A análise de correlações utiliza-se quando se pretende analisar a relação entre variáveis de escala. Como exemplo, perante a necessidade de analisar a relação entre algumas características de personalidade e o tipo de afecto evidenciado, foi realizada uma análise de correlações. As dimensões da personalidade em análise são a extroversão, amabilidade, consciensiosidade, neuroticismo e abertura à experiência. As duas dimensões do afecto são o afecto positivo e o afecto negativo. Utilizando os comandos da imagem a seguir, abre-se uma nova janela (segunda imagem) onde se seleccionam as variáveis que interessam. O output seguinte apresenta todas as correlações entre todas as variáveis. Para uma melhor e mais fácil leitura dos resultados mostra-se, num artigo posterior, como modificar a tabela no SPSS.
Em estudos de mercado, quer seja no desenvolvimento dum produto, quer seja na escolha dum público-alvo duma campanha de marketing, pode interessar-nos saber se existem diferenças entre homens e mulheres na aquisição do nosso produto. Para tal, teremos de comparar a aquisição do produto por parte de homens e de mulheres. Neste caso, temos uma variável que podemos chamar “Aquisição” e que nos diz qual o valor despendido, no nosso produto, pelo inquirido. Na amostra teremos respostas de homens e mulheres. O que precisamos fazer, de seguida, é comparar o valor médio amostral da variável “Aquisição”, quer no grupo de homens, quer no grupo de mulheres. A “Aquisição” é uma variável de razão: compreende valores semanais gastos no nosso produto que oscilam entre zero euros e 10 euros. Neste caso utiliza-se o teste t para duas amostras independentes. Os comandos são os que se seguem na figura abaixo. Abre-se, de seguida, uma janela exemplificada na imagem em baixo. No campo Test Variable coloca-se a variável em que pretendemos analisar as diferenças e no campo Group Variable deve colocar-se a variável que identifica os grupos em teste. Neste caso o género é a variável grupo que pretendemos analisar. Devendo ser definidos os grupos em teste, carrega-se no botão Define Groups, que abre uma nova janela onde se define o grupo 1 com 0 (masculino) e o grupo 2 com 1 (feminino), de acordo com a codificação anterior da variável na base de dados. O output do teste é apresentado na imagem abaixo. Na primeira tabela são apresentados os casos do grupo masculino e do grupo feminino, o valor médio despendido no nosso produto nos grupos masculino e feminino e os respectivos valores de desvio padrão. Na segunda tabela, são apresentados os valores do teste de Levene e do teste t. O teste de Levene permite-nos averiguar da homogeneidade das variâncias. Neste caso, conclui-se que as variâncias são diferentes nos dois grupos, uma vez que a significância associada ao teste é inferior a 0,05. Uma vez que não se assume a homogeneidade das variâncias, optamos por utilizar os valores do teste t de Equal variances not assumed. Os resultados indicam que não existem diferenças entre homens e mulheres no valor semanal despendido no nosso produto. O teste não mostrou diferenças estatisticamente significativas para um intervalo de 95% de confiança (a significância associada ao teste t foi superior a 0,05). Nota: para uma escolha mais criteriosa do teste a aplicar deve proceder-se à análise da distribuição das variáveis em estudo.
As variáveis quantitativas permitem uma descrição em termos de média, mediana, moda, quartis e desvio padrão. Vejamos o exemplo. Pretendo saber os valores médios, mínimos e máximos e de desvio padrão da variável Escala 1, nos homens e nas mulheres. Abre-se uma janela onde se escolhe a variável para a coluna (neste caso a variável Genero) e a variável quantitativa. Para escolher as estatísticas, na caixa Define, escolhe-se Summary Statistics que abre nova janela. Aqui transportam-se as estatísticas que se pretende, utilizando a seta. De seguida, carrega-se em Aplly to Selection. A janela fecha e, carregando-se de seguida em Ok, obtêm-se as tabelas pedidas no ficheiro de Output. A tabela gerada indica-nos que a na Escala1, os homens apresentaram um valor médio de 2,75 enquanto as mulheres apresentaram um valor médio de 1,91. Em qualquer dos géneros, a amplitude de resposta variou entre zero e cinco.
Qualquer que seja o estudo, é necessária a descrição de todas as variáveis envolvidas. Para as variáveis qualitativas, é apenas possível apresentar o número e a percentagem. Já para as variáveis quantitativas apresentam-se a média, moda, mediana, quartis, desvio padrão, de acordo com as necessidades. Para as variáveis qualitativas, pede-se uma tabela de frequências. Os comandos do SPSS, na imagem acima, abrem a janela que se segue, onde serão escolhidas as variáveis, quer para as colunas, quer para as linhas. Caso não se pretenda a descrição por grupos, não se escolhe qualquer variável para as colunas. É também nesta janela que se escolhem as estatísticas que se pretendem apresentar: percentagens ou subtotais, entre outros. É gerada a seguinte tabela no output em que são apresentados o número e as percentagens por grupo e por variável. No caso do estado civil, das 12 pessoas do sexo masculino 41,7% são casadas ou em união de facto e 33,3% são solteiras. Já no grupo do sexo feminino, das 11 pessoas inquiridas, 63,6% são do casadas ou em união de facto e 27,3% são solteiras. No caso das habilitações literárias, sabemos que os inquiridos da amostra têm habilitações entre o 6º ano e o ensino superior, sendo que aproximadamente 60% dos homens tem habilitações superiores ao 12º ano e quase metade das mulheres tem o ensino superior. Guardar
Definir as variáveis no SPSS, a partir das perguntas dum inquérito, nem sempre é fácil. Embora algumas sejam mais difíceis do que outras, se somos caloiros neste programa de estatística temos a tendência a complicar ou a desvalorizar o correcto preenchimento da folha do SPSS. Tomemos como exemplo a seguinte folha de rosto dum inquérito:
As anteriores perguntas da página de rosto dum inquérito, que habitualmente servem para descrever a amostra utilizada no estudo e nomeadas variáveis sociodemográficas, assumem os seguintes tipos e medidas no SPSS.
Existem dois tipos de variáveis: qualitativas ou categóricas e quantitativas. As variáveis qualitativas indicam uma qualidade, presente ou ausente, e cada uma das categorias é mutuamente exclusiva e exaustiva. Ou seja, se um indivíduo pertence a uma das categorias não poderá pertencer a outra e uma das categorias qualifica exaustivamente aquele indivíduo. Este tipo de variável pode apresentar-se numa escala nominal ou ordinal. Um exemplo duma variável nominal é o género: ou se é do sexo masculino ou do sexo feminino (as categorias são mutuamente exclusivas) e uma das categorias qualifica exaustivamente o indivíduo. Podem utilizar-se números para identificar as categorias duma medida. Por este motivo a variável assume um tipo numérico (Type=numeric): “0” para masculino e “1” para feminino. No caso da variável estado civil, as categorias podem assumir os seguintes valores: “1”= solteiro; “2”=casado; “3”=divorciado; “4”= viúvo. A utilização de números facilita a introdução dos dados no SPSS, poupando tempo e esforço. Numa variável ordinal, para além de serem mutuamente exclusivas e exaustivas, as categorias indicam uma ordem de magnitude. A variável habilitações literárias é um bom exemplo. Identificando as categorias com números, teremos: “1”= 4º ano; “2”=9º ano; “3”=12º ano; “4”= curso profissional; “5”= ensino superior. Sabemos que um indivíduo da categoria 2 apresenta-se numa ordem superior a outro da categoria 1. Não significa, no entanto, que o valor 2 seja o dobro do valor 1; assim como não significa que a diferença entre as categorias 2 e a 3 seja igual à diferença entre as categorias 4 e 5. As variáveis quantitativas têm as propriedades das variáveis qualitativas e, adicionalmente, permitem medir a diferença entre valores. Ou seja, a diferença entre uma medição do valor 8 e o 10 é igual à diferença entre o valor 100 e o valor 102, e esta diferença é igual em qualquer ponto da escala. Estas variáveis podem apresentar-se numa escala intervalar ou de razão. Em qualquer dos casos, no SPSS são consideradas medidas de escala (measure=scale) e são sempre introduzidas com valor numérico. Um exemplo duma variável intervalar (ou de intervalos iguais) são os graus de temperatura em Celsius. Uma diferença de cinco valores é igual em qualquer ponto da escala, quer seja entre o 16 e o 21, quer seja entre o 36 e o 41. . Embora possa existir uma medição com um valor zero, este não significa ausência de calor e, como tal, o zero não é absoluto. Neste caso, o valor zero é apenas um valor arbitrário e corresponde ao ponto da congelação da água. Uma variável de razão é aquela em que existe um zero absoluto, para além de possuir todas as propriedades duma variável intervalar. É o caso da idade que, como já foi referido, é formatada como variável de escala (measure=scale). |