Desenvolvimento em Questão

ISSN: 1678-4855
[email protected]
Universidade Regional do Noroeste do Estado
do Rio Grande do Sul
Brasil

Gabriel, Marcelo L. D.
Métodos Quantitativos em Ciências Sociais. Sugestões para Elaboração do Relatório de Pesquisa
Desenvolvimento em Questão, vol. 12, núm. 28, octubre-diciembre, 2014, pp. 348-369
Universidade Regional do Noroeste do Estado do Rio Grande do Sul
Ijuí, Brasil

Disponível em: http://www.redalyc.org/articulo.oa?id=75232664010

Como citar este artigo

Número completo
Sistema de Informação Científica
Mais artigos Rede de Revistas Científicas da América Latina, Caribe , Espanha e Portugal
Home da revista no Redalyc Projeto acadêmico sem fins lucrativos desenvolvido no âmbito da iniciativa Acesso Aberto
 ENSAIO

Métodos Quantitativos
em Ciências Sociais
Sugestões para Elaboração
do Relatório de Pesquisa

Marcelo L. D. Gabriel1

Resumo
A produção intelectual brasileira e internacional no campo das Ciências Sociais tem apresentado
uso considerável de métodos quantitativos em pesquisa, impulsionado pela popularização de sof-
twares estatísticos e pela facilidade com que análises estatísticas executadas anteriormente com o
uso de linguagem de programação, passaram a ser incorporadas no repertório dos pesquisadores.
A disponibilidade de softwares estatísticos como o SPSS, Stata, Matlab, SAS, BioEstat, Sistat, a
linguagem R, dentre outros, tem acentuando a demanda por um maior aprofundamento por parte
dos pesquisadores sobre estatística aplicada, contribuindo para a difusão de seu uso nas Ciências
Sociais. Este artigo tem como objetivo discutir os aspectos técnicos e metodológicos e propor um
roteiro sugestivo para auxiliar os pesquisadores na elaboração do relatório de pesquisa de abordagem
quantitativa, contribuindo para um maior rigor no tratamento e análise dos dados e permitindo que os
resultados obtidos sejam significativos tanto do ponto de vista estatístico quanto do conceitual. Como
referencial teórico optou-se pela utilização de artigos similares publicados internacionalmente e do
cotejamento com o texto original dos autores geralmente citados em pesquisas como Likert (1932),
Cronbach (1951, 2004) e Nunnally (1978) bem como dos manuais utilizados contemporaneamente.

Palavras-chave: Ciências sociais. Métodos de pesquisa. Pesquisa quantitativa. Análise multivariada

de dados. Relatório de pesquisa.

1
Doutor em Educação (Ciência e Tecnologia) pela Universidade Estadual de Campinas (Unicamp). Mestre
em Administração de Empresas pelo Centro Universitário Álvares Penteado (Unifecap). Bacharel em
História pela Universidade de São Paulo (USP). Professor do curso de Mestrado Profissional em Gestão
Ambiental e Sustentabilidade (GeAS) da Universidade Nove de Julho (Uninove). [email protected]

DESENVOLVIMENTO EM QUESTÃO
Editora Unijuí • ano 12 • n. 28 • out./dez. • 2014 p. 348-369
 QUANTITATIVE METHODS IN SOCIAL SCIENCES:
Suggestions for the Preparation of the Research Report
Abstract
The Brazilian and international intellectual production in the field of social sciences has shown a
considerable use of quantitative methods in research, driven by the popularity of statistical software
and the ease of usage of statistical analysis previously performed with the use of programming lan-
guage. This adoption led to a new toolbox that was incorporated into the repertoire of researchers. The
availability of statistical software such as SPSS, Stata, Matlab, SAS, BioEstat, Sistat, the R language,
amongst others, has accentuated the demand for a greater depth by researchers on applied statistics,
contributing to the spread of its use in the social sciences. This article aims to discuss the technical
and methodological aspects and propose a suggestive roadmap to assist researchers in preparing the
report of quantitative research, contributing to a more rigorous treatment and analysis of the data and
allowing the results are significant both from the statistical point of view as from the conceptual point
of view. The theoretical background was based on the use of similar articles published internationally
and a systematic revision of the original authors usually cited in surveys as Likert (1932), Cronbach
(1951, 2004), Nunnally (1978) as well as the reference manuals used contemporarily.
Keywords: Social sciences. Research methods. Quantitative research. Multivariate data analysis.
Research report.
 Marcelo L. D. Gabriel

A disponibilidade e popularidade de softwares estatísticos como

o SPSS, Matlab, SAS, Statistica, Sistat, dentre outros, tem ampliado a
utilização das técnicas multivariadas para análise de dados, acentuando a
demanda de um maior aprofundamento por parte dos pesquisadores sobre
estatística aplicada, contribuindo para a difusão de seu uso nas Ciências
Sociais. Tal fenômeno não é recente (Sheth, 1971; Warwick, 1977), mas
foi amplificado nos últimos 20 anos com a popularização e disponibilidade
de computadores com alta capacidade de processamento e acessibilidade
(Mesirov, 2010), permitindo que os resultados obtidos por pesquisadores ao
redor do mundo fossem imediatamente disponibilizados por intermédio da
rede mundial de computadores e que as técnicas empregadas estivessem
disseminadas e disponíveis.

Ressalta-se ainda que o progresso tecnológico habilita os pesquisado-

res a se distanciarem das limitações técnicas existentes anteriormente, com
a possibilidade e a capacidade de analisar grandes quantidades de dados,
ampliando as condições de um engajamento em desenvolver e avaliar no-
vos modelos teóricos (Hair Jr. et al., 2005), mas que não podem prescindir
do discernimento e conhecimento preliminar sobre os métodos e técnicas
aplicados e, consequentemente, de interpretar, inferir e testar hipóteses
com propriedade e rigor (Bedeian, 2013).

Assim, a elaboração de um relatório de pesquisa desenvolvido com

base em uma abordagem quantitativa não está isento de fraquezas e sua
fortaleza não se baseia apenas na robustez dos números apresentados, mas
na forma como a análise realizada responde aos problemas de pesquisa e
estão em consonância com as características do conhecimento científico,
independentemente da matriz filosófica subjacente ao método.

Essa visão, ainda presente em alguns círculos de pesquisa, descarta o

fato de que é impossível diferenciar completamente as causas e efeitos e que
conhecedor e conhecimento não podem ser separados, porque o conhecedor
subjetivo é a única fonte da realidade, o que nos remete a uma conclusão
epistemológica de que in extremis toda pesquisa é qualitativa.

350 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

O processo de realização da pesquisa

e as escolhas do pesquisador
Uma pesquisa pode ser entendida, em um sentido amplo, como uma
busca científica e sistemática que pode inicialmente ser qualitativa ou quan-
titativa, e quando se podem distinguir diferentes categorias como básica,
aplicada ou avaliativa. Além da distinção inicial entre pesquisa qualitativa e
quantitativa, McMillan e Schumacher (2005) destacam que dentre essas duas
classes de pesquisa se encontram duas categorias principais: (a) experimental
e (b) não experimental para as pesquisas quantitativas; (c) interativa e (d)
não interativa para as pesquisas qualitativas.

Uma modalidade de pesquisa informa sobre o delineamento mais

apropriado, que inclui os procedimentos para guiar o estudo levando em
consideração alguns fatores: como se prepara a pesquisa, quais os sujeitos e
como serão coletados os dados.

As modalidades de pesquisa quantitativa foram desenvolvidas inicial-

mente para uso no campo dos estudos de agricultura e das ciências puras, que
adotavam uma filosofia positivista do conhecimento que destacava a objeti-
vidade e a quantificação dos fenômenos. Como resultado desta orientação,
os delineamentos de pesquisa maximizam a objetividade com o emprego
de números, estatística, estrutura e controle experimental.

Esta atribuição de que o delineamento quantitativo adota uma filo-

sofia positivista do conhecimento, deve-se ao fato de que os pressupostos
articulados pelos defensores do paradigma de pesquisa quantitativo são
consistentes com esta filosofia, ou seja, entendem que as observações sociais
devem ser tratadas como entidades de maneira similar à forma com que os
cientistas tratam os fenômenos físicos (exemplo: ciências puras), e que o
observador está separado das entidades que estão sujeitas à observação, de
modo que a investigação em ciências sociais seja objetiva e livre de genera-

Desenvolvimento em Questão 351

 Marcelo L. D. Gabriel

lizações referentes a tempo e contexto, sendo assim a causadora da validade

e confiabilidade dos resultados produzidos pelas ciências sociais (Johnson;
Onwuegbuzie, 2004, p. 14).

Por outro lado, os teóricos da abordagem qualitativa rejeitam o cha-

mado positivismo e defendem a superioridade do construtivismo, idealismo,
relativismo, humanismo, hermenêutica e, em alguns casos, pós-modernismo.
Estas afirmações se baseiam na abundância de realidades múltiplas, que a
inexistência de generalizações referente a tempo e contexto não é desejável
nem existente, que é impossível diferenciar completamente as causas e
efeitos e que conhecedor e conhecimento não podem ser separados, porque
o conhecedor subjetivo é a única fonte da realidade (Johnson; Onwuegbuzie,
2004, p. 14).

Embora não haja uma prioridade epistemológica de uma modalidade

em relação à outra, Babbie (2003) sugere que o exame de um determinado
fenômeno social é mais bem-sucedido se puder ser abordado por vários
métodos diferentes e que todos os métodos de pesquisa social são norteados
pelas características gerais da ciência e que é útil analisar as forças e fraque-
zas relativas de cada método para escolha do mais adequado ao propósito
da pesquisa.

Assim, é preciso clareza ao pesquisador no entendimento de que

a escolha do procedimento metodológico está intrinsecamente ligada ao
problema da pesquisa e não ao contrário, ou seja, não é por ter maior fa-
miliaridade com uma abordagem de pesquisa (exemplo: qualitativa com o
uso de entrevistas em profundidade, pesquisa etnográfica, etc.) que todos
os problemas de pesquisa serão respondidos com esta abordagem e que
uma escolha feita no início da carreira acadêmica vá predizer o estilo do
pesquisador durante sua produção científica.

Dado o caráter não definitivo da ciência e suas características lógicas,

explicativas e empíricas, o processo de pesquisa e o delineamento escolhido
pelo pesquisador consistem em uma possibilidade que não esgota as demais,

352 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

mas tem a função de definir os problemas e os métodos legítimos de um

campo de pesquisa (Kuhn, 2000), e como teoria do conhecimento constitui-
-se de uma metodologia geral da ciência empírica, sem determinar seus
métodos de maneira descritiva, mas busca explicar seus métodos e é isso
que a distingue como sistema empírico-científico dos sistemas metafísicos
(Popper, 2013).

Em artigo recentemente publicado, Fakis et al. (2014) avaliaram a

utilização de estatística para quantificar informações qualitativas obtidas
em entrevistas a partir de um protocolo predefinido, e concluíram sobre
a necessidade de criação de uma nova abordagem que proponha o uso de
modelagem estatística avançada para explorar as complexas relações advin-
das das informações obtidas. Tais achados evidenciam a necessidade de os
pesquisadores integrarem suas abordagens e, como propôs Popper (2013),
explicar seus métodos sem determinação descritiva.

Relatório de pesquisa
com delineamento quantitativo
A adoção de um delineamento quantitativo em pesquisa pressupõe
algumas condições específicas que devem estar presentes desde a formulação
do problema, o que implica papel preponderante da revisão da literatura, da
coleta e a análise dos dados e da redação do relatório de resultados (Sampieri;
Collado; Lucio, 2013).

Ainda, o objetivo final de uma pesquisa com enfoque quantitativo é

“quantificar” os dados para generalizar os resultados de uma amostra para a
população-alvo, sempre coletados a partir do maior número possível de casos
que correspondam a uma amostra representativa, por meio de instrumentos
estruturados e cuja análise se dê utilizando estatística (Malhotra, 2001).

Desenvolvimento em Questão 353

 Marcelo L. D. Gabriel

Possivelmente em razão da popularização dos pacotes computacionais

estatísticos e da facilidade com que a maioria dos dados são coletados, seja
pelo uso de instrumentos de pesquisa estruturados aplicados pelos pesquisa-
dores no campo ou pela utilização de plataformas web, o fato é que se produz
uma grande quantidade de conhecimento em Ciências Sociais Aplicadas com
o uso de delineamentos quantitativos que nem sempre permitem que sejam
feitas as generalizações e inferências propostas por seus autores.

Alguns cuidados fundamentais podem e devem ser tomados antes,

durante e depois da redação do relatório de pesquisa para minimizar os efeitos
nocivos de uma má utilização de certa análise estatística ou de determinada
técnica multivariada.

Toda pesquisa deve nascer com a formulação de um problema,

geralmente resultado da experiência prévia e vivência do pesquisador,
enriquecido com uma revisão sistemática da literatura e que pressupõe,
sempre hipoteticamente, uma contribuição ao campo do conhecimento,
seja pela proposição de uma nova articulação entre as variáveis identificadas
ou pelo aprofundamento de estudos e pesquisas existentes, amplificando
os resultados anteriores e trazendo à tona novas conjecturas ou conclusões.

Cabe destacar que as pesquisas com delineamento quantitativo

pressupõem a definição do papel de cada variável e a relação entre elas,
gerando hipóteses a serem testadas durante a análise dos dados coletados.
Para Rosenberg (1976), a relação entre duas variáveis podem ter três signi-
ficados diferentes que geram, por sua vez, relações diferentes. Quando não
há influência de nenhuma variável sobre a outra se tem a chamada relação
simétrica; quando ambas as variáveis podem influenciar uma à outra temos
uma relação recíproca e, finalmente, quando uma variável tem influência
sobre outra variável, apresenta-se a relação assimétrica.

354 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

A formulação do problema de pesquisa passa pela identificação e

definição das variáveis, bem como do estabelecimento das relações possíveis
entre elas, considerando a precedência de tempo entre elas, principalmente
em relações de causa e efeito.

Identificar uma variável como dependente (VD) e outra como in-

dependente (VI) implica tacitamente pressuposição de uma relação causal
entre as duas variáveis, que gera, por consequência, uma hipótese que pode
ser expressa graficamente como VI à VD, ou seja, a variável independente
“causa” um efeito presumido na variável dependente e tal efeito está sus-
tentado pelo referencial teórico e pela experiência prévia do pesquisador.

Identificadas e estabelecidas, a priori, as relações entre as variáveis,

passa-se então à fase de operacionalização, ou seja, como as dimensões
subjacentes a cada variável serão mensuradas. Ao analisar o efeito da idade
das crianças em sua altura, parece-nos evidente que, com o passar dos anos,
as crianças devem crescer em altura. Assim, a variável independente neste
exemplo são os anos de vida de uma criança e, por conseguinte, a variável
dependente é a altura da criança. Tal formulação derivou-se do conhecimento
prático e sustentado por anos de observação do pesquisador, incluindo sua
própria experiência.

No mesmo exemplo, a relação entre as variáveis permite a formulação

de uma hipótese: com o passar dos anos as crianças ficam mais altas. Trata-
-se de um exemplo simples, mas que permite identificar quais as variáveis,
qual a relação entre elas e de que forma elas podem ser operacionalizadas.
Para mensurar a variável “anos de vida” utiliza-se como referência a data
de nascimento da criança e, para mensurar a variável “altura”, usa-se um
padrão determinado como, por exemplo, centímetros.

Uma das formas mais empregadas para operacionalização de variáveis

é o desenvolvimento de escalas. Uma régua de 30 cm é uma escala, uma
balança de 150 kg é uma escala, uma garrafa de 1 litro é uma escala, ou seja,
para cada uma das variáveis exemplificadas existe uma forma padronizada

Desenvolvimento em Questão 355

 Marcelo L. D. Gabriel

de medir e atribuir um valor ao fenômeno estudado, por exemplo: 24 cm,

82 kg ou 0,7 l. Para cada valor há uma unidade predefinida e nos países
que adotam o Sistema Internacional (S.I.) não há maiores dificuldades em
interpretar os resultados.

Os tipos de escala mais utilizados em pesquisas com delineamento

quantitativo são: escala nominal que usa números como rótulos para identifi-
car e classificar os respondentes e cada número empregado é atribuído a um
único objeto como, por exemplo, a numeração na camisa dos jogadores de
futebol; a escala ordinal é para estabelecer uma graduação em que os números
indicam as posições relativas dos objetos dentro da graduação proposta sem
revelar a magnitude das diferenças entre eles; a classificação de times em
um torneio é um exemplo de escala ordinal; uma escala intervalar é aquela
que engloba as características da escala ordinal e permite ainda comparar
a diferença entre os objetos mensurados, pois há um intervalo constante
entre os valores da escala; as escalas de razão contêm as características das
três escalas anteriores acrescidas de um ponto zero absoluto que permite
ao pesquisador identificar e classificar objetos, dispor os objetos em postos
e comparar os intervalos.2

Definida a forma de operacionalizar as variáveis o pesquisador pode

ir a campo coletar seus dados. Dados de quantas crianças, porém, devem ser
coletados para que os resultados da amostra obtidos possam ser generalizados
para a população?

O cálculo da amostra exige do pesquisador um conhecimento es-

pecífico da população a ser analisada e das técnicas de amostragem. Este
artigo não visa a detalhar as técnicas amostrais, porém é fundamental que o
pesquisador que utiliza um delineamento de pesquisa quantitativa explicite
em seu relatório de pesquisa qual a técnica empregada, as razões do uso, a

2
Muito embora o tema desenvolvimento e validação de escalas seja primordial no delineamento da pesquisa
quantitativa, diversos autores (Devellis, 2012; Pasquali, 2003; Urbina, 2007; Pasquali et al., 2010; Anastasi,
1977; Nunnally, 1978; Openheim, 1966, 1992; Likert, 1932; Thurstone, 1928) podem ser estudados pelo
pesquisador para um maior aprofundamento e esclarecimento sobre escalas.

356 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

população estudada e o tamanho da amostra em que os dados foram coleta-

dos, para que se possa sustentar a generalização dos resultados ou enfatizar
as limitações inferenciais em função da amostra.

Considerando que as variáveis foram operacionalizadas e suas re-

lações definidas, que o plano amostral está satisfatoriamente justificado e
que os dados foram coletados, passa-se então à fase de análise dos dados
e, novamente, é fundamental que o pesquisador conheça diferentes tipos
de análise de dados: univariada ou estatística descritiva, bivariada ou esta-
tística inferencial ou teste de hipótese e multivariada, bem como as forças
e fraquezas de cada método. Sheth (1977a) propõe que o pesquisador não
busque problemas que se adequem a uma ou outra técnica estatística, mas
que cada problema de pesquisa suscite o interesse por aprender e conhecer
novas técnicas, o que leva a um constante aperfeiçoamento do pesquisador
e enriquece a análise dos dados.

Por análise univariada entende-se o cálculo de medidas de tendência

central como média, moda e mediana, e medidas de dispersão, tais como
intervalos, variância, desvio-padrão, coeficiente de variação, assimetria e
curtose.

Seja em análises univariada, bivariadas ou multivariadas, a normali-

dade dos dados representa fator crítico na escolha da técnica, na análise dos
dados e, consequentemente, na redação do relatório de pesquisa que, por
uma interpretação errônea, pode levar a resultados não condizentes com o
que de fato foi coletado.

O pesquisador deve apresentar os testes estatísticos referentes à nor-

malidade dos dados. Para amostras até 50 casos sugere-se o teste de Shapiro-
-Wilk, disponível na maioria dos pacotes computacionais, e para amostras
acima de 50 sugere-se o teste de Komolgorov-Smirnov (Silva; Garcia; Farah,
2012). Em ambos os testes o que se busca é testar a H0 (diz-se agá zero) ou
hipótese nula, de que os dados são aderentes à distribuição normal.

Desenvolvimento em Questão 357

 Marcelo L. D. Gabriel

Dados aderentes à distribuição normal são chamados de métricos ou

paramétricos, enquanto os não aderentes à distribuição normal são chamados
de não métricos ou não paramétricos. Em sua grande maioria, os dados das
Ciências Sociais apresentam-se como não paramétricos.

Se os dados são aderentes à distribuição normal, o pesquisador deve

utilizar testes paramétricos para testar as hipóteses, tais como: o teste t e o
teste Z para uma amostra, o teste t de dois grupos ou o teste Z para duas
amostras independentes e o teste t em pares para duas amostras relaciona-
das. Inversamente, se os dados não são aderentes à distribuição normal, o
pesquisador deve utilizar para teste de hipóteses para uma amostra os testes
de qui-quadrado (X2), K-S (Komolgorov-Smirnov), repetições e binomial.
Para duas amostras independentes utilizar os testes de qui-quadrado (X2),
Mann-Whitney, mediana e K-S (Komolgorov-Smirnov) e para duas amostras
relacionadas usar o teste do sinais, de Wilcoxon, de McNemar e qui-quadrado
(X2) (Malhotra, 2001).

Alguns testes, como t de Student, análise de variância (Anova) ou o

coeficiente de correlação de Pearson, pressupõem que as variáveis sejam
métricas, assim como o coeficiente de correlação de Spearman e os testes de
Wilcoxon, de Mann-Whitney, de Friedman e de Kruskal-Wallis são válidos
apenas para variáveis não métricas.

É extremamente recomendável que o pesquisador que não tenha

familiaridade com os testes e com a interpretação dos resultados gerados
pelos pacotes computacionais estatísticos, procure usar alguma obra de re-
ferência que permita a reflexão sobre a teoria implícita no teste ou análise e
a leitura e interpretação dos resultados obtidos. Dentre as muitas vantagens
da utilização dos atuais pacotes computacionais estatísticos está a de que é
possível alterar os parâmetros e reavaliar os resultados em segundos, o que
fornece ao pesquisador inúmeras possibilidades de análise e teste dos dados,
com custo baixo e nenhum risco.

358 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

É importante que o pesquisador realize o teste de normalidade e

declare os resultados obtidos em seu relatório de pesquisa. Isso fundamenta
as decisões posteriores sobre os testes realizados e assegura que as escolhas
estão de acordo com a natureza dos dados.

Outro aspecto relevante diz respeito ao pacote computacional estatís-

tico utilizado pelo pesquisador para a análise dos dados. Embora não exista e,
aliás, nem deva existir, unanimidade sobre este ou aquele pacote estatístico,
é importante que o pesquisador indique claramente qual o pacote e qual a
versão utilizada, posto que as atualizações dos pacotes tendem a incorporar
novos testes e aprimorar os existentes.

Em estudo comparativo sobre testes de normalidade de dados, Yap e

Sim (2011) analisaram dez pacotes computacionais estatísticos em relação a
dez diferentes testes de normalidade e não encontraram muitas similaridades
entre as opções disponíveis, e os testes de Shapiro-WilK e Komolgorov-
-Smirnov foram encontrados em 80% dos pacotes analisados, o que reitera
a recomendação para o pesquisador indicar claramente o pacote utilizado e
a versão do pacote.

Conceitos-chave na redação
do relatório de pesquisa
A construção do relatório de pesquisa pressupõe alguns parâmetros
e Campbell (2011) sugere aos autores que considerem utilizar a regra Intro-
dução, Métodos, Resultados e Discussão (IMR&D), ou seja, a Introdução
na qual constem as informações referentes à justificativa da pesquisa, os
marcos teóricos, o problema de pesquisa e as hipóteses derivadas, seguida de
Métodos, em que sejam explicitados pontos críticos como desenvolvimento
do instrumento, sujeitos da amostra e como foram amostrados, as análises
e testes que serão feitos. No item Resultados são apresentadas as tabelas,
quadros e ilustrações que mais bem representem os cálculos e outros índices
calculados.

Desenvolvimento em Questão 359

 Marcelo L. D. Gabriel

Antes de tratar do item Discussão é importante que o pesquisador

invista tempo e estudo na redação dos resultados, mesmo considerando que
durante as fases anteriores a escolha do método tenha sido bem-executada.

Um aspecto que é usual e recorrente em pesquisas de levantamento

ou Survey é a existência de dados perdidos ou faltantes (missing data) e muitos
pesquisadores falham ao relatar quantos foram os dados faltantes, quando
ocorreram e como foram administrados. Não há problema algum em que
existam dados faltantes, e os pacotes computacionais estatísticos dispõem
de diferentes formas de tratá-los. A questão central é a identificação dos
dados faltantes e a forma como foram abordados. Os manuais de referência
mais comumente utilizados (Hair Jr. et al., 2005; Malhotra, 2001; Agresti;
Finlay, 2012) apresentam as diferentes soluções para dados faltantes. Cabe
ao pesquisador tomar decisões sobre os dados faltantes e incluí-las na redação
do relatório de pesquisa.

Dois critérios fundamentais em delineamentos quantitativos de pes-

quisa são a Confiabilidade (ou Fidedignidade) e a Validade. A confiabilidade
diz respeito à precisão e consistência dos resultados do processo de mensu-
ração. O método mais amplamente usado para medição de consistência de
uma escala é o cálculo do alfa de Cronbach, e uma das razões é que este é o
único índice de consistência que não necessita de duas administrações de
escala e pode ser determinado com muito menos esforço.

Ao revisar seu artigo de 1951, Cronbach (2004) destaca a quantida-

de de vezes que foi citado, mas alerta para o fato de que possivelmente o
pesquisador não tenha realmente lido o artigo, mas simplesmente o tenha
“encontrado” por leituras ou indicação de outros pesquisadores ou orienta-
dores que, tampouco, o tenham lido. Não obstante à leitura e compreensão
do artigo, o que se nota nos relatórios de pesquisa quantitativa publicados
é uma generalização sobre o uso do alfa de Cronbach como critério de
consistência interna dos dados e consequentemente de confiabilidade. A
pergunta mais importante não é feita: Qual o critério para aceitar ou rejeitar
a consistência interna dos dados?

360 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

Peterson (1994) identificou diferentes critérios para utilização do

alfa de Cronbach a partir da meta-análise de artigos publicados entre 1960
e 1992 e constitui uma excelente referência para os pesquisadores avaliarem
os resultados obtidos. Mais recentemente, Peterson e Kim (2013) compa-
raram os resultados obtidos em pesquisas empíricas que empregaram o alfa
de Cronbach e a confiabilidade composta (ou rho de Dillon-Goldstein)
que é normalmente calculada em modelos de equações estruturais (MEE)
e fornecem ao pesquisador mais subsídios para as tomadas de decisão em
relação aos critérios para assunção da confiabilidade.

Se em relação à confiabilidade existem pontos divergentes e conver-

gentes, o mesmo também se aplica em relação à validade. Cronbach e Meehl
(1955) destacam que a Associação Psicológica Americana (APA) sugeriu em
1954 quatro categorias de validade: validade preditiva, validade concorrente,
validade de conteúdo e validade do construto. Pasquali (2007), ao propor
um retorno à conceituação original, apresenta 32 categorias de validade que
foram desdobradas dos conceitos originais e que levam a um esquecimento
do conceito primordial sobre validade, que é ontológica em sua natureza.

Já Urbina (2007) retoma o caminho criticado por Pasquali (2007) e

traz diferentes categorias de validade, como validade convergente, validade
de face, validade diferencial, validade discriminante e validade incremental.
Para DeVellis (2012), existem essencialmente três tipos de validade: validade
conteúdo, validade relacionada ao critério (ou validade preditiva) e validade
de construto, retomando o que foi originalmente proposto pela APA em 1954,
excetuando a validade concorrente do seu repertório.

Novamente surge um ponto em que o pesquisador deve tomar

decisões sobre qual ou quais os critérios de validade irá adotar e por que.
Diferentes métodos e técnicas podem propiciar formas de mensuração da
validade mais apropriadas para cada questão-problema e, como fica evidente,
não há uma uniformidade sobre qual ou quais critérios devam ser priorizados
em detrimento de outros. Sugere-se ao pesquisador que durante a elabo-

Desenvolvimento em Questão 361

 Marcelo L. D. Gabriel

ração do referencial teórico identifique em trabalhos similares as razões e

motivações pela escolha de cada critério de validade para, assim, construir
seu próprio conjunto, suportado teórica e empiricamente.

Outro aspecto, muitas vezes negligenciado pelos pesquisadores, diz

respeito aos conceitos fundamentais da Estatística que, diferentemente da
Matemática, é probabilística e não determinística. Trata-se fundamental-
mente de incorrer no Erro Tipo I ou no Erro Tipo II. De forma bastante
resumida, o Erro Tipo I, ou erro alfa (α), ocorre quando os resultados amos-
trais conduzem à rejeição de uma hipótese nula que é, de fato, verdadeira
e o Erro Tipo II, ou erro beta (β), ocorre quando os resultados amostrais
conduzem à não rejeição de uma hipótese nula que, de fato, é falsa.

Quando estabelecemos uma relação entre variáveis e propomos uma

hipótese, todo o processo subjacente ao método quantitativo visa a testagem
da hipótese. A insistência em aceitar ou rejeitar uma hipótese quando esta
é falsa leva a um comprometimento dos demais resultados e, consequente-
mente, do trabalho de pesquisa como um todo.

Outro aspecto a ser considerado pelo pesquisador é a especificação

dos níveis de erro estatístico aceitável, sendo o mais comum definir o nível
do Erro Tipo I ou alfa, que ocasiona a exibição de significância estatística,
quando ela não está presente. Assim, ao estabelecer um nível alfa, o pesqui-
sador está estabelecendo os limites permitidos para o erro (Malhotra, 2001;
Hair Jr. et al., 2005; Agresti; Finlay, 2012; Devellis, 2012).

Ainda interessante para que o pesquisador inclua no relatório de

pesquisa é o poder de um teste ou a probabilidade (1-β) de rejeitar a hipó-
tese nula corretamente, quando ela deve ser rejeitada. Para Hair Jr. et al.
(2005), embora a especificação do valor de alfa estabeleça a significância
estatística aceitável, é o nível de poder que determina o sucesso de encontrar
as diferenças. Malhotra (2001) alerta para o fato de que valores extrema-
mente baixos de alfa (ex.: p<0,001) conduzem a valores extremos de beta,
que podem ser equilibrados, por exemplo, ao se aumentar o tamanho da

362 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

amostra. Existem pacotes computacionais específicos para cálculo do poder

de um teste e também do tamanho do efeito (do inglês effect size), uma
vez que o poder de um teste é determinado pelo tamanho do efeito, pelo
valor de alfa e pelo tamanho da amostra, conforme exemplificado por Hair
Jr. et al. (2005).

Em estudo realizado com artigos publicados nos periódicos Interna-

tional Business Review (IBR) e Journal of World Business (JWB) entre 2003
e 2008 e utilizando o pacote estatístico G*Power3, Zhan (2012) identificou
que poucos estudos analisados atendiam às recomendações sobre tamanho
do efeito, valor de alfa e tamanho da amostra, e em 463 artigos analisados
apenas um destacou a escolha da amostra em razão do poder desejado na
análise.

Outro aspecto que merece a atenção do pesquisador diz respeito

ao critério de significância estatística. Para Hubbard e Lindsay (2013), a
corriqueira utilização de 5% (p<0,05) como nível padrão de significância
estatística com base no que foi proposto por Fisher em 1925 e em 1926,
têm levado os pesquisadores a considerar o teste de significância como o
objetivo último de uma pesquisa, gerando ainda uma errônea impressão de
que os resultados sejam generalizados.

Destaca-se ainda o fato de que as conclusões de qualquer pesquisa

são o resultado de um processo imperfeito, que é formado a partir da formu-
lação de um problema e depende da disponibilidade dos dados coletados,
o método de análise e as habilidades e vieses do pesquisador, bem como
das decisões que são tomadas no curso do processo de pesquisa (Hubbard;
Lindsay, 2013).

Em virtude da popularização dos pacotes computacionais estatísticos

tornou-se comum a utilização de métodos multivariados que, diferentemen-
te da estatística descritiva que é univariada e da estatística inferencial ou

Desenvolvimento em Questão 363

 Marcelo L. D. Gabriel

teste de hipóteses que é bivariada, buscam salientar a estrutura das relações

simultâneas entre três ou mais variáveis e se distanciam dos níveis (médias)
e distribuições (variância) de um fenômeno, concentrando-se no grau de
relação (correlações ou covariâncias) dentro deste fenômeno (Sheth, 1977b).

Dentre as técnicas multivariadas destacam-se entre as obras de refe-

rência: a análise de componentes principais, a análise fatorial exploratória,
a regressão múltipla, a análise discriminante múltipla, a análise conjunta, a
correlação canônica, a análise de agrupamentos, o escalonamento multidi-
mensional, a análise de correspondência, os modelos lineares de probabili-
dade, a análise fatorial confirmatória e a modelagem de equações estruturais.
(Hair Jr. et al., 2005; Malhotra, 2001; Sheth, 1977b).

Para a escolha de uma ou outra técnica multivariada, o pesquisador

deve primeiramente avaliar que o tipo de relação existe entre as variáveis.
Se a relação é de dependência, quantas variáveis são dependentes e em
quantas relações, e ainda se os dados são métricos ou não métricos. Nova-
mente o pesquisador deve deixar que as questões-problema direcionem as
abordagens de pesquisa e os procedimentos de análise de dados, e não o
contrário (Rennie, 1998).

O livro editado por Hancock e Mueller (2010) traz valiosos conselhos

ao pesquisador que deseja publicar os resultados de pesquisa com abordagem
quantitativa, principalmente ao explicitar dentro de cada técnica multivariada
os aspectos fundamentais que devem estar presentes no texto e a ordem
em que devem aparecer, obedecendo idealmente à lógica do IMR&D, ou
seja, qual aspecto da pesquisa deve ser contemplado na Introdução, nos
Métodos, nos Resultados e na Discussão.

364 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

Conclusões e sugestão de check-list

para elaboração do relatório de pesquisa
Mesmo com a popularização e disponibilidade dos pacotes computa-
cionais estatísticos e da tradução para a língua portuguesa da grande maioria
das obras de referências sobre métodos e técnicas de pesquisa, principal-
mente as de origem norte-americana, com maior ênfase em abordagens
quantitativas, ainda se nota na produção brasileira alguns relatos de pesquisa
com o uso indevido de técnicas ou ainda a comprovação de hipóteses sem
o devido respaldo estatístico.

Alguns pesquisadores, ao dominar um método ou técnica, a utiliza

de forma indiscriminada como a panaceia universal, em detrimento de um
aprofundamento teórico e metodológico para o conhecer e apropriar-se de
outras possibilidades de tratamento e análise dos dados.

Assim como a disponibilidade e a facilidade de recursos (pacotes

computacionais, literatura) pode levar a usos não apropriados das técnicas
e métodos, por outro lado permite ao pesquisador a liberdade de realizar a
essência do seu trabalho: pesquisar, testar, analisar, avaliar, num processo que
há pouco mais de 30 ou 40 anos exigiria a alocação do computador central da
universidade para o processamento dos dados e uma quantidade de horas
investida em programação. Os pesquisadores devem utilizar o potencial
ao máximo, fazendo ciência, ampliando as fronteiras do conhecimento em
seu campo e as discussões intra e extramuros, dialogando constantemente
com a comunidade local e internacional, sem esquecer do rigor científico e
acadêmico e da criatividade que impulsiona a produção intelectual.

O Quadro 1 apresenta uma proposta de check list para o pesquisador na

redação do relatório de pesquisa com abordagem quantitativa, considerando
os pontos principais que devem ser realçados ou explicitados no texto. Não se
espera que a proposta seja definitiva ou que contemple os aspectos específi-
cos de cada técnica adotada, principalmente as multivariadas, mas que sirva
como base mínima para a construção e avaliação de relatórios de pesquisa.

Desenvolvimento em Questão 365

 Marcelo L. D. Gabriel

Quadro 1 – Roteiro para elaboração do relatório

de pesquisa de abordagem quantitativa

Item O que verificar

Problema de Está em forma de pergunta?
pesquisa Surgiu a partir da revisão da literatura?
Permite o estabelecimento de relação ou relações entre as variáveis?
Variáveis Estão identificadas?
É possível atribuir uma relação de causalidade entre elas?
Existe dependência ou interdependência entre as variáveis?
Podem ser operacionalizadas?
A relação entre elas permite o estabelecimento de hipóteses?
São frutos da revisão da literatura e do problema de pesquisa?
Hipóteses São passíveis de teste?
Tipo da É experimental? Qual?
pesquisa É não experimental? Qual?
Escalas Qual o tipo? Como foi construída?
Como foi validada?
População e A população está caracterizada? Como foi amostrada?
amostra A amostragem foi probabilística ou não probabilística? Como foi calculada
a amostra?
Plano de coleta Como os dados foram coletados? Quando foram coletados?
de dados
Análise dos Qual o pacote computacional estatístico utilizado e qual a versão usada?
dados – I Como os dados foram analisados?
Os dados eram aderentes à curva normal?
Que teste ou testes foram realizados?
Como os dados faltantes foram tratados?
Foram realizados testes relativos ao tamanho do efeito, valor de alfa e
tamanho da amostra?
Como foi feita e apresentada a estatística descritiva?
Análise dos Que testes foram realizados?
dados – II Análise bivariada ou multivariada? Por quê?
Quais os valores de referência (exemplo: significância estatística, alfa de
Cronbach, etc.) e por que foram utilizados?
Resultados As tabelas, quadros, figuras e/ou ilustrações estão devidamente
legendadas?
Há uma breve explicação dos resultados após a apresentação?
Os resultados apresentados estão coerentes com as técnicas e métodos
utilizados?

366 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

Discussão As hipóteses de pesquisa foram todas testadas?

Os resultados obtidos permitem confirmar ou rejeitar as hipóteses?
Há relação entre a literatura e os resultados encontrados?
Há limitações no estudo? Quais?
Há sugestões para estudos futuros? Quais?

Fonte: Elaborado pelo autor.

Referências
AGRESTI, A.; FINLAY, B. Métodos estatísticos para as ciências sociais. 4. ed. Porto
Alegre: Penso, 2012.
ANASTASI, A. Testes psicológicos. 2. ed. São Paulo: EPU, 1977.
BABBIE, E. Métodos de pesquisa de survey. 2ª reimp. Belo Horizonte: Ed. UFMG, 2003.
BEDEIAN, A. More than Meets the Eye: the descriptive statistics and correla-
tion matrices reported in management research. Academy of Management Learning &
Education, 2013.
CAMPBELL, Malcolm. Editorial: Detailed guidelines for reporting quantitative
research in Health & Social Care in the Community. Health & Social Care in the
Community, v. 19, n. 1, p. 1-2, 2011.
CRONBACH, L. J. Coefficient alpha and the internal structure of tests. Psychometrika,
v. 16, n. 3, p. 297-334, sep. 1951.
______. My current thoughts on coefficient alpha and sucessor procedures. Educa-
tional and Psychological Measurement, v. 64, n. 3, p. 391-418, jun. 2004.
CRONBACH, L. J.; MEEHL, P. E. Construct validity in psychological tests. Psy-
chological bulletin, v. 52, n. 4, p. 281-302, 1955.
DEVELLIS, R. F. Scale development: theory and applications. 3. ed. Thousand Oaks,
CA: SAGE Publications, 2012.
FAKIS, A. et al. Quantitative analysis of qualitative information from interviews: a
systematic literature review. Journal of Mixed Methods Research, v. 8, n. 2, p. 139-161,
2014.
HAIR JR., J. F. et al. Análise multivariada de dados. 5. ed. Porto Alegre: Bookman,
2005.

Desenvolvimento em Questão 367

 Marcelo L. D. Gabriel

HANCOCK, G. R.; MUELLER, R. O. (Ed.). The reviewer’s guide to quantitative

methods in the social sciences. New York: Routledge, 2010.

HUBBARD, R.; LINDSAY, R. M. From significant difference to significant same-

ness: proposing a paradigm shift in business research. Journal of Business Research, v.
66, n. 9, p. 1.377-1.388, 2013.

JOHNSON, R. B.; ONWUEGBUZIE, A. J. Mixed methods research: a research

paradigm whose time has come. Educational Researcher, v. 33, n. 7, p. 14-26, 2004.

KUHN, T. S. A estrutura das revoluções científicas. 7. ed. São Paulo: Perspectiva, 2000.

LIKERT, R. A technique for the measurement of attitudes. Archives of Psychology,

v. 140, p. 5-55, 1932.

MALHOTRA, N. K. Pesquisa de marketing: uma orientação aplicada. 3. ed. Porto

Alegre: Bookman, 2001.

MCMILLAN, J. H.; SCHUMACHER, S. Investigación educativa. 5. ed. Madrid:

Pearson Educación, 2005.

MESIROV, J. P. Accessible reproducible research. Science, v. 327, n. 5.964, p. 415-

416, 2010.

NUNNALLY, J. Psychometric theory. New York: McGraw-Hill Book Company, 1978.

OPPENHEIM, A. N. Questionnaire design and attitude measurement. New York: Basic

Books, 1966.

______. Questionnaire design, interviewing and attitude measurement. London: Conti-

nuum, 1992.

PASQUALI, L. et al. Instrumentação psicológica: fundamentos e práticas. Porto Alegre:

Artmed, 2010.

______. Validade dos testes psicológicos: será possível reencontrar o caminho. Psi-
cologia: Teoria e Pesquisa, v. 23, n. especial, p. 99-107, 2007.

______. Psicometria: teoria dos testes na Psicologia e na Educação. Petrópolis, RJ:

Vozes, 2003.

PETERSON, R. A. A meta-analysis of Cronbach’s coefficient alpha. Journal of

consumer research, p. 381-391, 1994.

PETERSON, R. A.; KIM, Y. On the relationship between coefficient alpha and

composite reliability. Journal of Applied Psychology, v. 98, n. 1, p. 194, 2013.

368 Ano 12 • n. 28 • out./dez. • 2014

 MÉTODOS QUANTITATIVOS EM CIÊNCIAS SOCIAIS

POPPER, K. R. Os dois problemas fundamentais da teoria do conhecimento. São Paulo:

Editora Unesp, 2013.

RENNIE, L. J. Guest editorial: improving the interpretation and reporting of quan-

titative research. Journal of Research in Science Teaching, v. 35, n. 3, p. 237-248, 1998.

ROSENBERG, M. A lógica da análise do levantamento de dados. São Paulo: Cultrix;

Edusp, 1976.

SAMPIERI, R. H.; COLLADO, C. F.; LUCIO, M. P. B. Metodologia de pesquisa. 5.

ed. Porto Alegre: Penso, 2013.

SHETH, J. N. The multivariate revolution in marketing research. The Journal of

Marketing, v. 35, p. 13-19, jan. 1971.

______. Seven commandments for users of multivariate methods. In: SHETH, J.

N. (Ed.). Multivariate methods for market and survey research. Chicago, IL: American
Marketing Association, 1977a.

______. What is multivariate analysis? In: SHETH, J. N. (Ed.). Multivariate methods

for market and survey research. Chicago, IL: American Marketing Association, 1977b.

SILVA, D.; GARCIA, M. N.; FARAH, O. E. Métodos quantitativos na pesquisa de

marketing. In: PIZZINATTO, N. K.; FARAH, O. E. (Org.). Pesquisa pura e aplicada
em marketing. São Paulo: Atlas, 2012.

THURSTONE, L. L. Attitudes can be measured. American Journal of Sociology, v.

33, n. 4, p. 529-554, jan. 1928.

URBINA, S. Fundamentos da testagem psicológica. Porto Alegre: Artmed, 2007.

WARWICK, K. M. Computerized multivariate methods. In: SHETH, J. N. (Ed.).

Multivariate methods for market and survey research. Chicago, IL: American Marketing
Association, 1977.

YAP, B. W.; SIM, C. H. Comparisons of various types of normality tests. Journal of

Statistical Computation and Simulation, v. 81, n. 12, p. 2.141-2.155, 2011.

ZHAN, G. Statistical power in international business research: study levels and data
types. International Business Review, v. 22, n. 4, p. 678-686, aug. 2012.

Recebido em: 27/10/2013

Aceito em: 14/4/2014

Desenvolvimento em Questão 369