Vous êtes sur la page 1sur 18

Revista de Gesto e Secretariado - GeSeC

e-ISSN: 2178-9010
DOI: 10.7769/gesec.v5i1.297
Organizao: SINSESP
Editor Cientfico: Cibele Barsalini Martins
Avaliao: Double Blind Review pelo SEER/OJS
Reviso: Gramatical, normativa e de formatao

PESQUISA QUANTITATIVA: ELEMENTOS, PARADIGMAS E DEFINIES

QUANTITATIVE RESEARCH: ELEMENTS, PARADIGMS AND DEFINITIONS

Dirceu da Silva
Doutor em Educao pela Universidade de So Paulo USP
Professor da Universidade Nove de Julho UNINOVE
E-mail: dirceus@uninove.br (Brasil)
Evandro Luiz Lopes
Doutor em Administrao pela Universidade Nove de Julho UNINOVE
Professor da Universidade Nove de Julho UNINOVE
E-mail: elldijo@uninove.br (Brasil)
Srgio Silva Braga Junior
Doutor em Administrao pela Universidade Nove de Julho UNINOVE
Professor da Universidade Estadual Paulista Jlio de Mesquita Filho UNESP
E-mail: sergio.bragajunior@gmail.com (Brasil)

Data de recebimento do artigo: 29/11/2013


Data de aceite do artigo: 15/01/2014

Revista de Gesto e Projetos - GeP, So Paulo, v. 2, n. 1, p 174-207, jan./jun. 2011.


1

Pesquisa quantitativa: elementos, paradigmas e definies


____________________________________________________________________

PESQUISA QUANTITATIVA: ELEMENTOS, PARADIGMAS E DEFINIES

RESUMO
O presente artigo tem por finalidade a apresentao de aspectos essenciais da pesquisa quantitativa
na rea de gesto. Assim, buscaram-se apresentar alguns aspectos sobre a natureza dos dados e sua
explorao inicial, os testes de hipteses mais usados e os critrios para sua escolha; alm disso,
quatro mtodos multivariados foram apresentados. Tentou-se utilizar como exemplos referncias
que podem ser obtidas, na maioria, na internet, sobretudo, aquelas que so artigos cientficos j
publicados.
Palavras-chave: Pesquisa Quantitativa; Pesquisa em Gesto; Tcnicas Estatsticas.

QUANTITATIVE RESEARCH: ELEMENTS, PARADIGMS AND DEFINITIONS

ABSTRACT
The article aims is to present quantitative research key aspects in management. Thus, it we
presented some aspects about the data nature and its initial exploration, the hypothesis tests most
commonly used and the criteria for their choice, furthermore, four multivariate methods are
presented. In the examples we tried to present references that can be obtained on the internet,
especially those that are scientific articles already published.
Keywords: Quantitative Research; Research Management; Statistical Techniques.

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

Dirceu da Silva, Evandro Luiz Lopes & Srgio Silva Braga Junior
____________________________________________________________________

1 INTRODUO

Este artigo tem por objetivo principal a apresentao dos aspectos essenciais das abordagens
quantitativas da pesquisa, sobretudo nas reas de humanidades e cincias sociais aplicadas. Foi
escrito de forma sequencial para que sejam abordadas as diferentes tcnicas de tomada de dados e
das possveis anlises estatsticas. Nesse sentido, algumas perguntas nortearam o seu
desenvolvimento: Quando a abordagem da pesquisa deve ser quantitativa? Que tipos de dados so
mais frequentes e adequados s problemticas das reas? Quais os tipos mais frequentes de anlise
de dados?
Para responder a essas perguntas, o trabalho ficou organizado em tpicos de forma a permitir
que o leitor menos experiente nessa modalidade de pesquisa possa sanar possveis dvidas.
Contudo ele no tem a pretenso de esgotar o assunto, pois h um vasto campo de
conhecimentos sobre os mtodos quantitativos. Dessa forma, buscou-se apresentar exemplos e
comentrios com base em literatura de fcil acesso ao leitor e na maioria dos casos (publicaes em
peridicos) com acesso gratuito pela internet.
Dando sequncia, seguem as tentativas de respostas s perguntas formuladas:

2 QUANDO A ABORDAGEM DA PESQUISA DEVE SER QUANTITATIVA?

Quando se tem dados numricos parece ser uma resposta correta e bvia, mas h outro
aspecto que deve ser considerado. A pesquisa quantitativa s tem sentido quando h um problema
muito bem definido e h informao e teoria a respeito do objeto de conhecimento, entendido aqui
como o foco da pesquisa e/ou aquilo que se quer estudar. Esclarecendo mais, s se faz pesquisa de
natureza quantitativa quando se conhece as qualidades e se tem controle do que se vai pesquisar.
(Silva & Simon, 2005).
Assim, problemas ou questionamentos ditos inditos ou virgens requerem estudos em
profundidade, isto , pesquisa qualitativa. Por exemplo: imagine que um novo tipo de empresa ou
organizao est presente em um novo cenrio. Um restaurante reverso aqui denominado por
Voc o Chefe: neste, o cliente vai para a cozinha e faz a sua prpria comida. O empreendimento
um sucesso, com listas de espera de mais um ms. Imagine que voc queira estudar esse
fenmeno e se faa a seguinte pergunta de pesquisa: Qual a satisfao do cliente do Voc o

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

Pesquisa quantitativa: elementos, paradigmas e definies


____________________________________________________________________

Chefe? De onde partiria? Nessa situao estamos confrontados com um caso indito e que no se
tem informaes e/ou evidncias apresentadas na vasta literatura existente sobre satisfao dos
clientes. Resta comear com uma pesquisa qualitativa exploratria com perguntas abertas feitas por
meio de entrevistas em profundidade com o proprietrio e com clientes mais leais e menos leais.
(Creswell & Plano-Clark, 2013). Assim, de forma geral pode-se pensar que a pesquisa qualitativa
tem um domnio diferente da pesquisa quantitativa (veja figura 1).

Figura 1 - representao alegrica dos domnios das duas modalidades de pesquisa.


Fonte: Silva e Simon (2005).

Baseado na figura 1, esta simboliza os dois possveis domnios das modalidades de pesquisa
aqui abordadas. Quando conhecemos as dimenses de um objeto (de conhecimento) e suas
caractersticas, podemos realizar uma pesquisa de natureza quantitativa, mas para tal realizao h a
necessidade do pesquisador ter um conhecimento extenso sobre aquilo que ele ira investigar, pois
para se construir uma escala de atitude (instrumento fechado: apresenta-se uma frase e pede para os
respondente expressar seu grau de concordncia ou discordncia) deve-se poder listar todas as
possibilidade para que o instrumento seja completo e contemple todas as possveis dimenses do
objeto.
Por exemplo, se voc quisesse saber o que faz um colaborador satisfeito no seu ambiente de
trabalho, o que iria apresentar a ele para faze essa avaliao?

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

Dirceu da Silva, Evandro Luiz Lopes & Srgio Silva Braga Junior
____________________________________________________________________

Caso contrrio, para um objeto de conhecimento pouco estudado ou que tenha uma
complexidade inerente sua essncia, a pesquisa de natureza qualitativa deve ser empregada, para
iluminar e gerar informaes empricas da realidade.
A forma da curva do diagrama alegrica e carece de maior explicao. O nvel de
ignorncia de algo (inverso do nvel de conhecimento) diminui tal como uma hiprbole assinttica,
que nunca cruza o eixo horizontal, isto , que mesmo sendo muito pequeno nunca se d por
eliminado. Assim, sempre teremos certo grau de ignorncia de algo, por mais especialistas que
possamos ser.
Esperando poder eliminar possveis rejeies a este artigo, temos como objetivo principal
apresentar alguns aspectos essenciais das novas tecnologias computacionais dos mtodos e tcnicas
para anlise de dados quantitativos e suas possibilidades de interpretao e de tratamento estatstico,
comentando alguns exemplos e cuidados.
Aps esse perodo de estudos e comparaes ter-se-ia um conjunto de achados que mostra
em profundidade o relacionamento dos clientes com a empresa Voc o Chefe. Esse conjunto de
informaes quando organizado em categorias (Bardin, 2011) permitir o desenvolvimento de outra
pesquisa, de natureza quantitativa, por meio, por exemplo, da construo de uma escala de atitude
ou de Likert, isto , um questionrio fechado com itens de mltipla escolha, no qual se
apresentam frases fortes ou assertivas (Por exemplo: Sempre prefiro fazer minha prpria comida)
e se d trs (sempre, s vezes e nunca), cinco (discordo plenamente, discordo, indiferente, concordo
e concordo plenamente) , sete ou notas de 0 a 10 (Hair, Money, Babin & Samouel, 2005).
A construo de escalas de atitude uma tarefa difcil e requer experincia e muitos
conhecimentos da psicometria, pois, h um conjunto de conhecimentos muito bem estruturado sobre
a construo de escalas (DeVellis, 2003). Frente a essa dificuldade, podem-se usar escalas j
construdas, testadas e validadas e as fontes para se localizar esses instrumentos pode ser a internet.
As revistas cientficas brasileiras e muitas internacionais tm acesso integral liberado na rede
mundial. Inclusive h sites gratuitos que so repositrios das publicaes da rea de gesto; por
exemplo, o repositrio eletrnico SPELL - Scientific Periodicals Electronic Library
(http://www.spell.org.br/) criada e mantida pela Associao Nacional de Ps-graduao e Pesquisa
em Administrao - Anpad uma excelente fonte de publicaes para serem acessadas e
disseminadas.

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

Pesquisa quantitativa: elementos, paradigmas e definies


____________________________________________________________________

3 QUE TIPOS DE DADOS SO MAIS FREQUENTES E ADEQUADOS

PROBLEMTICAS DAS REAS?

Como comentado anteriormente, os dados na abordagem quantitativa tm natureza


numrica. So valores de grandezas monetrias (impostos pagos, valores das vendas) de grandezas
fsicas (volume de produtos vendidos, consumo de gua mensal etc.) ou de escalas de atitude
(Likert), que so escolhas que se transformam em nmeros. Por exemplo: discordo plenamente = 1,
discordo = 2, indiferente = 3, concordo = 4 e concordo plenamente = 5. Ou ainda, notas dadas por
especialistas.
quando se podem transformar frases em nmeros, pois h um conjunto de conhecimentos
que permite classificar pessoas ou objetos em uma escala ou em postos (ordenao). Por exemplo,
quando se tem um teste em que sujeitos apresentam respostas a um problema, podem-se elas podem
ser classificadas em grupos. Assim, para aqueles que apresentaram resposta completas se d a nota
3, respostas intermedirias (faltaram um ou mais aspectos) nota 2 e nota 1 para as respostas erradas.
A partir disso, tem-se uma classificao numrica de desempenho dos sujeitos. Claro que se
poderiam dar notas de 0 a 10, como prtica nas escolas brasileiras.
Em termos gerais, em quanto mais nveis uma varivel mensurada, mais variabilidade se
tem e melhor se podem distinguir diferenas nos testes estatsticos. Explicando melhor: pode
avaliar, por exemplo, um funcionrio ou a qualidade de um equipamento ou de um servio pela
atribuio de uma nota numrica. Podem-se ter muitos tipos de escalas: trs nveis, cinco, sete, dez
etc. Quanto mais nveis a escala tiver, mais sensveis sero as possibilidades de resposta de um teste
estatstico.
Da mesma maneira, nas escalas de atitude do tipo de Likert, usar 11 nveis de resposta (0 a
10) muito interessante, mas para pessoas de baixa escolaridade ou crianas ou idosos, nitidamente
haver uma dificuldade em usar essa escala escolar, ento o uso de trs ou cinco nveis de
resposta pode permitir uma compreenso melhor da escala (Hair et al., 2005).

4 QUAIS OS TIPOS MAIS FREQUENTES DE ANLISE DE DADOS?

Quando falamos em anlise de dados, h trs grupos de possibilidades de tratamentos desses dados:

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

Dirceu da Silva, Evandro Luiz Lopes & Srgio Silva Braga Junior
____________________________________________________________________

a) tcnicas univariadas ou estatsticas descritivas;


b) tcnicas bivariadas ou teste de hiptese ou estatstica inferencial;
c) tcnicas multivariadas.

As tcnicas univariadas so aquelas em que os dados so explorados. Busca-se avaliar


tendncias e a qualidade desses dados. Usa-se a moda: valor mais frequente de uma varivel. Por
exemplo: em uma pesquisa, 45 respondentes eram do sexo masculino e 62 do sexo feminino. Isto
implica que a moda sexo feminino. Mediana: valor que divide uma sequncia no meio. Por
exemplo: 1, 2, 3, 4 e 5. A mediana 3. Mdia aritmtica: clculo do valor central. Ela obtida pela
diviso da soma dos valores pela sua frequncia. Por exemplo: as notas 3, 4, 7, 9 e 10 somam 33,
dividido por 5 resulta em 6,6, que seria a mdia das notas (Busab & Morettin, 2014). Diz-se, ainda,
que a mdia e mediana so usadas para anlise da tendncia central dos dados.
Rigorosamente a mdia (simbolizada pela letra grega ) deveria ser usada em situaes em
que os dados respeitam uma distribuio normal ou distribuio gaussiana, pois o conceito em
questo o valor mais frequente e central da distribuio (veja figura 2). Ainda, quando se fala em
mdia deve-se fornecer (ou calcular tambm) o desvio padro (simbolizado pela letra grega ). O
desvio padro apresenta uma propriedade interessante das distribuies normais, pois entre - e +
tm-se aproximadamente 68,4% dos casos. Por exemplo, se pegarmos a populao brasileira de
mulheres e avaliarmos o nmero dos sapatos, iremos encontrar que o tamanho mdio dos ps das
brasileiras 36 e o desvio padro de 3, ou seja, quase 70% das mulheres calam entre 33 e 39. Se
voc quisesse fabricar sapatos femininos e atender a maioria das mulheres iria fabric-los nesse
intervalo.
Assim, tomando-se um exemplo hipottico: dois vendedores (A e B) ambulantes
apresentaram o mesmo rendimento ao longo de um ms (R$3.000,00). Tomando o ms com 30
dias, os dois apresentaram a mesma mdia diria (R$100,00). Suponha agora que se conheam os
valores dos desvios padro: A = 0 e B = 574,72. Ento A teve ganhos de R$100,00 dirios de
forma constante e B ganhou os R$3.000,00 em um nico dia. Pode parecer que no h diferenas,
mas o risco de B muito maior e este deve ter mais ateno aos seus gastos.
Para se calcular o desvio padro no programa Excel usa-se = DESVPAD (A1:A30), pois
os valores dos ganhos de A estavam digitados na coluna A e indo de 1 at 30.

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

Pesquisa quantitativa: elementos, paradigmas e definies


____________________________________________________________________

Figura 2 - distribuio normal ou gaussiana,

Nos casos, por exemplo, em que se tm dados no aderentes distribuio normal (que no
podem ser descritos por ela). Melhor seria usarmos a mediana e os quartis. Os quartis so os
valores da diviso dos dados em quatro partes iguais (Levin & Fox, 2004)
Ainda, usam-se contagem de frequncias, porcentagens para contingenciar os dados (agreglos em resumo; por exemplo, 30% so homens e 70% so mulheres). A tabela 1 mostra um exemplo
de dados contingenciados.
Tabela 1- Frequncias de respostas segundo os cursos dos respondentes
CURSO/LOCALIDADE

% ACUMULADA

Administrao de Empresas Londrina/PR

33

20,00

20,00

Gesto Empresarial So Paulo/SP

18

10,91

30,91

Administrao de Empresas Maring/PR

24

14,55

45,45

Administrao de Empresas Guarulhos/SP

25

15,15

60,61

Administrao de Empresas So Carlos/SP

27

16,36

76,97

Administrao de Empresas Taubat/SP

38

23,03

100,00

Total

165

100,00

Fonte: Lopes (2010).


Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

Dirceu da Silva, Evandro Luiz Lopes & Srgio Silva Braga Junior
____________________________________________________________________

No h qualquer problema em se trabalhar com as estatsticas univariadas, mas elas no


permitem que se chegue a concluses. Em estatstica se trabalha com probabilidades e os nmeros
absolutos no permitem inferir que h diferenas entre dois valores. Explicando melhor, imagine
uma pesquisa de opinio de um candidato a vereador da sua cidade. Na semana 1 ele tinha 32% das
intenes de votos e na semana 2 ele passou a ter 33,5%. Logo, a preferncia dele aumentou? No,
como as medidas de opinio tm erros amostrais, digamos 2%, a flutuao de 1,5% (33,5-32) est
dentro dessa margem de erro e assim no houve variaes e a flutuao foi devida a um fenmeno
do acaso. Esse exemplo parece ser bvio, mas no mundo dos dados quantitativos as diferenas
podem ser sutis e apenas testes de hipteses ou estatstica inferencial podem revelar a existncia de
diferenas. Outro exemplo pode ser obtido no trabalho de Melo, Rossi, Gervasoni e Silva (2013).
Os testes bivariados ou de hipteses ou estatstica inferencial um conjunto de testes para se
avaliar se h diferenas entre dois grupos de dados, tambm chamados de duas amostras.
H dois grandes grupos de dados testes paramtricos, que respeitam ou so aderentes ou
descritos por uma distribuio normal e os testes no paramtricos, que no respeitam tal
distribuio. O nome teste paramtrico refere-se ao fato de os dados serem aderentes a distribuies
normais e assim os referidos parmetros seriam a mdia e o desvio padro, no sentido de que dados
esses dois parmetros a distribuies definida, isto , a frmula de Gauss depende apenas desses
dois parmetros (Martins, 2005).
Para se avaliar se h essa aderncia h dois testes de hipteses consagrados: KolmogorovSmirnov (para variveis com mais de 50 dados ou casos d > 50) e Shapiro-Wilk (para variveis
com 50 casos ou menos d 50). Tais testes so de simples execuo e podem ser feitos com
rapidez no programas SPSS ou BIOESTAT 5.3.
Esclarecendo mais, o SPSS um programa profissional editado e comercializado pela IBM
(www.spss.com.br) e o BIOESTAT 5.3 um programa gratuito. Roda de forma leve com o uso de
poucos recursos do Windows. Pode ser baixado no site: http://www.mamiraua.org.br/ptbr/downloads/programas/ Alm da gratuidade, o programa traz um livro de 380 pginas (menu
ajuda ou F1) com exemplos comentados e os bancos de dados usados neles.
Para a interpretao dos resultados desses testes deve-se atentar para o valor da
probabilidade de significncia ou p-valor. Ele o valor da probabilidade calculado pelos softwares,
que mostram o risco que se corre em rejeitar a hiptese nula ou de nulidade (Ho). No caso desses
testes ela formulada como: A distribuio aderente normalidade.

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

Pesquisa quantitativa: elementos, paradigmas e definies


____________________________________________________________________

Assim, ao se ter o p-valor de um teste de hiptese (vale para todos os outros testes) se
compara com o nvel de significncia () definido pela American Psychological Association (APA)
em 1967 (Cano & Guerrero, 2009), que de 5% ou 0,05. Ento valores de p 0,05 indicam que o
risco de rejeitar (no aceitar) a Ho baixo e assim ela rejeitada (diz-se que o teste
significante). Por outro lado p > 0,05 no rejeita Ho (diz-se que o teste no significante).
Explicando melhor, o nvel de significncia () um valor pr-adotado e no calculado.
por assim dizer, de forma mais didtica, um limite do que as diferenas encontradas em amostras
so ou no flutuaes do acaso.
As Tabelas 2 e 3 apresentam resultados do uso do BIOESTAT 5.3 para o teste de ShapiroWilk (nos dois casos os dados so menores que 50 casos). Na tabela 2 o teste se mostra significante
(p 0,05) e, portanto no h aderncia distribuio normal. J na tabela 3 o teste no
significante (p > 0,05), indicando que h aderncia distribuio normal.

Tabela 2 - Teste de Shapiro-Wilk de aderncia distribuio normal


Teste de Shapiro-Wilk

Resultados

Varivel 1

Tamanho da amostra

16

Mdia

3.6250

Desvio padro

2.5018

0.8454

0.0107

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

10

Dirceu da Silva, Evandro Luiz Lopes & Srgio Silva Braga Junior
____________________________________________________________________

Tabela 3 - Teste de Shapiro-Wilk de aderncia distribuio normal


Teste de Shapiro-Wilk

Resultados

Varivel 2

Tamanho da amostra

12

Mdia

150.8333

Desvio padro

17.0178

0.9767

0.9305

Feito o teste de normalidade, podem-se escolher os testes de hiptese mais adequados aos
dados e aos propsitos da pesquisa, usando o tipo de amostras coletadas em cada caso. O Quadro 1
apresenta os testes de hiptese mais usados em pesquisas quantitativas. Atentar para ltima coluna
em que alm da no aderncia normalidade h tambm os casos em que os dados so
contingenciados (apresentados em resumo ou soma de casos iguais) e nesses casos no faz sentido
se falar em distribuio estatstica. E os casos em que as variveis so nominais ou de identificao
(sexo, raa, regio, tipo de compra etc.).
Em alguns casos, como no teste ANOVA, h tambm a necessidade das varincias serem
homogneas nas amostras, isto , serem homoscedasticidade, do grego homos = igual e
cedasticidade = variao (ou varincia) uma propriedade das distribuies gaussianas. Por
exemplo, quando duas distribuies (dois conjuntos de dados. p. ex: salrios da empresa A e
salrios da empresa B) so homoscedsticas as curvas gaussianas tm traados semelhantes
(alturas e larguras semelhantes). O teste que faz essa comparao o teste de Levene e sua
interpretao a mesma dos outros testes de hipteses (se p 0,05 as duas amostras no so
homoscedsticas e se p > 0,05 no se as duas amostras so homoscedsticas).

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

11

Pesquisa quantitativa: elementos, paradigmas e definies


____________________________________________________________________
Caso de duas amostras

Caso de k amostras (1)

Natureza dos dados

Correlao (3)
Amostras
Amostras
Amostras
Amostras
relacionadas independentes relacionadas independentes

1. Aderentes
distribuio normal

Teste t de
Student

Teste t de
Student

ANOVA(2)

ANOVA(2)

Coeficiente de
correlao r de Pearson

2. No aderentes
distribuio normal

Teste de
Wilcoxon

Teste U de
Mann-Withney

Teste de
Friedman.

Teste H de
Kruskal-Wallis

Coeficiente de
correlao de postos de
Spearman

3. No aderentes
Dados nominais e
Contingenciados

Teste de
McNemar

Teste de Fisher

Teste Q de
Cochran

Teste Quiquadrado para


k amostras

Coeficiente de
contingncia e
Coeficiente Phi

Quadro 1 - Tipos de testes indicados em funo da natureza dos dados.


Fonte: Adaptado de Siegel e Castelan (2005).
Notas: (1) k amostras o termo que se usa para trs ou mais grupos de dados ou amostras.
(2) No caso especfico da ANOVA (anlise de varincia), alm da aderncia distribuio normal, h a
necessidade dos dados das amostras serem homoscedsticas, isto , as varincias serem homogneas.
(3) Correlao refere-se avaliao da fora entre duas variveis (quando elas crescem juntas, por
exemplo).
Fonte: Silva; Garcia e Farah (2012).

Taylor (1983) apresenta a classificao feita por Stevens em 1946 (nominal, ordinal,
intervalar e razo), essa classificao foi muito usada os recursos computacionais no estavam
disponveis para se tratar dados e assim assumia-se a priori que dados intervalares (mesma distncia
entre eles tal como a medida em centmetros ou em uma escala de Likert) e de razo (idem
intervalar, mas com zero real: receitas de vendas, por exemplo) possuam distribuies normais e as
escalas ordinal (por ex: preferncia por uma marca, classe social etc.) e nominal no possuam
distribuies normais. Como a facilidade que se tem do uso e acesso aos softwares estatsticos a
melhor opo a realizao dos testes de normalidade.
Como exemplo do resultado de um teste de hiptese (veja tabela 4), apresentam-se dois
testes t de Student realizados para comparar duas amostras (4 e 8 atributos) por experts e (idem)
para no expert. No primeiro teste (experts) este se mostra significante (p 0,05 alis, p menor
que 0,01 ou 1%) e no segundo caso no. Para compreenso das bases sobre as quais foram
realizados os testes recomenda-se o acesso fonte de origem (Lopes, Silva & Hernandez, 2013).

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

12

Dirceu da Silva, Evandro Luiz Lopes & Srgio Silva Braga Junior
____________________________________________________________________

Tabela 4 - Resultados dos testes t de Student para os dados da pesquisa


MDIAS OBSERVADAS
Teste t

GRAUS DE
LIBERDADE

p-valor

4 atributos

8 atributos

Experts

2,50

3,70

5,826

26

p<0,01

No experts

4,03

4,13

1,062

135

p>0,10

Nota: Graus de liberdade referem-se s possibilidades de comparao de casos. Quando se tem 28 sujeitos
(teste com os experts) fixa um caso de cada grupo para fazer comparaes dois a dois. Ento dois casos so
fixados e restam 26 casos para serem manipulados.
Fonte: Lopes, Silva e Hernandez (2013).

Como terceiro grupo de testes est o dos multivariados. Estes recebem esse nome porque
testam ou analisam grupo de mltiplas variveis ao mesmo tempo.
H 11 mtodos que atendem a maioria dos problemas presentes nas pesquisas (veja figura
3). Esses mtodos so divididos em dois grandes grupos: modelos dependentes e modelos
independentes. No primeiro grupo sempre h uma varivel dependente (em uma equao linear
seria a varivel Y). Por exemplo: sexo, tamanho das empresas, idade dos funcionrios etc. sobre
essa varivel que outras so analisadas. O segundo grupo so os modelos independentes ou de
interdependncia, isto , quando no se tm variveis dependentes, tal como em uma escala de
Likert.
Para a apresentao, resolveu-se apresentar dois modelos de dependncia e dois modelos de
independncia, que so mais usados em pesquisas na rea de gesto.

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

13

Pesquisa quantitativa: elementos, paradigmas e definies


____________________________________________________________________

Figura 3 - Taxionomia dos mtodos multivariados.


Fonte: Dillon e Goldstein (1984).

Uma das vantagens da pesquisa multivariada a descoberta de novas possibilidades que


os dados tm subjacentemente e que a simples comparao de variveis, por exemplo, duas a duas
tem pouca capacidade de revelao.

1) Regresso Mltipla (RM)


Mtodo mais usado e conhecido. Relaciona-se com a dependncia de uma nica varivel, a varivel
dependente (VD) sobre um conjunto de outras (variveis preditoras ou independentes VI). Por
exemplo: tm-se um conjunto de medidas de empresas do setor de autopeas (custos, despesas,
patrimnio lquido e vendas das empresas). Adotando-se a varivel patrimnio lquido com
dependente e as outras trs como preditoras. Pode-se fazer um estudo onde se descubra qual a
influncia de cada uma das preditoras sobre a dependente. (Para detalhes veja: Gervasoni; Rossib &
Silva, 2010). Como pressupostos h a necessidade de se ter dados aderentes distribuio normal e
distribuies homoscedsticas. Ao final da anlise de dados se obteve uma equao que mostra
quanto a varivel preditora pode explicar a varivel dependente. Escrevendo de outra forma, a
Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

14

Dirceu da Silva, Evandro Luiz Lopes & Srgio Silva Braga Junior
____________________________________________________________________

RM acaba por ponderar as contribuies de um conjunto de varivel apresentam em relao outra.


Para ser mais didtico, imagine que as suas despesas mensais (DM) (VD) estejam limitadas
compra de trs produtos: arroz, feijo e carne (VI). Ento poderia ter pela RM uma equao do tipo
DM = 2,30 Arroz + 1,76 Feijo + 0,34 Carne. Essa equao mostra que o item arroz aquele mais
importante na composio das despesas mensais.

2) Anlise Discriminante (AD)


Usada quanto se tem uma varivel (ou mais) que dependente (VD) com alguma caracterstica da
amostra. Por exemplo: faixa de renda, sexo, tipo de cliente, escolaridade e se deseja avaliar segundo
outro grupo de variveis (independentes - VI) se h discriminao entre as diferentes amostras que
compe a varivel dependente. Por exemplo, se as VD so: 1. Posio nos contratos (contratante ou
contratado); 2. Natureza das suas funes administrativa, tcnica ou ambas; 3. Tempo de atuao
na rea at dez anos e mais de dez anos e as VI so 1. objetividade e clareza nas definies (de
contratos), 2. explicitao das metodologias nos contratos, 3. produtividade e transparncia, 4.
aspectos diferenciadores do uso APF, 5. tarifao dos contratos e 6. formas de cobrana dos
contratos. Pode-se fazer um estudo de AD para se avaliar se h distino entre as amostras
expressas nas VD segundo as VI apresentadas (veja artigo: Silva, Garcia, Rinaldi & Pontes, 2007,
para mais informaes do exemplo apresentado).

3) Anlise Fatorial Exploratria (AFE)


uma tcnica de reduo de dados. A ideia da AFE a criao de fatores ou constructos, isto ,
grupo de variveis mensuradas que tm um mesmo sentido e definem um grupo mais homogneo.
Por exemplo: a AFE usada para validar escalas de atitude ou de Likert (mostrar que a escala pode
medir o que pretende medir), mas apenas em situaes onde no se sabe que variveis formam
um mesmo grupo (modelo fatorial). Como exemplo, foi selecionado um estudo sobre as
competncias e habilidades que futuros profissionais de engenharia demandam para a profisso
(Silva & Simon, 2005). Tal exemplo mostra como uma escala de Likert pode ser construda e
validada com o uso da AFE. Tambm, mostra como se pode usar o programa estatstico SPSS para
gerar o modelo fatorial.

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

15

Pesquisa quantitativa: elementos, paradigmas e definies


____________________________________________________________________

4) Escalonamento Muldimensional (EMD)


Este mtodo busca mostrar como objetos (pessoas, produtos, marcas etc.) podem formar
agrupamentos. Ao se calcular o EMD obtm-se um mapa perceptual que mostra os agrupamentos.
A figura 4 apresenta um exemplo obtido na pesquisa de Langrafe, Boaventura, R. S. Silva e D.
Silva (2009), onde se buscou avaliar as Escolas de Nvel Universitrio (IES) de Administrao de
Empresas da Cidade de So Paulo, para tal, os autores buscaram coletar informaes sobre diversas
caractersticas das IES. Ao final da anlise o mapa perceptual, mostra que h trs agrupamentos
distintos e trs IES que fogem aos agrupamentos, so outliers (fora da curva fogem a um
padro). Ao se conseguir tais agrupamentos, podem-se classificar os objetos da pesquisa e tentar
entender como se relacionam.

Figura 4 - Mapa perceptual de pesquisa com IES na cidade de So Paulo.


Fonte: Langrafe, Boaventura, R. S. Silva e D. Silva (2009).

5 GUISA DE CONCLUSES

Este artigo no tem concluses, pois foi uma tentativa didtica de se apresentar a pesquisa
quantitativa. Mesmo assim, alguns comentrios podem ser feitos. A pesquisa qualitativa tem uma
grande importncia, mas no permite a tomada de decises, pois ela uma etapa inicial e
exploratria. Saber o que entrevistados argumentam, opinam ou manifestam sobre algo tem sua
Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

16

Dirceu da Silva, Evandro Luiz Lopes & Srgio Silva Braga Junior
____________________________________________________________________

importncia e em alguns aspectos podem representar algo que os entrevistados (em pequeno
nmero) compreendem, mas no necessariamente, aquilo que mais consensual numa rea. Por
outro lado, a pesquisa quantitativa por ser executada em amostras grandes e com critrios de
abrangncia de possibilidades pode quando bem executada permitir entender o que de fato uma
rea ou atividade ou segmento manifesta e assim permitir a tomada de deciso sobre uma questo
de relevo gerencial.
Por fim, convidamos os leitores a acessar os artigos sugeridos em cada exemplo para que
possam familiarizar-se com a pesquisa quantitativa.

REFERNCIAS

Bardin, L. (2011). Anlise de contedo (6a ed.) Lisboa: Edies 70.


Bussab, W. O. & Morettin, P. A. (2014). Estatstica bsica (8a ed.) So Paulo: Saraiva.
Cano, A.F. & Guerrero, I. M. F. (2009). Crtica y alternativas a la significacin estadstica en el
contraste de hipteses. Madrid: LA Muralla.
Creswell, J. W. & Plano-Clark, V. L. (2013). Pesquisa de mtodos mistos (2a ed.) Porto Alegre:
Pensa.
DeVellis, R. F. (2003). Scale development: theory and applications. Thousand Oaks: Sage.
Dillon, W. R. & Goldstein, M. (1984). Multivariate analysis: methods and applications. New York:
John Wiley & sons.
Gervasoni, V. C.; Rossib, G. B. & Silva, D. (2010). Gesto de custos e despesas e a estratgia
competitiva de diferenciao setor autopeas. Revista Brasileira de Estratgia, 3(3), 217-230.
Hair, J.; Money, A. H.; Babin, B. & Samouel, P. (2005). Fundamentos de mtodos de pesquisa em
administrao. Porto Alegre: Bookman.
Langrafe, T. F.; Boaventura, J. M. G.; Silva, R. S. & Silva, D. (2009). Grupos Estratgicos: um

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

17

Pesquisa quantitativa: elementos, paradigmas e definies


____________________________________________________________________

estudo dos cursos de graduao em Administrao na cidade de So Paulo. Revista IberoAmericana de Estratgia, 8(1), 78-101.
Levin, J. & Fox, J. A. (2004). Estatstica aplicada a Cincias Humanas. (9a ed.) So Paulo:
Pearson.
Lopes, E. L. (2010) .No te conheo bem, mas j gostei de voc! O efeito da marca na negligncia
da omisso nos diferentes nveis de necessidade cognitiva. So Paulo: Uninove, 2010. Tese
(Doutorado) PPGA, Universidade Nove de Julho, So Paulo.
Lopes, E. L.; Silva, D. & Hernandez, J. M. C. (2013). O efeito da marca na negligncia da omisso:
uma pesquisa experimental. Revista de Administrao Contempornea, 17(2), 132-153.
Martins, G. A. (2005). Estatstica Geral e Aplicada (3a ed.) So Paulo: Atlas.
Melo, W. M.; Rossi, G. B.; Gervasoni, V. C. & Silva, D. (2013). Determinao de preos no varejo
de servios pblicos: uma abordagem experimental para a previdncia social brasileira. Revista
Brasileira de Marketing, 12(3), 179-205.
Siegel, S. & Castellan Jr., N. J. (2006) .Estatstica no paramtrica - para as Cincias do
Comportamento (2a ed.). Porto Alegre: Artmed.
Silva, D.; Garcia, M. N.; Rinaldi, H. M. R., & Pontes, C. C. C. (2007). Anlise das possveis
diferenas entre contratantes e contratados em terceirizao de servios de software segundo a
mtrica de anlise de ponto de funo. BASE - Revista de Administrao e Contabilidade da
Unisinos, 4(1), 47-60.
Silva, D., Garcia, M. N. & Farah, O. E.(2012). Mtodos quantitativos na pesquisa de marketing. In
N. K. Pizzinatto & O. E. Farah. (orgs.). Pesquisa pura e aplicada para marketing (pp. 57-78)
So Paulo: Editora Atlas.
Silva, D. & Simon, F. O. (2005). Abordagem quantitativa de anlise de dados de pesquisa:
construo e validao de escala de atitude. Cadernos do CERU, 2(16), 11-27.
Taylor, M. (1983). Ordinal and interval scaling. Journal of the Market Research Society, 25 (4),
297303.

Revista de Gesto e Secretariado - GeSec, So Paulo, v. 5, n. 1, p 01-18, jan./abr. 2014.

18