos da população a amostra depende, ao menos em parte, do julgamento do pesquisador ou entrevistador no campo.
Para a seleção da amostra, o critério adotado foi o da amostragem por conveniência, pelo fato de ser a área e profissão exercida pelo pesquisador, sendo que a seleção dos elementos da amostra se mostraram mais disponíveis e que puderam oferecer as informações necessárias (HAIR et al., 2006).
Portanto, foram definidos como participantes da amostra final, os profissionais da área contábil, que conforme já mencionado, utilizam-se de sistemas de informação para obterem informações contábeis.
3.3. Procedimento de Coleta dos Dados
Para a coleta dos dados, foi desenvolvido um questionário eletrônico (Apêndice I), contendo perguntas predominantemente fechadas, para as quais se solicitou a atribuição de uma nota entre 1 e 10. O valor 1 representou concordância mínima e 10, concordância máxima, para cada uma assertiva constante no questionário. O questionário foi desenvolvido e adaptado com base no instrumento utilizado pelos autores Kahn et al. (2002).
Fez, também, parte do questionário, um conjunto de perguntas cuja finalidade foi a caracterização do respondente da pesquisa, ou seja, o usuário da informação contábil e, da empresa do respondente.
A coleta de dados ocorreu entre os entre os meses de fevereiro e maio de 2011. Foram enviados cerca de 150 emails com o link do questionário eletrônico, com um retorno de 65 questionários válidos, que foram então processados.
3.4. Técnicas utilizadas para Análise dos Dados
Neste tópico estão descritas as técnicas de análise utilizadas no tratamento dos dados coletados com o questionário eletrônico.
Foram utilizadas as técnicas do Teste t para análise da diferença médias, o Alpha de Cronbach para teste de confiabilidade dos construtos da qualidade da informação contábil e o teste de correlação entre as variáveis.
3.4.1. Teste t
Segundo Hair et al. (2006), o teste t é uma técnica que pode ser utilizada para verificar se uma hipótese que estabelece se as médias associadas a duas amostras ou grupos independentes são iguais. O teste t avalia se há diferenças entre amostras observadas e se para estas houve uma diferença verdadeira ou casual. Hair et al. (2006) ressalta que esta técnica largamente utilizada por favorecer amostras pequenas, entretanto, deve ser utiliza para uma amostra de tamanho mínimo 30.
3.4.2. Alpha de Cronbach
Segundo Cronbach (1951), citado por Maroco e Marques (2006), o Alpha de Cronbach é o índice a estima quão uniformemente os itens contribuem para a soma não ponderada do instrumento, variando numa escala de 0 a 1. Esta propriedade é conhecida por consistência interna da escala, e assim, o a pode ser interpretado como coeficiente médio de todas as estimativas de consistência interna que se obtêm se todas as divisões possíveis da escala forem feitas.
3.4.3. Análise de Correlação
Segundo Hair (2006), a correlação de Pearson é utilizada para mensurar a associação linear entre duas variáveis métricas. O número que representa a correlação de Pearson é chamado coeficiente de correlação. Ele varia de -1,00 a +1,00, com o zero não representando
absolutamente nenhuma associação entre as duas variáveis métricas. Quanto maior o coeficiente de correlação, mais forte a ligação ou o nível de associação. Os coeficientes de correlação podem ser positivos ou negativos, dependendo da direção da relação entre as variáveis.
3.4.4. Análise Fatorial
Segundo Hair et al. (2006), a análise fatorial é uma técnica multivariada de redução de dados, que engloba um conjunto de técnicas de interdependência, com o objetivo de definir a estrutura existente entre as variáveis que fazem parte da análise multivariada. Ela fornece subsídios para se analisar a estrutura das inter-relações, ou correlações existentes em um número grande de variáveis, o que possibilita a formação de conjuntos de variáveis que são fortemente inter-relacionadas e que são identificados como fatores.
Pode-se dizer, que, diferentemente das técnicas: análise de variância; análise de regressão múltipla e a análise discriminante, a análise fatorial não leva em conta as diferenças entre as variáveis dependentes (VD) e independentes (VI). Ela é considerada uma técnica de interdependência, pois examina todo o conjunto de relações interdependentes (MALHOTRA, 2001).
Para Hair et al. (2006), a decisão para a utilização da análise fatorial tem como ponto de partida o problema de pesquisa. Seu principal objetivo é resumir a informação que fazem parte das diversas variáveis originais, em um conjunto menor, com novas dimensões compostas ou variáveis estatísticas (fatores), sem que haja perda de informação.
Segundo Fávero et al. (2009), para que a aplicação da análise fatorial seja considerada como adequada, alguns dados estatísticos da amostra precisam favorecer esta técnica de análise de dados. Estes mesmos autores mencionam que um dos indicadores de sucesso para a aplicação da análise fatorial é o fato do KMO ser superior a 0,60. Neste estudo utilizou-se a análise fatorial para identificar a estrutura subjacente aos construtos encontrados na teoria (15 dimensões da qualidade de informação contábil). De forma geral, no processamento da análise fatorial, utilizaram-se os parâmetros, indicados no quadro 04.
Parâmetro Descrição Autor(es)
Medida de adequação da amostra
É a medida para validar a adequação da amostra à análise fatorial. Valores para a medida de adequação da amostra (MSA) devem >= 0,5.
HAIR et al. (2006)
Matriz de Fatores É a matriz de fatores que aponta os coeficientes utilizados para indicar as variáveis padronizadas em fatores. Malhotra (2001)
Rotação Fatorial
É o processo de ajuste dos eixos fatoriais com a finalidade de se obter uma solução fatorial mais simples. O método Varimax é o que minimiza o número de variáveis, com altas cargas nos fatores individuais.
Hair et al. (2006)
Comunalidade É a porção da variância compartilha por uma variável com as demais variáveis. Pode ser entendida como a proporção
de variância explicada pelos fatores comuns.
Malhotra (2001)
Variância Representa a quantidade total de dispersão de valores para uma única variável em torno de sua média. Hair et al. (2006)