Recommendations

A coleta de dados ocorreu mediante a aplicação eletrônica do questionário desenvolvido na forma acima descrita no Google Forms, aplicativo de administração de pesquisas incluído na suíte de escritório da plataforma Google Drive.

Como afirmado anteriormente, a fim de construir um intercâmbio social positivo e aumentar o número de respostas, foi seguida uma versão modificada do método de Dillman et al. (2014).

Em 30/7/2018 foram enviados 23.411 e-mails para todos os profissionais inscritos nas bases de dados do Comprasnet e do Nelca, enfatizando-se que correspondem aos três níveis de governo (federal, estadual e municipal). No corpo do e-mail estava incluída uma carta de apresentação e o endereço eletrônico para responder a pesquisa.

O formulário esteve aberto para resposta no período de 30/7/2018 a 10/8/2018, inclusive. O tamanho final da amostra resultou de 1.320 respostas recebidas, validadas e selecionadas apenas dentre os profissionais atuantes no nível federal.

Os dados obtidos foram transferidos para o programa Statistical Pakage for Social Sciences (SPSS) versão 24 e estudados por meio de análise descritiva da abordagem quantitativa e análise fatorial exploratória (AFE) do instrumento.

A análise descritiva apresenta descrições quantitativas de modo manejável, descrevendo as variáveis isoladamente e/ou as associações que ligam uma variável à outra (Babbie, 1999).

Para justificar as razões de realizar uma AFE, um pouco há que ser dito sobre a psicometria. Pasquali (2009) relata que: i) a psicometria procura explicar qual o sentido das respostas dadas pelos sujeitos a uma série de tarefas, tipicamente chamadas de itens; e ii) a validade constitui um parâmetro da medida tipicamente discutido no contexto das ciências psicossociais. Indo mais a fundo, o autor afirma que a prova da validade dos instrumentos nas ciências psicossociais é algo fundamental e crucial, ou, em outras palavras, que demonstrar a validade dos instrumentos nestas ciências é uma condição indispensável (Pasquali, 2009).

O autor assegura, ainda, que, do ponto de vista da elaboração do instrumento, a verificação da hipótese da legitimidade da representação dos construtos se faz por análise fatorial, que procura identificar, nos dados coletados, os construtos previamente operacionalizados no instrumento (Pasquali, 2009).

A seu turno, Laros (2005) revela que dois tipos de uso da análise fatorial podem ser identificados, o confirmatório e o exploratório, sendo que, como um procedimento confirmatório, a análise fatorial é frequentemente utilizada para confirmar hipóteses de vários tipos e para avaliar a validade de construto das medidas, ao passo que o uso exploratório da análise fatorial está alinhado com os objetivos de explicação e redução dos dados.

Em relação à decisão de qual tipo de análise fatorial empregar, o autor recomenda que a análise fatorial confirmatória seja utilizada quando as hipóteses a serem testadas têm apoio em uma teoria prévia ou em análises empíricas anteriores de um banco de dados diferente do atual e que a AFE seja utilizada em todos os demais casos (Laros, 2005).

Uma vez que o presente trabalho não emprega um modelo previamente hipotetizado, encontra-se justificada a opção pela AFE. Vale dizer que a AFE é uma das abordagens da análise multivariada mais utilizada pelos pesquisadores das ciências sociais (Babbie, 1999; Damásio, 2012; Laros, 2005).

Tais definições são reforçadas por Hair Jr et al. (2009), para quem a análise fatorial é uma técnica cujo propósito principal é definir a estrutura inerente entre as variáveis na análise, podendo atingir seus objetivos de uma perspectiva exploratória ou confirmatória. Para os autores, a AFE é útil na busca da estrutura em um conjunto de variáveis ou como um método de redução de dados (Hair Jr et al., 2009)

No tocante especificamente às pesquisas de levantamento, Babbie (1999) esclarece que a AFE é usada para descobrir padrões de variações nos valores de diversas variáveis, essencialmente pela geração de dimensões artificiais (fatores) que se correlacionam altamente com diversas das variáveis reais. O resultado da AFE consistirá em colunas representando fatores diferentes (dimensões artificiais) gerados a partir das relações observadas entre variáveis mais as correlações entre cada variável e cada fator, chamadas cargas fatoriais (Babbie, 1999).

Em suma, a AFE é um método eficiente para descobrir padrões predominantes num número grande de variáveis, permitindo identificar altas cargas de variáveis num fator, detectar grupos de variáveis ou descobrir em que fatores uma variável tem ou não tem carga alta (Babbie, 1999).

Para Damásio (2012), o primeiro passo durante a implementação de uma AFE é observar se a matriz de dados é passível de fatoração, isto é, analisar se os dados podem ser submetidos ao processo de análise fatorial, sendo que dois métodos de avaliação são mais comumente utilizados: o critério de Kaiser-Meyer-Olkin (KMO) e o teste de esfericidade de Bartlett.

Para a extração/retenção dos fatores foi utilizado o método da análise de componentes principais (ACP), técnica que tem por objetivo a redução de dados (reduzir um determinado número de variáveis a um menor número de componentes) e que, devido ao seu amplo uso, ainda hoje é o método padrão de redução de dados em muitos dos principais programas estatísticos, a exemplo do SPSS (Damásio, 2012). Como critério de retenção, adotou-se o critério de Kaiser-Guttman, mais conhecido como autovalor > 1, que também é o critério mais utilizado e empregado como padrão no SPSS (Damásio, 2012; Hair Jr et al., 2009; Laros, 2005).

Já no tocante à rotação dos fatores, foi empregado o método varimax, um tipo de rotação ortogonal considerado o mais bem sucedido e o mais comumente usado nas pesquisas aplicadas (Damásio, 2012; Laros, 2005). Foram consideradas significativas na AFE somente as cargas fatoriais que excederam o valor absoluto de 0,30 (Hair Jr et al., 2009; Laros, 2005).

Após a rotação, o próximo passo é um processo de interpretação e, se necessário, de reespecificação dos fatores, conforme prescrito por Hair Jr et al. (2009). No presente caso, é pertinente adiantar que a reespecificação do modelo fatorial foi indispensável.

Enfim, para avaliar a confiabilidade da estrutura fatorial foi realizado o cálculo do índice de consistência interna por meio do alfa de Cronbach (α), o método mais utilizado em estudos transversais (Damásio, 2012).

Segundo Hair Jr et al. (2009), o coeficiente de confiabilidade avalia a consistência da escala, sendo o alfa de Cronbach a medida mais amplamente usada. O limite inferior para o alfa de Cronbach geralmente aceito é de 0,70 (Hair Jr et al., 2009).

A aplicação dos supracitados testes é condizente com a atual produção acadêmica brasileira em pesquisas que usam o levantamento como método ou procedimento técnico (C. G. Amann, 2017; Dias, 2018; Fenili, 2016; Rodrigues, 2016).

Os resultados da AFE e a matriz de carga fatorial serão detalhados em seção específica do capítulo seguinte.

Por fim, é possível adiantar, desde já, que a avaliação realizada na AFE indica a possibilidade de aperfeiçoamento dos itens contidos no instrumento para medição dos construtos. Do mesmo modo, os valores de alfa de Cronbach, embora sejam razoáveis para um estudo exploratório, também indicam que os itens dos construtos podem ser aperfeiçoados objetivando melhorar a confiabilidade do instrumento. Portanto, não se pode ignorar que a ausência de uma análise fatorial confirmatória ilustra uma lacuna que pode ser aproveitada para o progresso do campo, motivo pelo qual será registrada como limitação e oportunidade de pesquisa futura.