Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 1 ANÁLISE MULTIVARIADA DE DADOS PROFº DR. FELIPE ZAMBALDI.

Apresentação em tema: "Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 1 ANÁLISE MULTIVARIADA DE DADOS PROFº DR. FELIPE ZAMBALDI."— Transcrição da apresentação:

1 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 1 ANÁLISE MULTIVARIADA DE DADOS PROFº DR. FELIPE ZAMBALDI RAM – REVISTA DE ADMINISTRAÇÃO DO MACKENZIE ANALISE DO CONTRASTE DA PENALIDADE E DA RECOMPENSA (PRC): IDENTIFICANDO OPORTUNIDADES DE MELHORIA RAM - Volume 9, n. 5, 2008, P. 35-38 Jaime Dagostim Picolo, Gerson Tontini Integrantes do Grupo: Alexandre Belico, Anselmo Buttner e Osmar Saito

2 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 1.OBJETIVO O objetivo do artigo é conhecer os atributos do produto que intensificam o nível de satisfação dos clientes no segmento supermercadista. Ao mesmo tempo o artigo busca identificar oportunidades de melhoria. 2. PRESSUPOSTOS TEÓRICOS Considera-se que qualquer atributo a ser melhorado refletirá em aumento proporcional de satisfação. Ou seja, espera-se uma linearidade entre a melhoria da percepção quanto a um atributo e a satisfação geral do cliente; Contudo alguns tipos de atributos não proporcionam aumento na satisfação do consumidor na mesma proporção que o aumento de desempenho. Apresentando assim uma relação não linear entre desempenho e satisfação geral. A melhoria de um atributo pode causar aumento na satisfação com aquele atributo contudo, seu efeito na satisfação geral pode ser pequeno devido a interação dos diferentes atributos entre si, não sendo possível identificar se os atributos vão de fato influenciar a satisfação geral.

3 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 3 3. METODOLOGIA DE PESQUISA Análise QUANTITATIVA por meio de testes de Análises de Regressão Múltipla. 3.1 Amostragem A pesquisa foi realizada com uma amostra probabilística aleatória de 290 alunos da Universidade do extremo Sul Catarinense – UNESC, clientes de supermercados da cidade de Crisciuma/Santa Catarina. (Ou seja, alunos e clientes de diferentes regiões, classes sociais e que freqüentam supermercados diferentes; O quadro de Atributos foram definidos junto a três gerentes de supermercados e dez consumidores; Escala likert variando de -5 extremamente insatisfeito a +5 extremamente satisfeito; Idade média dos respondentes 24 anos; 39% sexo masculino e 61% sexo feminino; 76% solteiros, 19% casados; 5% divorciados e viúvos; Renda familiar dos respondentes: 31% até R$1000,00, 42,1% de R$1001,00 até R$3000,00, 22,4% acima de R$3000,00, 4,5% não declararam renda. Os dois supermercados que foram mais citados serão identificados como SMA e SMB e os demais como OUT SM. O supermercado SMA foi citado por 30% da amostra, o SMB por 25% e os demais respondentes citaram outros supermercados.

4 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 4 4. ATRIBUTOS SELECIONADOS PARA PESQUISA rrr

5 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 5 5. FIGURA DEMONSTRATIVA DAS RELAÇÕES

6 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 6 6. FIGURA DEMONSTRATIVA DAS RELAÇÕES – NAO LINEAR Conduzindo-se uma análise de regressão múltipla, onde as variáveis dummy são as variáveis independentes e a satisfação geral, a variação dependente da equação Y = β0 + β1recompensa + β2penalidade, obtem-se dois coeficientes de regressão, um para a recompensa e outro para a penalidade.

7 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 7 7. REPRESENTAÇÃO RELAÇÃO NÃO LINEAR – VARIAVEIS DUMMY A Figura 2 apresenta o ajuste da equação de regressão do atributo AT11 com variáveis dummy binárias (Y = 0,68 + 1,93 recompensa – 0,60 penalidade).

8 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 8 8. TRATAMENTO DOS DADOS Pressuposto 1 – Satisfação Geral proporcional a satisfação do atributo: (linear) Para esta hipótese foi gerado equação de regressão linear obtendo a seguinte Equação/modelo Y = β0 + β1X1, a equação matemática que explica a satisfação geral pode ser estimada como Y = 1,40 + 0,40X. Isso quer dizer que para cada unidade de alteração da variavel independente X (satisfação com o atributo), a variavel dependente Y (satisfação geral) se altera em 0,40 unidade. Pressuposto 2 – A análise do contraste da penalidade e da recompensa (PRC) considera a possibilidade de que a relação entre satisfação do atributo e satisfação geral não seja linear. Modelando a relação atributo versus satisfação geral com uma regressão multipla com variáveis dummy (Y = β0 + β1X1neg + β2X1pos). Nesse caso, a satisfação com o atributo individual recodificada em duas variaveis dummy. Quando a satisfação com o atributo esta acima de determinado valor de referéncia, a variavel dummy de recompensa (X1pos) é maior que zero e a variavel dummy de penalidade (X1neg) igual a zero. Se a satisfação com o atributo for abaixo da referência, variável dummy de penalidade (X1neg) menor que zero e X1pos igual a zero. E quando a satisfação é igual a referência, X1pos e X1neg são iguais a zero. Desse modo, obtêm-se dois coeficientes de regressão para uma variavel independente: um coeficiente quando satisfação com o atributo for menor e outro, quando for maior do que o valor referencial determinado.

9 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 9 9. RESULTADOS A validação dos pressupostos do modelo de regressão, quanto à normalidade dos resíduos, é atendida pelo teste de Kolmogorov – Smirnov, com p-value > 0,05. A faixa de VIF (fator de inflação de variância) é menor que 5, não apresentando multicolinearidade que afete o modelo (CHEUNG; LEE, 2005; MAROCO, 2003). Com o modo de regressão stepwise, eliminando-se da amostra três casos com resíduos de valores extremos, conseguiu- se o modelo mostrado na Figura 3, que tem um coeficiente de determinação R2a = 0,598, nível satisfatório para ciências sociais segundo Matzler e outros.

10 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 10 10. RESULTADOS As linhas divisórias dos quadrantes do gráfico da Figura 4 foram estabelecidas pelo ajuste da equação de regressão linear entre os p-value e o módulo dos coeficientes da regressão multipla de todos os 16 atributos contra a satisfação geral. A equação de ajuste dessa regressão é Y = -0,0234Ln (X) + 0,0334, com R2 = 0,81. Nesse caso, a variável dependente (Y) é representada pelos coeficientes de regressão e a variavel independente (X) é representada pelos p-values de cada coeficiente. As linhas divisória foram estabelecidas em 0,09, valor que corresponde aos coeficientes com p-value igual a 0,10. Legenda: Quanto maior o tamanho do circulo pior a satisfação do SMB em relação a SMA; O tamanho da circunferência significa prioridade de melhoria.

11 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 11 11. RESULTADOS

12 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi 12 12. RESULTADOS a)AT11 e AT15 – Considerados unidimensionais por apresentarem impacto na satisfação geral em relação a média de mercado; b)AT13, AT8, AT14 – Considerados atributos obrigatórios; c)AT3, AT6 e AT12 – Considerados atrativos; d)O nível de satisfação média do SMA pode ser comparado com o SMB e com nível médio de satisfação do mercado para definir ações melhoria; e)Na tabela 3 observa-se que os consumidores do SMB estão com satisfação inferior aos consumidores do SMA em 9 dos 16 atributos pesquisados e também na satisfação geral; f)Os consumidores do SMB tem uma satisfação geral menor que a média do mercado. g)Pela analise do PRC vários atributos não influenciam na satisfação geral de forma significativa, podendo ser ignorados. h)O SMB deveria concentrar-se nos atributos atrativos, unidimensionais e obrigatórios; i)Iniciando pelos atributos obrigatórios, uma análise da tabela 3 mostra que o SMA está com desempenho superior ao SMB nos atributos AT8 e AT13. SMB deve melhorar principalmente nestes itens pelo menos até a média de mercado. j)SMA está com satisfação acima do SMB em quase todos os atributos atrativos; k)O SMB poderia escolher atributos atrativos para aumentar a satisfação de seus clientes. Verifica-se que o atributo de maior impacto seria o AT12. AT6 pelo seu baixo custo poderia ser também outro atributo a ser melhorado; l)Os demais atributos considerados neutros não influenciam na satisfação geral.

13 Mestrado em Administração - Disciplina Análise Multivariada de Dados - Prof. Dr. Felipe Zambaldi TEORIA FUNCIONALISTA DOS VALORES HUMANOS MAIO JUNHO 2009. ANSELMO ANALISE DO CONTRASTE DA PENALIDADE E DA RECOMPENSA (PRC):ALEXANDRE INFLUENCIA DA CULTURA DOS VALORES HUMANOS EXPLICAR SLIDES – 5, 6, 7, ALEXANDRE 8,9,10,11,12 OSMAR; ANSELMO: 1,2.3,4, 13