0

UNIVERSIDADE FEDERAL DA PARABA

CENTRO DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA DE PRODUO
PROGRAMA DE PS-GRADUAO EM ENGENHARIA DE PRODUO

ERIVALDO LOPES DE SOUZA

MODELOS ADITIVOS GENERALIZADOS PARA A AVALIAO DA INTENO

DE COMPRA DE CONSUMIDORES

JOO PESSOA - PB
2012

ERIVALDO LOPES DE SOUZA

MODELOS ADITIVOS GENERALIZADOS PARA A AVALIAO DA INTENO

DE COMPRA DE CONSUMIDORES

Dissertao apresentado ao Programa de PsGraduao em Engenharia de Produo do Centro de

Tecnologia da Universidade Federal da Paraba
(UFPB), em cumprimento s exigncias para
obteno do grau e Mestre em Engenharia de
Produo.

rea de Concentrao: Gerncia da produo de bens e servios

Orientador: Prof. Dr. Luiz Bueno da Silva

JOO PESSOA
2012

ERIVALDO LOPES DE SOUZA

MODELOS ADITIVOS GENERALIZADOS PARA AVALIAO DA INTENO DE

COMPRA DE CONSUMIDORES
Dissertao apresentada ao Programa de Ps-Graduao em Engenharia de Produo da
Universidade Federal da Paraba (UFPB), em cumprimento s exigncias para obteno do
grau de Mestre em Engenharia de Produo. rea de concentrao: Gerncia da produo de
bens e servios.

Aprovada em: _____/_____/______

BANCA EXAMINADORA

_______________________________________________________
Prof. Dr. Luiz Bueno da Silva
Universidade Federal da Paraba - UFPB
Orientador
_______________________________________________________
Prof. Dr. Mrcio Botelho da Fonseca Lima
Universidade Federal da Paraba - UFPB
Examinador interno
_______________________________________________________
Prof. Dr. Eufrsio de Andrade Lima Neto
Universidade Federal da Paraba - UFPB
Examinador externo
_______________________________________________________
Prof. Dr. Jonas Alves de Paiva
Universidade Federal da Paraba - UFPB
Examinador externo

Ao meu pai, Aprgio Alves (in memoriam).

AGRADECIMENTOS
A Deus, pela oportunidade concedida de concluso deste curso.
minha me, Rita, pelo incentivo aos meus estudos, por todo o esforo e dedidao.
Aos meus irmos, Joo Paulo e Ana Paula, pela pacincia e companheirismo.
minha namorada, Sawana, pela pacincia e compreenso nos momentos que precisei me
ausentar para elaborao e concluso deste trabalho, bem como pelas palavras de apoio.
s correes e pacincia do meu orientador, Prof. Luiz Bueno, que foram fundamentais para
a concluso deste trabalho.
A todos os professores do Programa de Ps-Graduao em Engenharia de Produo da UFPB,
pelos ensinamentos, e em especial, ao Prof. Eufrsio Lima Neto, pelos esclarecimentos e
relevantes contribuies a este trabalho.
Ao Prof. Mrcio Botelho, pelo apoio no momento oportuno.
A todos os amigos (as) conquistados ao longo do curso e, em especial, a Anderson, Almeida,
Clarissa, Fbio, Juliana, Manoel, Matheus, Ndia, Priscila, Roberta Guedes, Roberta de
Lourdes, Geraldo e Tarso, pelos conhecimentos compartilhados.
os funcionrios do PPGEP, pelos servios prestados.
A todos que, ao responderem prontamente os questionrios, contribuiram com esta
Dissertao.

RESUMO
Nos ltimos anos, vrios estudos foram publicados versando sobre fatores que influenciam a
inteno de compra do consumidor em diversos setores econmicos. Nesta linha de trabalho,
procurou-se, especificamente para o setor de compra coletivas, obter modelos de regresso
que pudessem contribuir para o estudo da relao entre a inteno de compra e as
caractersticas de segmentos de mercado. Visa-se com isso auxiliar na incluso da varivel
inteno de compras no processo de escolha de um pblico-alvo, orientando decises para
satisfazer com maior eficincia consumidores do servio. Para alcanar o objetivo,
entrevistaram-se inicialmente 384 usurios de Internet da cidade de Joo Pessoa, Paraba,
Brasil. Em seguida os dados obtidos a partir de entrevistas, foram usados para estimar aqueles
modelos. Esses modelos foram baseados em pressupostos de teorias da abordagem cognitiva
do comportamento do consumidor, especialmente da Teoria da Ao Racional. O instrumento
usado para a coleta de dados foi um questionrio de pesquisa de mercado contendo questes
ligadas a fatores psicolgicos, scio-culturais e situacionais do consumidor. O modelo mais
bem sucedido foi um modelo aditivo generalizado com nove variveis e com um termo no
paramtrico, obtido a partir do mtodo de suavizao splines. Esse modelo apresentou um
pseudo-R2 igual a 0,89 e possibilitou alcanar um percentual de acertos nos julgamentos das
observaes da amostra igual a 94%. Com o auxlio de simulaes, verificou-se de que modo
o tipo de modelo proposto capaz de auxiliar na escolha de um pblico-alvo com maior
interesse no uso do servio. Apresentou-se ainda a maneira pela qual o modelo pode ser usado
para avaliar sistemas produtivos, em relao ao atendimento mais eficiente de clientes que
tm a inteno de utilizar o servio. Os modelos aditivos generalizados mostraram-se
eficientes para identificar a presena de relaes no lineares e foram capazes de gerar um
poder explicativo alto da propenso de indivduos para utilizar um servio especfico.
Palavras-chave: Comportamento do consumidor. Inteno de compra. Modelos Aditivos
Generalizados. Segmentao de mercado.

ABSTRACT
In recent years, several studies have been published dealing on factors that influence
consumer purchase intent in various economic sectors. In this line of work, we are specifically
for the sector of collective buying, obtain regression models that could contribute to the study
of the relationship between the purchase intention and the characteristics of market segments.
The aim is to assist in the inclusion of this variable purchase intention in the process of
choosing a target group, guiding decisions to meet more effectively service consumers. To
achieve this goal, initially interviewed 384 Internet users in the city of Joo Pessoa, Paraba,
Brazil. Then the data obtained from interviews, were used to estimate those models. These
models were based on assumptions of theories of the cognitive approach of consumer
behavior, especially the Theory of Reasoned Action. The instrument used for data collection
was a questionnaire containing market research questions related to psychological factors,
socio-cultural and situational consumer. The most successful model was a generalized
additive model with nine variables and nonparametric one end, obtained from smoothing
splines. This model had a pseudo-R2 of 0,89 and allowed to reach a percentage of correct
trials of the observations of the sample equal to 94%. With the aid of simulations, it was
observed how the proposed model type is capable of assisting in selection of a target with a
higher interest in the use of the service. It was also shown how the model can be used to
evaluate production systems, in relation to more efficient service to customers intend to use
the service. The generalized additive models were effective for identifying the presence of
nonlinear relationships and were able to generate a high explanatory power of the propensity
of individuals to use specific service.
Keywords: Consumer behavior. Purchase intent. Generalized Additive Models. Market
segmentation.

LISTA DE FIGURAS
Figura 1 - TAR aplicada ao comportamento de compra .......................................................... 29
Figura 2 - Fatores determinantes das normas subjetivas e atitudes relativas ao comportamento
de compra ................................................................................................................................. 29
Figura 3 - Fatores determinantes da inteno e deciso de compra ......................................... 30
Figura 4 - Curva do efeito da renda por dependente no logaritmo da chance do modelo pelo
mtodo de suavizao polinomial local (loess) ........................................................................ 92
Figura 5 - Curva do efeito da renda por dependente no logaritmo da chance do modelo pelo
mtodo de suavizao splines ................................................................................................... 92
Figura 6 - Curva ROC para MLG com varivel resposta binria............................................. 96
Figura 7 - Curva ROC para MAG com varivel resposta binria ............................................ 97
Figura 8 - Julgamentos do modelo com pontos de corte 0,65 e 0,35 para o publico de pessoas
indecisas quanto ao uso do servio ......................................................................................... 101
Figura 9 - Julgamentos do modelo com pontos de corte 0,65 e 0,35 para o publico de no
compradores quanto ao uso do servio ................................................................................... 102
Figura 10 - Julgamentos do modelo com pontos de corte 0,65 e 0,35 para o publico de pessoas
indecisas quanto ao uso do servio ......................................................................................... 102
Figura 11- Grfico das probabilidades dos perfis de um segmento pelo MLG multinomial para
a especificao (1) do servio ................................................................................................. 123
Figura 12 - Grfico das probabilidades dos perfis de um segmento pelo MAG para
especificao (1) ..................................................................................................................... 124
Figura 13 - Grfico das probabilidades dos perfis de um segmento pelo MLG multinomial
para a especificao (2) do servio ......................................................................................... 129
Figura 14 - Grfico das probabilidades dos perfis de um segmento pelo MAG para a
especificao (2) do servio ................................................................................................... 130
Figura 15 - Inteno dos consumidores de comprar em sites de compra coletiva ................. 153
Figura 16 - Grfico de caixas das variveis contnuas ........................................................... 154
Figura 17 - Histogramas das variveis contnuas ................................................................... 156
Figura 18 - Grficos de disperso dos preditores ................................................................... 157
Figura 19 - Grficos de setores para variveis categricas da pesquisa ................................. 158
Figura 20 - Grfico de setores do nvel de importncia atribudo a fatores relacionados ao
servio de compras coletivas .................................................................................................. 160
Figura 21 - Grfico de setores do nvel de importncia atribudo a fatores relacionados ao
servio de compras coletivas .................................................................................................. 161
Figura 22 - Grficos de setores para as formas pelas quais o entrevistado j tomou
conhecimento de ofertas de sites de compra coletiva ............................................................. 163
Figura 23 - Grficos de setores para os tipos de produtos e servios que os entrevistados
consomem com regularidade .................................................................................................. 164
Figura 24 - Fatores que influenciam na inteno de compra, variveis da pesquisa e os itens
do questionrio ...................................................................................................................... 169

LISTA DE QUADROS

Quadro 1 - Objetivo das sees na fundamentao terica ...................................................... 20

Quadro 2 Matriz de confuso para classificaes em duas categorias .................................. 54
Quadro 3 - Variveis selecionadas para o estudo ..................................................................... 77
Quadro 4 - Variveis obtidas por meio de mudanas e combinaes das variveis do
questionrio .............................................................................................................................. 81
Quadro 5 - Ligao entre as variveis de deciso do problema e as variveis do modelo ..... 111
Quadro 6 - Caracterizao dos segmentos de mercado .......................................................... 117
Quadro 7 - Caracterizao das alternativas de especificaes para um servio de compras
coletivas .................................................................................................................................. 118
Quadro 8 - Matriz de julgamentos das combinaes entre especificaes do servio e
segmentos de mercado usando o MAG .................................................................................. 131
Quadro 9 - Matriz de julgamentos das combinaes entre especificaes do servio e
segmentos de mercado usando os dois modelos..................................................................... 132
Quadro 10 - Matriz de correlaes das variveis contnuas ................................................... 148
Quadro 11 - Distribuio de Frequncia amostral em relao aos bairros dos entrevistados 149
Quadro 12 - Tabela de contingncia das variveis Sexo, Renda e Idade ............................... 151
Quadro 13 - Tabela de contingncia para as variveis Idade e Sexo ..................................... 151
Quadro 14 Tabela de contingncia entre as variveis Idade e Renda ................................. 152
Quadro 15 - Tabela de contingncia entre as variveis Renda e Sexo ................................... 152

LISTA DE TABELAS

Tabela 1 - Valores da odds ratio para o modelo multinomial ordinal...................................... 83

Tabela 2 - Valores da odds ratio para o MLG binomial ........................................................... 87
Tabela 3 - Valores dos coeficientes e da odds ratio para cada uma das variveis dos MAGs 94
Tabela 4 - Indicadores da capacidade de previso do MLG binomial para diferentes pontos de
corte .......................................................................................................................................... 98
Tabela 5 - Matriz de confuso para o MLG binomial com ponto de corte igual a 0,9339 para
classificar um indivduo como comprador ............................................................................... 98
Tabela 6 - Indicadores da capacidade de previso do MAG binomial para diferentes pontos de
corte .......................................................................................................................................... 98
Tabela 7 - Matriz de confuso para o MAG binomial com ponto de corte igual a 0,8848 para
classificar um indivduo como comprador ............................................................................... 99
Tabela 8 - Indicadores da capacidade de previso do MLG multinomial ordinal para diferentes
pontos de corte ........................................................................................................................ 100
Tabela 9 - Matriz de confuso para o modelo com pontos de corte 0,15 e 0,85 para o
julgamento respectivamente de indecisos e compradores ...................................................... 100
Tabela 10 - Matriz de confuso para o modelo com pontos de corte 0,35 e 0,65 para o
julgamento respectivamente de indecisos e compradores ...................................................... 101
Tabela 11 - Valores do p-valor para cada varivel do MLG multinomial ............................. 103
Tabela 12 - Valores do p-valor de cada uma das variveis do modelo .................................. 104
Tabela 13 - Valores do p-valor para cada varivel dos MAGs com termos no paramtricos
obtidos por dois mtodos de suavizao distintos .................................................................. 105
Tabela 14 - Medidas diagnsticas dos modelos ..................................................................... 106
Tabela 15 - Valores mais favorveis e mais desfavorveis ao julgamento de um perfil como
comprador ............................................................................................................................... 115
Tabela 16 - Probabilidades e julgamentos dos segmentos de mercado de acordo com os
modelos para indivduos menos interessados no servio ....................................................... 120
Tabela 17 - Probabilidades e julgamentos dos segmentos de mercado de acordo com os
modelos para indivduos menos interessados no servio ....................................................... 121
Tabela 18 - Probabilidades e julgamentos das especificaes do servio de acordo com os
modelos para os perfis de indivduos menos interessados em usar o servio ........................ 126
Tabela 19 - Probabilidades e julgamentos das especificaes do servio de acordo com os
modelos, para os perfis de indivduos mais interessados em usar o servio .......................... 127
Tabela 20 - Medidas descritivas das variveis contnuas da amostra..................................... 147
Tabela 21 - Atitudes dos entrevistados em relao a caractersticas do servio de compras
coletivas .................................................................................................................................. 150

10

SUMRIO
CAPTULO 1 - INTRODUO ........................................................................................... 11
1.1 Definio do tema e problema de pesquisa .................................................................... 11
1.2 Justificativa ....................................................................................................................... 15
1.3 Objetivos ............................................................................................................................ 17
CAPTULO 2 - FUNDAMENTAO TERICA ............................................................. 19
2.1. Segmentao de mercado e escolha do pblico-alvo .................................................... 20
2.2. Comportamento do consumidor e a deciso de compra .............................................. 22
2.2.1. Abordagens tericas do comportamento do consumidor ............................................... 24
2.2.2. Fatores que influenciam na deciso de compra .............................................................. 26
2.2.3. Inteno e deciso de compra ......................................................................................... 28
2.4. Modelos paramtricos de regresso ............................................................................... 39
2.4.1. Modelo linear clssico .................................................................................................... 40
2.4.2. Modelos lineares generalizados ...................................................................................... 44
2.5. Modelos no paramtricos e semiparamtricos de regresso ..................................... 56
2.5.1. Modelos no paramtricos scatterplot............................................................................ 57
2.5.2. Modelos aditivos generalizados ..................................................................................... 66
CAPTULO 3 - METODOLOGIA ....................................................................................... 72
3.1. Classificao da pesquisa ................................................................................................ 72
3.2. Estudo de caso .................................................................................................................. 72
3.2.1. O modelo de avaliao da inteno de compras e a fonte de informao ...................... 73
3.2.2. O sistema de produo do servio de compras coletivas pela internet ........................... 73
3.3. Definio da amostra e das variveis de pesquisa ........................................................ 74
CAPTULO 4 - RESULTADOS............................................................................................ 80
4.1. Especificao e concluses dos modelos ........................................................................ 80
4.1.1. Modelo com varivel resposta ordinal............................................................................ 82
4.1.2. Modelos com varivel resposta binria .......................................................................... 86
4.2. Diagnstico dos modelos ................................................................................................. 95
4.3. Simulao da aplicao dos modelos ........................................................................... 106
4.4.1. Classificaes de segmentos e especificaes do servio pelos modelos .................... 107
4.4.2. Descrio do exemplo .................................................................................................. 114
4.4.3. Avaliao as escolhas de pblicos-alvo........................................................................ 119
CAPTULO 5 - CONSIDERAES FINAIS ................................................................... 134
REFERNCIAS ................................................................................................................... 137
APNDICE A - Questionrio .............................................................................................. 144
APNDICE B - Descrio da amostra ............................................................................... 147
APNDICE C - Rotinas usadas para obter e analisar os modelos .................................. 166
APNDICE D - Fatores determinantes da inteno no questionrio ............................. 169

11

CAPTULO 1 - INTRODUO
1.1 Definio do tema e problema de pesquisa
importante salientar que nas atividades de projeto e de gesto do produto, do
processo de produo e da distribuio dos produtos sejam levadas em considerao as
opinies, os anseios e as necessidades dos consumidores, ou seja, necessrio que haja mais
conhecimentos acerca do consumidor que se deseja atender e que esses conhecimentos sejam
levados em considerao nas ativides de projeto e gesto o sistema de produo. Saber qual
grupo de consumidores sero atendidos pela organizao uma primeira etapa para buscar
conhec-los. Logo, faz-se necessrio saber com clareza, em um primeiro estgio do
planejamento de um sistema de produo, quais clientes so o alvo da organizao.
A segmentao do mercado consumidor uma primeira etapa da definio dos clientes
que mais interessam organizao. Kotler e Amstrong (2003) afirmam que algumas empresas
esto em melhores condies de atender a determinados grupos de consumidores. Nesse caso,
necessrio dividir o mercado, escolher os melhores segmentos e procurar estratgias para
atender aos segmentos especficos de maneira mais eficiente que os concorrentes.
Souza e Cardozo (2009) complementam tal argumentao ao especificarem que a
dificuldade de atender bem todo o mercado reside na existncia de grande heterogeneidade do
mesmo com relao s caractersticas dos clientes que o compe. Esses autores reforam essa
opinio ao afirmarem que as organizaes devem identificar grupos de consumidores
(segmentos de mercado) com caractersticas semelhantes para que possam concentrar seus
esforos de marketing e atend-los de maneira mais eficaz.
Assim, de acordo com as declaraes dos autores supramencionados, a segmentao
de mercado pode ser considerada como um procedimento utilizado para dividir um mercado
heterogneo (em relao a determinadas caractersticas dos consumidores) em grupos
homogneos. Esses grupos so chamados de segmentos de mercado.
Ao escolher o segmento que se deseja atender, esperado que se evite escolher de
consumidores que apresentem uma menor pretenso de comprar um produto, concentrando
uma maior ateno sobre aqueles indivduos que possuam um perfil mais favorvel compra,
ou seja, que apresentem uma maior inteno de realizar a compra. Isso esperado porque
reconhecido que a escolha de clientes com um perfil bastante averso compra de um tipo de

12

produto especfico pode requerer um grande esforo para efetu-la, ou seja, sabe-se que a
inteno de compra exerce alguma influncia sobre as vendas dos produtos.
Bendixen, Bukasa e Abratt (2004) reconhecem a importncia de conhecer a inteno
de compra de clientes ao destacar que a mesma est associada probabilidade do indivduo
ficar mais tempo com a empresa e com a sensibilidade em relao s mudanas no preo. Para
esses autores, os consumidores que apresentam uma maior inteno de comprar um
determinado produto tm uma maior probabilidade de permanecer comprando-o durante mais
tempo e so menos sensveis a variaes no preo.
Ento, levar em conta a inteno de compra, ao escolher segmentos de mercado a
serem atendidos, no apenas importante porque tal inteno tem alguma influncia sobre as
vendas, mas tambm devido ao fato de que essa inteno tambm influencia na fidelidade do
consumidor e na sua sensibilidade em relao ao preo.
Zeithaml, Berry e Parasuraman (1996) definem a inteno de compra como um sinal
de escolha real relativo compra. Kie e Xie (2009) utilizam a definio daqueles autores
como referncia para tratar da inteno comportamental de consumidores, o que indica que
um conceito ainda usado recentemente.
Segundo Bagozzi, Yi e Baumgartner (1990), uma inteno qualquer desempenha um
papel na relao entre um comportamento e uma atitude. Ramayah, Lee e Mohamad (2010)
ressaltam essa observao ao tratar da inteno de compras de produtos ambientalmente
corretos, acrescentando que a mesma uma funo do nvel de esforo requerido para
executar uma determinada ao decorrente do comportamento, como, por exemplo, comprar
um produto.
Fishbein e Ajzen (1975) definem que uma inteno a probabilidade de um
comportamento especfico vir a ser realizado e propem a Teoria da Ao Racional que
tratam a inteno como antecedente imediato de um comportamento real. Ramayah, Lee e
Mohamad (2010) tomam essa definio como referncia em sua abordagem sobre inteno de
consumo. Quanto ao comportamento de compra difine-se, ento, a inteno de compra como
sendo a probabilidade de um produto vir a ser adquirido.
Para Xu, Summers e Belleau (2004) consideram que a inteno comportamental dos
consumidores, tal como a inteno de compra, algo importante no desenvolvimento de uma
estratgia de marketing para qualquer tipo de produto ou servio, mesmo aqueles incomuns.
Lin (2007) destaca essa importncia para o caso especfico de websites comerciais, afirmando
que a proliferao desses tipos de Websites tem aumentado a relevncia de entender os
determinantes da inteno de compras em lojas online. Vijayasarathy (2004) destaca que nem

13

sempre fcil ou prtico obter uma medida ideal do grau de engajamento em um

comportamento. Para ele, h suporte terico e emprico de que h uma forte correlao entre a
inteno e o comportamento real, de modo que o primeiro pode ser considerado um bom
indicador do segundo. Canniere, Pelsmarcker e Geuens (2009) reforam essa observao ao
afirmarem que muitos estudos tm sido feitos para explicar as intenes. Esses estudos
geralmente assumem que as intenes so bons preditores de comportamentos relacionados.
A partir dos conceitos supracitados pode-se afirmar que a inteno de compra pode ser
definida como uma disposio apresentada para adquirir um produto ou servio especfico.
Essa disposio um sinal de escolha real e pode ser expressa em termos de probabilidade de
um produto vir a ser comprado. Tem-se como pressuposto que, quanto maior for o sinal real
de escolha (a disposio apresentada), maior ser a probabilidade de adquirir o produto e
menor ser o esforo necessrio por parte da empresa/organizao para que seja efetuada a
compra.
Considerar a inteno de compra na escolha dos clientes-alvo, classificando-os quanto
a esse critrio, muitas vezes fcil e pode ser realizada de forma intuitiva, observando o perfil
do cliente e o seu interesse para produtos semelhantes. No entanto, h situaes onde essa
definio no to clara. Quando isso ocorre, surge a necessidade de modelos que forneam
uma medida da inteno de compra para auxiliar na classificao dos clientes quanto quela.
Uma forma de considerar a inteno de compra, na tomada de deciso acerca dos
segmentos de mercado a serem escolhidos, relacion-la a caractersticas desses grupos de
clientes. Considerando tais caractersticas como variveis, o problema de obter uma medida
de inteno de compra para segmentos passa a ser um estudo da natureza da relao entre uma
nica varivel dependente e um conjunto de outras variveis independentes. Sempre que se
procura estudar a natureza de uma relao desse tipo, os modelos de regresso apresentam-se
como uma alternativa a ser considerada.
Os modelos de regresso so muito utilizados no estudo de relaes entre uma varivel
especfica, dita dependente, e um conjunto de variveis associadas, chamadas de
independentes.
Johnson e Wichern (1992) compartilham essa ideia ao analisar que a regresso uma
metodologia estatstica usada para estudar relaes e fazer a predio de valores de uma ou
mais variveis respostas (dependente) a partir de uma coleo de valores de variveis
explicativas (independentes), podendo ser utilizada para avaliar os efeitos das variveis
explicativas nas respostas.

14

H vrias classes de modelos de regresso disponveis na literatura, sendo cada uma

dessas adequada para modelar um tipo especfico de situao. Uma questo fundamental para
escolher a classe do modelo de regresso adequada a um determinado estudo identificar o
tipo de varivel dependente que est sendo considerado. Essa varivel pode ser mtrica
(contnua ou discreta) ou pode ser categrica.
A varivel dependente de interesse pode ser expressa como uma varivel qualitativa,
cujas categorias indicam nveis de convico de um indivduo para comprar um produto ou
utilizar um servio. Optando por expressar a inteno de compra desse modo, os modelos de
regresso que passam a ser adequados para este estudo so modelos aditivos generalizados
para variveis categricas. Essa classe de modelos de regresso inclui modelos lineares
generalizados (paramtricos) e modelos de regresso no-paramtrica, ambos para variveis
dependentes categricas.
Os modelos lineares generalizados so modelos estatsticos compostos apenas por
parmetros e variveis (sendo assim chamados de modelos paramtricos) que, embora a priori
no apresentem uma equao com uma forma linear, podem assumir essa forma atravs de
uma transformao funcional chamada de funo de ligao.
Para McCullagh e Nelder (1989), os modelos lineares generalizados so uma extenso
dos modelos lineares clssicos e so compostos por trs partes especficas: uma varivel
dependente que a componente aleatria; uma equao composta por parmetros e variveis,
dita componente sistemtica, e que est relacionada com a componente aleatria; e uma
funo de ligao que torna a componente sistemtica uma equao linear.
Hardle et. al. (2008) mostram que modelos no paramtricos de regresso so aqueles
que no envolvem uma equao com parmetros e variveis, sendo obtidos atravs da
estimao direta do comportamento da funo que explica a relao entre uma varivel
dependente e outras independentes. Para os mesmos autores, modelos semiparamtricos so
aqueles que apresentam uma parte do modelo sendo paramtrica e outra parte sendo no
paramtrica.
Bock, Coussement e Poel (2010) afirmam que os modelos aditivos generalizados
(MAGs) so uma generalizao dos modelos lineares generalizados (MLGs). Histie e
Tibishirani (1990) explicam essa generalizao declarando que os primeiros substituem a
forma linear dos segundos por uma soma de funes suaves. Em termos prticos, esses
modelos apresentam semelhanas com os MLGs, distinguindo-se destes por no precisarem
ser necessariamente paramtricos, ou seja, podem apresentar as caractersticas de um MLG,
mas serem no paramtricos ou semiparamtricos.

15

Young et. al. (2011) complementam tal argumentao ao afirmarem que os MAGs
apresentam uma vantagem adicional em relao aos MLGs, pois permitem fazer inferncias
sobre a relao entre uma varivel dependente e variveis independentes sem colocar
restries de parmetros nas associaes. Os parmetros so partes componentes da equao
funcional de um modelo estatstico que precisam ter seus valores estimados. Esses parmetros
apresentam pressupostos que podem limitar o modelo quanto validade e quanto aplicao.
Modelos aditivos generalizados para variveis dependentes categricas so uma
alternativa adequada para fornecer uma medida da inteno de compra de grupos de
consumidores. Ao optar-se por utiliz-los, o problema da dificuldade de efetuar a
classificao de clientes quanto inteno de compra passa a ser especificamente a obteno
de um modelo desse tipo. Sendo assim, tem-se a seguinte questo de investigao: como a
inteno de compra pode ser relacionada s caractersticas de segmentos de mercado por meio
de modelos aditivos generalizados?

1.2 Justificativa
O presente estudo direcionar-se- s empresas que dispem de informaes acerca dos
consumidores (caractersticas, opinies, preferncias, desejos e necessidades) e informaes
sobre as vendas que foram realizadas ou que podem ser realizadas. Todas essas informaes
podem ser obtidas por meio de pesquisas de mercado ou por meio de um sistema de
informao estruturado para colet-las e armazen-las. Assim, empresas que realizam
pesquisas de mercado ou usam um sistema de informao desse tipo podem ser beneficiadas,
independentemente do porte.
O tema escolhido nesta pesquisa contribui cientificamente ao destacar a importncia,
no projeto e na gesto de sistemas produtivos, de priorizarem-se aqueles clientes que tendem a
consumir um produto ou servio. Alm disso, chama a ateno para a necessidade de
obteno de formas para identificar as caractersticas comuns dos consumidores que tendem a
consumir um item.
No campo da engenharia de produo, a pesquisa contribui cientificamente ao tratar
do projeto e gesto de sistemas produtivos sob a perspectiva do cliente. Sugere-se que
possvel definir as caractersticas do sistema de produo levando em considerao, como
informao adicional, a inteno de comprar um produto ou de usar um servio. Na literatura
sobre inteno de compra, considera-se que essa varivel importante quando decises so
tomadas com base no consumidor.

16

Clientes com maior inteno de comprar um produto tendem a consumi-lo com menor
esforo da empresa que o disponibiliza do que aqueles com menor inteno, como sugerem
Ramayah, Lee e Mohamad (2010). Esse esforo pode ser refletido em padres de qualidade
mais rigorosos, maior criatividade no desenvolvimento de produtos e maiores investimentos
em todo o sistema produtivo. Xu, Summers e Belleau (2004), afirmam que a inteno de
compra importante no desenvolvimento de uma estratgia de marketing. A estratgia de
marketing , por sua vez, algo determinante nas decises acerca da distribuio e do
desenvolvimento de produtos.
Para obter uma medida da inteno de compra de acordo com o segmento de mercado,
prope-se um modelo e um procedimento para utiliz-lo. O modelo representa uma tecnologia
de gesto resultante da conjugao de teorias do comportamento do consumidor, do princpio
da segmentao de mercado e da teoria de modelos estatsticos causais.
O modelo proposto por esta pesquisa tambm capaz de orientar atividades de projeto
e de gesto dos sistemas de produo para que os produtos colocados no mercado sejam ainda
mais adequados s caractersticas e preferncias daqueles que realmente iro comprar,
aumentando sua qualidade e tornando-os mais competitivos. O modelo proposto pode evitar
decises sejam tomadas de modo que recursos sejam gastos com aquilo que os clientes que
tendem a comprar consideram como desnecessrio.
Ao fornecer meios de identificar quais clientes tendem a comprar um produto ou usar
um servio, aponta-se s empresas a necessidade de disponibilizar produtos que sejam os mais
adequados possveis para aqueles consumidores. Se investimentos feitos para satisfazer
clientes que no usam um produto ou servio representam um desperdcio, ento a difuso da
prtica de considerar a inteno de compra na tomada de decises pode reduzir o consumo
desnecessrio de recursos e pode proporcionar produtos mais adequados ao que deseja
indivduos de uma localidade, gerando uma maior satisfao.
Outra justificativa deste trabalho decorre do fato de indicar uma forma de utilizao de
dados provenientes de pesquisas de mercado para obter uma informao adicional importante
acerca do mercado consumidor. Essa informao consiste em conhecer de que maneira as
caractersticas dos grupos de clientes esto relacionadas inteno dos mesmos de adquirir
um produto.
A pesquisa de mercado um instrumento importante e tende a ser cada vez mais
popular entre as empresas, alm de movimentar uma grande quantidade de recursos atravs de
empresas especializadas.

17

Young e Javalgi (2007) consideram a pesquisa de mercado como uma ligao vital
entre a organizao e seus consumidores. Eles afirmam que desde 1995 o negcio de
pesquisas internacionais de mercado tem crescido bastante. Nesse ano, as cinco maiores
organizaes do setor tiveram a soma de suas receitas igual a $ 5,7 bilhes e 45% de suas
receitas foram provenientes de pesquisas para companhias fora seus pases de origem. Em
2004 a soma das receitas tinha crescido 133% e chegava a $ 13,3 bilhes, com 67% dessa
receita resultante de pesquisas com companhias fora de seus pases de origem.
Lin (2007) reconhece a relevncia de estudos sobre a inteno de compra em websites
comerciais. Para ele, a proliferao desses sites tem tornado cada vez mais importante o
entendimento dos determinantes da inteno de compras em lojas online.
O setor econmico estudado consiste em websites de compras coletivas. Embora o
setor tenha tido crescimento nos ltimos anos, nenhum estudo foi identificado na literatura
sobre inteno de compra em sites de compras coletivas. Benazzi e Pedra (2011) afirmam que
um dos maiores sites do setor, o GRUPON, entrou para histria do mundo corporativo como
uma das empresas que mais rapidamente atingiu um faturamento de US$ 1 bilho. Uma marca
semelhante somente tinha sido alcanada pelo Youtube. Aqueles autores ainda citam que em
2010 o faturamento dos sites de compra coletiva no Brasil foi superior a US$ 500 milhes,
alcanando um nmero de 5,6 milhes de usurios. Segundo Silva et. al. (2011), entre 2010 e
2011, houve um crescimento de 153% no nmero de sites de compras coletivas no Brasil,
chegando ao nmero de 1000 websites desse tipo.

1.3 Objetivos
Objetivo geral
Obter modelos aditivos generalizados que possam contribuir para o estudo da relao
entre a inteno de compra de um segmento de mercado e as suas caractersticas.
Objetivos especficos
a) definir formas de expressar a inteno de compra de clientes para obter modelos
aditivos generalizados alternativos;

18

b) verificar as variveis que representam as caractersticas de segmentos e que podem

estar relacionadas inteno de compra;
c) estimar modelos aditivos generalizados alternativos para relacionar a varivel
dependente (inteno de compra) com variveis independentes associadas s
caractersticas de segmentos.

19

CAPTULO 2 - FUNDAMENTAO TERICA

O modelo sugerido prope definir as caractersticas do sistema de produo de modo

que sejam oferecidos produtos ou servios em conformidade com consumidores, de um dado
segmento de mercado, dispostos a utiliz-los. Sendo assim, o entendimento do processo de
segmentao de mercado.
A escolha dos fatores utilizados como covariveis do modelo foi baseada em teorias
do comportamento do consumidor. A sua abordagem cognitiva aquela, dentre as disponveis
na literatura, que considera a deciso de compra como resultante de um nmero mais amplo
de tipos de fatores. Dentre as teorias da abordagem cognitiva, a teoria da ao racional (TAR)
sugere uma explicao para a relao entre os fatores que influenciam na inteno de compra
e considera essa ltima como um determinante imediato da deciso de compra. Por essa
razo, a relao entre aqueles fatores e a deciso de compra baseada TAR.
As relaes sugeridas no modelo podem ser entendidas com base na abordagem
cognitiva do comportamento do consumidor, especialmente na TAR. Alm disso, h vrios
estudos, mostrados na subseo 2.3.3, onde a relao entre a varivel inteno de compra com
fatores psicolgicos, scioculturais e situacionais considerada.
O conceito de inteno de compra tambm deve ser abordado uma vez que essa a
varivel dependente utilizada pelo modelo. A compreenso da relao direta entre a inteno
e a deciso de compra necessria para que o modelo possa ser aplicado para explicar o
consumo, pois se uma relao direta entre esses fatores no assumida, ento no possvel
sugerir que a pretenso de comprar seja concretizada. Nesse caso a inteno de compra no
pode ser usada como indicador do consumo.
As relaes sugeridas (entre a varivel resposta e cada uma das covariveis) foram
verificadas estatisticamente com base em modelos paramtricos e semiparamtricos de
regresso, especificamente utilizando modelos lineares generalizados e modelos aditivos
generalizados. A compreenso dos modelos propostos requer o conhecimento dessas classes
de modelos estatsticos.
O quadro 1 apresenta uma sntese dos objetivos de cada uma das sees expostas na
fundamentao terica.

20

Quadro 1 - Objetivo das sees na fundamentao terica

Objetivo da seo
Seo
Fundamentar a formulao
conceitual das relaes entre a
varivel resposta do modelo e as
covariveis

2.1. Segmentao de mercado e escolha

do pblico alvo
2.2. Comportamento do consumidor e
deciso de compra

Fundamentar a verificao estatstica 2.3. Modelos paramtricos de regresso

das relaes propostas e os modelos
2.4. Modelos no-paramtricos e
a serem obtidos
semiparamtricos de regresso
Fonte: Elaborao prpria

2.1. Segmentao de mercado e escolha do pblico-alvo

Segundo Ming-Chih, Yi-Ting e Ching-Wei (2011), a segmentao de mercado
definida como o ato de dividir um mercado em grupos distintos e significativos de clientes de
modo a identificar grupos de consumidores cujos requisitos de compra e resposta aos planos
de marketing sejam semelhantes.
Kotler e Amstrong (2003) declaram que as empresas sabem que no podem satisfazer
a todos os clientes de um mercado. H um grande nmero de consumidores com necessidades
diferentes. Algumas empresas esto em melhores condies de atender a determinados
segmentos de mercado. Nesse caso, necessrio dividir o mercado, escolher os melhores
segmentos e procurar estratgias de atender aos segmentos especficos de maneira mais
eficiente que os concorrentes.
Lopes (2002) afirma que o fundamento da segmentao de mercado muito simples.
Tem como base o fato de um nico produto no satisfazer s necessidades e anseios de todos
os clientes. Para esse autor, o centro de toda a discusso sobre segmentao o fato de existir
diferenas entre os consumidores, que precisam ser consideradas nas tomadas de deciso por
parte da empresa.
Chiu et. al. (2009) defendem que a segmentao de mercado aumenta a
rentabilidade ou eficcia da organizao na medida em que seus benefcios econmicos em
relao ao mercado consumidor excedem os custos desse processo. Kotler (2003) acredita que
a empresa pode criar uma melhor sintonia entre produto ou servio ofertado e preo
adequadamente cobrado para o segmento-alvo.

21

Hung e Tsai (2008) defendem que a necessidade de segmentao de mercado existe

porque, geralmente, uma empresa no consegue concentrar seus esforos em todo o mercado
disponvel. Em outras palavras, o mercado contm muitos clientes atuais e potenciais com
uma rica diversidade.
As decises acerca do projeto e gesto de sistemas de produo no podem levar em
conta todos os clientes disponveis. Desse modo, se o mercado heterogneo segundo
diversas caractersticas, a segmentao de mercado torna-se um procedimento essencial para
que o sistema de produo concebido desempenhe bem sua funo de atender aos clientes.
Ritzman e Krajewski (2005) corroboram essa idia ao considerarem a segmentao de
mercado como uma primeira etapa do processo de conhecimento dos clientes de uma
organizao. Esse conhecimento fundamental para o sucesso na formulao de uma
estratgia de operaes para o sistema produtivo, que tem como fim atender aos consumidores
de forma superior a da concorrncia.
Segundo esses autores, compreender o conjunto de benefcios ao cliente para um
segmento de mercado possibilita que gestores identifiquem meios para ganhar vantagem
competitiva. Eles complementam sua abordagem afirmando que cada segmento de mercado
possui necessidades de mercado que podem ser relacionados aos atributos de produto/servio
de um sistema de produo.
Para Jacobs, Chase e Aquilano (2006) uma primeira etapa para desenvolver uma
estratgia de manufatura para um sistema produtivo segmentar o mercado de acordo com o
grupo de produto, definindo o pblico alvo para cada elemento de seu portflio.
Os autores acima tratam de um elemento importante da estratgia de produo que
est diretamente ligado ao processo de segmentao de mercado, que o posicionamento
estratgico dos sistemas de produo. Para tais autores, definir esse posicionamento significa
definir as caractersticas do produto e do processo de produo de forma que o sistema
produtivo esteja voltado para um pblico-alvo especfico.
Mesmo quando esse posicionamento no planejado de maneira formal, algo
intrnseco ao projeto e gesto do sistema produtivo. As decises de projeto e gesto definem
com o tempo as caractersticas especficas do sistema de produo, realizando, mesmo que
informalmente, um posicionamento do sistema de produo e direcionando o sistema para
vender mais para parcelas especficas do mercado. Isso quer dizer que a segmentao de
mercado algo que realizado quando as decises de projeto, planejamento e controle so
tomadas.

22

Corra e Corra (2004) argumentam que a competio internacional mais intensa tem
levado formao de mercados cada vez mais fragmentados e exigentes, levando o cliente a
tornar-se mais atento a nuances e detalhes nos produtos que lhe so oferecidos. Essa crescente
fragmentao pode ser um empecilho para organizaes que ainda procuram projetar e gerir
seus sistemas produtivos sem focar-se em segmentos especficos.

2.2. Comportamento do consumidor e a deciso de compra

Segundo Guerra (2005), o comportamento de compra do consumidor representa um
dos elementos essenciais da gesto estratgica de qualquer empresa seja qual for atividade
de negcio. Para esse autor , por isso, fundamental que a empresa conhea os seus pblicos
de consumidores atuais e potenciais, seus comportamentos, atitudes e processos de escolha,
para que possa adequar as suas atividades de gesto e fornecer a melhor resposta s
solicitaes dos mercados onde opera.
Para Lamb, Hair e McDaniel (2004), o comportamento do consumidor consiste nos
processos que o consumidor percorre para tomar decises de compra, bem como para usar e
dispor de bens ou servios. Trata, assim, da forma como os consumidores tomam decises de
compra, utilizam e descartam mercadorias e servios adquiridos. Tais autores destacam que o
estudo do comportamento do consumidor tambm inclui a anlise dos fatores que influenciam
as decises de compra e o uso do produto.
Kotler e Keller (2006) compartilham a mesma ideia ao afirmarem que o campo do
comportamento do consumidor estuda como as pessoas, grupos e organizaes selecionam,
compram, usam e descartam artigos, servios, ideias ou experincias para satisfazer suas
necessidades e desejos.
Solomon (2008) corrobora com Kotler e Keller (2006) acrescentando que o
comportamento do consumidor abrange uma ampla rea onde se estudam os processos
envolvidos no consumo. Esse autor enfatiza que esse um processo contnuo e que no se
restringe ao que acontece no instante em que o consumidor realiza a compra. Embora a
compra, para ele, seja um elemento importante do comportamento do consumidor, a viso
mais abrangente enfatiza o processo de consumo, o que inclui as questes que influenciam o
consumidor antes, durante e depois da compra.
O processo de deciso de compra um elemento importante do estudo do
comportamento do consumidor. Segundo Lamb, Hair e McDaniel (2004), esse processo
envolve cinco etapas: reconhecimento da necessidade, busca de informaes, avaliao de

23

alternativas, deciso de compra e comportamento ps-compra. Os autores acima destacam que

todas as etapas so afetadas por fatores culturais, sociais, pessoais e psicolgicos. Para Kotler
e Keller (2006) complementam tal argumentao ao afirmarem que os fatores culturais
exercem a maior e mais profunda influncia.
Hofmann, Strack e Deutsch (2008) entendem que os consumidores so dirigidos por
um conflito entre o impulso para comprar e a tomada de decises racionais. Segundo esses
autores, a melhor forma de entender o comportamento do consumidor compreender como
suas atitudes so formadas diante daquele conflito. Sendo assim, do entendimento desses
autores, possvel concluir que as variveis que determinam seu comportamento so
relacionadas a impulsos (ligao afetiva, atratividade das caractersticas etc.) e tambm a
decises racionais (importncia e necessidade efetiva, preos de bens concorrentes etc).
Rucker, Galinsky e Dubois (2011) ressaltam que uma questo crtica do
comportamento do consumidor o entendimento de que atributos so desejveis pelo mesmo
e que valor est disposto a pagar por um produto ou atributo. Sendo assim, fundamental em
qualquer pesquisa relativa ao comportamento do consumidor tratar de questes relativas a
atributos do produto valorizados pelo cliente, quando houver disponvel algum conhecimento
prvio sobre o assunto.
Para Casillas e Martnez-Lpez (2009), comum em marketing que as informaes
sobre variveis relativas ao comportamento do consumidor sejam obtidas por meio de
questionrios. Para tais autores, tambm frequente o uso de variveis diretamente no
observadas para modelar o comportamento do consumidor. Esse tipo de modelagem, segundo
esses autores, feito atravs da utilizao de outras variveis observadas que esto associadas
quelas.
Engel, Blackwell, Miniardi (2000), Giglio (2004), Kasarklian (2000); Kotler e
Amstrong (2003), Solomon (2008), Pinheiro (2006) tratam de teorias do consumo e fatores
que influenciam na deciso de compra. A anlise do comportamento do consumidor feita por
esses autores baseada em diferentes abordagens tericas que possibilitam listar alguns
fatores ligados deciso de compra.

24

2.2.1. Abordagens tericas do comportamento do consumidor

As teorias do comportamento do consumidor procuram entender como o valor

gerado para consumidores, procurando identificar aqueles valores que determinam as suas
escolhas.
Karsaklian (2005) cita cinco abordagens na qual se baseiam as teorias da motivao do
consumidor: comportamental, cognitivista, psicanaltica e humanista. O autor reconhece as
contribuies de abordagens da sociologia e antrolopogia ao tratar das relaes do
consumidor na sociedade. Giglio (2005) complementa essas abordagens ao citar mais duas
outras abordagens: racionalidade econmica e a existencialista.
Pinheiro (2006) trata acerca de cinco abordagens relativas teoria do comportamento
do consumidor: racionalidade econmica, comportamental, psicanaltica, cognitivista e
social/antropolgica. Essas cinco dessas abordagens so tratadas a seguir.
Abordagem da racionalidade econmica
Aborda a relao custo-benefcio de um comportamento do consumidor. O princpio
dessa teoria consiste em considerar que um consumidor procura obter o maior benefcio pelo
menor custo.
A teoria baseada na maximizao da utilidade de uma deciso de compra. A
maximizao da utilidade resulta na otimizao do prazer e satisfao de um indivduo.
A limitao dessa teoria est na simplificao excessiva de uma anlise profunda da
mente de uma pessoa no momento de optar por um comportamento especfico. Os processos
psicolgicos na mente de um indivduo no momento de uma deciso de consumo envolvem
diferenas individuais, culturais e sociais. Essas diferenas no so consideradas na teoria da
racionalidade econmica.
Segundo a teoria da racionalidade econmica, as chances de um cliente consumir mais
um produto ou servio ocorrem quando os custos da aquisio so reduzidos e o prazer
proporcionado pelo consumo maior (a utilidade). Uma pesquisa em um setor industrial
sobre a deciso de compra baseada nessa teoria deve identificar aqueles fatores que
representam prazer para o cliente no consumo nesse setor especfico e os custos que ele est
disposto a assumir. A dificuldade de fazer uma pesquisa desse tipo a de entender como o

25

prazer determinado para o consumidor. A teoria no orienta de que modo o prazer para o
cliente definido.
Abordagem comportamental ou behaviorista
Trata da influncia do ambiente na deciso de consumir, verificando as reaes
positivas e negativas em relao a um produto ou servio. A teoria enfatiza o papel da
aprendizagem e do ambiente na maximizao da inteno de comprar um produto especfico.
Uma pesquisa baseada na teoria comportamental deve investigar os estmulos que
produzem reaes positivas e negativas no ambiente, afetando a deciso de consumir um
produto ou servio. Nesse sentido, as opinies e preferncias de clientes acerca de
caractersticas relacionadas ao produto/servio e relacionadas imagem das empresas so
fundamentais para determinao da deciso de comprar. A dificuldade de efetuar uma
pesquisa desse tipo consiste no fato que esta mantm o foco da anlise sobre os estmulos e
reaes produzidos sem investigar que processos mentais determinam esses estmulos. Por
essa razo, possvel que a relao entre os estmulos e reaes possa ser interpretada
equivocadamente.
Abordagem psicanaltica
Procura conhecer a dinmica psicolgica do consumo atravs da psicanlise,
desenvolvida por Freud. Segundo Freud, a mente de um indivduo dividida em consciente e
inconsciente. Os desejos ntimos so realados no inconsciente, mas esses desejos so
distorcidos na conscincia e essa distoro determina um comportamento a ser assumido.
No momento em que uma pessoa vai efetuar uma compra, as suas decises envolvem
suas expectativas, angstias e conflitos na tentativa de obter uma satisfao mesmo que seja
temporria ou parcial. Os desejos de satisfao so explicados pelo inconsciente. Por essa
razo, necessrio utilizar a psicanlise para explicar a relao que deve existir entre a
imagem e o conceito de produtos/servios, visando atender aos desejos inconscientes por
status, beleza, felicidade, etc.
Uma pesquisa com base nessa teoria deve considerar que os desejos do cliente no so
determinados apenas pelo consciente, sendo necessrio utilizar-se de instrumentos que
permitam considerar tambm desejos mais ntimos presentes no inconsciente.

26

Abordagens sociais
Essas teorias estudam o consumo como um processo social determinado por fatores
histricos, culturais e sociais. Segundo essas teorias, o consumo no um ato apenas racional
ou individual, envolvendo tambm processos sociais. Por essa razo, para essas teorias,
importante compreender de forma mais profunda a dinmica social e cultural.
A pesquisa que se baseia nessas teorias deve considerar elementos culturais, histricos
e sociais. Sendo assim, essas teorias complementam as demais ao incluir elementos que
envolvem os grupos e organizaes dos indivduos.
Abordagem cognitivista
Considera que o consumo determinado por um complexo processo de tomada de
deciso que considera informaes scioculturais, individuais (psicolgicos) e do ambiente
(situacionais). A teoria integra o indivduo, o produto/servio e o ambiente.
Essa teoria fornece um entendimento mais detalhado do comportamento do
consumidor, unindo vrios elementos abordados por outras teorias. Por essa razo, uma das
teorias mais usadas na prtica dos estudos e pesquisas do mercado consumidor.
Para Pinheiro (2005), pensar no comportamento de consumo como um processo de
tomada de deciso implica ver o consumidor como aquele que opta por diferentes produtos,
tendo por pano de fundo a influncia de fatores cognitivos tais como percepo, motivao,
aprendizagem, memria, atitudes, valores e personalidade, assim como os socioculturais, isto
, influncia de grupo, famlia, cultura e classe social, bem como fatores situacionais.
Uma conhecida teoria da abordagem cognitiva do comportamento do consumidor
aquela proposta por Ajzen e Fishibein (1975). Essa teoria utilizada na literatura atualmente
para obter modelos que descrevam o comportamento do consumidor.

2.2.2. Fatores que influenciam na deciso de compra

A identificao do perfil do consumidor permite o desenvolvimento de estratgias com
eficcia para satisfazer os clientes, criando valor para eles, e gerando bons resultados para o
empreendimento. Este perfil traado atravs de caractersticas individuais, sociais, culturais

27

e situacionais. Essas caractersticas podem ser agrupadas em trs nveis: psicolgicas,

socioculturais e situacionais.
Os fatores psicolgicos dizem respeito a pensamentos, sentimentos e comportamento.
Nesse nvel o consumidor estudado como indivduo tomador de decises com base em suas
caractersticas psicolgicas. So considerados os seguintes fatores psicolgicos:
Percepo Por meio da percepo, os estmulos so percebidos e organizados de
acordo com um sistema pessoal de valores e crenas.
Motivao Identificao dos motivos que levam o consumidor a comprar
importante, pois so vrias as razes que conduzem o cliente ao ato da compra.
Aprendizagem Mudana do comportamento que ocorre por experincias
(SOLOMON, 2002).
Memria Conjunto de meios que uma pessoa utiliza para recorrer a um
conhecimento adquirido no passado a fim de utiliz-lo no presente.
Atitude Predisposio, tendncia ou sentimento preexistente para avaliar uma
caracterstica do produto como positiva ou negativa. Para Pinheiro (2005), a inteno
de compra baseada na avaliao que depende da atitude.
Personalidade e estilo de vida A personalidade a formao psicolgica de um
indivduo e o modo como ele reage ao ambiente. Por sua vez, o estilo de vida a
forma como um indivduo gasta seu tempo e dinheiro (SOLOMON, 2002). Kotler e
Keller (2006) consideram como personalidade traos psicolgicos distintos que levam
a reaes coerentes e contnuas a um estimulo do ambiente e define estilo de vida
como o padro de vida de uma pessoa expresso por atividades, interesses e opinies.
Os fatores scio-culturais so determinados pela influncia do meio social sobre um
indivduo. So considerados os seguintes fatores desse nvel:
Grupos sociais Solomon (2002) afirma que os indivduos pertencem e admiram
diversos grupos. Esses grupos exercem influncia sobre vrias decises de compra.
Cultura Conjunto dos valores e atitudes que permitem um indivduo comunicar-se,
interpretar e avaliar como membros de uma sociedade.
Classe social Solomon (2002) cita diferentes variveis que determinam a classe
social, dentre estas esto a educao e a renda.
Os fatores situacionais envolvem aqueles que so circunstanciais e momentneos.
Segundo Engel, Blackwell e Miniard (2000), h trs tipos principais de situaes:

28

As situaes de comunicao Locais onde o consumidor exposto a comunicaes

pessoais (conversas com terceiros) e no pessoais (comunicao por diferentes meios,
como internet, TV ou cartazes publicitrios).
As situaes de compra Cenrios onde o consumidor compra produtos ou servios.
Essas situaes englobam os fatores ambientais de informao, os fatores de varejo
(como as caractersticas do layout do local da compra) e o fator tempo de exposio ao
processo de compra.
As situaes de uso Cenrios onde o consumidor consome seu produto ou servio.
Alm dos fatores situacionais, psicolgicos e scio-culturais, outros fatores so
importantes para o consumidor, tais como a qualidade percebida, a imagem da empresa (ou
mesmo do produto/servio) e o risco percebido. Kotler e Keller (2008) consideram os fatores
pessoais, tais como idade e caractersticas da famlia, como importantes influenciadores das
decises do comprador. Para esses autores, o gosto no que diz respeito ao lazer em geral,
como roupas e mveis, se relaciona com a idade. Os padres de consumo, para eles,
dependem do nmero, idade e sexo de membros familiares.

2.2.3. Inteno e deciso de compra

A inteno de compra um indicador do ato da compra. Embora haja estudos que
indiquem que essa correlao nem sempre perfeita, muitas pesquisas sugerem que a
inteno de compra um bom indicador da deciso de compra. A Teoria da Ao Racional
considera essa correlao sempre existente ao definir, de forma genrica, que a inteno de
realizar uma ao um determinante direto da deciso de efetu-la.
Sob a abordagem cognitiva do comportamento do consumidor a relao direta entre a
inteno de compra e a deciso de compra estabelece que os fatores que determinam a o ato
da compra, tambm determinam a inteno de realiz-lo.
A Teoria da Ao Racional (TAR), inteno e deciso de compra
As teorias do comportamento do consumidor podem, ento, ser utilizadas para
explicar a deciso de compra de clientes a partir de suas caractersticas. O consumo de um
indivduo depende de um complexo processo de tomada de deciso que envolve fatores
psicolgicos, sociais, demogrficos e situacionais.

29

A Teoria da Ao Racional foi proposta por Ajzen e Fishibein (1975) para descrever o
comportamento de forma genrica. Trata a inteno comportamental como um antecedente
direto da deciso de um comportamento. Considerando a TAR aplicada ao comportamento de
compra (ver Figura 1), isso significa dizer que, se um indivduo tem a inteno de efetuar um
comportamento de compra, ento esperado que esta ocorra.
Figura 1 - TAR aplicada ao comportamento de compra
Atitudes em
relao compra

Inteno de Compra

Deciso de Compra

Normas Subjetivas
em relao
compra
Fonte: Fishibein e Ajzen (1975) com adaptaes
A inteno comportamental para TAR determinada por sua vez por atitudes e
normas subjetivas relativas ao comportamento. As normas subjetivas consistem na presso
social percebida para realizar um comportamento e as atitudes so avaliaes individuais de
um comportamento.
As normas subjetivas so influenciadas principalmente por fatores scio-culturais, pois
dependem da forma como o ambiente social se apresenta. As atitudes so influenciadas
principalmente por fatores psicolgicos e situacionais, pois dependem das caractersticas
individuais (ver Figura 2).
Figura 2 - Fatores determinantes das normas subjetivas e atitudes relativas ao
comportamento de compra
Fatores Psicolgicos

Atitudes em
relao compra

Fatores Situacionais

Fatores Sociais

Normas Subjetivas
em relao
compra
Fonte: Elaborao prpria

30

Os fatores caractersticos ligados a um indivduo determinam as suas atitudes em

relao s compra e as normas subjetivas a que esto submetidos. Essas, por sua vez, moldam
a inteno de um indivduo comprar e, consequentemente, sua deciso de compra. Por essa
razo, possvel dizer que os fatores caractersticos ligados a um indivduo so determinantes
indiretos da deciso de comprar. A explicao da inteno de compra pode ento ser feita por
meio de fatores psicolgicos, situacionais e sociais (ver Figura 3).
Figura 3 - Fatores determinantes da inteno e deciso de compra
Fatores Psicolgicos
Fatores Situacionais

Inteno de
compra

Deciso de
compra

Fatores Sociais
Fonte: Elaborao prpria
Todas as variveis utilizadas no questionrio que fornecer o banco de dados para o
estudo de caso so fatores caractersticos que podem ser classificados em uma das trs classes
de fatores. A Figura 24 - Fatores que influenciam na inteno de compra, variveis da
pesquisa e os itens do questionrio (Apndice D) mostra em que grupo se encontra cada uma
das variveis envolvidas no banco de dados usado na pesquisa. A figura tambm mostra os
itens do questionrio usado para obter os dados de cada varivel.
Relao entre deciso e inteno de compra
Ramayah, Lee e Mohamad (2010) afirmam que qualquer inteno um determinante
de um ato. Para esses autores, a inteno de compra, especificamente, tem sido estudada com
o objetivo de utiliz-la como um preditor de um comportamento real. Consideram ainda que
esta inteno uma ligao entre o comportamento e a atitude, e que influenciada pelo
esforo despendido para que ocorra o exerccio do comportamento.
Kumar, Lee e Kim (2009) indicam que valores emocionais e percepo de aspectos
ligados percepo da qualidade de um produto ou servio influenciam no comportamento de
compra de clientes ou na inteno de compra, em um modelo que envolva aspectos cognitivos
e afetivos. Os autores supracitados tomam como referncia o conceito de inteno de compra

31

estabelecido por Yoo, Donthu e Lee (2000). Para estes ltimos, a inteno de compra referese a uma tendncia do consumidor para comprar rotineiramente uma determinada marca no
futuro.
Para Morwitz, Steckel e Gupta (2007), a inteno de compras utilizada comumente
para predizer as vendas. Os autores supracitados pesquisam fatores que esto relacionados ao
aumento ou decrscimo da correlao entre a inteno de compra e a ocorrncia efetiva da
compra.
Sun e Morwitz (2010) destacam que vrios autores na literatura utilizam a inteno de
compras para prever as compras efetivas, partindo do pressuposto de que a mesma um bom
indicador para o comportamento real relativo s compras. No entanto, esses autores ressaltam
que existem desvios entre a inteno de compras e a efetivao das compras. Para os mesmos,
as caractersticas do modelo empregado para modelar a inteno de compras e as
caractersticas do instrumento usado na coleta de dados so determinantes na reduo do vis.
A inteno de compra consiste em qualquer sinal real dado pelo consumidor,
indicando que pretende adquirir um produto ou utilizar um servio. Representa um indicativo
do cliente de que, caso o produto ou servio estivesse disponvel no mercado, ele o compraria.
Esse indicativo embora sempre contenha uma parcela de incerteza, pode orientar, de forma
efetiva, muitas decises relativas ao sistema produtivo.
Zeithaml, Berry e Parasuraman (1996) reconhecem a importncia de informaes
sobre inteno de compras ao destacarem que as intenes comportamentais de consumidores
so sinais reais de uma escolha relacionados compra e, por isso, desejvel que sejam
monitoradas.
difcil para qualquer organizao garantir que a deciso de comprar o
produto/servio ir concretizar-se antes que a mesma ocorra. A inteno de compra
geralmente o melhor sinal disponvel sobre a efetivao da compra. So as informaes
sobre a mesma que muitas vezes orientam as decises do ambiente interno do sistema
produtivo voltadas para o mercado.
Harrison, Mykytyn e Riemenschneider (1997) e Costa (2006) destacam que a inteno
pode ser o melhor definidor de um comportamento, caso no ocorra nada no ambiente que
possa interferir nos planos. Assim, ao considerar a compra como o comportamento em
questo, seria a inteno de compra um bom definidor da deciso de comprar.
Para Xu, Summers e Belleau (2004), determinar a inteno comportamental dos
consumidores, tal como a inteno de compra, algo importante no desenvolvimento de uma
estratgia de marketing para qualquer tipo de produto ou servio, mesmo aqueles incomuns.

32

Lin (2007) destaca essa importncia para o caso especfico de websites comerciais, afirmando
que a proliferao desses tipos de websites tem aumentado a relevncia de entender os
determinantes da inteno de compras em lojas online.
As previses de demanda podem ser vistas como baseadas em intenes de compra.
Ao realiz-las as organizaes muitas vezes tomam como base dados histricos. Embora esses
dados refiram-se efetivao da compra num momento do passado, no possvel garantir
que o ato da compra de cada cliente sempre ir ocorrer em momentos no futuro. No entanto, a
sequncia de aquisies passadas dos clientes representa um sinal de que o consumidor ir
adquirir o produto/servio no futuro.
Indicaes nas pesquisas de mercado feitas junto aos consumidores, atravs de
questionrios, tambm podem ser vistas como um sinal real, embora incerto, de que o
consumidor pretende comprar um produto/servio. Na prtica, mesmo no garantindo a
efetivao da compra, declaraes de clientes em potencial de que pretendem adquirir um
produto/servio so relevantes para tomadas de decises de projeto e gesto de sistemas
produtivos.
O desenvolvimento de sistemas de informaes permite que a realizao de uma
compra seja uma fonte de informao sobre a inteno de clientes de comprarem um
produto/servio. O histrico de compras e de suas caractersticas conjugadas com informaes
presentes em cadastros sobre as caractersticas de clientes podem orientar tambm decises de
projeto e planejamento do sistema de produo, mesmo representando sinais dotados de
incerteza sobre vendas futuras de produtos/servios.
O histrico das compras obtidas a partir de sistemas de informao representa um
conjunto de informaes sobre intenes de compra. Todas as previses e inferncias feitas
para vendas futuras nesse caso so baseadas em intenes de compras.
De acordo com Kotler e Keller (2006), no processo de compra, diversas
caractersticas so determinantes na tomada de deciso de comprar. Tomando como referncia
a Teoria do Comportamento do Consumidor, ele declara que as caractersticas demogrficas,
culturais, fsicas e psicogrficas tm influncia na deciso de compra.
Se essas caractersticas influenciam na deciso da compra e no processo de compra
ento tambm so determinantes da inteno de compra. Assim, possvel fazer inferncias e
previses sobre a inteno de compra de clientes a partir das caractersticas dos mesmos ou a
partir de opinies e preferncias efetivamente associadas quelas.
Costa (2006) analisa os fatores que podem influenciar organizaes na deciso da
compra de softwares profissionais. Esse autor prope um modelo conceitual para explicar a

33

relao entre a inteno das organizaes de adquirir softwares com um conjunto de

caractersticas da estrutura da organizao, das pessoas envolvidas no processo de utilizao
dos softwares, das relaes entre essas pessoas e dos benefcios potenciais percebidos da
adoo dos softwares.
Relao entre inteno de compras e fatores determinantes da deciso de compra
Teng e Laroshe (2007) utilizam a anlise de equaes estruturais para testar um
modelo terico que relaciona as reaes de indivduos a anncios de publicidade com a
inteno de compras. O teste feito para indivduos de dois pases com culturas bastante
distintas (China e Estados Unidos) e mostra que o modo como a inteno de compra afetada
depende de caractersticas culturais dos indivduos.
Chen (2007) utiliza a anlise de regresso para relacionar a inteno de compras de
alimentos orgnicos com as caractersticas sensoriais e nutritivas desses alimentos, bem como
com seu preo, com caractersticas culturais e hbitos de consumo de consumidores em
Taiwan. Ele mostra que duas caractersticas ligadas personalidade exercem efeitos sobre a
relao entre a escolha de certos alimentos e as atitudes relativas ao alimento orgnico.
Mostra ainda que h seis motivos (humor, contedo natural do alimento, proteo ambiental,
bem estar animal, valores polticos e religio) que determinam se a atitude em relao a
produtos orgnicos positiva ou no.
O autor supracitado procura determinar as variveis que influenciam as atitudes em
relao a produtos orgnicos porque toma esse fator psicolgico como um dos principais
influenciadores da inteno de compra dos produtos. Reconhece, porm, que variveis ligadas
a grupos sociais e cultura (tais como a religio e valores polticos) so importantes para
formao de uma atitude em relao aos produtos orgnicos e, consequentemente, para
determinar a inteno de compra.
Dehua, Yaobin e Deyi (2008) utilizam um modelo de equaes estruturais para
mostrar que a inteno de compra de produtos eletrnicos em sites, em um site C2C
(consumer-to-consumer), est relacionada com as atitudes relativas aos sites onde os produtos
so divulgados (atitudes quanto facilidade de uso dos websites), com fatores situacionais de
compra (atitudes dos vendedores ao efetuar a venda) e de comunicao (a recomendao da
compra por terceiros). Os autores acima consideram, ento, que h fatores psicolgicos
(atitudes) e situacionais que influenciam a inteno de compra em sites C2C.

34

Verhagen e Dolen (2009) testam as hipteses de vrios aspectos relacionados

imagem de lojas da internet influenciar inteno de compra de produtos online. Esses
aspectos pesquisados esto relacionados confiabilidade dos sites, facilidade de navegao,
interface, servio offline das empresas etc. Os pesquisadores concluem que a imagem das
lojas relacionadas impresses online e offline, de fato, tem influncia na inteno de compra
de produtos online nas lojas.
Wu, Yeh e Hsiao (2011) investigam os efeitos diretos e indiretos da imagem das lojas
e da qualidade do servio das mesmas sobre a inteno de compra. As hipteses foram
investigadas atravs da modelagem de equaes estruturais. Esses autores concluram que h
uma forte relao entre a imagem das lojas e a inteno de compras. Verificaram tambm que
a qualidade do servio tem um efeito sobre a imagem das lojas e que o risco incorrido ao
comprar produtos de uma determinada marca tem um efeito mediano na relao entre a
imagem e a inteno de compras. Os autores acima reconhecem ento que h fatores
psicolgicos que influenciam a inteno de compra, uma vez que as avaliaes dos
consumidores quanto imagem, risco e qualidade dos servios da loja so atitudes em relao
a essa.
Shukla (2011) verifica que fatores relativos imagem e origem de uma marca, bem
como os fatores de influncia interpessoal, so influenciadores da inteno de compra de
produtos de luxo. A pesquisa foi feita com consumidores indianos e britnicos, e as hipteses
foram testadas atravs da anlise fatorial confirmatria. Os fatores de influncia interpessoal
investigados referem-se a aspectos relacionados ao interesse de indivduos na imagem que os
mesmos passam para terceiros.
As influncias interpessoais consideradas por Shukla (2011) so influncias de grupos
sociais, sendo esses fatores socioculturais. Esse autor ainda considera que h tambm fatores
psicolgicos (atitudes em relao imagem e origem da marca) que influenciam inteno
de compra.
Poddar, Donthu e Wei (2009) constroem um modelo de equaes estruturais para
testar a hiptese de influncia da orientao do site (estilo do site) sobre a inteno de
compras nos mesmos. Os autores acima consideram que a orientao do site tem efeitos
indiretos (ao influenciar na qualidade percebida) e diretos sobre a inteno de compra. A
orientao do site determinada a partir das opinies de consumidores sobre as caractersticas
dos sites. Essas opinies representam atitudes (fatores psicolgicos) dos clientes em relao
quelas caractersticas

35

Chen, Hsu e Lin (2010) verificam atributos dos websites que podem aumentar a
inteno de compras dos consumidores atravs de um modelo de anlise conjunta. Esses
atributos investigados so relacionados a questes de segurana de informaes, privacidade,
usabilidade dos websites, convenincia, confiana, entrega e valor. Todos esses atributos so
atitudes em relao a caractersticas de websites, logo representando fatores psicolgicos.
Ramayah, Lee e Mohamad (2010) utilizam a modelagem de equaes estruturais para
mostrar pela definio de um modelo conceitual que os valores, que so fatores culturais, e
atitudes dos indivduos, que so fatores psicolgicos, tm influncia sobre a inteno de
compra de produtos verdes (ambientalmente corretos).
Kumar, Lee e Kim (2009) testam tambm um modelo conceitual por meio de equaes
estruturais com o objetivo de mostrar que a inteno de compra de consumidores indianos
depende das suas caractersticas individuais e de variveis associadas a marcas, como a
qualidade percebida e valores emocionais. A inteno de compras estudada com relao a
produtos americanos e indianos.
Lu e Hsiao (2010) investigaram como os valores de usurios e perspectiva de
satisfao, juntamente com a qualidade percebida e o preo percebido, influenciam inteno
de indivduos pagarem por servios de redes sociais na internet. O objetivo principal avaliar
como valores relacionados extroverso/introverso afetam a inteno de usar o servio.
Esses autores estimam um modelo de equaes estruturais usando como variveis de controle
a idade, o gnero e a renda. O modelo indica que os valores emocionais e sociais, bem como o
preo e a qualidade do servio, influenciam diretamente o valor percebido e indiretamente na
satisfao dos clientes e na inteno de pagar pelos servios de redes sociais.
Os autores supracitados mostraram ento que h fatores psicolgicos (valores sociais e
emocionais; atitude em relao qualidade e o preo) que afetam a inteno de clientes
pagarem pelo servio.
Vijayasarathy (2004) explica a inteno do consumidor de utilizar lojas online
acrescentando novos fatores explicativos ao modelo de aceitao de tecnologias (Technology
Acceptance Model - TAM). Esse modelo considera que a utilidade e a facilidade de uso de
uma tecnologia determinam a atitude em relao a esta que, por sua vez, afeta a inteno de
uso. As novas variveis propostas para o modelos so crenas em normas sociais, autoeficcia
(uso dos produtos comprados nas lojas), privacidade, compatibilidade com o estilo de vida e
segurana das informaes pessoais. O autor utiliza a anlise de componentes principais para
agrupar as variveis nos fatores investigados e a regresso linear mltipla para avaliar a
influncia dos fatores.

36

O autor acima mostra que todos os fatores complementam o TAM, exceto a

privacidade, pois afetam a inteno de clientes de usar lojas online. Esse autor tambm
enfatiza que h fatores sociais (crenas normativas) e psicolgicos (atitudes em relao s
caractersticas das lojas online e em relao aos produtos oferecidos).
Shim et. al. (2001) verificaram se a pretenso de um indivduo procurar informaes
sobre os produtos pode ser usada como um elemento-chave para explicar a inteno de
compra na internet. Eles mostraram que a pretenso de usar a Internet para buscar
informaes no apenas o mais forte preditor da inteno de compras online, mas tambm
um importante mediador da relao entre a inteno de compras e outros preditores, tais como
atitudes, normas subjetivas, controle percebido e experincia de compra. A determinao
desses quatro fatores feita por meio de variveis como atitudes em relao s caractersticas
dos sites (segurana, privacidade, convenincia, facilidade de navegar, variedade de produtos,
dentre outros) e memria de experincias de compras. Os autores acima utilizaram um
modelo de equaes estruturais de dois estgios para testar as hipteses de influncia, e a
pesquisa foi realizada em zonas metropolitanas dos Estados Unidos.
Os resultados obtidos por Shim et. al. (2001) tambm indicaram a presena de fatores
psicolgicos (atitudes em relao a caractersticas dos sites e memria em relao a alguns
aspectos de experincias passadas) e sociais (normas subjetivas) como importantes preditores
da inteno de comprar na internet.
Xu, Summers e Belleau (2004) mostraram que a inteno de compras de um produto
controverso (incomum) pode ser explicada parcialmente por meio de normas subjetivas,
percepes do produto como controverso, percepes acerca do preo, caractersticas
demogrficas (idade, estado civil, renda, escolaridade e ocupao), aspectos da personalidade
e atitudes em relao s caractersticas do produto. A pesquisa foi realizada tambm em zonas
metropolitanas dos Estados Unidos e as hipteses foram testadas usando modelos lineares
generalizados (MLGs). Embora os parmetros do modelo tenham sido significativos, este
apresentou um ajuste regular (R2=0,49).
A investigao da inteno de compras de produtos incomuns realizada por Xu,
Summers e Belleau (2004) reforou que fatores psicolgicos (atitudes em relao ao produto,
personalidade e percepes) e sociais (normas subjetivas) so fatores determinantes da
inteno de compras. A pesquisa desenvolvida pelos autores tambm destacou a importncia
das variveis demogrficas pessoais para explicar a inteno de comprar o produto.
Gonzalez, Comesaa e Brea (2007) utilizaram um modelo de regresso para mostrar
como a qualidade percebida e a satisfao do consumidor esto relacionadas com a inteno

37

dos consumidores de hospedar-se em hotis. A pesquisa foi realizada pelos autores acima em
cidades da Espanha. Embora os parmetros dos preditores tenham sido significativos, o ajuste
do modelo foi razovel (R2=0,51).
A qualidade percebida determinada pela percepo de clientes em relao a
diferentes caractersticas de hotis relacionados qualidade. A satisfao do consumidor
determinada pela memria de experincias anteriores em hospedagens. Sendo assim, o estudo
contribui tambm por mostrar que h fatores psicolgicos (percepo e memria) capazes de
explicar parcialmente a inteno comportamental.
Belanche, Casalo e Guinalu (2012) tratam da influncia de atitudes em relao a
caractersticas de usabilidade de um Website na inteno de utiliz-lo. Esses autores agrupam
constructos para determinar dois fatores: usabilidade dos websites e satisfao de
consumidores. Em seguida, utilizam a anlise de equaes estruturais para mostrar que as
atitudes em relao usabilidade dos sites influenciam indiretamente na inteno de utiliz-lo
por meio da satisfao do usurio.
Mesmo que a hiptese de influncia direta das atitudes em relao usabilidade de
sites no tenha sido comprovada, a influncia foi demonstrada por meio do efeito indireto
atravs da satisfao proporcionada. Belanche, Casalo e Guinalu (2012) mostram, ento,
tambm a influncia de fatores psicolgicos (atitude em relao a caractersticas de
usabilidade e memria representada pela satisfao em experincias anteriores) na inteno de
usar um servio online.
Kim e Kim (2004) demonstraram a influncia de variveis pessoais demogrficas na
inteno de comprar roupas e acessrios de roupas na internet. Os autores utilizaram um
modelo de equaes estruturais para mostrar que o gnero, a renda e o nmero de filhos
influenciam diretamente na inteno de compras online enquanto o nvel de escolaridade
influencia indiretamente por meio de programas de incentivo compra. O modelo estimado
por eles no foi capaz de mostrar a influncia da idade e variveis relacionadas ao projeto dos
Websites na inteno de comprar.
Diallo (2012) verifica a influncia de aspectos relacionados imagem das lojas,
imagem dos preos e ao risco percebido na inteno de compras em lojas de marca em um
mercado emergente. O fator imagem de lojas de marca determinado a partir de percepes
das caractersticas das lojas (instalaes, layout, facilidade de encontrar promoes,
capacitao dos empregados, dentre outros). Esse autor mostra que os aspectos relacionados
imagem influenciam diretamente e indiretamente atravs do risco percebido.

38

Essa pesquisa foi realizada no Brasil e demonstrou tambm a capacidade de explicar

parcialmente a inteno de compras por meio de fatores psicolgicos como percepes
(percepes relativas imagem das lojas e dos preos) e motivaes (aspectos relacionados ao
risco percebido).
Lin (2007) compara a capacidade de trs diferentes modelos de equaes estruturais
para predizer a inteno de compras de produtos na internet com indivduos de Taiwan. Dois
dos modelos alternativos so baseados na Teoria do Comportamento Planejado (Theory
Planned Behavior - TAB), que determina que a inteno comportamental de compra e a
deciso real de compra so explicadas por meio de trs fatores: atitudes, normas subjetivas e
controle percebido. O outro modelo baseado no Modelo de Aceitao de Tecnologia
(Technology Acceptance Model - TAM) e considera que a inteno e a deciso de compra so
determinadas pela facilidade de usar o servio para compra e pela utilidade percebida deste
mesmo servio.
A diferena entre os dois modelos baseados na TAB est no nmero de estgios
adotados no modelo de equaes estruturais, sendo um desses modelos de dois estgios e o
outro com apenas um estgio. O modelo de dois estgios baseado na TAB mostrou-se
superior na capacidade de explicar a inteno e deciso de compra. Esse modelo foi baseado
em sete fatores: utilidade percebida, facilidade de uso, influncia de terceiros, autoeficcia,
compatibilidade com as necessidades pessoais, influncia interpessoal e influncia externa.
Lin (2007) mostrou que o melhor dos modelos comparados explica a inteno de
compras por meio de fatores psicolgicos (atitudes em relao compra e motivaes
representadas pelo controle comportamental percebido) e fatores sociais (normas subjetivas).
Moon, Chadee e Tikoo (2008) realizaram uma pesquisa com indivduos da Nova
Zelndia para verificar se h indcios da influncia de aspectos culturais (individualismo,
averso incerteza, aspectos relativos masculinidade e aspectos relativos ao poder), do
preo e do tipo de produto na inteno de comprarem produtos personalizados. A pesquisa
utilizou a anlise de varincia (ANOVA) e testes de hiptese, mostrando que h diferenas na
inteno de compra para diferentes nveis de individualismo, para diferentes preos e tambm
para diferentes tipos de produto.
H, ento, indcios de que para o grupo estudado, h fatores situacionais (tipo de
produto e preo) e fatores psicolgicos (personalidade individualista) que podem explicar em
parte a inteno de compra de produtos personalizados.
Bian e Forsythe (2012) demonstram, por meio de um modelo de equaes estruturais,
a existncia de efeitos das caractersticas individuais e fatores associados a marcas na inteno

39

de compras de produtos de marcas de luxo, entre estudantes americanos e chineses. As

caractersticas individuais consideradas na pesquisa consistem em dois fatores psicolgicos
relacionados atitude em relao ao meio social e personalidade no que diz respeito
capacidade de automonitoramento. As variveis associadas marca so opinies dos
indivduos acerca da imagem das marcas.
Hartmann e Apaloaza-Ibanez (2012) mostram por meio da modelagem de equaes
estruturais que atitudes em relao energia ambientalmente correta esto relacionadas
inteno de consumi-la. A pesquisa realizada com entrevistados na Espanha tambm mostra
que fatores psicolgicos so determinantes na inteno de compra.
Hausmann e Siekpe (2009) pesquisaram os efeitos das caractersticas de interface dos
sites na inteno de compras na internet nos Estados Unidos. Os autores testam uma ampla
escala de elementos de projeto de sites para determinar aqueles elementos humanos e
computacionais importantes. Os elementos so ento ligados usando a Teoria das
Gratificaes, o Modelo de Aceitao de Tecnologia (TAM) e o conceito de fluxo, para
explicar a inteno de compras. O mtodo usado para testar as hipteses de influncia foi a
modelagem de equaes estruturais.
As caractersticas dos Websites podem ser consideradas fatores situacionais (situaes
de compra ou situaes de uso). Essa concluso possibilita identificar que Hausmann e Siekpe
(2009) mostraram que a inteno de compras na internet pode ser explicada em parte
utilizando fatores situacionais.

2.4. Modelos paramtricos de regresso

Os modelos paramtricos de regresso englobam o grupo de modelos que relaciona
uma nica varivel dependente a um conjunto de variveis explicativas ou independentes,
atravs de uma funo que apresenta uma forma conhecida e definida atravs de parmetros.
De acordo com Florencio (2010), na regresso paramtrica, as distribuies
condicionais da relao entre as variveis independentes e a varivel dependente so
modeladas por meio de famlias de distribuies paramtricas, cuja forma da funo
distribucional conhecida, sendo desconhecidos apenas os valores dos seus parmetros. Esse
autor ressalta que a forma funcional (matemtica) desconhecida da relao entre a varivel
resposta e as covariveis pode ser determinada mediante o ajuste de curvas aos dados e
estimao dos coeficientes da equao de regresso.

40

Aquele autor ainda afirma que um modelo linear paramtrico quando a forma
funcional que representa a relao entre regressando e regressores, apresenta uma forma
linear, ou seja,

g (X )
i

para um conjunto de funes g1 , g 2 , K , g n . Nesse caso, so

i =1

determinados os coeficientes de uma forma funcional definida previamente.

2.4.1. Modelo linear clssico

Os modelos lineares de regresso so modelos paramtricos que apresentam uma
funo linear relacionando a varivel dependente s variveis explicativas. Hardle, Muller e
Sperlich (2008) afirmam que em um modelo de regresso linear a mdia de uma varivel
dependente, Y, est relacionada a um conjunto de variveis exploratrias X 1 , X 2 , K , X n , da
seguinte forma:
E (Y / X 1 , X 2 , K , X n ) = 0 + 1 X 1 + 2 X 2 + ... + d X d

(2.1)

Estimao
Um modelo de regresso linear clssico simples apresenta a seguinte forma:
y = 0 + 1 x1 +

(2.2)

O modelo determinado ao estimar os parmetros. No modelo linear clssico, esses

parmetros podem ser determinados pelo mtodo dos mnimos quadrados. Esse mtodo
consiste em determinar os valores dos parmetros que minimizam a soma dos quadrados dos
resduos (SQR). O resduo de uma observao i ( i ) a diferena entre o valor observado da
varivel resposta e o seu valor segundo o modelo.

i = y i ( 0 + 1 x1i )

i2 = ( yi ( 0 + 1 x1i ))2
n

i =1

i =1

SQR = i2 = ( y i ( 0 + 1 x1 i ))

41

(SQR ) n
2
= ( y i ( 0 + 1 x1i )) = 0
0
i =1
(SQR ) n
2
= xi ( y i ( 0 + 1 x1i )) = 0
1
i =1
n
2
( y i ( 0 + 1 x1i )) = 0
i =1
n
xi ( y i ( 0 + 1 x1i ))2 = 0
i =1
O sistema composto pelas duas equaes pode ser expresso na forma matricial:
X ' (Y X ) = 0

Assim, a matriz de parmetros que minimiza a equao matricial dos mnimos

quadrados :

= ( X ' X ) 1 X ' Y

(2.3)

Os valores ajustados do modelo so dados por:

Y = X
Y = X ( X ' X ) 1 X ' Y
Y = HY

Onde:

1 x1
y1
1 h1

1 x 2
y 2 0
1 h2
X =
,Y = , = , H =

M M
M
M M
1

1 x
y
1 h
n
n

A matriz H chamada de matriz chapu (hat matrix). A multiplicao dessa matriz

pela matriz de valores observados da varivel resposta fornece a matriz de valores ajustados
para as observaes.
H = X ( X ' X ) 1 X '

42

O procedimento para estimar os coeficientes de um modelo de regresso linear

mltipla o mesmo descrito. A diferena ocorrer na matriz de dados dos preditores, que ter
mais dimenses. Assim, a soluo para uma forma geral do modelo de regresso linear
clssico :

= ( X ' X ) 1 X ' Y

(2.4)

H = X ( X ' X ) 1 X '

(2.5)

, onde:
1 x11

1 x12
X =
M M

1 x
1n

L xk1
1
y1
1 h11

L xk 2
y 2 2
1 h12
, Y = , = e H =

O M
M
M M
M

y
1 h

L x kn
1n
n

L hk 1

L hk 2
O M

L hkn

Os elementos da matriz chapu so chamados de alavancagens e indicam a

contribuio de cada observao para a estimativa dos parmetros. Em modelos no
paramtricos essa matriz assume um papel fundamental para determinao de valores
estimados para varivel resposta e recebe o nome de matriz de suavizao.

Testes de significncia
Para investigar modelos de regresso, as hipteses de relao tomadas como existentes
para formulao do modelo devem ser testadas estatisticamente. O objetivo de usar estes
testes, mostrar que a probabilidade das relaes sugeridas existirem suficientemente alta,
respaldando o modelo proposto.
Em modelos de regresso comum utilizarem-se dois testes estatsticos de hipteses.
Em um destes testes verificado a hiptese de que no possvel formular um modelo (de
uma determinada classe de modelos de regresso) que relacione uma varivel dependente com
um conjunto de variveis independentes investigadas, ou seja, verificado se todos os
coeficientes i do modelo de regresso so iguais a zero. Se os coeficientes forem iguais a
zero no modelo, alteraes nas variveis independentes no afetam a varivel dependente pois
sempre estaro sendo multiplicadas por zero. A estatstica de testes usada para testar uma
hiptese desse tipo em um modelo de regresso linear clssico dada por:

43

( y
Fc =

y)

i =1
n

( y

yi )

(n p 1)

i =1

(2.6)

, onde p o nmero de variveis independentes no modelo e n o nmero de observaes. Se

a varivel dependente tem um comportamento aproximado de uma distribuio normal, ento
Fc segue uma distribuio F com graus de liberdade p e n-p-1.

A hiptese de nulidade conjunta de todos os coeficientes ento testada comparando

Fc e o valor na distribuio F para os graus de liberdade indicados. Se Fc > F( p ,n p 1) ento

rejeita-se para um nvel de significncia (probabilidade de rejeitar a hiptese de teste sendo

a mesma verdadeira) a hiptese de que todos os coeficientes so nulos, no existindo uma
relao entre a vairvel resposta e as covariveis.
O outro tipo de hiptese a ser testada verifica separadamente se cada um dos
coeficientes diferente de zero, ou seja, verifica se a hiptese de no haver relao entre a
varivel dependente Y e a varivel independente Xj no pode ser rejeitada. A estatstica de
teste usada para verificar essa hiptese para j-sima varivel :

tc =

x
j =1

2
j

j
se( j )
(2.7)

, onde se( j ) o erro padro do coeficente j .

Se a varivel dependente tem uma distribuio normal, t c segue uma distribuio tstudent com n-2 graus de liberdade, sendo n o nmero de observaes. Se t c > t n 2 para um
nvel de significncia , ento rejeita-se a hiptese de que no existe uma relao entre as
variveis.
Os testes de hipteses podem ser avaliados em termos do p-valor. Este o nvel de
significncia mnimo a partir do qual a hiptese de teste pode ser rejeitada. A hiptese de teste
somente rejeitada se o p-valor do modelo inferior ao nvel de significncia adotado. No
teste F, o p-valor a probabilidade de Fc < F( p , n p 1) e no teste t a probabilidade de t c < t n 2 .

44

2.4.2. Modelos lineares generalizados

McCullagh e Nelder (1989) sumarizam o modelo linear clssico, indicando que os

componentes de Y so considerados variveis com distribuio normal independentes entre si
e com mdia = X e varincia constante 2 .
Hastie e Tibishirani (1990) destacam que os modelos lineares generalizados (MLGs)
so extenses matemticas de modelos lineares que permitem identificar estruturas de
varincia no constante e no lineares nos dados.
Guisan, Edwards, Hastie (2002) ressaltam que essa classe de modelos baseada numa
relao (denominada de funo de ligao) assumida entre a mdia de uma varivel resposta e
uma combinao linear de variveis exploratrias. Alm disso, os dados podem ter sua
distribuio aproximada para uma variedade de famlias de distribuies de probabilidade tais
como: normal, binomial, Poisson, binomial negativa e gamma. L e Ronchetti (2009)
complementam essa abordagem, afirmando que os MLGs podem ser usados para modelar a
relao entre preditores e uma funo da mdia de uma varivel resposta discreta ou contnua.
Cordeiro e Andrade (2009) afirmam que os MLGs so baseados em distribuies da
famlia exponencial da varivel e que incluem um algoritmo geral para computao de
estimativas de mxima verossimilhana. Segundo esses autores, essa generalizao dos
modelos lineares permite o ajuste de diferentes modelos para diferentes tipos de escala.
Para Berg (2007), a presena de uma funo de ligao nos MLGs e a possibilidade
de considerar a varivel resposta como sendo uma distribuio da famlia exponencial, so as
caractersticas do modelo que permitem estend-lo para aplicaes onde no seria possvel
utilizar o modelo linear padro.
A generalizao dos modelos lineares mostrada por McCullagh e Nelder (1989).
Essa generalizao possvel a partir da especificao de trs partes em um modelo linear, a
saber:
1. A componente aleatria: as componentes de Y apresentam distribuies da famlia
exponencial independentes com E (Y ) = e com varincia constante 2 .
2. A componente sistemtica: as variveis X 1 , X 2 , K , X d , produzem um preditor linear
d

= X j j .
j =1

45

3. Uma funo: que faz a ligao entre a componente aleatria e a componente sistemtica

g (.) , ou seja, que i = g ( i ) . Essa funo chamada de funo de ligao.

Segundo a generalizao feita pelos autores abaixo, o modelo linear clssico uma
particularidade de um modelo mais amplo. Para esse modelo clssico, a componente aleatria
segue uma distribuio normal ou gaussiana (componente 1) e a funo de ligao
(componente 3) que relaciona a componente aleatria e a componente sistemtica uma
funo identidade i=

(MCCULLAGH e NELDER, 1989).

A generalizao possibilita que modelos lineares de regresso sejam bem ajustados

mesmo quando a varivel dependente no tem uma distribuio prxima de uma distribuio
normal. Possibilita ainda que modelos lineares sejam usados mesmo quando a varivel
dependente no contnua.
Agresti (2002) tambm ressalta que a componente aleatria de um modelo linear
generalizado apresenta observaes seguindo uma distribuio da famlia exponencial. Tal
autor destaca que diversas distribuies importantes so casos especiais da famlia
exponencial. Sendo assim, se uma distribuio pode ter sua funo de densidade ou funo de
massa expressa como a equao (2.8), ento a mesma pode ser adequada para representar a
distribuio das observaes da componente aleatria de um modelo linear generalizado.
Nelder e Wedderbun (1972) formularam os modelos lineares generalizados,
apresentando a famlia de distribuies exponenciais sob a forma da equao (2.8). Essa
forma bastante utilizada nos dias atuais. Berg (2007) utiliza essa formulao como base para
propor um modelo aditivo generalizado de previso.

[ y b( )]

f ( y; , ) = exp
c( y, ),
a ( )

(2.8)

sendo que chamado de parmetro natural, chamado de parmetro de disperso e que

b(.) e c(.) , so funes especificadas, sendo b(.) diferencivel duas vezes e 1 = a ( ) > 0 .

Estimao
Nos modelos lineares generalizados os parmetros so estimados pelo mtodo da
mxima verossimilhana. O mtodo consiste em obter os valores do vetor de parmetro

que

maximize a funo de verossimilhana do modelo. A funo de verossimilhana fornece a

46

probabilidade conjunta das observaes previstas do modelo assumirem os valores

observados na prtica.
Segundo Wood (2006, p.66), as estimativas de mxima verossimilhana podem ser
encontradas utilizando-se de um mtodo iterativo conhecido como Mtodo dos Mnimos
Quadrados Reponderados Iterativamente (Iterarively Re-weighted Least Squares IRLS ou
IRWLS). Esse mtodo baseado numa aproximao quadrtica do log da funo de
verossimilhana.
Os modelos lineares generalizados (MLGs) apresentam a forma da equao (2.9).

= 0 + 1 X 1 + ... + d X d

= g ( )
= E (Y / X 1 ,..., X d ),

(2.9)

sendo um preditor linear e E (Y / X 1 ,..., X d ) o valor esperado de Y , dados os valores das

variveis independentes X j para j = 1,2, K , d .

A varivel resposta dos MLGs apresenta uma distribuio de probabilidade que tem a
forma da equao (2.8).
Nelder e McCullagh (1989) mostram que se a varivel Y tem uma funo de
distribuio de probabilidade da forma da equao (2.8), ento os valores de sua mdia e de
sua varincia obedecem s relaes da equao (2.10) e (2.11). Na equao (2.11), V
chamada de funo de varincia.

b( )

Var (Y ) = 1

(2.10)
( )
= 1V

(2.11)

A estimao do vetor de parmetros = (1 , 2 , 3 , K , d ) para modelos lineares

generalizados feita a partir do mtodo da mxima verossimilhana. As estimativas so
obtidas a partir da resoluo da equao (2.12).

47

x
i =1

ij

( i ) 1

.Vi ( yi i ) = 0
i

(2.12)

Para Nelder e McCullagh (1989), sendo n o tamanho da amostra e d o nmero de

variveis, d+1 parmetros podem ser estimados. As equaes podem ser resolvidas pelo
mtodo scoring de Fisher. Gonalves (2009) afirma que o mtodo IRWLS fornece um
resultado semelhante quele obtido pela estimao do mtodo scoring de Fisher. Esse autor
descreve a aplicao daquele mtodo na busca das solues de um MLG.
O mtodo inicia-se a partir de um vetor inicial (0) . Calcula-se, em seguida, a
resposta modificada z i(m ) e os pesos wi(m ) na m-sima iterao, usando as equaes (2.13) e
(2.14).
(m )

zi

(m )

= i

+ yi

( i ) ( m )
Vi
wi(m ) =

(m)
i

) ( i )
i

(m )

(2.13)

, para i=1, 2,..., n.

(2.14)

Os valores i(m ) , i(m ) e Vi (m ) so obtidos a partir das equaes (2.15), (2.16) e (2.17).

i(m ) = 0(m 1) + (j m1) xij

(2.15)

j =1

i(m ) = g 1 ( i(m ) )

Vi

(m )

( i )

=
i

(2.16)

(m )

(2.17)

Neste mtodo, os valores obtidos para z i(m ) e wi(m ) em cada iterao m so usados
juntamente com a matriz de dados X , na equao (2.18), para obter o vetor de coeficientes

. A matriz z (m ) representa um vetor n x1 composto pelos n valores obtidos para z i(m ) na msima iterao, e W (m ) representa a matriz diagonal com os n valores obtidos para wi( m ) .

48

= ( X 'W ( m ) X ) X 'W ( m ) z ( m )
1

(2.18)

O critrio de parada das iteraes pode ser pr-definido. Define-se previamente um

valor para > 0 e as iteraes so interrompidas quando a desigualdade (2.19) satisfeita.

m)

(j m 1)

j =1
d

(2.19)

(m 1)
j

j =1

Testes de significncia
H testes de hipteses que desempenham o mesmo papel do teste F e do teste t nos
MLGs, mas estes apresentam uma lgica um pouco distinta. Nos MLGs o teste conjunto da
significncia dos coeficientes feito por meio do teste 2. Sendo l(modelo) a estimativa de
mxima verossimilana de um vetor de parmetros estimados para um modelo corrente; e
l(saturado), a estimativa de mxima verossimilhana de um modelo saturado (modelo onde o
nmero de coeficientes igual ao nmero de observaes, fornecendo o melhor ajuste
possvel para os dados ), define-se o desvio (deviance) para o modelo corrente com a equao
(2.20).
Dmod elo = 2[l ( saturado ) l ( mod elo )]

(2.20)

O desvio escalonado, por sua vez, obtido dividindo-se o desvio pelo parmetro
escalar, como mostrado na equao (2.21).

*
Dmod
elo =

sendo

Dmod elo

= 2[l ( saturado ) l ( mod elo )],

(2.21)

o parmetro escalar do modelo.

O desvio do modelo usado para calcular a estatstica de teste utilizada no teste 2. A

lgica utilizada nesse teste consiste em verificar se a diferena entre o desvio de um modelo

49

de interesse e um modelo nulo (modelo que possui apenas um termo constante)

significativa. A distribuio 2 pode ser usada de acordo com (2.22).

(D

*
mod elo

*
Dnulo
) ~ p21

(2.22)

Assim a significncia conjunta dos coeficientes em um MLG testada usando a

estatstica de teste (2.23).
*
*
c2 = (Dmod
elo D nulo )

(2.23)

Se c2 > p2 1 , para um nvel de significncia especificado, rejeita-se a hiptese de

teste (no significncia) e os coeficientes podem conjuntamente ser considerados
significantes.
O teste estatstico que desempenha para um MLG um papel semelhante ao teste t na
regresso linear ordinria o teste de Wald. Neste teste a estatstica usada calculada pela
equao (2.24).

zc =
se( )
j

(2.24)

Sendo z 2 o valor em uma distribuio normal padronizada, para um nvel de

significncia . Rejeita-se a hiptese de no significncia do coeficiente j se z c > z 2 .
Os resultados dos testes de significncia dos coeficientes de um MLG podem tambm
ser expressos em termos do p-valor. Se p valor < , rejeita-se a hiptese de teste.
importante notar que a estatstica Deviance tambm til na verificao do ajuste do
modelo. Faraway (2006, p.45) trata sobre a avaliao do ajuste geral de um MLG. Para esse
autor, a proporo da varincia explicada (R2) uma importante medida de ajuste de um
modelo linear padro. Segundo ele, possvel usar a aplicao do mesmo conceito para
verificar a proporo da estatstica Deviance (que uma medida de desvio do modelo) que
explicada por um MLG. Este sugere o uso da equao (2.25) para calcular o valor da medida
de ajuste. A equao baseada no tamanho da amostra n, e nos valores da estatstica

50

Deviance para um modelo nulo (modelo que apresenta apenas o intercepto) e para o modelo
encontrado.

R2 =

1 exp((Dresidual Dnulo ) / n )
,
1 exp( Dnulo / n )

(2.25)

2.4.3. Modelos lineares generalizados para respostas binrias e ordinais

Para McCullagh e Nelder (1989, p.108), h uma ampla variedade de funes de
ligaes que podem ser utilizadas para modelos com variveis respostas binrias. Trs destas,
segundo eles, so comumente usadas na prtica: funo logstica (logit), funo normal
inversa (probit) e a funo complementar log-log. Para os modelos binrios, comum usar
uma funo de ligao logit.
No caso de modelos com varivel resposta categrica ordinal, um modelo muito usado
apresenta uma funo de ligao logit, com a regresso paralela da escala escolhida e com as
probabilidades associadas a uma dada categoria sendo acumuladas. De acordo com
McCullagh e Nelder (1989, p.152) esse o tipo de modelo mais simples usado quando uma
varivel resposta ordinal est envolvida na anlise.
A distribuio usada para modelar a distribuio dos erros da varivel dependente
(inteno de compra) binria foi a distribuio binomial e a usada na modelagem dos erros da
varivel dependente sob a forma ordinal foi a distribuio multinomial.

Adaptao do mtodo IRWLS

Quando a varivel a ser explicada em um experimento, apresenta uma forma binria
(varivel com duas categorias), ento a distribuio binomial mostra-se como uma alternativa
para descrever uma aproximao para o comportamento dessa varivel. Essa distribuio
binomial apresenta a forma da equao (2.26).

n
P ( x = k ; n) = p k (1 p ) n k
k

(2.26)

Se a varivel analisada uma varivel com um nmero de categorias superior a dois,

ento a distribuio multinomial pode ser uma boa alternativa para a descrio do
comportamento dessa varivel. Essa distribuio tem a forma indicada na equao (2.27).

51

P ( X 1 = k1 , X 2 = k 2 ,..., X d = k d ; n) =

n!
p k1 p k 2 ... p k d
k1!k 2 !...k d !

(2.27)

O valor esperado de uma distribuio binomial para uma nica observao = np e

o valor esperado de uma distribuio multinomial considerando uma observao j = np j .
O valor esperado da distribuio multinomial associado a cada uma das categorias da
distribuio.
Tanto a distribuio binomial quanto a distribuio multinomial so partes da famlia
exponencial de distribuies, que apresenta a forma geral da equao (2.8). Por essa razo,
plausvel estimar modelos lineares generalizados cujo comportamento da varivel resposta
representado por essas distribuies.
As equaes (2.28), (2.29) e (2.30), mostram algumas caractersticas da distribuio
binomial na famlia exponencial.

b( ) = log(1 + exp( ))

(2.28)

V ( ) = (1 )

(2.29)

= log it ( ) = ln

(2.30)

Essas caractersticas so importantes para a determinao dos parmetros de um MLG

pelo mtodo IRWLS, quando no so utilizadas ligaes cannicas. Esse mtodo requer a
determinao das duas derivadas de primeira ordem indicadas nas equaes (2.14), (2.15) e
(2.18).

= b' ' ( )

(2.31)

ln

=
1

(2.32)

As derivadas de primeira ordem usadas no mtodo iterativo de estimao so obtidas a

partir da funo de ligao. As derivadas presentes nas equaes utilizadas no mtodo IRWLS

52

so calculadas utilizando-se das equaes (2.31) e (2.32), para um modelo de regresso

logstica. Essas derivadas podem ser expressas como funes de (ou de ).
A derivada apresentada na equao (2.31) obtida a partir da funo b( ) do
parmetro natural, que uma caracterstica da distribuio de probabilidade usada para
descrever o comportamento da varivel resposta do modelo. No caso especfico em que se
utiliza a distribuio binomial, a equao (2.28) pode ser usada no clculo da derivada. A
derivada da equao (2.32) pode ser calculada utilizando-se da funo de ligao.
No caso especfico dos modelos com a funo de ligao logit (equao 2.33) e com a
distribuio binomial ou multinomial como aproximaes para o comportamento da varivel
resposta, h a particularidade de utilizar uma ligao cannica. Segundo Faraway (2008,
p.126), ao usar uma ligao cannica, tem-se = g ( ) = . Isso conduz ao caso particular
onde as derivadas de primeira ordem usadas no IRWLS so equivalentes e podem ser
calculadas tambm usando apenas a funo de ligao ou apenas as caractersticas da
distribuio.

g ( ) = ln

(2.33)

Funo de verossimilhana e estatstica Deviance

Considere o modelo logstico onde a varivel resposta binria assume os valores
yi = 0 ou y i = 1 . A funo de distribuio de probabilidade dessa funo mostrada na
equao (2.34).
(1 yi )

f ( yi , i ) = i (1 i )

(2.34)

A funo de verossimilhana obtida a partir do produto dos valores da funo de

distribuio de probabilidade para cada observao. De forma geral, a funo de
verossimilhana tem a forma mostrada na equao (2.35).

l ( yi , i ) = ln(L( yi , i )) = ln f ( yi , i )
i =1

(2.35)

53

Para um modelo cuja distribuio da varivel resposta binomial, a funo de

verossimilhana dada pela equao (2.36), sendo o vetor de parmetros do modelo.

n yi
(1 yi )
l ( ) = ln (L( )) = ln (1 i )

i =1

(2.36)

No caso da estatstica deviance, cuja forma geral mostrada na equao (2.37), ela
obtida por meio do logaritmo da funo de verossimilhana. Sendo assim, para um modelo
logit binomial essa estatstica pode ser expressa pela equao (2.38).
Dmod elo = 2[l ( saturado ) l ( mod elo )]

Dmod elo = 2 yi ln i
i =1
yi

(2.37)

1 i
(1 yi ) ln

1 yi

(2.38)

O modelo multinomial utilizado na pesquisa apresenta trs categorias. Segundo

Hosmer e Lemeshow (2000, p.262), a funo de verossimilhana de um modelo desse tipo
dada pela equao (2.39). A funo de verossimilhana pode ento ser usada para calcular a
estatstica Deviance para um modelo logit desse tipo.

n 2
yj
l ( ) = ln (L( )) = ln j ( xi )
i =1 j =0

(2.39)

Os valores da estatstica Deviance so utilizados para o clculo do pseudo-R2 e das

estatsticas de teste, que so, por sua vez, usados para avaliar o modelo.

Matriz de confuso e Curva ROC

De maneira geral, a curva caracterstica de operao do receptor (Receiver operating

characteristic - ROC) uma tcnica usada para avaliao e seleo de classificadores. A
anlise dessa tcnica feita por meio de grficos da curva ROC, que exibem o nmero de
acertos e alarmes falsos dos classificadores.

54

Os acertos e alarmes falsos so determinados a partir de um mtodo de avaliao de

classificadores chamado de matriz de confuso. A matriz de confuso um quadro que
expressa o nmero de acertos e erros cometidos ao classificar observaes em um grupo de
categorias.
O quadro 1 mostra a forma de uma matriz de confuso para classificaes envolvendo
duas categorias.

Quadro 2 Matriz de confuso para classificaes em duas categorias

Classificao

Julgamento
Verdadeiro

Falso

Positivo

Nmero de
Verdadeiros Positivos
(NVP)

Nmero de Falsos
Positivos (NFP)

Negativo

Nmero de
Verdadeiros
Negativos (NVN)

Nmero de Falsos
Negativos (NFN)

Fonte: elaborao prpria.

Os nmeros que preenchem a matriz so calculados aplicando-se um determinado

classificador a uma srie de observaes e agrupando-as de acordo com cada uma das quatro
possibilidades apresentadas na matriz. A partir dos nmeros que preenchem a matriz, calculase a taxa de verdadeiros positivos (TVP) e falsos positivos (TFP). A TVP tambm chamada
de sensibilidade e a TFP chamada tambm de especificidade.

TVP =

NVP
NVP + NVN

(2.40)

TVP =

NFP
NFP + NFN

(2.41)

A taxa de verdadeiros positivos (calculada pela equao 2.40) representa o percentual

de acertos cuja classificao foi positivo, enquanto a taxa de falsos positivos (calculada pela
equao 2.41) representa o percentual de erros cuja classificao foi positiva. O uso dessas

55

duas medidas permite que a matriz de confuso tambm seja usada para avaliar o poder de
explicao de um determinado classificador.
A curva ROC esboada em um espao bidimensional, sendo estabelecido um grfico
da taxa de verdadeiros positivos em funo da taxa de verdadeiros negativos, sendo baseada
na matriz de confuso. O espao onde esboada a curva chamado de espao ROC.
Aqueles pontos da curva que esto muito prximos do ponto (0,0) do espao ROC
representam estratgias de classificao que raramente geram uma classificao positiva.
Nesses pontos, temos um classificador que nunca comete erros indicando falsos positivos,
mas que tambm nunca os classificam como positivos.
Aqueles pontos do espao que esto prximos do ponto (1,1) indicam uma estratgia
oposta, pois classificam sempre como positivos, mas muitos erros so cometidos ao indicar
muitos falsos positivos.
Aqueles pontos do espao ROC que so prximos de (0,1) so classificadores
perfeitos, pois classificam quase todos os pontos como positivos e acerta praticamente todos.
De modo geral, quanto mais prximo estiver desse ponto, melhor ser o ponto do espao
ROC e melhor ser como estratgia.
Aqueles classificadores que esto prximo do eixo TVP so chamados de
classificadores conservadores porque classificam um item como positivo somente quando
apresentam poucas chances de erro. Isso refletido em taxas de falsos negativos menores. Os
classificadores mais afastados do eixo TVP so denominados classificadores liberais porque
fazem classificaes positivas com poucas evidncias, cometendo muitos erros.
Se um classificador representado como um ponto sobre a reta que liga os pontos
(0,0) e (1,1), este dito aleatrio. Qualquer ponto, representando um classificador, que esteja
abaixo dessa reta indica que o classificador pior do que um classificador aleatrio. Isso
indica que uma classificao completamente contrria desse classificador produz resultados
melhores.
Quando a comparao entre classificadores est restrita queles baseados num mesmo
modelo binomial de regresso logstica que se distinguem apenas pelo ponto de corte (valor a
partir do qual uma observao classificada como sucesso ou fracasso) adotado, ento a
seleo dos classificadores feita por meio da determinao desse ponto de corte. O valor a
ser escolhido a ser escolhido dever ser o ponto sobre a curva que apresente maior
proximidade com o ponto (0,1) do espao ROC.
O uso da curva ROC torna-se complexo quando os classificadores envolvem um
modelo logstico cuja varivel reposta apresenta n categorias, pois a matriz mostrada no

56

quadro 1 torna-se uma matriz n x n. Nesse caso, a diagonal principal apresenta um tamanho n
e h n2-n possveis erros. A manipulao pode, ento, ser feita considerando uma curva ROC
para cada categoria, o que conduz a definio de um ponto de corte para cada categoria.
A seleo do ponto de corte para um modelo logstico multinomial pode ser bem mais
simples se consistir na busca por bons valores usando um procedimento emprico de
tentativas.

2.5. Modelos no paramtricos e semiparamtricos de regresso

Florencio (2010) ainda afirma que, na anlise no-paramtrica, em contraste com o

mtodo paramtrico, estima-se uma funo mdia sem referncia a uma forma funcional
estabelecida previamente e o pesquisador precisa apenas definir o espao de funes
apropriado aos dados disponveis, ao qual espera que a funo pertena. Esse autor ressalta
que tal caracterstica importante porque muitas vezes a anlise terica no estabelece a
estrutura funcional entre as variveis ou estabelece apenas formas alternativas.
Para Aldman (1992), a regresso no-paramtrica um conjunto de tcnicas para
ajustar uma curva quando h pouco conhecimento a priori sobre a forma da mesma. Ryan
(2009) enfatiza essa definio, mas considera que, da mesma forma dos procedimentos noparamtricos gerais, os mtodos de regresso no-paramtrica no sero to eficientes quanto
os mtodos paramtricos de regresso, onde um modelo apropriado assumido previamente.
You e Zhou (2006) ressaltam que, embora modelos paramtricos tenham sido
amplamente utilizados, a sua m especificao pode ter um custo alto ao incluir parmetros
ineficientes ou at mesmo inconsistentes. Eles declaram que a evoluo em termos de
computao tem levado a um aumento do interesse e dos esforos para o desenvolvimento e
aplicao de modelos no paramtricos nas trs ultimas dcadas. Segundo

esses

autores,

muitas tcnicas teis tm sido desenvolvidas tais como a suavizao kernel, a aproximao
por sries, a regresso splines, a regresso polinomial local, dentre vrios outras. Consideram
ainda que essas e outras abordagens no paramtricas so teis para explorar estruturas
ocultas dos dados, fornecendo por meio da flexibilidade concluses bastante concisas.
Yao (2012) considera que modelos de regresso no paramtrica fornecem flexveis e
poderosas ferramentas para estimao de funes de regresso. Ele destaca o fato desses

57

modelos serem atualmente usados em vrios campos e tambm cita como os mtodos mais
usados a regresso kernel, splines, polinomial local e por sries ortogonais.
Duran, Akdeniz e Hu (2011) tratam da eficincia da estimao de modelos
semiparamtricos. Eles chamam a ateno para o fato de que, desde que foram propostos,
esses modelos passaram a ser amplamente estudados na literatura e vm recebendo uma
grande quantidade de pesquisas nas ultimas duas dcadas. Uma das razes desse interesse,
segundo eles, decorre da vantagem desses modelos serem muito mais flexveis do que o
modelo linear padro por combinarem componentes paramtricas e no paramtricas. Outra
vantagem dos modelos semiparamtricos a que torna mais fcil interpretar o efeito de cada
varivel quando comparada aos modelos no paramtricos.
Segundo Florencio (2010), verifica-se que os modelos de regresso semiparamtrica
so adequados para situaes onde, dentre k variveis analisadas, h conhecimento a priori da
forma funcional da relao entre a varivel dependente e g das k variveis independentes. Para
as k g variveis restantes, nenhum conhecimento h sobre a forma funcional.
O mesmo autor complementa sua abordagem ao afirmar que a regresso
semiparamtrica permite a modelagem de formas funcionais complexas que contemplam
simultaneamente componentes paramtricos e no-paramtricos. Para ele, trata-se de uma
alternativa mais flexvel do que a abordagem clssica e menos restritiva para a estimao de
uma curva desconhecida.
Boente e Rodriguez (2010) declaram que modelos semiparamtricos podem ser
introduzidos quando um modelo linear insuficiente para explicar a relao entre a varivel
dependente e as variveis independentes associadas. Os autores supracitados ainda afirmam
que essa abordagem tem sido usada para estender modelos lineares generalizados e para
permitir que a maior parte dos preditores seja modelado linearmente, enquanto um nmero
menor dela entre no modelo no parametricamente.

2.5.1. Modelos no paramtricos scatterplot

Histie e Tibishirani (1987) indicam que um modelo de regresso no paramtrica
scatterplot pode ser usado para detectar desvios da linearidade no comportamento dos dados
ou sugerir uma forma paramtrica adequada a ser utilizada na modelagem da relao entre

58

uma varivel resposta e uma covarivel. Alternativamente, o prprio modelo no paramtrico

pode ser usado para fazer predies.
Hardle, Muller e Sperlich (2008) afirmam que, num modelo de regresso no
paramtrica sacatterplot, procura-se relacionar uma varivel dependente Y a uma varivel X.
Essa relao feita por uma determinada funo, como indicado na equao (2.42).
Y = m(x ) +

(2.42)

Em muitos casos, a teoria no coloca nenhum tipo de restrio na forma da funo

m(.) , ou seja, se a mesma linear, quadrtica, logartmica, etc. Por isso, a anlise emprica
utiliza os dados para encontrar m(.) (HARDLE, MULLER e SPERLICH, 2008). Nos casos
em que a curva da funo que relaciona o regressando e os regressores so limitados, a
regresso no paramtrica apresenta-se como uma alternativa para a anlise dos dados.
A forma da curva em um modelo no paramtrico, como o mostrado na equao
(2.42), determinada por meio de mtodos de suavizao. Formalmente, um suavizador
uma funo de Y e X, cujo valor possui o mesmo domnio da varivel X. Em termos prticos,
a suavizao realizada por uma matriz de suavizadores que representa a matriz chapu do
modelo (hat matrix).
Na literatura esto disponveis vrios tipos de suavizadores. Alguns dos suavizadores
so descritos sucintamente a seguir:

Suavizadores de banda (Bin smoothers): tambm conhecido como regressograma de

um suavizador categrico por particionamento; calcula a mdia da varivel resposta
em cada regio. No uso dos suavizadores de banda, so escolhidos pontos de corte
c0<c1<...<ck e define-se a regio onde se encontram os valores xi, ou seja, ck<xi<ck+1.
Nesse mtodo de suavizao, definem-se regies (bandas) de forma que o mesmo
nmero de pontos esteja presente em cada uma das regies.

Suavizadores de mdia mvel e de linha mvel (running-mean smoothers e

running-line smoothers): No mtodo de suavizao running-mean escolhe-se um dos

valores de x disponveis entre os dados e calcula-se a mdia para uma vizinhana
prxima. Normalmente escolhe-se uma regio simtrica onde o xi o centro da regio.
Esse procedimento chamado de vizinhana simtrica mais prxima. O ndice destes
pontos mais prximos denotado por Ns(xi) e os valores estimados para a varivel
dependente y para um dado ponto xi calculado como a mdia da regio simtrica

59

mais prxima (mdia(Ns(xi))). Nesse mtodo a regio no precisa necessariamente ser

simtrica, havendo outras formas de definir a regio. No mtodo running-line, a mdia
estimada pela utilizao do mtodo dos mnimos quadrados usado para cada regio.
O parmetro que controla a suavizao da linha o tamanho da regio (k). Se for
desejvel que a regio de pontos analisada seja dividida em n partes, e que cada parte
contenha uma proporo w dos pontos, ento o tamanho da regio dado por k=(wn1)/2. O nmero de pontos na regio Ns(xi) denotado por [Ns(xi)].

Suavizadores Kernel (Kernel smoothers): Nesse mtodo utilizam-se pesos locais,

definidos por uma funo de ponderao (funo kernel) para produzir uma estimativa
de y para um valor alvo x0. So diversas as funes kernel que podem ser utilizadas
(gaussian kernel, Epanechnikov kernel, uniform kernel, quartic kernel, triangle kernel,
etc.). Sendo x0 o valor alvo, c0 uma constante de ponderao, xj o j-simo ponto
distante do valor alvo, o parmetro que controla o quanto as ponderaes devem ser
concentradas prximas do valor alvo e d(.) a funo kernel escolhida, temos que os
pesos atribudos por S0j=(c0/ )*d(|(x0-xj)/ |). Duas funes kernel muito usadas so o
Gaussian kernel e o Epanichnikov kernel.

Suavizadores splines: Nesse mtodo o intervalo onde os dados referentes s variveis

independentes dividido em parties e procura-se funes polinomiais para cada
partio de modo que as mesmas se aproximem dos pontos presentes em sua partio.
Na prtica, o objetivo encontrar uma funo f (x) com m derivadas contnuas que
minimiza a soma do quadrado de resduos penalizada. A primeira parcela da equao
representa um critrio de bondade do ajuste da funo obtida aos dados. A segunda
parcela representa uma penalizao para falta de suavidade do ajuste a partir das
derivadas da funo f. Na equao, representa o parmetro de suavizao e
f m (x) representa a derivada de ordem m da funo estimada.

Suavizadores ponderados localmente (LOESS): so baseados no ajuste sucessivo de

polinmios pelo mtodo dos mnimos quadrados ponderados usando pesos que so
determinados por uma funo especfica. Cada modelo ajustado considerando os
valores de uma varivel dependente y cujos valores de x pertencem a uma vizinhana
de uma observao (xi, yi) especificada, chamada de ponto alvo. Ao considerar n
observaes de pontos alvo, obtm-se a curva suavizada cujos valores previstos so

f ( xi ) .

60

Visto que os mtodos de suavizao usados neste trabalho foram os mtodos de

suavizao splines e ponderados localmente, sero estes vistos de forma mais detalhada. A
escolha por esses mtodos foi feita por convenincia, j que eram aqueles disponveis no
comando do software R usado na estimao.

Suavizao por funes base splines

Um mtodo comum de suavizao por funes base consiste em representar uma
funo como uma combinao linear de k funes base.

x(t ) = kk (t ),

(2.43)

k =1

onde i representa o i-simo coeficiente e i (t ) representa a i-sima funo base.

Na forma vetorial, a equao (2.43) pode ser reescrita como (2.44).

x(t ) = ,

(2.44)

sendo ambos os vetores de dimenso k.

Nesse mtodo, o grau de suavidade dado pelo nmero de funes base utilizado.
Quanto mais funes base forem utilizadas, melhor ser a representao dos dados e pior ser
a capacidade de explicar o comportamento destes. Por outro lado, quanto menor for o nmero
de funes base, melhor explicado ser o comportamento das observaes e pior ser a
representao dos dados.
Um modelo linear ordinrio pode ser explicado como uma soma de funes base. Para
isso, reescreve-se a soma do quadrado dos resduos na forma da equao (2.45).

SQR = y i k k (t )
i =1
k =1

(2.45)

Em termos matriciais, a equao (2.45) pode ser escrita na forma da equao (2.46).

61

SQR = (Y )' (Y )

(2.46)

A soluo ento dada pela equao (2.47).

S = (' )'

(2.47)

Para um modelo linear ordinrio temos = X e a matriz da equao (2.47) a matriz

chapu que fornece os valores ajustados para o modelo.
Modelos baseados no mtodo dos mnimos quadrados ponderados tambm so
comuns. O mtodo prope uma adaptao no critrio da soma dos quadrados dos erros,
incluindo um termo W (matriz de ponderao) de ponderao das observaes como
mostrado na equao (2.48).

SQR = (Y )'W (Y )

(2.48)

Nesse mtodo, a matriz chapu dada pela equao (2.49).

1

S = ( ' ) W

(2.49)

importante salientar que as funes base apresentem caractersticas semelhantes

quelas que possuem a funo a ser estimada a partir delas. Isso significa, por exemplo, que
funes montonas devem ser representadas por bases com as mesmas caractersticas. A
escolha adequada pode permitir obter funes que representem bem os dados usando menos
funes base.
Existem vrios tipos de funes base. Um tipo de funo comumente utilizada em
suavizao como soma de funes base aquela chamada de funo splines. Esse tipo de
funo apresenta a forma da equao (2.50).
m 1

i =0

i =1

s (t ) = i t i + i (t xi )+

m 1

(2.50)

62

Qualquer funo splines uma combinao linear de m-k funes base. fcil notar
que, considerando um conjunto de ns ( x1 , x 2 , K , x k ) , as funes base so:

{1, t, t

m 1

m 1

, K, t m 1 , (t x1 )+ ,K, (t x 2 )+

O mtodo de suavizao splines pode ser usado para estimar uma funo no
paramtrica scatterplot do tipo da equao (2.51).
y j = x (t j ) + j

(2.51)

O objetivo equilibrar o tradeoff entre o vis e a varincia. Deseja-se obter uma curva
que apresente um ajuste bom. Porm, quanto melhor for o ajuste menor o vis e maior a
varincia. Quanto maior a varincia, menos suave ser a curva e mais difcil ser interpretar o
seu comportamento. Desse modo, procura-se mas que esse ajuste no seja to bom ao ponto
de prejudicar a interpretao do comportamento dos dados.
Uma maneira comum de quantificar a noo de no suavidade de uma funo
utilizando o quadrado da segunda derivada desta funo, chamado de curvatura de uma
funo. Assim, uma medida natural da no suavidade obtida dividindo-se o domnio da
funo em intervalos de comprimento prximo de zero, calculando-se o quadrado da segunda
derivada para cada intervalo e somando os resultados. Isso equivalente a resolver a integral
da equao (2.57)

p = f ' ' ( x ) dx

(2.52)

Os mnimos quadrados podem ser modificados para incluir a penalizao.

SQRP =
i =1

b
2
y i f ( xi ) + [ f ' ' ( x )] dx
a

(2.53)

A ordem da derivada usada no termo de controle da suavizao na equao (p) est

relacionada quela ordem do polinmio que se deseja usar. Para polinmios cbicos, que so

63

usados geralmente, a ordem 2 adequada. Se for necessrio usar polinmios de ordem mais
alta, preciso usadas derivadas tambm de ordem mais altas.
Um teorema proposto por De Boor (2001) diz que SQRP minimizado por um splines
cbico com ns nas observaes. Por essa razo, so amplamente usados na estimao no
paramtrica.
No que diz respeito ao clculo, a tcnica computacional mais comum para suavizao
splines utilizar uma expanso por bases B-splines de ordem 4, com ns nos pontos de
observao para minimizar SQRP.
Como foi indicado anteriormente:

x(t ) =
Sem a penalizao, a matriz chapu que minimiza a SQR dada pela equao (2.54).
1

S = ( 'W ) 'W ,

(2.54)

onde W a matriz de ponderao usada para corrigir alguma relao de dependncia entre as
observaes.
possvel reescrever o termo de penalizao como se segue na equao (2.55).
2

p = ( x ' ' (t )) dt = (c' ' ' (t )) dt = c ' ( ' ' (t )) dt

p = c ' R,

(2.55)

de modo que:
2

R = ( ' ' (t )) dt

A matriz chapu que minimiza SQRP dada pela equao (2.56).

1

S = ( 'W + R ) 'W

(2.56)

64

Suavizao por ponderao polinomial local

No mtodo de ponderao local, definido um nmero de pontos r = n a ser
considerado, onde o parmetro de suavizao que define a proporo dos n pontos da
amostra que sero usados numa estimao local de uma vizinhana.
No existe um critrio rgido para a escolha de , sendo comum a escolha emprica
do valor do parmetro. O parmetro determina o vis de um modelo no paramtrico e sua
varincia, controlando o tradeoff entre essas duas propriedades. Em termos prticos, modelos
com valor de mais altos apresentam-se como curvas menos onduladas e adequadamente
pouco adaptadas aos valores mais altos das observaes da varivel resposta, enquanto
modelos com valores mais baixos de geram curvas muito onduladas e com menos
capacidade de captar tendncias.
O grau do polinmio usado na ponderao local depende do comportamento dos
pontos. Se os pontos presentes em um grfico de disperso mostram um comportamento onde
h tendncias com pontos de mximos e mnimos locais, ento se adotam polinmios com
grau maior ou igual a 2. No entanto, se um grfico de disperso mostra ausncia de pontos
crticos (mximos ou mnimos locais) ento se adota um polinmio de grau 1.
Sendo ( xi , y i ) o ponto alvo, (x j , y j ) o j-simo ponto distante do ponto alvo e hi o

valor que ocupa a r-sima posio da sequncia crescente ordenada da diferena xi x j , a

funo usada para atribuir os pesos usados no ajuste de cada polinmio local dada pela
equao (2.57).

u ij = U hi1 (x j xi )

(2.57)

A funo U ( g ) usada pode ser a funo tricbica, que muitas vezes adequada. Essa
funo mostrada na equao (2.58)

U ( g ) = 1 g 3 3 , para g < 1

U ( g ) = 0
, para g 1

(2.58)

Essa funo fornece os valores para uma matriz diagonal de pesos referentes ao ponto
alvo, denotada por:

65

u i1 0 L 0
0 u
L 0
i2

U=
M
M O 0

0 0 u in
0

Sendo assim, a observao no ponto alvo recebe um peso igual a 1 e a medida que os
pontos so mais afastados atribui-se um peso cada vez menor. Utilizando-se os valores da
matriz U e os valores da matriz de dados da varivel independente, so obtidos os valores
suavizados f ( xi ) . A matriz de suavizadores calculada pela equao (2.59).

S = X ( X 'UX ) X 'U

(2.59)

Sendo Y a matriz de valores observados, a matriz dos valores preditos pelo modelo
dada pela equao (2.60).

Y = S ' Y

(2.60)

Estimao do parmetro de suavizao

Para Souza (2008), h duas abordagens para a escolha do parmetro de suavizao .
Em uma dessas abordagens, considera-se que a escolha do parmetro de suavizao de forma
livre uma parte importante do procedimento. Nessa abordagem, diferentes parmetros so
usados e opta-se por aquele que melhor ajustou a funo estimada aos dados.
A outra abordagem, de acordo com a mesma autora, considera importante que a
escolha do parmetro seja feita automaticamente com base nos dados. Um procedimento
automtico muito utilizado para a seleo dos parmetros de suavizao em um MAG com p
termos no paramtricos o cross validation (validao cruzada).
Nesse mtodo, o objetivo encontrar os valores dos parmetros de suavizao que
minimizem o valor da funo VC, expressa na equao (2.61). Gonalves (2009) ressalta,
porm, que esse mtodo requer um custo computacional muito alto j que so necessrias as
repeties de um procedimento de estimao iterativo (como o Local Scoring) para cada valor
fixado dos parmetros de suavizao.

66

VC =

1 n
D(yi ; 1 )
n i =1

(2.61)

Hastie e Tibshirani (1990) citam como alternativa para seleo dos parmetros de
suavizao o uso do Critrio de Informao de Akaike (AIC), adaptado para a situao de
interesse. Gonalves (2009) ressalta que a seleo por meio do AIC representa um ganho
computacional j que apenas uma interao para cada parmetro necessria.

AIC =

1 n
2
D( y i ; 1 ) tr (R )

n i =1
n

(2.62)

2.5.2. Modelos aditivos generalizados

Para Stein (2010), os modelos aditivos consistem em somas de funes no

paramtricas que no tm sua forma especificada e que so estimadas a partir de curvas de
suavizao.
Florencio (2010) afirma que a regresso semiparamtrica tem uma relao intrnseca
com os modelos aditivos. Estes, por sua vez, so uma forma de generalizao de modelos
lineares, pois nos modelos aditivos o efeito incremental de uma varivel independente
aditivo em relao ao das outras variveis. Isso indica que em modelos aditivos possvel
analisar a contribuio de cada varivel na explicao da varivel dependente de interesse.
Nessa classe de modelos, trs abordagens podem ser seguidas: estritamente paramtrica,
estritamente no paramtrica e semiparamtrica.
Como feito em qualquer modelo de regresso, os modelos aditivos podem ser
representados, para o caso onde existe um conjunto de variveis

( X 1 , X 2 ,K, X d ) ,

pela

equao (2.63).

Yi = f ( X 1 , X 2 , K , X d ) + i

(2.63)

Para Hastie e Tibishirani (1990), a relao entre a varivel dependente Y e cada uma
das variveis independentes pode ser representada por uma funo que independente das
demais (equao 2.64).

67

E (Y / X 1 , X 2 ,..., X d ) = f ( X 1 , X 2 ,..., X d ) = f ( X 1 ) + f ( X 2 ) + ... + f d ( X d )

(2.64)

Se no modelo no so estimados parmetros, para nenhuma das d funes, o modelo

da equao anterior dito no paramtrico. Cada uma das funes, que so elementos aditivos
do modelo, estimada separadamente por um procedimento de suavizao.
Quando os modelos aditivos combinam formas paramtricas para um nmero g de
variveis e no-paramtricas para um nmero k g de variveis, como na equao (2.65), o
mesmo modelo dito aditivo semiparamtrico.
E (Y / X 1 , X 2 ,..., X d ) = 0 + 1 X 1 + ... + g X g + f 1 ( X g +1 ) + ... + f d g ( X d )

(2.65)

Hardle et. al. (2001) apresentam uma forma compacta da generalizao dos modelos
aditivos (equao 2.66), sendo G(.) a funo de ligao usada no modelo e a o intercepto.
E (Y / X ; T ) = G (X T + + m1 (T1 ) + ... + m(Td ) )

(2.66)

A equao pode ser escrita tambm na forma mostrada na equao (2.67). Sendo g(.) a
funo de ligao e o valor esperado da varivel resposta. O intercepto nessa equao
representado por 0.

= g ( 0 + 1 X 1 + ... + r X r + f 1 ( X r +1 ) + ... + f d r ( X d ) )

(2.67)

Underwood (2009) afirma que a diferena essencial entre os modelos aditivos

generalizados e os modelos lineares generalizados est nos termos da componente sistemtica.
Segundo esse autor, o efeito provocado sobre uma varivel dependente a partir de uma
variao em uma varivel independente definido com base no parmetro estimado nos
MLGs, enquanto nos MAGs esse efeito tambm definido por funes suavizadas.
De acordo com Bock, Coussement e Poel (2010), os MAGs so generalizaes dos
MLGs e constituem uma tcnica estatstica flexvel e poderosa, que tem seu sucesso
comprovado em capturar relaes no lineares entre variveis exploratrias e a varivel
resposta em diversos domnios. Hastie e Tibishirani (1990) tambm destacam que os MAGs

68

generalizam os MLGs por substiturem formas funcionais lineares por funes suavizadas,
possibilitando a descoberta de ajustes no lineares entre regressando e regressores.
Young et. al. (2011) complementam a abordagem anterior ao ressaltar que os MAGs
tm mostrado vantagens distintivas quando comparados aos MLGs, por permitir que
investigadores faam inferncias sobre associaes entre variveis sem colocar restries
paramtricas sobre as mesmas.
Hastie e Tibishirani (1990) declaram que os MAGs so extenses semiparamtricas
dos MLGs e que, como os MLGs, usam uma funo de ligao para estabelecer uma relao
entre a mdia da varivel resposta e funes suavizadas de variveis exploratrias. Para tais
autores, a fora dessa tcnica est na habilidade de tratar com relaes muito distintas
daquelas lineares e monotnicas entre a mdia de uma varivel dependente e funes
suavizadas de variveis independentes.
De acordo com Yee e Wild (1996), MAGs em vez de restringir a relao entre a
varivel resposta e as covariveis a forma linear como ocorre nos MLGs, restringem a
relao a uma relao suave. Isso, segundo os autores, permite que as caractersticas no
lineares dos dados se revelem para o analista.
Guisan, Edwards e Hastie (2002) afirmam que os MAGs so extenses
semiparamtricas dos MLGs, possuindo como nicos pressupostos a aditividade dos termos e
a suavidade das funes no paramtricas das covariveis. Acrescentam que a fora dos
MAGs est na sua habilidade de lidar com relaes no lineares e no monotnicas entre a
varivel resposta e as covariveis.

Estimao
Um modelo aditivo generalizado apresenta a forma da equao (2.68).

= g ( 0 + 1 X 1 + ... + r X r + f 1 ( X r +1 ) + ... + f d r ( X d ) )

(2.68)

Os procedimentos usados na estimao dos MAGs so anlogos queles usados para

estimao dos MLGs. Porm, algumas modificaes so feitas de forma que as funes f
sejam estimadas a partir da utilizao de suavizadores. Um procedimento de estimao usado
para ajustar um modelo aditivo generalizado uma combinao de dois procedimentos

69

iterativos. Esses procedimentos so o procedimento de ponderao local (local scoring ou

PPL) e o retroajuste (backfitting).
O uso da combinao desses dois procedimentos gera os mesmos resultados de um
procedimento semelhante ao IRWLS usado na estimao dos MLGs (GONALVES, 2009).
Esse procedimento chamado de IRWLS com penalizao (P-IRWLS). A autora descreve
como feita a estimao pelo P-IRWLS.
O mtodo iniciado a partir do vetor inicial ( 0 ) e valores iniciais para as funes no
paramtricas f 1( 0) = f 2( 0) = K = f d( 0 ) . Calcula-se em seguida a resposta modificada z i( m ) e os
pesos wi( m ) na m-sima iterao, usando as equaes (2.74) e (2.75).

(m )

zi

(m )

= i

+ (yi

( i ) ( m )
Vi
wi(m ) =

( i )

(m )

(m)
i

, para i=1,2,...,n.

(2.69)

(2.70)

Os valores i(m ) , i(m ) e Vi ( m ) so obtidos a partir das equaes (2.71), (2.72) e (2.73).
importante notar que i(m ) para os MAGs no um preditor linear. Rigby e Stasinopoulos
(2009) utilizam para representar um preditor, seja o mesmo linear ou no. Lima, Andr e
Singer (2006) denominam preditor aditivo o termo

quando utilizado em MAGs. As

derivadas de primeira ordem usadas no P-IRWLS, quando utilizada uma funo de ligao
logit (ligao cannica), podem ser determinadas utilizando a funo de ligao. Essas
derivadas podero ser escritas, nesse caso especfico, em termos do preditor i(m ) .

i(m ) = 0(m1) + (j m 1) xij +

j =1

i(m ) = g 1 ( i(m ) )

Vi

(m )

( i )

f ( ) (x )
m 1

ij

(2.71)

j = r +1

(2.72)

(m )

(2.73)

70

No mtodo, os valores obtidos para z i( m ) e wi( m ) em cada iterao so usados

juntamente com a matriz de dados X, nas equaes (2.74) e (2.75), para obter o vetor de
coeficientes (m ) e as funes no paramtricas f j(m ) .

(m ) = (X 'W (m ) X )X 'W (m ) z (m )

(m )

fj

(m ) (m )

= Sj z

f
i = r +1
i j

i = r +1

m)

(2.74)

(m )

f(

, sendo j = r + 1, K , d

(2.75)

A equao usada para determinao da matriz S (j m ) de suavizadores em cada iterao

especificada quando se escolhe um mtodo de suavizao, tal como o de ponderao local ou
como o por funes base splines.
O critrio de parada das iteraes pode ser pr-definido. Define-se previamente um
valor para > 0 , e as iteraes so interrompidas quando a desigualdade das equaes (2.76)
e (2.77) satisfeita.

f j(m ) f j(m1)

j = r +1
d

(2.76)

(2.77)

(m 1)

fj

j = r +1
r

m)

k(m1)

k =1
r

(m 1)
k

k =1

Testes de significncia e pseudo-R2

Wood (2006, p.163) mostra que um MAG pode ser visto como um MLG e afirma que
isso torna possvel construir uma funo de verossimilhana para aquele tipo de modelo. Isso
permite estimar o modelo utilizando o mtodo da mxima verossimilhana, acrescentando um
termo de penalizao na funo de verossimilhana. As penalidades usadas na funo devem

71

ser projetadas para que a falta de suavidade das estimativas f j sejam reduzidas. Para ele,
sendo l ( ) a funo de verossimilhana do vetor de parmetros do modelo, a funo de
verossimilhana penalizada pode ser escrita na forma da equao (2.78).
l p ( ) = l ( )

1
j T S j
2 j

(2.78)

, onde S j a matriz de suavizao usada para estimar os valores da j-sima funo no

paramtrica do modelo e j o parmetro de suavizao usado para essa funo.
Sendo esta uma funo de verossimilhana do MAG, possvel utiliz-la para
determinar uma estatstica Deviance relacionada. Por meio dessa estatstica, utilizam-se
alguns mtodos similares queles usados para testar a significncia dos coeficientes de
MLGs, como o teste 2 . Alm disso, possvel calcular tambm o valor do pseudo-R2
conforme sugere Faraway (2006).
Wood (2006) ainda acrescenta que os termos no paramtricos do preditor de um
MAG podem ser expressos na forma de termos lineares. Esse autor sugere que uma funo
no paramtrica pode ser expressa usando um conjunto de funes base, b ji , de modo que
~
esta se apresentem de uma forma semelhante quela da equao (2.84), sendo ij os
coeficientes das bases de suavizao. Desse modo, para ele, fcil criar uma matriz de dados
~
X j para cada suavizador de maneira que a equao (k) possa ser reescrita como na equao
(2.79).

~
f j (x j ) = ij b ji (x j )
q

i =1

~ ~
f j = X j j

(2.79)

(2.80)

~
, onde X j , ik = b jk (x ji )

Sob a forma da equao (2.80), possvel testar a significncia de uma funo no

~
paramtrica, verificando a significncia do coeficiente ij . Se no possvel rejeitar a
hiptese de que o coeficiente diferente de zero, ento a relao entre a varivel resposta e a
funo base da covarivel no significativa.

72

CAPTULO 3 - METODOLOGIA

3.1. Classificao da pesquisa

No que se refere natureza da pesquisa, este trabalho se classifica como uma pesquisa
bsica, uma vez que no tem finalidades imediatas. Quanto forma de abordagem, a pesquisa
classificada como quantitativa, pois procura traduzir opinies e caractersticas em termos
quantitativos com o objetivo de obter um modelo de regresso que fornea uma medida de
probabilidade (GIL, 1994).
Uma pesquisa que procura identificar os fatores que esto relacionados com uma
varivel de interesse pode ser classificada como explicativa. Se uma pesquisa procura
manipular os fatores relacionados a uma varivel de interesse para obter informaes sobre
esta ltima, pode ser caracterizada como uma pesquisa explicativa e experimental (FORTIN,
2009). Assim, do ponto de vista dos objetivos, o estudo classificado como explicativo e
experimental, j que busca identificar fatores que esto relacionados com a inteno de
compra e manipular esses fatores de controle para obter informaes sobre consumidores ou
mesmo sobre segmentos de mercado.

3.2. Estudo de caso

Como foi discutido na seo 2.4, a inteno de compras um sinal de que um

determinado indivduo pode vir a consumir um produto ou servio. Esse sinal pode ser uma
declarao (em uma pesquisa de mercado) de que consumiria determinado produto, ou mesmo
uma tendncia identificada a partir do histrico de vendas presente em um banco de dados de
um sistema de informao. expressa comumente em termos de probabilidade, mas uma
medida de previso do consumo de um bem tambm pode expressar a inteno de compra.
Desse modo, h distintas formas de obter informaes sobre a inteno de compra de
indivduos e a mesma pode tambm ser expressa de diferentes maneiras.
Nesta seo sero indicadas as fontes de informao usadas nessa pesquisa para obter
um modelo de avaliao da inteno de compra de consumidores do servio de compras
coletivas na cidade de Joo Pessoa. Ser abordada tambm a aplicao do modelo e sero
definidas algumas caractersticas do sistema de produo de interesse da pesquisa.

73

3.2.1. O modelo de avaliao da inteno de compras e a fonte de informao

O estudo de caso adotou como fonte de informaes uma pesquisa de mercado
realizada junto a pessoas da cidade de Joo Pessoa. A inteno de compras expressa em
termos de probabilidade de um determinado indivduo comprar um servio especfico, que o
servio de compras coletivas pela internet. Embora o modelo de regresso obtido seja
orientado para esse caso especfico, no h nenhuma razo a priori para afirmar que um
modelo semelhante no possa ser obtido para outras situaes, com a inteno de compra
expressa de maneira distinta e utilizando fontes de informaes sobre o perfil de clientes que
sejam diferentes daquela usada como base para esse trabalho.
Este estudo de caso consistiu em utilizar informaes, obtidas a partir de uma pesquisa
de mercado, para obter um modelo de regresso que possa identificar qual o perfil das pessoas
que tendem a consumir produtos ou servios atravs dos sites de compras coletivas. A
pesquisa de mercado foi baseada no questionrio do Apndice C.
Procurou-se identificar aquelas caractersticas que devem ter os servios de compras
coletivas que atuam na cidade de Joo Pessoa, para que seja disponibilizado um servio em
conformidade com o que desejam as pessoas que tendem a ser clientes da empresa.
O modelo de regresso resultante poder tambm orientar as empresas a darem maior
ateno para aquelas variveis que so mais determinantes na diferenciao do perfil das
pessoas que tendem a compr-las daquele das pessoas que, embora opinem sobre suas
preferncias, dificilmente iriam consumir o servio. Essas variveis so relevantes porque
podem direcionar o projeto e a gesto do servio de compra coletiva atuante em Joo Pessoa
para o melhor aproveitamento dos seus recursos disponveis, evitando investimentos
desnecessrios para melhorar o servio para pessoas que dificilmente o consumiriam e
direcionando os mesmos para indivduos que tendem a consumir os produtos.

3.2.2. O sistema de produo do servio de compras coletivas pela internet

O servio de compras coletivas tem como produto final o fato de disponibilizar ofertas
a clientes de vrios servios. Para obter esse produto final, os sites utilizam as pessoas da
empresa para fazerem contatos com empresas e negociarem os descontos. Uma vez obtidos os
descontos desejveis junto s empresas, as ofertas so disponibilizadas nos sites e divulgadas
via internet, atravs de vrios outros sites, correio eletrnico e sites de relacionamentos. Aps

74

a compra da oferta (produto ou servio oferecido com o desconto), o servio disponibiliza

cupons que podem ser usados para o consumo nas empresas que possuem a oferta.
Ento, o servio utiliza os seus recursos humanos para entrar em contato com
empresas, para fazer divulgaes, negociar descontos, definir as caractersticas dos sites,
dentre outras funes.
Um subsistema de controle informal acaba existindo com o objetivo de conciliar a
demanda por descontos em produtos ou servios especficos. Pressupe-se que, se o nmero
de ofertas no nvel que o cliente deseja insuficiente para suprir a demanda, ento haver um
risco da perda de clientes para empresas concorrentes e, se muitas ofertas so divulgadas e a
demanda baixa, ento recursos so usados desnecessariamente na divulgao e negociao
com os fornecedores, podendo os fornecedores disponibilizar as ofertas em outros sites que
sejam mais eficazes na obteno de consumidores para os produtos ou servios ofertados.
O processo de produo do servio de compra coletiva consiste em toda a dinmica
realizada para disponibilizar as ofertas para os clientes. Considera-se que esse processo de
produo pode ser dividido em trs etapas bsicas: identificao dos fornecedores, negociao
de descontos e divulgao das ofertas. A receita gerada pelo sistema de produo vem da
cobrana de um percentual das vendas de ofertas.
Pressupe-se, ainda, que a qualidade do servio prestado um ponto fundamental para
que uma empresa de compras coletivas mantenha-se no mercado. Em termos de processo,
essa qualidade pode ser medida em termos da conformidade das informaes fornecidas,
sobre as ofertas, com o que de fato disponibilizado por empresas. Em termos de cliente, a
qualidade representa principalmente a disponibilidade de nveis de descontos mnimos
requeridos para linhas de produtos ou servios desejados.

3.3. Definio da amostra e das variveis de pesquisa

O estudo foi baseado num questionrio de pesquisa de mercado objetivando coletar

informaes acerca de suas caractersticas, preferncias e opinies, que possam estar
relacionadas com a utilizao do servio em estudo.
A populao estudada envolve os usurios de internet da cidade de Joo PessoaParaba-Brasil, com idades entre 18 e 59 anos, com renda superior a R$ 620,00. A populao
da cidade na faixa etria considerada de 343.654 pessoas, segundo o censo de 2010 do
IBGE.

75

Foi escolhida a parcela da populao de Joo Pessoa com essas caractersticas porque
se tomou como pressuposto que as pessoas que menos utilizam a internet e que possuem
menos liberdade e poder de compra para decidir comprar esto nas faixas de idade e renda
que no foram consideradas.
Devido s restries de tempo, a dificuldade de encontrar participantes com
determinados perfis (tais como usurios de internet com mais de 40 anos que apresentassem
rendas mais baixas) e a dificuldade de encontrar informaes sobre a populao relativas a
variveis que deveriam ser usadas para estratificao (como a renda familiar por indivduo),
optou-se por utilizar um mtodo de amostragem por convenincia.
Deve-se ressaltar que o principal objetivo dessa pesquisa sugerir um procedimento
que possibilite modelar a relao entre a inteno de compra e variveis ligadas ao
comportamento do consumidor, de modo que seja possvel utilizar o modelo resultante para
orientar o projeto e gesto de sistemas produtivos levando em conta o nvel e interesse de
clientes por um produto ou servio disponibilizado.
O tipo de modelo resultante tem como base uma abordagem terica que est
consolidada no meio acadmico e industrial para anlise do comportamento dos consumidores
(abordagem cognitiva do comportamento do consumidor) e est respaldado em vrios artigos,
apresentados na fundamentao terica, que sugerem a existncia de relaes entre a inteno
de compra e variveis ligadas ao comportamento de clientes.
A principal funo da amostra coletada foi mostrar como a modelagem sugerida
poderia ser aplicada com dados reais. Outra funo importante foi apresentar a utilizao de
um ferramental estatstico disponvel para buscar ajustes melhores a dados coletados, de
forma que fosse possvel viabilizar a predio de perfis de clientes que tendiam a consumir
um produto ou servio do sistema produtivo. Sendo estas as principais funes do uso da
amostra na pesquisa, a amostragem por convenincia se justifica.
Mesmo sendo uma amostra obtida por convenincia, procurou-se determinar um
tamanho amostral adequado para representar a populao em termos numricos. Martins
(2002) apresenta a equao (3.1) disponibilizada para o clculo de uma amostra para
populao finita.

n=

z 2 p (1 p )N
e 2 ( N 1) + z 2 p (1 p )

(3.1)

76

Onde z a abscissa da distribuio normal padro, p a proporo de indivduos que

tem uma dada caracterstica, N o tamanho da populao e e o erro mximo tolervel. No
caso da presente pesquisa a proporo p de interesse a proporo de pessoas que marcaro
uma alternativa no questionrio. H vrias alternativas nesse questionrio e nenhuma
informao a priori conhecida acerca das mesmas. Por essa razo, foi usada a proporo que
fornece o mximo tamanho da amostra, que 0,5.
A equao de determinao da amostra fornece um tamanho de 383 observaes para
um nvel de significncia de 0,95. Com base nas variveis renda, sexo e idade foram definidos
o tamanho de oito estratos, mostrados na tabela 3.
Outra questo analisada, no que diz respeito amostra, foi o nmero de observaes
mnimas que precisam ser coletadas para que possa ser usado o mtodo de anlise de
regresso. Hill e Hill (2010) sugerem a utilizao de uma regra prtica muito usada por
pesquisadores experientes. Para a anlise de regresso, o nmero de observaes precisa ser
no mnimo igual a cinco vezes o nmero de variveis includas nos modelos. Se 25 variveis
so consideradas na anlise, o tamanho mnimo tolervel da amostra 125. Esse nmero
inferior ao definido anteriormente na estimao das propores das respostas.
As variveis que poderiam ser consideradas na pesquisa foram listadas a partir de
consultas a peridicos que tratavam das variveis determinantes da inteno de compra de
consumidores em Websites (Dehua, Yaobin & Deyi, 2008; Verhagen & Dolen, 2009; Chen,
Hsu & Lin, 2010; Lu & Hsiao, 2010; Vijayasarathy, 2004; Shim et al, 2001; Xu, Summers &
Belleau, 2004; Belanche, Casalo & Guinalu, 2012; Kim & Kim, 2004; Lin, 2007; Hausmann
& Siekpe, 2009).
Em seguida, foram feitas adaptaes nas variveis de maneira a adequ-las aos
objetivos da pesquisa. Posteriormente, foram selecionadas aquelas que, a priori, poderiam
estar mais relacionadas deciso de compra e que apresentavam maior importncia para o
projeto e planejamento do sistema de produo do servio de compras coletivas pela internet.
As variveis selecionadas para este estudo so listadas no quadro 3, que apresenta a
escala considerada, o item do questionrio usado na coleta das observaes, a classificao da
varivel e a simbologia usada para representar as mesmas.
Ao final, foram escolhidas 25 variveis, sendo duas variveis mtricas discretas, 15
variveis categricas ordinais, trs categricas nominais e cinco variveis categricas
dicotmicas.

77

Quadro 3 - Variveis selecionadas para o estudo

Item do
Questionrio

Variveis

Smbolo

Tipo de
varivel

Escala

4.9

Inteno de compra

IC

Ordinal

(3) Certamente compraria;

(2) Provavelmente Compraria;
(1) Provavelmente no compraria;
(0) Certamente no compraria

2.1

Sexo

Sx

Dicotmico

(0) Feminino; (1) Masculino

2.3

Idade

Id

Discreta

2.4

Escolaridade

Aesc

Discreta

2.5

Renda

Rd

Contnua

2.6

Nmero de dependentes
da renda domiciliar

Dep

Discreta

2.5/2.6

Renda por Dependente

Rddep

Contnua

2.2

Estado civil

Ec

Nominal

(1) Solteiro; (2) Casado; (3)

Divorciado; (4) Vivo

2.7

Bairro

Bair

3.1

Importncia da facilidade
de obter ajuda no site

Faj

Ordinal

(0) Sem importncia; (1) De pouca

importncia; (2) Importante; (3) De
grande importncia

3.2

Importncia da facilidade
de navegao

Fan

Ordinal

(0) Sem importncia; (1) De pouca

importncia; (2) Importante; (3) De
grande importncia

3.3

Importncia da
quantidade de informao
sobre o produto

QInfo

Ordinal

(0) Sem importncia; (1) De pouca

importncia; (2) Importante; (3) De
grande importncia

3.4

Importncia da aparncia
do site

Ap

Ordinal

(0) Sem importncia; (1) De pouca

importncia; (2) Importante; (3) De
grande importncia

3.5

Importncia das empresas

pareceiras serem
conhecidas

Econ

Ordinal

(0) Sem importncia; (1) De pouca

importncia; (2) Importante; (3) De
grande importncia

3.6

Importncia do site
anunciante da oferta ser
conhecido

Acon

Ordinal

(0) Sem importncia; (1) De pouca

importncia; (2) Importante; (3) De
grande importncia

3.7

Importncia da qualidade
do servio de
atendimento ao
consumidor

Qsac

Ordinal

(0) Sem importncia; (1) De pouca

importncia; (2) Importante; (3) De
grande importncia

3.8

Importncia da variedade
de produtos ou servios
ofertados

Vprod

Ordinal

(0) Sem importncia; (1) De pouca

importncia; (2) Importante; (3) De
grande importncia

Fonte: elaborao prpria.

78

Continuao
Item do
Questionrio

Variveis

3.9

Importncia do tempo
que as ofertas ficam
disponveis

Tdisp

Ordinal

3.10

Importncia da
variedade de formas
de pargamento

Vpag

Ordinal

3.11

Importncia da
velocidade de
navegao do site

Vnav

Ordinal

4.1

Frequncia com que

visita um site de
compra coletiva

Visit

Nominal

4.2

Tempo que fica na

internet por dia

Tint

Contnua

4.3

Compra em lojas
virtuais

Cmint

Dicotmica

(0) Nunca; (1) Pouco; (2)Bastante

4.4

Acesso a ofertas

Of

Dicotmica

(0) No; (1)Sim

4.5.1

Acesso a ofertas
diretamente no site

Dir

Dicotmica

(0) No; (1) Sim

4.5.2

Acesso a ofertas por

outros sites

Posit

Dicotmica

(0) No; (1)Sim

4.5.3

Acesso a ofertas por

redes sociais

Rsoc

Dicotmica

(0) No; (1)Sim

4.5.4

Acesso a ofertas por

email

Email

Dicotmica

(0) No; (1)Sim

4.5.5

Acesso a ofertas pela

comunicao com
terceiros

Terc

Dicotmica

(0) No; (1)Sim

4.5.6

Acesso a ofertas por

sites de busca

Sbus

Dicotmica

(0) No; (1)Sim

4.6.1

Consumo regular de
servios de lazer

Slaz

Dicotmica

(0) No; (1)Sim

4.6.2

Consumo regular de
produtos e servios de
esttica

Estet

Dicotmica

(0) No; (1)Sim

4.6.3

Consumo regular de
eletro-eletrnicos

Eletro

Dicotmica

(0) No; (1)Sim

4.6.4

Consumo regular de
servios de turismo

Tur

Dicotmica

(0) No; (1)Sim

4.6.5

Consumo regular de
vesturios

Vest

Dicotmica

(0) No; (1)Sim

Smbolo

Tipo de varivel

Escala
(0) Sem importncia; (1) De
pouca importncia; (2)
Importante; (3) De grande
importncia
(0) Sem importncia; (1) De
pouca importncia; (2)
Importante; (3) De grande
importncia
(0) Sem importncia; (1) De
pouca importncia; (2)
Importante; (3) De grande
importncia
(0) Nunca; (1) Poucas vezes no
ano; (2) Todo ms; (3) Toda
semana; (4) Todo dia

79

Concluso
Item do
Questionrio

Variveis

Smbolo

Tipo de varivel

Escala

4.6.6

Consumo regular de
livros

Liv

Dicotmica

(0) No; (1)Sim

4.6.7

Consumo regular de
revistas

Ver

Dicotmica

(0) No; (1)Sim

4.8

Desconto mnimo que

levaria o cliente a
comprar

Desc

Contnua

Fonte: elaborao prpria

O questionrio (ver no Apndice A) foi aplicado em pontos de grande circulao de
pessoas em distintos locais da cidade de Joo Pessoa. Esses locais foram lojas,
supermercados, shoppings, mercados pblicos e praas. Os itens do questionrio foram
escolhidos de forma que fosse possvel coletar dados sobre os fatores caractersticos dos
indivduos que influenciam na inteno de compra (fatores psicolgicos, socioculturais e
situacionais). A figura 21 apresentada no Apndice E, mostra de que forma cada item
contribuiu para obter esses dados.
O mtodo usado na anlise de dados foi a anlise de regresso com modelos aditivos
generalizados. Todos os modelos foram obtidos atravs do programa computacional R, verso
2.13.2 (CRAN,2012), e posteriormente foram selecionados os melhores, considerando
critrios de ajuste aos dados.

80

CAPTULO 4 - RESULTADOS

4.1. Especificao e concluses dos modelos

Utilizando todas as variveis na forma em que aparecem no questionrio, o melhor

modelo obtido possui quatro variveis e apresenta um pseudo-R2 igual a 0,25. Para alcanar o
objetivo da pesquisa era necessrio obter um modelo com bom ajuste aos dados, de modo que
fosse possvel us-lo para fazer predies. Por isso, foi necessrio utilizar alguns artifcios
para obter um ajuste melhor. Alguns desses artifcios foram:
1. Agrupar categorias, transformando variveis nominais ou ordinais em variveis
dicotmicas. Isso foi feito, por exemplo, para as variveis Faj, Cmint, Ap, Vprod e
Visit.

2. Definir um valor para algumas variveis contnuas ou discretas de modo que divida o
conjunto de valores dessa varivel em duas categorias (dois intervalos), tornando-as
dicotmicas. Isso foi feito para as variveis Rd, Dep (discreta) e Id, pra obter FRd,
Dep (dicotmica) e FId.

3. Combinar duas variveis dicotmicas agrupando suas categorias de modo a obter uma
terceira varivel dicotmica. Esse artifcio foi usado para obter FDep, FId, FSx, FFan
e FLiv.
4. Utilizar como uma nica varivel contnua o produto ou a razo de duas variveis
quantitativas. Foram utilizados nos modelos como nica varivel Aesc/Id,
Aesc*Rd, Rd/Tint e Aesc/Tint.
Utilizando, ento, as mudanas nas categorias e as combinaes de variveis modelos
mais bem ajustados puderam ser obtidos.
O quadro 3 mostra as variveis obtidas a partir das variveis originais presentes no
questionrio.

81

Quadro 4 - Variveis obtidas por meio de mudanas e combinaes das variveis do

questionrio
Variveis

Smbolo

Tipo de
varivel

Escala

Inteno de compra (2)

IC2

Dicotmica

(0) Certamente no compraria; (1) Provavelmente no

compraria, provavelmente compraria ou certamente compraria

Inteno de compra (3)

IC3

Ordinal

(0) Certamente no compraria; (1) Provavelmente no

compraria, provavelmente compraria; (2) Certamente
compraria

Importncia da facilidade de
obter ajuda no site

Faj

Dicotmica

(0) Sem importncia ou de pouca importncia; (1) Importante

ou de grande importncia

Compra em lojas virtuais

Cmint

Dicotmica

(0) Nunca comprou em lojas virtuais; (1) Comprou em lojas

virtuais

Importncia da variedade de
formas de pagamento

Vpag

Dicotmica

(0) Sem importncia ou de pouca importncia; (1) Importante

ou de grande importncia

Ap

Dicotmica

(0) Sem importncia ou de pouca importncia; (1) Importante

ou de grande importncia

Vprod

Dicotmica

(0) Sem importncia ou de pouca importncia; (1) Importante

ou de grande importncia

Acessos anteriores a sites de

compras coletivas

Visit

Dicotmica

(0) Nunca visitou sites de compra coletiva; (1) Visitou em

sites de compra coletiva

Dependentes da renda
domiciliar

Dep

Dicotmica

(0) o nico dependente de a renda domiciliar; (1) H outros

dependentes da renda

Importncia da aparncia do
site
Importncia da variedade de
produtos ou servios
ofertados

(1) Tem renda domiciliar superior a R$2.000,00 e o nico

dependente dessa renda; (0) No tem renda domiciliar
superior a R$2.000,00 e/ou no o nico dependente dessa
renda
(0) No possui renda superior a R$2.000,00; (1) Possui renda
superior a R$2.000,00

Fator Dependente

FDep

Dicotmica

Fator Renda

FRd

Dicotmica

Fator Idade

FId

Dicotmica

(0) No possui mais de 35 anos e/ou no possui renda

domiciliar superior a R$2.000,00; (1)Possui mais de 35 anos
e possui renda domiciliar superior a R$2.000,00

Fator Sexo

FSx

Dicotmico

(0) No do sexo masculino e/ou no visita sites de compra

coletiva com frequncia semanal; (1) do sexo masculino e
visita sites de compra coletiva com frequncia semanal

Fator Importncia da
Facilidade de navegao

FFan

(0) No possui renda domiciliar superior a R$2.000,00 e/ou

no considera a facilidade de navegao muito importante; (1)
Dicotmico
Possui renda domiciliar superior a R$2.000,00 e considera a
facilidade de navegao muito importante.

Fator Consumo de Livros

Fliv

Dicotmico

(0) No possui renda domiciliar superior a R$2.000,00 e/ou

no compra livros regularmente; (1) Possui renda domiciliar
superior a R$2.000,00 e compra livros regularmente

Fonte: Elaborao prpria

82

4.1.1. Modelo com varivel resposta ordinal

Nessa subseo so apresentados, inicialmente, os modelos de regresso obtidos a
partir dos dados e so expostas as concluses, fornecidas a partir dos modelos, relativas
influncia das covariveis na varivel resposta. Posteriormente indicam-se razes possveis
que sejam capazes de explicar a natureza das relaes entre cada uma das covariveis e a
varivel resposta.
O modelo que apresentou o melhor ajuste dentre aqueles que fornecem informaes
mais detalhadas sobre a inteno de compra foi um modelo de odds proporcional. O modelo
apresentou um pseudo-R2 igual a 0,525. O modelo indica as probabilidades de que a varivel
inteno de compras assuma uma das trs categorias. Percebe-se que a nica diferena entre
as equaes das probabilidades est nos interceptos.

P (IC 3 1) =

e 1, 292+
1 + e 1, 292+

P (IC 3 2 ) =

e 3,593+
,
1 + e 3,593+

(4.1)

onde:

Aesc
0,0001( Aesc * Rd ) + 0,93Terc + 2,151C min t 1,452 FRd + 1,207 Ap +
Id

= 3,517

+ 1,089Vpag + 1,359Vprod 0,951Dep + 1,024Visit 0,848 FFan + 0,947 FLiv

Os valores da odds ratio (razo da chance) permitem obter concluses sobre a natureza
das relaes entre cada covarivel do modelo e a varivel resposta. Os valores da odds so
mostrados na tabela 1.
A influncia da escolaridade na inteno de compra foi mais bem explicada em
combinao com outras variveis. Embora a razo da chance tenha sido maior para um dos
termos que inclui essa varivel, preciso analisar o seu efeito de forma mais detalhada.
importante notar primeiramente que a idade sempre superior aos anos de escolaridade. Sendo
assim, a odds relacionada escolaridade sempre inferior a 33,68.
A odds do fator escolaridade-idade indica que quanto menor for a diferena entre a
idade e os anos de escolaridade maior ser a chance de um indivduo ter um interesse maior em
utilizar o servio. Quanto mais tempo um indivduo passa sem elevar seu nvel de escolaridade,
menos chances esse indivduo ter de ter um nvel de interesse maior no uso do servio. Como

83

para a maior parte da populao o nvel de escolaridade interrompido, o efeito que mais
comum as chances de algum usar o servio diminuir com a idade.

Tabela 1 - Valores da odds ratio para o modelo multinomial ordinal

Variveis

Odds

Aesc/Id

33,68

Aesc*Rd

0,99

Terc

2,53

Cmint

8,59

FxRd

0,234

Ap

3,34

Vpag

2,97

Vprod

3,11

Dep

0,39

Visit

2,78

Ffan

0,42

Fliv

2,58

Fonte: elaborao prpria.

A escolaridade geralmente acompanha o aumento da idade para pessoas mais jovens.
Isso tambm indica que pessoas mais jovens tem maior propenso a estarem mais interessadas
pelo servio de compras coletivas. Dentre as pessoas mais jovens, aquelas que possuem um
nvel de escolaridade mais alto tm maior inteno de utilizar o servio.
Outro termo do modelo indica um efeito conjunto de outra varivel com a escolaridade.
O termo escolaridade-renda (Aesc*Rd) indica que dentre as pessoas com maior nvel de
escolaridade aquelas que possuem renda mais alta tendem a ter menor interesse nas compras
em sites de compra coletiva. importante notar que embora a razo da chance desse termo
indique uma variao pequena (reduo de 1%) na chance de um indivduo interessar-se pelo
servio, para rendas mais altas (acima de R$ 5.000,00) a reduo na chance pode ser
expressiva.
O efeito da renda no apenas existe, reduzindo o efeito da escolaridade. O termo da
varivel faixa de renda indica que pessoas com renda superior a R$ 2.000,00 possuem uma
chance menor de interessar-se pelo servio de compras coletivas do que aqueles que possuem

84

renda inferior. Porm, esse efeito pouco expressivo uma vez que no aumenta juntamente
com a elevao da renda. Desse modo, o impacto maior da renda ocorre reduzindo o efeito do
nvel de escolaridade.
possvel que indivduos com nveis de renda mais altos tenham menor preocupao
com os preos dos produtos, o que o principal atrativo dos servios de compra coletiva online.
Sendo assim, estariam menos dispostos a despender tempo para buscar ofertas na internet e
acabariam tendo menor interesse no servio.
O modelo tambm indica que pessoas que tomam conhecimento das ofertas por
terceiros (Terc=1) tm 2,53 vezes mais chances de usar o servio do que aquelas que no
costumam tomar conhecimento desse modo. Isso se torna esperado se for tomado como
pressuposto que muitas daquelas pessoas que tomam conhecimento de ofertas dessa forma,
geralmente conversam com terceiros sobre o servio de compra coletiva. Se as ofertas de
compras coletivas fazem parte de dilogos de um indivduo, porque provavelmente h um
interesse por trs dessa ao.
A odds ratio da varivel Cmint indica que pessoas que compram na internet tm 8,59
vezes mais chances de interessarem-se pelos sites de compra coletiva. O hbito de comprar na
internet tende a reduzir a resistncia do indivduo ao consumo nessa nova modalidade de
servio online.
Outro hbito que tambm indicou ser positivo para reduzir a resistncia de uma pessoa
ao consumo em sites de compras coletivas foi a visita a sites desse tipo, representado pela
varivel Visit. Aqueles que j visitaram sites de compra coletiva tm 2,78 vezes mais chances
de usar o servio do que as pessoas que nunca visitaram.
O modelo tambm revela que aquelas pessoas que possuem dependentes (Dep=1) tm
uma menor chance de utilizar o servio. O efeito dessa varivel justificvel se for tomado
como pressuposto que o fato de haver dependentes leva normalmente um indivduo a dividir os
seus gastos com os mesmos e que as decises de compra geralmente levam em conta opinies
desses dependentes. Esses dois motivos tendem a proporcionar menor liberdade para realizar
uma compra momentnea pelo impulso ao ver um preo mais baixo sendo oferecido.
A importncia atribuda variedade de produtos oferecidos nos sites de compras
coletivas (Vprod=1) um fator que eleva a chance de um indivduo interessar-se pelo servio
em 3,11 vezes. Embora novos sites de compra coletiva tenham surgido voltados para nichos de
mercado bem especficos, a maioria dos usurios que utilizam o servio de compras coletivas
ainda considera importante a sua forma tradicional dos servios, onde uma grande variedade de

85

produtos e servios oferecida. De fato, os grandes sites de compra coletiva atualmente no

Brasil mantm a variedade grande das ofertas.
Os indivduos que consideram a variedade de formas de pagamento como importante
possuem 2,97 vezes mais chances de interessarem-se mais pelo servio do que aquelas que no
consideram esse um fator relevante.
Se for assumido que essa variedade de formas de pagamento um fator que tende a ser
considerado importante por pessoas que consomem produtos na internet e que essas pessoas
tm menor resistncia a usar sites de compras coletivas, ento esperado que pessoas que
consideram a variedade de formas de pagamento importante sejam aquelas mais propensas a
interessar-se pelo servio.
O site de compras coletivas tem como principal caracterstica a conquista de cliente por
meio da compra por impulso, haja vista que as ofertas, geralmente, so disponibilizadas por um
preo abaixo do praticado no mercado e por um tempo que relativamente curto. Quanto mais
racional for um cliente no momento da compra, menos propenso ser a comprar por impulso.
Considerar a aparncia do site de compra coletiva um aspecto importante na hora da compra
uma caracterstica menos racional. Isso poderia ser uma explicao para o fato de pessoas que
consideram a aparncia do site como algo importante (Ap=1) terem 3,34 vezes mais chances de
apresentarem um interesse maior pelo servio do que aqueles que no julgam essa como uma
caracterstica irrelevante.
Ffan um fator que indica conjuntamente se um indivduo ligado a uma faixa de renda

superior a R$ 2.000,00, considera a facilidade de navegar no site como algo muito importante
para o consumo em um site de compra coletiva. Pessoas com nvel de renda superior a R$
2.000,00 e que consideram a facilidade de navegao de um site fundamental, possuem uma
chance relativamente menor de utilizar o servio.
Partindo-se do pressuposto de que pessoas que possuem renda superior a R$ 2.000,00
esto dentro de um pblico que em sua maioria possuem uma renda que os proporciona ter um
computador e acesso a internet em sua residncia. Devido a isso, para esse pblico, h mais
facilidade de navegar na internet. Se houver maior dificuldade de navegar em sites para pessoas
nessa faixa de renda, isso pode ocorrer porque h o costume de utilizarem menos do que o
habitual a rede mundial de computadores, o que algo que acaba contribuindo para terem
maior resistncia ao uso do servio de compras coletivas.
Alm disso, o uso de sites de sites de compras coletivas tende a ser maior para pessoas
que apresentam interesse pelo servio. Considera-se que o fato de um indivduo considerar a
facilidade de navegao como algo bastante importante para uso de um site, indica, por si s,

86

uma tendncia de haver interesse menor pelo servio online do que aqueles que no consideram
isso um fator determinante quando comparada s vantagens do uso de um site. Isso
especialmente vlido para pessoas cuja renda maior.
possvel que uma pessoa com renda inferior a R$ 2.000,00 indique que a facilidade
de navegao algo muito importante porque sua renda no proporciona o uso habitual da
internet ou mesmo do computador em sua residncia. Pressupe-se que essa atitude com
relao a facilidade de navegar no site tende a ser mais relacionado chance desse pblico usar
a internet com menos frequncia.
Fliv tambm um fator relacionado a mesma faixa de renda discutida anteriormente. O

fator indica conjuntamente se um indivduo com nvel de renda superior a R$ 2.000,00 possui o
hbito de comprar livros. As pessoas com o hbito de comprar livros so em sua maioria as que
possuem maior escolaridade e que possuem renda capaz de proporcionar esse hbito. O modelo
indica que a escolaridade um fator importante na explicao da inteno de um indivduo ter
interesse de usar o servio de compras coletivas. Isso pode explicar o fato de pessoas com
renda superior a R$ 2.000,00, e que compram livros regularmente, ter maiores chances de usar
o servio.
H, no entanto, outras razes para o hbito de comprar livros explicar a relao desse
costume com o uso de sites de compra coletiva. O hbito de adquirir livros pela internet tem se
tornado cada vez mais comum, principalmente para pessoas que possuem poder de compra para
possuir um computador e usar a internet com regularidade na sua residncia. Se as pessoas que
compram livros o adquirem na internet, ento h uma maior disposio desse pblico para
comprar pela internet. Isso tende a reduzir a resistncia ao uso de sites de compra coletiva.

4.1.2. Modelos com varivel resposta binria

Dentre os modelos investigados, o melhor modelo logit binomial paramtrico o mostrado na
equao (4.2). A odds ratio de cada uma das varveis desse modelo mostrada na tabela 2.
e
P (IC 2 = 1) =
1 + e

(4.2)

= 0,001Rddep + 1,385Terc + 1,46 Faj + 2,833C min t + 1,514Vpag + 2,017Visit

Rd
2,75 FDep 1,66 FSx 4,383FId 0,007

T int

87

Tabela 2 - Valores da odds ratio para o MLG binomial

Variveis

Odds

Rddep

0,99

Terc

3,99

Faj

4,305

Cmint

16,996

Vpag

4,545

Visit

7,515

FDep

0,063

FSx

0,19

FId

0,012

Rd/Tint

0,993

Fonte: elaborao prpria

O modelo apresentou um pseudo R2 igual a 0,87. Todos os coeficientes so
significativos para um nvel de significncia igual a 0,05.
Melhores ajustes puderam ser obtidos para os modelos quando o nvel de detalhe das
informaes proporcionadas pelo modelo, ao explicar a varivel dependente, foi reduzido.
Isso ocorreu porque a inteno de compra passou a ser observada como uma varivel
dicotmica, assumindo o valor 0 (zero) se um entrevistado afirmasse que certamente no
utilizaria o servio e o valor 1 (um) se a resposta fosse distinta desta. Considerou-se que
mesmo que um indivduo tenha respondido que provavelmente no utilizaria o servio, o
mesmo no descartou a possibilidade de consumir em sites de compras coletivas.
Considerando a varivel resposta como sendo uma varivel binria, os melhores
modelos obtidos foram um modelo onde todas as variveis foram modeladas
parametricamente e outro onde apenas a varivel renda por dependente entrou no modelo
numa funo suave. O uso de uma funo suave para uma das variveis do modelo permitiu
uma melhoria no ajuste do modelo e indicou significncia do efeito de variveis que na forma
paramtrica no podiam ser explicados de forma significativa.
Para o modelo binomial com componentes paramtricas, pessoas com rendas por
dependente mais altas, possuem menos chances de serem usurios do servio de compras

88

coletivas do que aquelas que apresentam uma renda por dependente mais baixa. A odds dessa
varivel indica que para cada R$ 1,00 de aumento na renda por dependente, a chance do
indivduos ser um usurio reduz-se em 1% (1-0,01=0,99). Isso indica que um aumento
expressivo de R$ 500,00 na renda por dependente de um indivduo, faz com que a chance dele
continuar a ser um usurio seja cinco vezes menor.
Uma possvel explicao para essa informao o fato de pessoas com rendas mais
altas por dependente tem menor preocupao com os preos dos produtos e esto menos
dispostos a despender tempo para buscar ofertas na internet. Alm disso, o fato de haver
dependentes da renda conduz o indivduo a ter menos liberdade para tomar decises de
compra por impulso como ocorre em sites de compras coletivas.
Pessoas que tomam conhecimento de ofertas de sites de compras coletivas por meio de
terceiros possuem 3,99 vezes mais chances de ser um usurio de sites de compras coletivas do
que aqueles que no tomam conhecimento dessa forma. Isso pode ser explicado porque as
pessoas que tomam conhecimento por meio de terceiros, mantm algum dilogo sobre o
servio e isso algo que tende a ser mais presente para pessoas que esto dispostos a usar os
sites.
Os indivduos que atribuem uma importncia facilidade de obter ajuda nos sites
possuem 4,305 vezes mais chance de serem usurios de acordo com a inteno de compra do
que aqueles que acham esse fator sem importncia ou mesmo pouco importante. Esses
indivduos provavelmente utilizam ajudas em sites e isso indica que h uma disposio de
continuar usando um site mesmo quando dvidas sobre o servio existem. Essa caracterstica
comum a pessoas que utilizam o servio de compras coletivas online que necessitam
comumente de mais informaes sobre o site, a compra e os produtos antes de concluir uma
transao.
Aqueles que compram na internet tm 16,996 vezes mais chances de usar o servio do
que os que no fazem compras online. Esse um resultado esperado j que as pessoas que
fazem transaes pela internet tm menor resistncia a usar um servio online.
O grupo de pessoas que consideram importante que um servio disponibilize uma
variedade de formas de pagamento tem 4,545 vezes mais chances de adquirir um produto do
que aqueles que acham esse fator irrelevante ou mesmo pouco relevante. Essa tambm uma
caracterstica comum de pessoas que compram na internet. Assim, esse fator geralmente est
ligado a pessoas que tm alguma disposio para usar o servio de comprar coletiva.

89

O fato de um indivduo j ter visitado sites de compras coletivas online eleva sua
chance em 7,515 vezes. Isso tende a ser algo favorvel para reduzir a resistncia de uma
pessoa ao servio de compras coletivas.
FDep um fator que avalia duas caractersticas conjuntamente: o fato de uma pessoa

ter uma renda superior a R$ 2000,00 e possuir dependentes. As pessoas que possuem essas
duas caractersticas tm uma chance 94% (1-0,94) menor de serem usurios de compras
coletivas do que aqueles que no apresentam.
A combinao da varivel renda com o nmero de dependentes dessa renda possui um
efeito na definio da inteno de compra de um indivduo. No entanto, esse efeito pode ser
maior em casos especficos. Por exemplo, aquelas pessoas que possuem dependentes e tm
renda superior a R$ 2.000,00 tm ainda menos chance de serem futuros usurios do servio.
FSx um outro fator que indica a combinao de duas caractersticas: o fato de um

indivduo ser do sexo masculino e o fato deste visitar sites de compras coletivas com
frequncia superior a uma vez por semana. Esse fator no indica que o grupo de pessoas que
mais visitam sites de compra coletiva tm menos chances de usar o servio. Indica que dentro
do grupo de pessoas que visitam os sites de compra coletiva com mais frequncia, aqueles do
sexo masculino possuem menos chances de ser usurio do que uma pessoa do sexo feminino
embora o fato do indivduo visitar sites com frequncia, mesmo que do sexo masculino,
sempre indica que o mesmo tem mais chances de usar o servio.
Se um indivduo visita sites de compras coletivas semanalmente, possui 7,515 vezes
mais chances de ser usurio do que aquele que no visita com frequncia alta (semanal ou
diria). Porm, esse impacto da caracterstica na chance depende do sexo. Se o indivduo do
sexo masculino sua chance 1,427 vezes maior do que aqueles que no visitam com tanta
frequncia.
O fator FSx ainda indica um grupo que embora visite sites de compras coletivas com
uma regularidade mensal, possuem at menos chances de ser usurio do que aqueles que no
visitam com essa frequncia. Esse grupo envolve pessoas que acessam os sites uma vez por
ms e so do sexo masculino. De fato, durante as entrevistas houve pessoas que comentaram
que no comprariam nos sites de compras coletivas, embora acessassem por curiosidade para
ver os preos. O modelo mostrou que isso mais frequente entre os homens.
O fator FId indica a presena de duas caractersticas si indica que dependendo das
caractersticas do indivduo relativas idade, o fato de possuir uma renda inferior a R$
2.000,00 ou mesmo possuir uma renda superior sendo o nico dependente da renda faz com
que tenha bem mais chance de ser usurio do que aqueles que no apresentam essa

90

caracterstica. Segundo o modelo, pessoas com idade superior a 35 anos e que tm renda
superior a R$ 2.000,00 possuem 99% menos chances de usar o servio do que aquelas que
no apresentam essas duas caractersticas.
Esse fator mostra que pessoas com idade superior a 35 anos tm bem menos chances
de usar o servio do que aqueles mais jovens, mas isso vlido apenas para pessoas com
renda superior a R$ 2.000,00.
Os fatores FSx e FId foram as variveis menos significativas do modelo. Isso
provavelmente ocorreu porque ao definir esses fatores adotaram-se limites para renda, para
frequncia de visitas a sites de compra coletiva e para idade. Esses limites foram escolhidos
de forma aleatria. Os fatores podem ser mais bem definidos testando outros limites.
O ltimo termo apresentado no modelo envolve duas variveis contnuas: renda e
tempo que regularmente o entrevistado passa na internet. Indica que um aumento de uma
unidade na razo Rd/Tint reduz a chance de um indivduo ser usurio do servio em 0,7%
(1-0,993=0,007). Em termos prticos, a odds indica que quanto menor o acesso internet
menor ser a chance de um indivduo ser usurio do servio. Da mesma forma, quanto maior
a renda tambm menor a chance do indivduo ser usurio.
importante notar que a influncia do tempo dirio que se passa na internet sobre a
chance est condicionada renda. Segundo o modelo, fato que passar mais tempo na
internet eleva a chance de um indivduo ser um usurio do servio de compras coletivas, mas
o impacto dessa varivel sobre a chance depende da renda do indivduo. Se um indivduo
possui uma renda muito alta, passar mais tempo regularmente na internet representa um
aumento expressivo na chance do indivduo ser um usurio do servio. No entanto, se o
indivduo apresenta uma renda baixa ento passar mais tempo na internet aumentar pouco a
chance de ser um usurio.
Nota-se que a influncia da renda na chance do indivduo ser um usurio ocorre de
forma complexa e est condicionada ao comportamento de outras variveis. O modelo foi
capaz de identificar a ligao com trs variveis: nmero de dependentes da renda, idade e
tempo dirio na internet.
Um modelo aditivo logit binomial usando as mesmas variveis do modelo anterior
apresentou uma varivel com p-valor (Vpag) igual a 0,0437 e com o p-valor para funo
paramtrica igual a 0,029. Modelos aditivos com termos mais significativos foram obtidos
fazendo uma mudana no termo Rd/Tint do modelo por Aesc/Tint. A correlao entre
esses termos igual a 0,62 e a correlao entre as variveis Aesc e Rd igual a 0,43. O fato
das variveis e dos termos apresentarem uma correlao moderada possibilita que ambos os

91

termos forneam modelos com resultados semelhantes, ficando a escolha a critrio das
melhorias do modelo.
O MAG com melhor ajuste obtido indicou resultados semelhantes para todos os
termos do modelo, exceto para o termo no paramtrico (cuja varivel Rddep) e o termo que
foi substitudo. Desse modo, concluses semelhantes podem ser obtidas para os MAGs
obtidos, fazendo-se necessrias explicaes adicionais apenas sobre os dois termos citados.
Ao aplicar o mtodo de suavizao spline para modelar a contribuio da varivel renda
por dependente (Rddep) para o logaritmo da chance do modelo, obtm-se o modelo com a
equao (4.3).

P ( IC 2 = 1) =

e 1
1 + e 1

(4.3)

sendo:

1 = f1 ( Rddep) + 1,442Terc + 1,304 Faj + 2,820C min t + 1,796Vpag + 1,947Visit

Aesc
2,043FDep 2,2 FSx 1,365 FId 4,456

T int
Se o mtodo de suavizao polinomial local utilizado, obtm-se a equao (4.4).
P ( IC 2 = 1) =

e 2
1 + e 2

(4.4)

2 = f 2 ( Rddep) + 1,498Terc + 1,311Faj + 2,636C min t + 1,672Vpag + 1,936Visit

Aesc
1,909 FDep 1,974 FSx 1,357 FId 4,603

T int
As figuras 4 e 5 mostram a curva que descreve o comportamento da varivel Rddep,
obtidas, respectivamente, por meio da suavizao polinomial local e por suavizao splines.
Com base nessas curvas possvel identificar o incremento na chance do modelo ao aumentar
ou diminuir a varivel Rddep.

92

Figura 4 - Curva do efeito da renda por dependente no logaritmo da chance do modelo

pelo mtodo de suavizao polinomial local (loess)

Fonte: elaborao prpria.

Figura 5 - Curva do efeito da renda por dependente no logaritmo da chance do modelo

pelo mtodo de suavizao splines

Fonte: elaborao prpria.

93

Deve-se notar que a razo da chance indica que h um aumento constante e para cada
incremento de uma unidade na varivel ligada ao coeficiente . Esse aumento constante
indica que a variao no logaritmo da chance linear. Por essa razo, o coeficiente angular
constante (taxa de variao da curva constante).
No MLG binomial obtido inicialmente, a curva do logaritmo da chance apresentar uma
taxa de variao constante e negativa (curva linear decrescente). Nos MAGs estimados, as
curvas no paramtricas, presentes nos modelos, indicaram que essa variao no logaritmo no
sempre constante e negativa. Ao usar a suavizao polinomial local, obteve-se a descrio a
seguir do comportamento do logaritmo da chance. A seguir tambm so descritas as concluses
acerca da chance de um indivduo, com renda por dependente especfica, ser usurio do
servio.
Para rendas por dependente inferiores at um valor prximo de R$ 1.300,00, o
logaritmo da chance apresenta-se como positivo e praticamente constante, pois a curva
apresenta-se prxima de uma reta e crescente. Nessa faixa, duas pessoas com rendas
por dependente cuja diferena de R$ 100,00, tem uma diferena na chance de serem
usurios que praticamente a mesma, independente desses grupos apresentarem rendas
mais altas ou mais baixas.
A partir de um valor prximo de R$ 1.300,00, o logaritmo da chance apresenta-se
negativo e varia quase linearmente at um valor da renda por dependente prximo de
R$ 3.500,00. Isso indica que nessa faixa, quanto maior for renda por dependente de
um indivduo, menor ser a chance de ele ser um usurio do servio. A diferena da
chance de duas pessoas com uma determinada diferena na renda por dependente
praticamente a mesma independente de apresentarem rendas mais altas ou no.
Para rendas por dependente superiores a um valor prximo de R$ 3.500,00, valores mais
altos ainda representam menos chance de usar o servio. Porm, a diferena da chance
de duas pessoas com uma determinada diferena na renda por dependente est
condicionada ao fato de serem essas rendas mais altas ou mais baixas. Se as rendas por
dependente so altas h pouca diferena na chance, mas se so mais baixas (prximas
de R$ 3.500,00) ento a diferena maior.

94

Tabela 3 - Valores dos coeficientes e da odds ratio para cada uma das variveis dos
MAGs
Mtodos de Suavizao Utilizados
Variveis

Splines

Polinomial Local

Coeficientes

Odds

Coeficientes

Odds

f(Rddep)

Terc

1,442

4,223

1,498

4,473

Faj

1,304

3,684

1,311

3,71

Cmint

2,82

16,776

2,636

13,957

Vpag

1,796

6,025

1,672

5,323

Visit

1,947

6,958

1,936

6,931

FDep

-2,043

0,13

-1,909

0,148

FSx

-2,2

0,111

-1,974

0,139

Aesc/Tint

-4,456

0,012

-4,603

0,01

FId

-1,365

0,255

-1,357

0,257

Fonte: elaborao prpria.

importante atentar-se para os limites do intervalo de confiana da curva no
paramtrica. A partir de um valor prximo de R$ 4.000,00, h grande incerteza segundo o
modelo ao tratar da diferena das chances de ser usurio dos sites de compras coletivas.
A tabela 3 mostra o valor da odds ratio de cada uma das variveis dos MAGs com
diferentes mtodos de suavizao. Os valores apresentam-se aproximados daquelas encontradas
para o MLG com varivel resposta binria.
Quando utilizado o mtodo de suavizao spline para o termo no paramtrico,
algumas diferenas so identificadas na descrio do comportamento desse termo. Porm,
concluses semelhantes so obtidas para boa parte do domnio da funo no-paramtrica. As
diferenas entre os mtodos no que diz respeito s concluses, so descritas a seguir,
indicando-se os intervalos de valores onde essas diferenas existem.
Ao contrrio da funo no paramtrica obtida pelo mtodo de suavizao polinomial
local, no h um valor especfico a partir do qual a curva do logaritmo da chance muda
abruptamente seu comportamento passando a ser decrescente. Essa mudana ocorre de
maneira gradual num determinado intervalo, onde a curva do log da chance reduzido,

95

assume o valor zero e passa a ser decrescente. Em termos prticos, h um intervalo,

cujos limites aproximam-se dos valores R$ 1.300,00 e R$ 1.800,00, onde praticamente
no h diferena na chance do indivduo ser um usurio com relao renda por
dependente. Nesse intervalo, pessoas com renda por dependente maiores tm
praticamente a mesma chance de serem usurios do que pessoas com rendas menores.
Numa faixa de renda cujos limites esto prximos de R$ 3.900,00 e R$ 4.300,00,
tambm h pouca variao da curva de logaritmo da chance. Isso indica que nesse
intervalo praticamente tambm no h diferena na chance de indivduos serem
usurios de acordo com a renda por dependente.
A partir de um valor prximo de R$ 4.300,00, pessoas com rendas por dependente
maiores tm chances maiores de serem usurios do que aquelas com rendas mais baixas
(prximas de R$ 4.300,00).
Para o mtodo de suavizao splines tambm fundamental notar que a partir de um
valor prximo de R$ 4.000,00 o intervalo de confiana para curva do logaritmo da chance
grande. Na prtica, isso indica que h maior incerteza nas concluses obtidas pelo mtodo de
suavizao splines a partir desse valor prximo de R$ 4.000,00.
O intervalo de confiana ainda maior para rendas por dependente superiores a R$
5.000,00. Nesse intervalo, as concluses apresentam-se bastante incertas.

4.2. Diagnstico dos modelos

O diagnstico dos modelos aditivos generalizados com varivel resposta consistem na

verificao da qualidade do ajuste aos dados e nos testes de significncia dos termos do
modelos (parmetros e funes no paramtricas). Nessa seo, a qualidade do ajuste dos
dados ser verificada com base nas medidas pseudo-R2 e acurcia (percentual de acertos no
total de julgamentos realizados). Os testes de significncia utilizados sero o teste Wald e o
teste 2 .

96

Curva ROC e Matriz de Confuso

A definio do ponto de corte importante quando se utilizam modelos com funo de
ligao logit e h uma disparidade entre o nmero de observaes das duas categorias da
varivel resposta.

Figura 6 - Curva ROC para MLG com varivel resposta binria

Fonte: elaborao prpria

Uma escolha do ponto de corte pode ser feita por meio de uma anlise grfica da curva
ROC. Da figura 6, por exemplo, nota-se que o ponto de corte igual 0,9339 para o MLG
binomial mostrou bons resultados, levando a uma taxa de erros baixa tanto no julgamento de
indivduos com perfil de compradores como para indivduos com perfil de no
compradores.
Da figura 7 possvel perceber que para o MAG um bom ponto de corte em termos da
capacidade de previso para os dois grupos foi 0,8848. A tabela 5 mostra a matriz de confuso
para o MAG com esse ponto de corte.
Valores de pontos de corte foram comparados em termos de indicadores da capacidade
de previso (tabelas 4 e 6). A acurcia determina a taxa de acertos geral das previses. Para os
modelos binomiais, h pontos de corte que proporcionam uma capacidade de previso geral
melhor do que aqueles citados anteriormente. As tabelas 8 e 9 apresentam informaes sobre

97

as taxas de acertos para diferentes pontos de conte, para os modelos de varivel resposta
binria. Adotando-se um ponto de corte igual a 0,56 para o MAG, possvel obter uma taxa
de acertos total dos julgamentos para amostra (acurcia) igual a aproximadamente 0,94.

Figura 7 - Curva ROC para MAG com varivel resposta binria

Fonte: elaborao prpria.

A matriz de confuso elaborada para cada um dos modelos (tabelas 5 e 7) mostra

como os julgamentos foram feitos para o publico entrevistado. Para o MLG, quatro dos
indivduos que eram compradores, segundo o critrio estabelecido, foram julgados como no
compradores e 60 que no compradores foram classificados como compradores. Isso significa
que ao fazer predies para o grupo de compradores 82,41% foram corretas e para o grupo de
no compradores 90,7% das predies foram corretas. Considerando as predies para todos
os entrevistados, 83,33% foram corretas.

98

Tabela 4 - Indicadores da capacidade de previso do MLG binomial para diferentes

pontos de corte
Julgamentos certos
Ponto de Corte
Acurcia
Compradores
No compradores
0,9614
0,763
73,90%
95,35%
0,9569
0,7969
77,71%
95,35%
0,9466
0,8203
80,65%
93,02%
0,9339
0,8333
82,41%
90,70%
0,9249
0,8359
83,28%
86,05%
0,88
0,862
86,51%
83,72%
0,851
0,8854
89,74%
79,07%
0,8052
0,9115
92,96%
76,74%
0,7068
0,9193
94,43%
72,09%
0,5539
0,9219
96,19%
60,47%
Fonte: elaborao prpria
Tabela 5 - Matriz de confuso para o MLG binomial com ponto de corte igual a 0,9339
para classificar um indivduo como comprador
Real

Predito

Total

Comprador

No Comprador

Comprador

281

285

No Comprador

60

39

99

Total

341

43

384

Fonte: elaborao prpria

Tabela 6 - Indicadores da capacidade de previso do MAG binomial para diferentes

pontos de corte
Julgamentos certos
Ponto de
Acurcia
No
Corte
Compradores
compradores
0,9777
0,7448
71,55%
97,67%
0,9653

0,7734

75,07%

95,35%

0,9561

0,8021

78,30%

95,35%

0,9482

0,8203

80,35%

95,35%

0,9301

0,8411

82,99%

93,02%

0,9147

0,8542

84,75%

90,70%

0,8848

0,8854

88,27%

90,70%

0,8185

0,9036

91,20%

83,72%

0,7107

0,9297

95,01%

76,74%

0,5609

0,9375
97,65%
Fonte: elaborao prpria

62,79%

99

A matriz de confuso para o MAG indica resultados um pouco melhores. O nmero de

erros nas predies para o grupo de compradores foi o mesmo, mas o nmero de erros nas
predies para o grupo de compradores foi igual a 40. Sendo assim, o MAG estimado
classificou corretamente 88,48% dos casos onde os indivduos eram compradores e 99,7% dos
casos daqueles indivduos que eram no compradores. Isso significa que 88,54% das
predies realizadas para os entrevistados foram corretas.

Tabela 7 - Matriz de confuso para o MAG binomial com ponto de corte igual a 0,8848
para classificar um indivduo como comprador
Real

Predito

Comprador No Comprador

Total

Comprador

301

305

No Comprador

40

39

79

Total

341

43

384

Fonte: elaborao prpria

A escolha do ponto de corte e a anlise da capacidade de classificar corretamente do
modelo, usando a matriz de confuso, tambm foram realizadas para o modelo multinomial
ordinal.
Mesmo utilizando diferentes pontos de corte, o modelo multinomial estimado
apresenta apenas um desempenho regular. Os pontos de corte que geraram o melhor resultado
de classificao foram 0,15 (para julgar uma observao como do grupo de indecisos) e 0,8
(para julgar uma observao do grupo de compradores). Ao adotar esses valores, o modelo
proporciona uma taxa de acertos de 52,6% do total de julgamentos.
Nos julgamentos feitos para o grupo de compradores, 86,92% das classificaes foram
corretas quando utilizados esses pontos de corte. No entanto, apenas 38,39% das
classificaes no grupo de indecisos foram corretas e somente 18,6% foram corretas para o
grupo de no compradores. Os resultados das classificaes so mostrados na matriz de
confuso do modelo (tabela 9).

100

Tabela 8 - Indicadores da capacidade de previso do MLG multinomial ordinal para

diferentes pontos de corte
Pontos de corte

Julgamentos certos

Indecisos

Compradores

0,3
0,3
0,3
0,2
0,2
0,15
0,15
0,35
0,25

0,6
0,7
0,8
0,8
0,9
0,8
0,9
0,65
0,65

Acurcia
0,4557
0,4583
0,4427
0,4896
0,4297
0,526
0,4714
0,4479
0,474

Compradores

Indecisos

51,16%
60,47%
60,47%
23,26%
27,91%
18,60%
23,26%
72,09%
39,53%

14,69%
14,69%
14,69%
30,81%
30,81%
38,39%
39,34%
9,48%
20,85%

No
compradores
93,85%
91,54%
86,92%
86,92%
67,69%
86,92%
67,69%
93,08%
93,08%

Fonte: elaborao prpria

Tabela 9 - Matriz de confuso para o modelo com pontos de corte 0,15 e 0,85 para o
julgamento respectivamente de indecisos e compradores
Real
Predito

Total

No
Compradores

Indecisos

Compradores

No
Compradores

Indecisos

33

81

17

131

Compradores

130

113

245

130

384

Total

43
211
Fonte: elaborao prpria

Para os pontos de corte 0,35 e 0,65, a taxa geral de acertos no foi alta, pois o modelo
apresente baixa capacidade de previso para julgar pessoas que esto indecisas quanto ao uso
do servio. Porm, se no houver problemas em errar nas previses do grupo de pessoas
indecisas, ento o uso desses pontos de corte conduz o modelo a boas taxas de acertos para o
restante do publico. 72,093% das previses feitas para o grupo de compradores so corretas e
93,077% do grupo de no compradores so corretas.

101

Figura 8 - Julgamentos do modelo com pontos de corte 0,65 e 0,35 para o publico de
pessoas indecisas quanto ao uso do servio

Fonte: elaborao prpria.

Utilizando os pontos de corte 0,65 para classificar indivduos como compradores e
0,35 para julgar como indecisos, o modelo acertar apenas 9,48% quando usado para
classificar indivduos indecisos quanto ao uso dos sites de compras coletivas. Para esse
publico especfico, o modelo apresenta-se tendencioso e julga erradamente maior parte como
compradores (78,2%). A tabela 10 mostra a matriz de confuso para esses pontos de corte.

Tabela 10 - Matriz de confuso para o modelo com pontos de corte 0,35 e 0,65 para o
julgamento respectivamente de indecisos e compradores
Real
Predito
Total
No
Indecisos Compradores
Compradores
No
31
26
4
61
Compradores
Indecisos
8
20
5
33
Compradores
Total

165

43
211
Fonte: elaborao prpria

121

290

130

384

De fato, classificar um indivduo que est indeciso quanto a usar um site de compra
coletiva como um potencial comprador no algo problemtico, porque desejvel que o
modelo descarte (julgar como no compradores) o mnimo de indivduos para orientar o
projeto e gesto do sistema de produo. A maior parte dos erros de previso do modelo so
julgamentos de indivduos indecisos como sendo potenciais compradores.

102

Figura 9 - Julgamentos do modelo com pontos de corte 0,65 e 0,35 para o publico de no
compradores quanto ao uso do servio

Fonte: elaborao prpria.

Figura 10 - Julgamentos do modelo com pontos de corte 0,65 e 0,35 para o publico de
pessoas indecisas quanto ao uso do servio

Fonte: elaborao prpria.

Considerando as categorias de indecisos e de compradores como uma nica categoria,
possvel perceber que o modelo multinomial erra mais nos julgamentos do que os modelos
binomiais (figura 9). No entanto, nas classificaes do grupo de compradores, o MLG
multinomial mostrou-se superior e acerta 96,93% (93,08%+3,85%) das classificaes desse
pblico (figura 10). Em termos prticos, isso significa que aqueles indivduos julgados pelo
modelo multinomial como sendo compradores tm uma chance muito baixa de ser na
realidade um no comprador. Esse um tipo de erro indesejvel e o risco de comet-lo usando
o MLG multinomial inferior aquele que se expe ao usar o MAG binomial.
O modelo multinomial com os pontos de corte 0,35 e 0,65 o mais recomendado
numa situao onde um proprietrio de um site de compra coletiva tem como principal
preocupao classificar corretamente indivduos que so compradores em potencial, ou
mesmo indecisos, quanto ao uso do site. Por exemplo, considere a situao onde o

103

proprietrio escolhe um segmento para manter o foco de seu servio e deseja essencialmente
verificar se esse segmento est mesmo interessado no site (sendo um comprador em
potencial). Se o modelo multinomial estimado indica que as caractersticas do segmento
apontam o mesmo como sendo de um publico de compradores, haver pouca chance dessa
predio est errada.
O fato da medida de acurcia mostrar que o modelo multinomial, com os pontos de
corte referidos, possui uma capacidade de predio apenas regular, ocorre por aquele
apresentar uma capacidade de acertos muito baixa ao classificar indivduos como indecisos.
Uma classificao do modelo que julgue a indeciso deve ser vista com certa desconfiana,
pois as chances do indivduo julgado como indeciso ser na verdade um comprador em
potencial alta. No entanto, aquelas classificaes que se referem a um dado perfil como
sendo de um comprador ou como sendo de um no comprador apresenta credibilidade, pois as
chances de haverem erros nessas classificaes so baixas.

Testes de significncia e medidas de qualidade do ajuste

O p-valor do teste de Wald para cada varivel do modelo multinomial ordinal

mostrado na tabela 11. possvel perceber que as variveis do modelo so significativas. A
varivel que se mostrou menos significativa foi FFan, mas mesmo essa varivel apresenta um
p-valor inferior a 0,04. O p-valor do teste de Wald indica a probabilidade de errar ao rejeitar a
hiptese de que o coeficiente da varivel igual a zero. Se o coeficiente da varivel for igual a
zero, ento essa varivel no influencia na varivel resposta do modelo.

Tabela 11 - Valores do p-valor para cada varivel do MLG multinomial

Variveis

p-valor

Aesc/Id

0,0023

Aesc*Rd

0,0385

Terc

0,0045

Cmint

0,0000

FxRd

0,0019

104

Cont.
Variveis

p-valor

Ap

0,0004

Vpag

0,0182

Vprod

0,0004

Dep

0,0229

Visit

0,0079

Ffan

0,0356

Fliv

0,0294

Fonte: elaborao prpria.

A aplicao do teste de Wald aos coeficientes do MLG cuja varivel resposta
modelada de acordo com uma varivel binomial gera os resultados apresentados na tabela 12.
A varivel menos significativa do modelo o fator FId. Essa varivel apresenta um p-valor
inferior a 0,03.

Tabela 12 - Valores do p-valor de cada uma das variveis do modelo

Variveis

p-valor

Rddep

0,008551

Terc

0,012693

Faj

0,004847

Cmint

0,000024

Vpag

0,014118

Visit

0,000251

FDep

0,000160

FSx

0,027019

FId

0,029790

Rd/Tint

0,025085

Fonte: elaborao prpria

105

A significncia dos termos do modelo tambm foi verificada para o MAG. A tabela 13
apresenta os resultados do teste para utilizao de dois mtodos diferentes de suavizao do
termo no paramtrico. A varivel que apresentou o coeficiente menos significativo do
modelo foi o fator FDep. Esse coeficiente, mesmo sendo o menos significativo, possui p-valor
inferior a 0,03. Isso indica que a probabilidade de erra ao afirmar que cada uma das variveis
influencia no modelo inferior a 0,03.
O teste aplicado ao termo no paramtrico testa a significncia da variao da curva
estimada. Se no for possvel rejeitar a hiptese de essa variao igual zero, ento
possvel afirmar que no h relao entre a varivel resposta e a covarivel em questo. No
caso do MAG estimado essa variao significativa.

Tabela 13 - Valores do p-valor para cada varivel dos MAGs com termos no
paramtricos obtidos por dois mtodos de suavizao distintos
Mtodo de suavizao
Variveis

Splines

Polinomial local

p-valor

p-valor

f(Rddep)

0,00116

0,0028

Terc

0,01281

0,0115

Faj

0,01564

0,01593

Cmint

0,00002

0,00005

Vpag

0,00953

0,01779

Visit

0,00059

0,00062

FDep

0,00258

0,00546

FSx

0,00793

0,01728

Aesc/Tint

0,00205

0,00128

Fid

0,02257

0,02185

Fonte: elaborao prpria.

106

A tabela 14 apresenta trs medidas diagnsticas gerais do modelo. Utilizando

diferentes pontos de corte para classificar as observaes, obteve-se diferentes valores da
acurcia do modelo. Os maiores valores obtidos so mostrados na tabela. A acurcia indica o
percentual acerto do total de classificaes efetuadas considerando os elementos da amostra
(384 observaes).
O pseudo-R2 utilizado foi o Nagelkerke-R2. Essa medida indica a proporo da
estatstica Deviance que o modelo capaz de explicar. A medida varia entre 0 e 1. Quanto
mais prximo do valor 1, melhor considerado o ajuste do modelo em relao aos dados.
O modelo que apresentou os valores mais altos da acurcia e do pseudo-R2 foi o
MAG. O modelo multinomial apresentou os valores mais baixos.
Uma terceira medida apresentada na tabela 14 o p-valor do teste

. Esse teste

verifica a significncia do conjunto dos coeficientes. Testa a hiptese de que todos os

coeficientes do modelo so iguais zero, ou seja, testa a hiptese de que no existe uma
relao entre as covariveis do modelo e a varivel resposta. A probabilidade de errar ao
rejeitar essa hiptese inferior a 0,0001 para os trs modelos.

Tabela 14 - Medidas diagnsticas dos modelos

Maior acurcia
encontrada

pseudo-R2

p-valor (teste 2 )

MLG binomial

0,92

0,87

< 0,0001

MAG binomial

0,94

0,89

< 0,0001

MLG multinomial ordinal

0,53

0,53

< 0,0001

Modelo

Fonte: elaborao prpria.

4.3. Simulao da aplicao dos modelos

Nessa seo sero propostas duas formas de aplicar o modelo para orientar decises
acerca do sistema de produo estudado de modo que considerem a varivel inteno de
compra quando forem tomadas. A primeira dessas aplicaes consiste na orientao da
escolha de um pblico-alvo considerando que as decises acerca da especificao do sistema
de produo j tenham sido tomadas. A segunda aplicao consiste na orientao das decises
relativas especificao do sistema produtivo, considerando que o pblico-alvo j tenha sido
escolhido previamente.

107

4.4.1. Classificaes de segmentos e especificaes do servio pelos modelos

Nessa subseo sero escolhidos os modelos usados nos exemplos. Trs dos modelos
estimados foram tratados anteriormente. Para tratar de forma mais sucinta a aplicao desses
modelos apenas dois sero considerados. Os dois modelos sero usados porque algumas
variveis esto presentes em apenas um deles e isso permite que sejam usados de maneira que
se complementam. Para que possam ser tratados dessa maneira, trs mtodos. Por meio de um
desses mtodos possvel aplicar os modelos conjuntamente.
Posteriormente, nessa subseo, sero tratadas das variveis de deciso consideradas
no exemplo. A aplicao dos modelos para orientao de decises acerca das especificaes
do sistema de produo requer que as variveis do modelo sejam ligadas as variveis de
deciso do servio de compras coletivas. Isso necessrio porque as variveis do modelo
indicam caractersticas do consumidor relativas ao servio de compras coletivas. Embora
muitas decises sejam baseadas nessas variveis, elas no representam diretamente variveis
de deciso.

Modelos usados
Maior nfase foi dada a trs tipos de modelos distintos obtidos a partir do banco de
dados da pesquisa. Dois desses modelos apresentam a varivel resposta modelada segundo
uma distribuio binomial e apresentam poucas diferenas com relao s covariveis, tendo
o MAG se ajustado melhor aos dados do que o MLG. O outro modelo enfatizado foi um MLG
cuja varivel resposta foi modelada segundo uma distribuio multinomial. O modelo
apresenta o pior ajuste dentre os trs modelos destacados quando se deseja classificar as
observaes em trs categorias. Porm, o ajuste razoavelmente bom quando so definidos os
pontos de corte 0,65 e 0,35, e na classificao no feita distino entre as categorias 2
(compradores) e 1(indecisos). A principal vantagem de usar esse modelo est na possibilidade
de analisar um nmero maior de variveis.
O modelo multinomial inclui trs variveis que no so consideradas no MAG
binomial (variedade de produtos oferecidos no site, facilidade de navegar no website e a sua
aparncia). Embora o MAG tenha apresentado o melhor ajuste, se um analista desejasse
considerar em sua anlise um nmero maior de variveis, poderia tambm usar, em conjunto
com o MAG, o MLG multinomial. Para utiliz-los conjuntamente necessrio definir um
mtodo para classificar as observaes realizadas. A seguir so descritos trs mtodos:

108

Mtodo 1: Aquele perfil que ambos os modelos julgassem como de um comprador

seriam classificado desse modo. Caso apenas um dos modelos classificasse assim, a
classificao seria como no comprador. Ao julgar dessa forma, as classificaes
dos compradores seria mais rigorosa e a classificao dos no compradores seria
pouco rigorosa. O critrio seria adequado para o analista que estivesse preocupado
apenas com a identificao de compradores. Por exemplo, isso ocorreria numa
situao onde a preocupao principal fosse excluir o mnimo de pessoas possvel de
um projeto de um produto baseado principalmente no cliente. Nessa situao, o
analista no teria tanta preocupao em errar ao afirmar que um indivduo
verdadeiramente comprador seria um no comprador, pois esse erro somente faria
com que mais clientes pudessem ser usados para orientar o projeto. Por outro lado,
haveria grande preocupao em errar julgando como comprador um indivduo que
na realidade no comprador, porque ao fazer isso estaria o analista excluindo
clientes equivocadamente.
Mtodo 2: Aquele perfil que ambos os modelos julgassem como sendo de um no
comprador seria classificado desse modo. Caso apenas um dos modelos classificasse
assim, o julgamento seria comprador. O critrio utilizado o inverso do anterior. A
preocupao primordial do analista no errar nos julgamentos como no
comprador. Um exemplo em que seria mais adequado esse critrio consiste naquela
situao onde um analista procura orientar a instalao de um empreendimento de alto
custo em uma regio especfica e h grande preocupao em no instal-lo em locais
onde maior parte da populao apresenta um perfil de pessoas que tendem a no ser
consumidores. Se o perfil dominante do local que seria na verdade de compradores
julgado como no comprador, o empreendimento tenderia a no ser instalado e a
empresa responsvel deixaria de fazer a instalao num local onde as pessoas
apresentariam interesse. Talvez a empresa poderia deixar de ter resultados financeiros
positivos. Por outro lado, se julgasse o perfil dominante como de comprador quando
na verdade seria de no compradores, o pouco interesse das pessoas poderia levar a
resultados financeiros desfavorveis e o risco de grandes prejuzos poderia existir.
Mtodo 3: Julgar como comprador quando os dois modelos julgassem como
comprador e julgar como no comprador quando ambos julgassem como no
comprador. Se os modelos no apresentassem a mesma classificao, o julgamento

109

poderia ser inconclusivo e as classificaes do modelo no poderiam ser

consideradas pelo analista. Nesse critrio, haveria mais rigor para ambas as
classificaes, mas o uso conjunto dos modelos no seria aplicado para analisar todas
as escolhas de perfis. O critrio poderia ser adequado, por exemplo, para uma situao
onde uma empresa coloca no mercado novos produtos com grande regularidade e sua
linha de produtos possui itens para diferentes perfis. Se o analista considera muito
importante tanto evitar excluir clientes equivocadamente do projeto dos produtos
como tambm considerar nos projetos aqueles que apresentam pouco interesse, ento
os acertos para ambas as classificaes so relevantes. Caso ambos os modelos
diferissem na classificao, ento a deciso poderia ser baseada, por exemplo, apenas
em opinies de analistas experientes no setor dos produtos lanados.

Definio das variveis

Na situao a ser exemplificada nessa seo, algumas variveis de deciso acerca do
servio de compras coletivas online foram escolhidas a fim de mostrar de que modo podem
ser ligadas quelas do modelo. As variveis envolvidas no processo de segmentao so
aquelas variveis demogrficas includas diretamente no modelo. Um resumo das variveis de
deciso relacionadas a especificaes de aspectos do sistema de produo (servio de compras
coletivas) e daquelas usadas no processo de segmentao de mercado mostrado no quadro 5,
presente na pgina posterior. Esse quadro tambm mostra as variveis do modelo que foram
ligadas a cada uma das variveis de deciso listadas.
As dez variveis de deciso utilizadas para exemplificar o uso do modelo so as seguintes:

Simplicidade do site: Utilizar maior nmero de links (janelas) e maior nmero de

nveis por link no site. A varivel Fan a varivel da pesquisa ligada a essa
caracterstica do servio. Sites que apresentam menor nmero de janelas e de nveis
por janelas apresentam maior simplicidade e so mais fceis de navegar. Isso ser um
ponto positivo para aquelas pessoas que consideram a facilidade de navegar como um
item importante ou muito importante do servio. A nica varivel (obtida por meio da
varivel Fan) ligada estrutura do site nos modelos o fator FFan, presente apenas
no modelo multinomial.

110

Abertura a novatos em compras coletivas: Incluir elementos explicativos que

facilitem a navegao por parte de pessoas que nunca utilizaram um site de compra
coletiva. Essa caracterstica est ligada a varivel Visit dos modelos. Se um site
apresenta poucos elementos explicativos desse tipo, ento aqueles indivduos que
nunca utilizaram o servio tendero a apresentar maior dificuldade para us-lo. Esse
passa a ser um ponto negativo para aqueles indivduos.

Perodo das ofertas: Tempo de disponibilidade das ofertas. Dentre as variveis do

modelo, aquela que apresenta ligao com essa varivel o Tint, pois pessoas que
passam pouco tempo na internet tendem a se expor menos a divulgao das ofertas na
internet e precisam que as ofertas passem mais tempo disponveis. Se um indivduo
passa pouco tempo online e geralmente executa outras atividades na internet, tender a
acessar pouco os sites e perder muitas das boas ofertas. O pouco tempo disponvel
dessas ofertas seria ento um ponto negativo para esse tipo de cliente.

Detalhamento do guia de ajuda do site: Elaborao de um guia de ajuda detalhado.

Essa varivel de deciso est ligada a varivel Faj presente no MAG. Uma empresa
proprietria do site de compra coletiva pode optar por usar um guia de ajuda ao uso do
servio, mais simples por julgar que os clientes para o qual est voltado apresentar
facilidade para usar o servio. Para aqueles clientes que costumam usar regularmente
os guias de ajuda por apresentarem maior dificuldade de usar o servio, vero essa
caracterstica do site como negativa j que tendem a considerar a facilidade de obter
ajuda como um elemento importante.

Abertura a novatos em compra online: Incluir elementos que facilitem as compras

para aqueles que nunca compraram online. Essa caracterstica do servio de compras
coletivas est ligada a varivel Cmint. Considerando que uma prestadora do servio de
compra coletiva online no inclua elementos desse tipo no seu website, aqueles
clientes inexperientes em compras online que acessarem o site apresentaro maior
dificuldade de adquirir as ofertas. Para esses clientes a falta de elementos que orientem
melhor os novatos em compras online, ser um ponto negativo do servio.

111

Quadro 5 - Ligao entre as variveis de deciso do problema e as variveis do modelo

rea de Deciso

Caractersticas
do sistema de
produo

Caractersticas
do publico-alvo
a ser escolhido

Variveis de deciso

Varivel ligada
varivel de
deciso

Varivel do modelo ligada varivel de

deciso
MAG binomial

MLG multinomial

Estrutura do site
Abertura a novatos em compras
coletivas
Perodo das ofertas

Fan

FFan

Visit

Visit,FSx

Visit

Tint

Tint

Detalhamento da ajuda

Faj

Faj

Abertura a novatos em compras online

Cmint

Cmint

Cmint

Elementos ligados aparncia do site

Ap

Ap

Diversidade de produtos

Vprod

Vprod

Descontos por indicao

Terc

Terc

Terc

Formas de pagamento

Vpag

Vpag

Vpag

Incluso de livros na linha de produtos

Liv

Fliv

Sexo

Sx

FSx

Idade

Id

FId

Id

Renda

Rd

FSx; Fid

Rd; FRd; Fliv; FFan

Anos de estudo

Aesc

Aesc

Aesc

Rddep

Rddep;Dep

FDep

Renda por membro familiar

Fonte: Elaborao prpria

112

Aparncia do site: Incluir elementos que melhorem a aparncia do site, tais como
maior nmero de imagens mais bem elaboradas. Somente no modelo multinomial foi
includa a varivel Ap, que apresenta ligao direta com essa caracterstica dos sites. A
incluso de elementos, tais como imagens mais bem elaboradas, que melhoram a
aparncia de um site acaba o tornando mais lento durante a navegao. Porm, se um
cliente considera este como sendo um elemento importante, ento a falta dos
elementos que melhoram a aparncia ser um ponto negativo do servio para aqueles.

Diversidade de produtos e servios oferecidos: Oferecer uma variedade maior de

produtos e servios. Essa caracterstica do servio est ligada a varivel Vprod
presente apenas no modelo multinomial proposto. Para aqueles clientes que
consideram essa variedade como algo importante ou muito importante, quanto maior a
variedade de itens que oferea mais positiva tende a ser a avaliao do cliente no que
diz respeito a esse quesito.

Descontos por indicao de novos clientes: Conceder descontos maiores para

pessoas que trouxerem novos clientes. A varivel Terc do modelo determinante para
incluso dessa estratgia no servio. Se para o publico que usa o servio de compras
coletivas online, a comunicao das ofertas por terceiros uma forma pelo qual os
indivduos costumam tomar conhecimento dessas ofertas, ento o uso da estratgia
tende a gerar melhores resultados.

Diversidade de formas de pagamento: Quantidade de formas de pagamento

disponibilizadas. Essa varivel est diretamente ligada a varivel Vpag presente no
modelo. Se um servio de compras coletivas online disponibiliza muitas formas de
pagamento ento neste sentido ser avaliado positivamente por aqueles clientes que
consideram relevante este item.

Incluso de linha de produto ou servio no portflio: Consiste na deciso de incluir

algum tipo de produtos dentre aqueles com que trabalha o site. A nica varivel do
modelo ligada a deciso de incluir uma linha de produtos foi a varivel Liv, presente
no modelo multinomial como o fator FLiv. A varivel Liv indica se um indivduo

113

compra livros com regularidade ou no. Se um servio de compras coletivas inclui os

livros dentre as ofertas de produtos disponibilizados, ento para aqueles clientes que
compram com regularidade este tem a ser um ponto positivo.
Cinco variveis dos modelos foram consideradas para o processo de segmentao de
mercado: sexo, renda, escolaridade, renda por membro familiar e idade. Um resumo das
ligaes entre as variveis envolvidas no exemplo e aquelas presentes no modelo mostrado
na quadro 5, apresentado na pgina posterior.
Duas dificuldades precisam ser superadas ao usar o modelo. A segmentao baseada
em variveis quantitativas requer a definio de uma faixa de valores em vez de um valor
especfico, pois a escolha baseada num nico valor seria muito restrita. Outra dificuldade seria
lidar com variveis que no esto envolvidas no processo de segmentao, pois se no forem
especificadas supe-se que possam assumir quaisquer dos valores. As dificuldades existem
nas duas situaes citadas porque o modelo s fornecer uma medida de inteno de compra
se um valor especfico for fornecido para cada varivel, de modo que surge o problema de
escolher esses valores para que concluses plausveis possam ser obtidas para o segmento ou
para uma especificao do servio. H diferentes formas de lidar com esse problema.
Uma opo seria escolher os valores dessas variveis da maneira mais desfavorvel
possvel para classificar como comprador, a fim de incluir o mnimo de indivduos no grupo
de compradores. Uma segunda opo seria utilizar os valores mais favorveis possveis, de
modo que fosse includo o mximo de indivduos no grupo de compradores. Uma terceira
opo seria considerar tanto valores favorveis quanto desfavorveis, de modo que seja
possvel verificar um intervalo de probabilidades. Esse critrio ser considerado na situao
aqui exemplificada.
Com base no modelo, identificaram-se, para cada varivel, os valores dentro da
amostra que forneceriam a menor chance de um indivduo ser comprador e aqueles que
forneceriam a maior chance. Os valores so listados na tabela 15. So teis para a situao
aqui descrita aqueles valores referentes s variveis escolaridade e sexo, que no fazem
parte do processo de segmentao, e aqueles referentes s vaiveis idade, renda e renda por
dependente, que so quantitativas.

114

4.4.2. Descrio do exemplo

O site de compra coletiva 1 um website bastante simples de navegar. Apresenta
poucas janelas alm daquelas relacionadas aos produtos e cada janela apresenta poucos nveis
hierrquicos (Fan = 1). O site autoexplicativo de modo que foi projetado para mesmo os
indivduos que nunca o acessaram, sejam capazes de navegar no mesmo com facilidade
(Visit=1). As ofertas ficam geralmente disponveis por tempo mais longo, pois se procura
proporcionar ofertas com um grande nmero de cupons. Sendo assim, mesmo pessoas que
costumam passar pouco tempo na internet acabam tendo a possibilidade de tomar
conhecimento das ofertas antes mesmo que estas se encerrem (Valor de Tint baixo).
O Website apresenta um guia de ajuda detalhado (Faj=1) e voltado especialmente para
aqueles clientes novatos que apresentam pouca experincia ou nenhuma com compras na
internet (Cmint=0). Coerente com as demais caractersticas o Website apresenta poucos
elementos que visam melhorar a aparncia do site (Ap=0). Por exemplo, h poucas imagens
no site alm daquelas necessrias e pouco se investe para conhecer preferncias de clientes
com relao aparncia do site.
A empresa procura manter um menor nmero de produtos (Vprod=0), apresentando
um interesse maior em conseguir disponibilizar um nmero maior de cupons para o nmero
mais limitado de itens que trabalha. Nenhum tipo de incentivo dado para que clientes
divulguem para outras pessoas os servios do site, como descontos ainda maiores para aqueles
que trouxerem novos clientes (Terc=0).
Outra deciso em relao a produtos e servios oferecidos diz respeito a incluso de
um novo produto no portflio. A empresa que durante um tempo apresentou resistncia a
incluir os livros no seu portflio de produtos, optou por disponibilizar ofertas desses itens
(Liv=1).
A empresa responsvel pelo site de pequeno porte e o website ainda novo no
mercado. Por essa razo disponibiliza poucas formas de pagamento. Os pagamentos so feitos
apenas por meio de cartes de dbito (Vpag=0).

115

Tabela 15 - Valores mais favorveis e mais desfavorveis ao julgamento de um perfil como comprador
Modelo Multinomial

MAG

Varivel

Valor mais
favorvel

Valor mais
desfavorvel

Valor mais
favorvel

Valor mais
desfavorvel

Fan

Visit

Tint

Faj

Cmint

Ap

Vprod

Terc

Vpag

Sx

Id

<35

>35

Rd
Rddep
Aesc
Liv

Menor do intervalo Maior do intervalo

Menor do intervalo Maior do intervalo

Menor do intervalo Maior do intervalo Menor do intervalo Maior do intervalo

-

Prximo de 1240

Distante de 1240

Menor do intervalo Maior do intervalo Menor do intervalo Maior do intervalo

1

0
Fonte: elaborao prpria.

116

Considerando que o proprietrio do novo site de compras coletivas, cujas

caractersticas foram citadas anteriormente, decida priorizar pessoas com idade no superior a
30 anos, com uma renda na faixa de R$ 620,00 at R$ 6.000,00 e com uma renda por membro
familiar no superior a R$ 3.000,00. Coerente com a escolha, o proprietrio direciona
investimentos em publicidade para esse publico, define critrios para escolha de produtos e
fornecedores de modo a melhor atender ao segmento.
Deseja-se utilizar os modelos propostos para verificar algumas questes acerca da
relao entre a especificao do servio de compras coletivas e a escolha de um pblico alvo a
ser atendido.
(1) Verificar se o pblico-alvo escolhido (segmento 1) apresenta, segundo os modelos,
apenas indivduos que provavelmente no utilizaro o servio.
(2) O quadro 4 apresenta alternativas de segmentos de mercado que poderiam ser
escolhidos. Supondo que, no local da pesquisa, uma parcela considervel do pblico
apresentasse as caractersticas do segmento 9, verificar se esse segmento seria uma
boa escolha considerando os dois modelos tratados no exemplo.
(3) Supondo que o segmento 1 seja considerado um pblico-alvo importante para a
empresa responsvel pelo site de compra coletiva e que a empresa deseja projetar seu
servio de modo que esteja em conformidade com as caractersticas, desejos e
necessidades de uma parcela desse segmento que ir de fato usar o servio. Verificar
quais grupos de especificaes, dentre aqueles listados no quadro 5, so mais
recomendadas para atingir esse objetivo.
(4) Supondo que a empresa pretenda atuar para atender subgrupos de pessoas interessadas
no servio, pertencentes aos 15 segmentos listados no quadro 4. Verificar que grupos
de especificaes seriam recomendados e quais deveriam ser evitados.

117

Quadro 6 - Caracterizao dos segmentos de mercado

Variveis do processo de segmentao
Segmento

Anos de estudo

Sexo

Renda

Idade

Entre 1200 e 6000

At 30

Renda por
dependente
Entre 1240 e 3000

At 2480

At 25

At 1240

Acima de 15

Entre 2480 e 8000

Entre 25 e 35

Entre 2480 e 4000

4
5
6
7
8
9
10
11
12
13
14
15

At 11
At 13
Acima de 11
Acima de 13
At 11
At 11
Acima de 15
At 11 anos
At 13 anos

At 980
Feminino
Entre 1860 e 8000
Feminino
At 1860
Entre 1200 e 6000
Entre 3000 e 6000
Entre 2480 e 5000
Feminino
At 1860
At 1860
Entre 3000 e 5000
At 1860
Entre 3000 e 5000
Masculino
At 3000
Fonte: elaborao prpria

At 25
At 30
At 25
At 35
Acima de 35
Acima de 35
Acima de 35
Entre 25 e 35
Acima de 35
At 25
At 25
At 25

At 980
Entre 1860 e 4000
At 1860
At 3000
Entre 1240 e 3000
Entre 2480 e 4000
At 1860
At 1860
Acima de 1860
At 1860
Entre 1200 e 3000
At 3000

118

Quadro 7 - Caracterizao das alternativas de especificaes para um servio de compras coletivas

Servio de
compra
coletiva

Estrutura do
site

Abertura a
novatos em
compras
coletivas

Perodo das
ofertas

Detalhamento
da ajuda

Abertura a
novatos em
compras
online

Elementos
ligados
aparncia do
site

Variedade
de produtos
e servios

Descontos
por
indicao

Incluso de
livros na
linha de
produtos

Variedade
de formas de
pagamento

Simples

Muita

Longo

Detalhado

Muita

Pouca

Baixa

No H

Sim

Pouca

Complexa

Muita

Curto

Detalhado

Pouca

Muita

Baixa

Sim

Muita

Simples

Pouca

Curto

Detalhado

Pouca

Muita

Alta

No

Muita

Complexa

Muita

Curto

No Detelhado

Pouca

Muita

Alta

Sim

Muita

Simples

Muita

Longo

Detalhado

Muita

Muita

Alta

No H

Sim

Muita

Complexa

Pouca

Curto

No Detelhado

Pouca

Pouca

Baixa

No

Muita

Simples

Pouca

Longo

No Detelhado

Muita

Pouca

Baixa

No H

Sim

Pouca

Simples

Pouca

Curto

Detalhado

Pouca

Pouca

Alta

No H

No

Pouca

Complexa

Muita

Longo

No Detelhado

Pouca

Muita

Baixa

No H

Sim

Muita

10

Complexa

Pouca

Curto

No Detelhado

Pouca

Muita

Baixa

No

Pouca

11

Complexa

Muita

Longo

Detalhado

Muita

Pouca

Alta

No H

No

Muita

12

Simples

Pouca

Curto

No Detelhado

Pouca

Pouca

Baixa

Sim

Pouca

13

Complexa

Pouca

Longo

Detalhado

Pouca

Muita

Baixa

No H

No

Muita

14

Simples

Muita

Curto

Detalhado

Pouca

Muita

Alta

Sim

Muita

15

Complexa

Pouca

Longo

No Detelhado

Muita

Pouca

Baixa

No H

No

Pouca

Fonte: elaborao prpria

119

4.4.3. Avaliao as escolhas de pblicos-alvo

H no problema duas variveis determinantes da inteno de compra (sexo e

escolaridade) que no fazem parte do processo de segmentao para definir o segmento 1.
Essas variveis podem ser assumir qualquer valor. Quatro das variveis envolvidas no
problema so contnuas (Rd, Rddep, Id e Tint).
Para a varivel Tint, apenas dois valores so atribudos: 120 min por dia se o perodo
de ofertas curto e 15 min por dia se o tempo longo. Esses valores foram atribudos porque,
considerou-se que um indivduo passa muito tempo na internet se acessa a rede por um
perodo superior a duas horas e passa pouco tempo se acessa por menos de 120 min por dia.
Como segundo um dos modelos, quanto menor o tempo que um indivduo passa na internet
menor a chance de ser comprador ento se escolheu os valores da amostra que fornecessem
a menor chance possvel nos dois intervalos em questo.
Para as demais variveis contnuas e para as variveis categricas para o qual no
foram estabelecidos valores identificou-se os valores que forneciam a maior chance (valor
mais favorvel) e a menor chance (valor mais desfavorvel) de um dado perfil ser julgado
como de um comprador.
As outras variveis do modelo tm seus valores definidos a partir da definio das
caractersticas do sistema de produo, estabelecida por meio das variveis de deciso do
servio.
Atribudos os valores possvel obter uma medida de probabilidade de um grupo de
indivduos do segmento 1, para o qual est voltado o sistema produtivo, utilizarem o servio.
A probabilidade desse grupo de indivduos pode ser inferior a 0,01 considerando o perfil de
indivduos com menores chances de serem compradores e pode chegar a 0,92 para o perfil
de indivduos com maiores chances dentro do segmento.
Como a probabilidade mnima para julgar um perfil como sendo de um comprador
0,81, ento h, no segmento, grupos com perfil favorvel e desfavorvel a compra cujo
sistema de produo apresenta conformidade com as suas caractersticas. Isso indica que,
sobre a questo (1), no segmento 1 no h apenas grupos de indivduos no compradores
com cujas caractersticas o servio apresenta conformidade. A mesmo concluso feita tanto
para o MAG quanto para o MLG ao considerar a categoria 2 (compradores) e 1(indecisos)
como sendo uma nica categoria.

120

Tabela 16 - Probabilidades e julgamentos dos segmentos de mercado de acordo com os modelos para indivduos menos interessados no
servio
MAG
Julgamento
P=1
1
<0,01
No Comprador
2
<0,01
No Comprador
3
<0,01
No Comprador
4
0,26
No Comprador
5
<0,01
No Comprador
6
<0,01
No Comprador
7
<0,01
No Comprador
8
<0,01
No Comprador
9
<0,01
No Comprador
10
<0,01
No Comprador
11
0,26
No Comprador
12
<0,01
No Comprador
13
0,27
No Comprador
14
<0,01
No Comprador
15
<0,01
No Comprador
Fonte: elaborao prpria

Segmento

Modelo multinomial
P(Cm=1)
P(Cm=2)
0,25
0,04
0,51
0,19
0,1
0,01
0,44
0,11
0,09
0,01
0,38
0,53
0,18
0,02
0,09
0,01
0,22
0,03
0,51
0,25
0,35
0,06
0,08
0,01
0,42
0,1
0,43
0,1
0,37
0,07

Julgamento

Julgamento
Conjunto

No Comprador
Comprador
No Comprador
Comprador
No Comprador
Comprador
No Comprador
No Comprador
No Comprador
Comprador
Comprador
No Comprador
Comprador
Comprador
Comprador

No Comprador
Inconclusivo
No Comprador
Inconclusivo
No Comprador
Inconclusivo
No Comprador
No Comprador
No Comprador
Inconclusivo
Inconclusivo
No Comprador
Inconclusivo
Inconclusivo
Inconclusivo

121

Tabela 17 - Probabilidades e julgamentos dos segmentos de mercado de acordo com os modelos para indivduos menos interessados no
servio
MAG
MLG multinomial
Julgamento
Segmento
Julgamento
Julgamento
Conjunto
P(IC=1)
P(IC=1)
P(IC=2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

0,92
0,92
0,04
0,88
0,87
0,61
0,47
0,76
0,21
0,92
0,92
0,06
0,93
0,93
0,58

Comprador
Comprador
No Comprador
Comprador
Comprador
No Comprador
No Comprador
No Comprador
No Comprador
Comprador
Comprador
No Comprador
Comprador
Comprador
No Comprador

0,48
0,14
0,48
0,14
0,47
0,42
0,47
0,14
0,47
0,13
0,48
0,36
0,43
0,45
0,08
0,01
0,18
0,03
0,42
0,1
0,44
0,12
0,15
0,02
0,47
0,14
0,11
0,01
0,11
0,01
Fonte: elaborao prpria.

Comprador
Comprador
Comprador
Comprador
Comprador
Comprador
Comprador
No Comprador
No Comprador
Comprador
Comprador
No Comprador
Comprador
No Comprador
No Comprador

Comprador
Comprador
Inconclusivo
Comprador
Comprador
Inconclusivo
Inconclusivo
No Comprador
No Comprador
Comprador
Comprador
No Comprador
Comprador
Inconclusivo
No Comprador

122

A tabela 16 mostra as probabilidades do perfil mais favorvel de cada segmento ser

julgado como comprador, dentre aqueles perfis de indivduos com cujas caractersticas a
especificao (1) apresenta conformidade. A tabela 17 mostra as probabilidades para os perfis
mais desfavorveis. As probabilidades usadas para classificar os grupos de pessoas, foram
calculadas para os dois modelos aqui considerados. As tabelas 16 e 17 ainda mostram a
classificao segundo os critrios estabelecidos para os dois modelos.
A partir dos valores da tabela foram feitos grficos (figuras 11 e 12) indicando a maior
probabilidade e a menor probabilidade dentre aqueles perfis do segmento para o qual h
conformidade entre suas caractersticas e o grupo 1 de especificaes. Considerando apenas
todos os perfis cujas especificaes esto em conformidade, o grfico mostra, para cada
segmento, o intervalo onde se encontram todas as probabilidades dos grupos de indivduos
utilizarem o servio.
Por exemplo, considerando o grfico da figura 12, no segmento 12 o grupo de
especificaes 1 definidas para o servio est em conformidade com as caractersticas de
vrios indivduos dentro do segmento e a probabilidade desses indivduos serem
compradores varia de um valor inferior a 0,01 at 0,04. Se o servio especificado desse
modo e as demais decises acerca do sistema de produo so voltadas para o segmento 3,
ento a empresa responsvel pelo site de compras coletivas est tomando decises
equivocadas porque o servio somente est em conformidade com indivduos pouco
interessados em compras coletivas. necessrio, ento, ou especificar melhor o servio ou
voltar as decises para outro segmento de mercado. A mesma concluso pode ser tomada a
partir do grfico da figura 1, que indica que aqueles indivduos no podem ser classificados
como indecisos e nem como compradores.
Com base no MAG, de acordo com a figura 12, se o servio com as mesmas
especificaes planejado para atender a pessoas do segmento 4, todos os indivduos com
cujas caractersticas o servio est em conformidade possuem probabilidade de serem
compradores entre 0,26 e 0,88. Isso indica que dependendo das decises tomadas com base
no segmento, o servio pode estar voltado para um pblico que no tem interesse no servio
ou pode est voltado para um pblico de compradores. Numa situao desse tipo,
considerar uma anlise mais aprofundada do modelo (por exemplo, com a avaliao da odds
de variveis) pode ser importante.

123

Figura 11- Grfico das probabilidades dos perfis de um segmento pelo MLG multinomial para a especificao (1) do servio

124

Figura 12 - Grfico das probabilidades dos perfis de um segmento pelo MAG para especificao (1)

125

O MLG julga os mesmos grupos de indivduos do segmento como possuindo apenas

indecisos. Se no houver distino entre pessoas classificadas como indecisas e aquelas
julgadas como compradoras, ento esse modelo indicar que o grupo possui apenas
compradores. Ao considerar um julgamento conjunto no seria possvel ter uma concluso
clara para o segmento 4, de modo que um outro meio fosse necessrio para analisar a inteno
de compra no segmento. Porm, os dois modelos compartilham a ideia de que a especificao
e a escolha do segmento no esto totalmente equivocadas j que possvel com base nessas
decises direcionar o servio para um pblico de compradores. Para o segmento 3 ou
mesmo para o segmento 9 respondendo a questo (2) isso no seria possvel.
A partir dos grficos da figura 11 e 12, dada a especificao do servio (especificao
1), possvel avaliar quais dos 15 segmentos listados no quadro 6 deveriam ser evitados,
considerando a probabilidade do sistema produtivo estar em conformidade com um pblicoalvo de compradores. Pelo MLG, os segmentos 8, 9 e 12 so considerados segmentos que
deveriam ser evitados. De acordo com o MAG, alm dos segmentos 8, 9 e 12, so os
segmentos 3, 6, 7 e 15 tambm no deveriam ser escolhidos se o servio apresenta a
especificao 1.

4.4.4. Avaliando as alternativas de especificaes do sistema de produo

Uma aplicao dos modelos diferente da anterior proposta nesta subseo. Procurase agora avaliar que especificaes do servio seriam adequadas para atender a indivduos de
cada segmento. Para isso, avaliam-se mudanas nas variveis de deciso ligadas as
caractersticas do sistema produtivo. A tabela 7 mostra quinze alternativas de grupos de
especificaes que poderiam ser utilizados para definir as caractersticas do servio de
compras coletivas pela internet.
Considerando que o segmento 1 foi escolhido, possvel avaliar quais especificaes
estariam em conformidade com caractersticas dos indivduo desse segmento que tendem a, de
fato, usar o servio. As probabilidades novamente foram calculadas para aquele grupo com
perfil mais desfavorvel possvel a ser classificado como comprador e para aquele com
perfil mais favorvel. Os resultados so apresentados nas quadros 18 e 19.

126

Tabela 18 - Probabilidades e julgamentos das especificaes do servio de acordo com os modelos para os perfis de indivduos menos
interessados em usar o servio
Especificao

MAG
P=1

Julgamento

Modelo multinomial
P(Cm=1)

P(Cm=2)

Julgamento

Julgamento
Conjunto

<0,01

No Comprador

0,25

0,04

0,9

Comprador

0,04

0,95

Comprador

Comprador

0,58

No Comprador

0,15

0,83

Comprador

Inconclusivo

0,72

No Comprador

0,01

0,98

Comprador

Inconclusivo

<0,01

No Comprador

0,32

0,62

0,27

No Comprador

0,42

0,47

<0,01

No Comprador

0,11

0,01

0,05

No Comprador

0,5

0,16

Comprador

Inconclusivo

<0,01

No Comprador

0,1

0,89

Comprador

Inconclusivo

10

0,06

No Comprador

0,41

0,5

Comprador

Inconclusivo

11

<0,01

No Comprador

0,51

0,3

Comprador

Inconclusivo

12

0,05

No Comprador

0,52

0,25

Comprador

Inconclusivo

13

<0,01

No Comprador

0,38

0,54

Comprador

Inconclusivo

14

0,91

Comprador

0,02

0,97

Comprador

Comprador

15

<0,01

No Comprador

0,1
0,01
Fonte: elaborao prpria.

No Comprador No Comprador

No Comprador No Comprador
Comprador

Inconclusivo

No Comprador No Comprador

No Comprador No Comprador

127

Tabela 19 - Probabilidades e julgamentos das especificaes do servio de acordo com os modelos, para os perfis de indivduos mais
interessados em usar o servio
Especificao

MAG
P(IC=1)

Julgamento

MLG multinomial
P(IC=1)

P(IC=2)

Julgamento

Julgamento
Conjunto

0,92

Comprador

0,48

0,14

Comprador

Comprador

>0,99

Comprador

0,06

0,93

Comprador

Comprador

>0,99

Comprador

0,04

0,94

Comprador

Comprador

>0,99

Comprador

0,01

0,98

Comprador

Comprador

0,98

Comprador

0,25

0,7

Comprador

Comprador

>0,99

Comprador

0,34

0,58

No Comprador

Inconclusivo

0,33

No Comprador

0,16

0,02

No Comprador No Comprador

0,98

Comprador

0,45

0,45

Comprador

Comprador

>0,99

Comprador

0,14

0,84

Comprador

Comprador

10

>0,99

Comprador

0,32

0,61

No Comprador

Inconclusivo

11

0,98

Comprador

0,46

0,41

Comprador

Comprador

12

>0,99

Comprador

0,5

0,32

Comprador

Comprador

13

>0,99

Comprador

0,29

0,65

Comprador

Comprador

14

>0,99

Comprador

0,02

0,98

Comprador

Comprador

15

0,34

No Comprador

0,31
0,05
Fonte: elaborao prpria

No Comprador No Comprador

128

Grficos semelhantes queles construdos para avaliar segmentos foram esboados

(figura 13 e 14). Os grficos so interpretados da mesma forma daqueles presentes na figura
11 e 12.
Dado que o segmento 1 foi escolhido, a especificao 1 est em conformidade com as
caractersticas de indivduos que possuem probabilidade de serem compradores que varia de
um valor inferior a 0,01 at 0,92. Isso indica que a especificao 1 possibilita que o servio
seja direcionado para pessoas que tendem a usar o servio, porm possvel, dependendo de
outras decises tomadas, que o servio acabe se voltando para um pblico que dificilmente
usar os sites de compras coletivas.
Com base no MAG, observando a figura 4, percebe-se que se o servio for
especificado com o grupo de especificaes 2 ou 14, estar ento em conformidade com
pessoas do segmento 1 que possuem probabilidade de ser comprador entre 0,90 e um valor
superior a 0,99. Isso indica que levando em conta a inteno de comprar, as especificaes 2 e
14 so adequadas para atender o segmento 1. De acordo com o MLG, a mesma concluso
pode ser estendida tambm para os segmentos 3, 4, 9, 11 e 12. Como os dois modelos
apresentam as mesmas concluses ao julgar os grupos de especificaes 2 e 14, usando
conjuntamente ambos, estes poderiam ser considerados os mais recomendados para
atendimento do segmento 1. Essa seria a concluso para questo (3) indicada no na subseo
4.2.2.
Os dois modelos indicam que as especificaes 7 e 14 no so boas porque adequam o
servio para um pblico que tende a no usar o servio. Se h alguma razo para utilizar uma
das especificaes, de acordo com os modelos, para manter a conformidade com pessoas que
usaro o site de compra coletiva seria recomendado direcionar o servio para um segmento de
mercado diferente do segmento 1.
Supondo que o proprietrio de um site de compra coletiva deseje direcionar o servio
para grupos de indivduos com pretenso de comprar nesse tipo de websites, sem optar
especificamente por um dos 15 segmentos. A questo (4) considera a verificao dos grupos
de especificaes recomendadas para que haja conformidade com caractersticas de pessoas
que utilizaro o servio em qualquer um dos 15 segmentos.
O quadro 8, baseado nos julgamentos do MAG, pode ser usado para decidir sobre o
grupo de especificaes que seria adequado para alcanar indivduos compradores nos 15
segmentos. Para cada escolha de segmento e escolha de especificao verifica-se se os
indivduos com perfil mais favorvel (com maior chance de ser comprador) e aqueles com

129

Figura 13 - Grfico das probabilidades dos perfis de um segmento pelo MLG multinomial para a especificao (2) do servio

Fonte: Elaborao prpria

130

Figura 14 - Grfico das probabilidades dos perfis de um segmento pelo MAG para a especificao (2) do servio

Fonte: Elaborao prpria

131

Quadro 8 - Matriz de julgamentos das combinaes entre especificaes do servio e segmentos de mercado usando o MAG
Segmentos de mercado
Especificao

Perfis mais favorveis do segmento

1

NC

NC

NC NC NC NC

Perfis mais desfavorveis do segmento

10 11 12 13 14 15

10 11 12 13 14 15

NC

NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC

22

NC

NC

NC

NC

NC

NC

NC

NC

NC

NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC

28

NC NC NC

NC

NC

22

NC NC NC

NC

24

13

17

NC NC

23

NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC

30

NC

NC NC NC

NC

NC

NC NC NC

10

NC

NC NC NC

11

NC

NC

12

13

NC

14

15

Nmero de
Julgamentos

NC NC NC

NC NC

21

NC NC NC NC NC NC

NC

NC NC

17

13

NC

NC

NC NC

19

11

NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC

13

17

NC NC NC

NC

NC NC NC

NC NC NC

NC NC NC NC NC

NC

NC

NC NC NC

NC

NC NC

NC

NC

NC NC

20

10

NC NC

NC NC

17

13

28

30

NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC NC

Legenda: C - Comprador
NC - No Comprador

Fonte: Elaborao Prpria

132

Quadro 9 - Matriz de julgamentos das combinaes entre especificaes do servio e segmentos de mercado usando os dois modelos
Segmentos de mercado
Especificao

Perfis mais favorveis do segmento

1

NC NC NC NC NC

NC NC

Nmero de
Julgamentos

Perfis mais desfavorveis do segmento

10 11 12 13 14 15

10 11 12 13 14 15

NC

NC

12

10

28

NC

20

25

17

12

NC

11

18

25

NC

NC

NC

NC

NC

NC

NC

NC NC NC NC NC NC NC NC NC

NC NC NC

NC NC NC

NC NC NC

NC NC NC NC NC

NC

NC

NC

18

13

17

10

12

18

11

NC

19

10

12

10

20

13

12

18

14

28

25

15

NC NC NC NC NC

Legenda: C - Comprador
NC - No Comprador
I - Inconclusivo

NC NC NC NC NC NC NC NC NC

NC NC NC

Fonte: Elaborao Prpria

NC NC NC

NC NC NC NC NC

133
perfil mais desfavorvel (com menor chance de ser comprador) so classificados
como comprador (C) ou no comprador (NC).
Aquelas escolhas dos grupos de especificaes que proporcionam o maior
nmero de classificaes como compradores so as melhores escolhas. Considerando
os 15 segmentos, as melhores especificaes para atend-los seriam aquelas dos grupos
2 e 14. Ambas as escolhas conduzem a classificao de 28 perfis como compradores,
do total dos 30 perfis analisados.
O quadro 9 semelhante ao quadro 8, porm o julgamento feito considerando
conjuntamente as classificaes feitas pelo MAG e pelo MLG. O perfil classificado de
forma diferente pelos dois modelos considerado inconclusivo (I). Mesmo
considerando o julgamento conjunto dos modelos, pelo quadro 9, o grupo de
especificaes 2 e 14 so os mais indicados para manter a conformidade entre o servio
oferecido e as caractersticas daqueles indivduos que iro usar os sites de compra
coletiva, em qualquer dos 15 segmentos.

134

CAPTULO 5 - CONSIDERAES FINAIS

O modelo proposto tomou como base terica a abordagem cognitiva do

comportamento do consumidor. Dentro da abordagem cognitiva, a Teoria da Ao
Racional (TAR) foi utilizada para justificar a relao entre inteno de compra e deciso
de compra, bem como para orientar na busca pelos fatores que influenciam na inteno
de compra. Percebeu-se que o fato de a inteno de compra ser determinada por atitudes
em relao compra e por normas subjetivas, justifica a existncia de uma relao,
mesmo que indireta, entre aquela varivel e fatores caractersticos (fatores psicolgicos
socioculturais e situacionais) associados a um indivduo. Como as variveis
identificadas so representaes desses fatores, ento a TAR pode ser usada como base
do modelo proposto.
Havendo uma base terica para justificar o modelo, em uma segunda etapa
foram mostradas vrias pesquisas recentes, na literatura, com modelos semelhantes ao
proposto. Embora a maior parte desses modelos estejam restritos a equaes estruturais
lineares, todos relacionam, como o modelo proposto, a inteno de compra a fatores
psicolgicos, sociais e situacionais.
O modelo segue uma abordagem definida e consolidada no campo de estudos do
comportamento de consumidores. Pode ser visto sob a tica de uma teoria proposta h
anos e que vem sendo usada at os dias atuais (a TAR). Alm disso, est respaldado por
muitas publicaes que relacionam a inteno e a deciso de compra fatores
caractersticos associados a indivduos.
A pesquisa teve como objetivo fundamental obter modelos aditivos
generalizados que pudessem contribuir para o estudo da relao entre inteno de
compras de um segmento de mercado e as suas caractersticas. A motivao para
alcanar esse objetivo consiste em encontrar modelos estatsticos capazes de diferenciar
o perfil de um pblico alvo disposto a consumir um produto ou servio daquele que no
apresenta essa inteno.
Para alcanar o objetivo da pesquisa, primeiramente foi escolhido um setor de
negcios no qual seria aplicado o estudo. O setor de servio de compras coletivas online
foi escolhido devido ao seu crescimento e importncia que tem assumido.
Posteriormente, por meio de uma reviso da literatura, identificaram-se formas de
expressar a inteno de compras. Em seguida, recorreu-se novamente reviso da

135
literatura para identificar variveis associadas inteno de compras em websites.
Aps a escolha dessas variveis, um questionrio foi elaborado para coletar os dados
referentes a cada uma delas. Esses dados foram coletados por meio de entrevistas com
uma amostra de 384 usurios de internet em locais de grande circulao da cidade de
Joo Pessoa utilizando os questionrios.
De posse dos dados, foram estimados modelos aditivos generalizados
alternativos que relacionassem a inteno de compras s caractersticas dos indivduos
ligadas ao consumo em websites. Foram ento escolhidos os melhores modelos, levando
em conta alguns critrios de ajuste aos dados da amostra.
O foco dos estudos disponveis atualmente na literatura restringe-se
identificao de variveis ligadas ao consumo. A pesquisa apresenta a contribuio de
propor uma aplicao diferente de modelos que relacionam a inteno de compra a
caractersticas dos indivduos ligadas ao consumo. Nessa aplicao, o modelo usado
para diferenciar o perfil de pessoas que no esto dispostas a consumir um produto ou
servio, de modo a auxiliar na escolha de um pblico alvo levando em conta a inteno
de compra. Na aplicao proposta, o poder explicativo do modelo passa a ser
fundamental. Por essa razo foi necessrio utilizar um mtodo estatstico distinto dos
modelos de equaes estruturais lineares geralmente usados na literatura. Os modelos
aditivos generalizados possibilitam melhores ajustes porque permitem identificar
tambm relaes no lineares existentes entre as variveis.
Na reviso da literatura no foi encontrada nenhuma publicao sobre o assunto
envolvendo modelos aditivos generalizados. Embora seja um mtodo flexvel e
poderoso, os MAGs parecem ser pouco usados ainda em pesquisas que buscam
explicar a inteno de compra.
Na literatura sobre o assunto tambm no foram encontradas aplicaes dos
modelos que explicam a inteno de compra no processo de definio de um pblicoalvo. Utilizar os modelos nesse tipo de aplicao importante porque possibilita levar
em conta na escolha de um pblico alvo o conhecimento sobre indivduos mais
propensos a comprar um produto ou servio disponibilizado a um mercado consumidor.
Embora seja reconhecida a importncia de considerar a inteno de compras na escolha
de um pblico alvo e a varivel seja considerada em geral de maneira intuitiva, o
modelo proposto permite consider-la de maneira formal e com base em dados
estatsticos.

136
O melhor dos modelos obtidos apresentou um pseudo-R2 igual a 0,89 e
possibilitou alcanar um percentual de acertos nos julgamentos feitos para amostra de
aproximadamente 94%. O procedimento utilizado para obter modelos com melhores
ajustes importante porque na aplicao proposta os modelos devem ter uma boa
capacidade de prever, com base em dados estatsticos, se um grupo de consumidores
visado por uma empresa tem a inteno de consumir seu produto ou servio.
importante ressaltar que em uma reviso da literatura, feita ao longo da pesquisa, no
foram identificados modelos com ajuste igual ou superior ao apresentado pelo modelo
aditivo generalizado.
Os melhores modelos estimados foram aplicados por meio de uma simulao
com os dados da amostra a fim de apresentar um procedimento para utilizao na
prtica. Na simulao foram definidas caractersticas de um servio de compra coletiva
ligadas a uma parcela das variveis do modelo. Uma outra parcela das variveis foram
tomadas como variveis de deciso no processo de escolha de um pblico alvo. Os
modelos foram ento usados para avaliar 15 segmentos de mercado e 15 alternativas de
especificao do servio.
A pesquisa apresentou, no entanto, algumas limitaes. A amostra usada foi
obtida por um mtodo de amostragem por convenincia e o tipo de modelo proposto
no teve sua eficcia comprovada em empresas. Alm disso, pode ser difcil aplicar o
modelo se apenas uma parcela muito pequena de suas variveis for tomada na avaliao
dos segmentos. Essa dificuldade existe porque o modelo fornecer nesse caso um
intervalo de probabilidades que pode envolver valores muito baixos e tambm valores
muito altos.
Uma sugesto para futuras pesquisas seguindo a mesma linha consiste em testar
a eficcia do modelo em um ambiente de negcios real. Isso pode ser feito utilizando o
modelo para julgar o pblico alvo de diferentes empresas. Espera-se que empresas
voltadas para atender aqueles grupos de consumidores com alta probabilidade de
consumir um produto ou servio apresentem geralmente bons resultados econmicos,
enquanto aquelas voltadas para um pblico com baixa probabilidade de serem
compradores tenham resultados econmicos piores.
Ainda pode ser colocada como sugesto para futuras pesquisas a aplicao do
mtodo proposto em outros setores econmicos distintos do servio de websites de
compras coletivas.

137

REFERNCIAS

AGRESTI, Alan. Categorical data analysis. Jonh Wiley: New Jersey, 2002.
AJZEN, I; FISHBEIN,M. Understanding atitudes and predicting social behavior.
Prentice-Hall: New Jersey, 1975.
BAGOZZI, Richard. P; YI, Yoajae; BAUMGARTNER, Johann. The level of effort
required for behaviour as a moderator of the attitudebehaviour relation. In: European
Journal Social Psychology, V.20, p.4559, 1990.
BELANCHE, Daniel; CASAL, Luis V; GUINALU, Miguel. Website
usability,consumer satisfaction and the intention to use a website: The moderating effect
of perceived risk. In: Journal of Retailing and Consumer Services,V.19, p.124132,
2012.
BENDIXEN, M;BUKASA, K. A; ABRATT, R. Brand Equity in the Business-toBusiness Market. In: Industrial Marketing Management, V.33, p.371-80, 2004.
BENAZZI, Joo R. S. C; PEDRA, Bruno Yagelovic. Compras coletivas: uma anlise
exploratria de sua utilidade para as empresas anunciantes. In: SIMPSIO EM
TENOLOGIAS DIGITAIS E SOCIABILIDADE: Salvador, 2011.
BERG, Daniel. Bankruptcy Prediction by Generalized Additive Models.In: Applied
Stochastic Models in Business and Industry, V.23, No.2, p.129143, 2007.
BIAN,Qin; FORSYTHE,Sandra. Purchase intention for luxury brands: A cross cultural
comparison. In: Journal of Business Research,V.65, p.14431451,2012.
BOCK, Koen W. De; COUSSEMENT, Kristof; POEL, Dick Van den. Ensemble
classification based on generalized additive models. In: Computational Statistics and
Data Analysis, V.54, p.1535-1546, 2010.
BOENTE, Graciela; RODRIGUEZ, Daniela. Robust inference in generalized partially
linear models. In: Computational Statistics and Data Analysis, V. 54, p. 2942-2966,
2010.
BOOR, C. de. A Practical Guide to Splines. New York:Springer-Verlag,2001.
BRUSTOLIN, J. A pesquisa de mercado inteligente. 2007. Disponvel em:
http://www.manalais.com.br/downloads/insights-manalais_02_mar2007.pdf. Acesso
em: 27 dez.2009.
CANNIRE, Marie Hlne De; PELSMACKER, Patrick De; GEUENS, Maggie.
Relationship Quality and the Theory of Planned Behavior models of behavioral
intentions and purchase behavior. In: Journal of Business Research, V.62,p.82
92,2009.
CASILLAS, Jorge; MARTNEZ-LPEZ, Francisco J. Mining uncertain data with
multiobjective genetic fuzzy systems to be applied in consumer behaviour modelling.
In: Expert Systems with Applications,V.36, p.16451659, 2009.
CHASE, Richard B.; JACOBS, F. Robert; AQUILANO, Nicholas j. Administrao da
Produo e Operaes para vantagens competitivas. So Paulo: McGraw Hill,
2006.

138
CHEN, Mei-Fang. Consumer attitudes and purchase intentions in relation to organic
foods in Taiwan: Moderating effects of food-related personality traits. In: Food Quality
and Preference, V.18. pg. 10081021, 2007.
_________, Ying-Hueih; HSU, I-Chieh; LIN, Chia-Chen. Website attributes that
increase consumer purchase intention: A conjoint analysis. In: Journal of Business
Research, V.63, p. 10071014, 2010.
CHIU, Chui-Yu; CHEN, Yi-Feng; KUO, I-Ting; CHUN KU, He. An intelligent market
segmentation system using k-means and particle swarm optimization. In: Expert
Systems with Applications, V.36, p. 45584565, 2009.
CORDEIRO, Gauss M.; ANDRADE, Marinho G. de. Transformed generalized linear
models. In: Journal of Statistical Planning and Inference, V. 139, p. 2970 2987,
2009.
CORRA, H.L.; CORRA, C.A. Administrao de Produo e Operaes. So
Paulo: Atlas, 2004.
COSTA, Ricardo Simm. Identificao de fatores que influenciam a deciso de
aquisio de software em um contexto profissional. Dissertao (Mestrado em
Administrao) Universidade Federal do Rio Grande do Sul. 2006.
CRAN. R-2.13.2 for Windows (32/64 bit). Disponvel em: http://cran.rproject.org/bin/windows/base/old/2.13.2/. Acesso em: set/2012.
DEHUA, HE; YAOBIN, LU; DEYI, ZHOU. Empirical Study of Consumers Purchase
Intentions in C2C Electronic Commerce. In: Tsinghua Science and Technology, V.13,
p. 287-292, 2008.
DIALLO, Mbaye Fall.Effects of store image and store brand price-image on store brand
purchase intention: Application to an emerging market. In: Journal of Retailing and
Consumer Services, V.19, p.360367, 2012.
DURAN, Esra Akdeniz; AKDENIZ, Fikri; HU,Hongchang. Efficiency of a Liu-type
estimator in semiparametric regression models. In: Journal of Computational and
Applied Mathematics, V.235, p.14181428, 2011.
ENGEL, James F.; BLACKWELL, Roger D.; MINIARDI, Paul W. O
Comportamento do Consumidor. ed.8. Rio de Janeiro: LTC, 2000.
FARAWAY, Julian J. Extending the Linear Model with R:Generalized Linear,
Mixed Effects and Nonparametric Regression Models. London:
Chapman&Hall/CRC, 2006.
FISHBEIN, M; AJZEN, I. Belief, attitude, intention, and behavior: An introduction
to theory and research. Reading, MA: Addison-Wesley, 1975.
FLORENCIO, Lutemberg de Arajo. Engenharia de avaliaes com base em
modelos GAMLSS. Dissertao (Mestrado em Estatstica) Universidade Federal de
Pernambuco. 2010.
FORTIN, Marie-Fabiene. O processo de investigao. Montreal: Dcaire diteur,
2009.
GIL, A. C. Mtodos e tcnicas de pesquisa social. So Paulo: Atlas, 1994.

139
GONALVES, Nayara F. de Moura. Bootstrap em modelos auto-regressivos
aditivos generalizados. Dissertao (Mestrado em Estatstica) Universidade Federal
de Minas Gerais. 2009.
GONZLEZ, Mara Elisa Aln; COMESAA, Lorenzo Rodrguez; BREA, Jos
Antonio Fraiz. Assessing tourist behavioral intentions through perceived service quality
and customer satisfaction. In: Journal of Business Research,V.60,p.153160,2007.
GUERRA, Nuno Jos Martins. Anlise do processo de deciso de compra do
consumidor de vinho. Dissertao (Mestrado em Gesto de Empresas) Universidade
de vora. 2005.
GIGLIO, Ernesto M. O comportamento do consumidor. ed.3. So Paulo: Pioneira,
2004.
GUISAN, Antoine; EDWARDS, Thomas C.; HASTIE, Trevor. Generalized linear and
generalized additive models in studies of species distributions: setting the scene. In:
Ecological Modelling. V.157, p.89-100, 2002.
JANG, SooCheong; NAMKUNG, Young. Perceived quality, emotions, and behavioral
intentions: Application of an extended MehrabianRussell model to restaurants. In:
Journal of Business Research ,V.62, p.451460, 2009.
HARDLE, Wolfgang; MULLER, Marlene; SPERLICH, Stefan; WERWATZ, Axel.
Nonparametric and semiparametric Models. Springer: Berlin, 2008.
HARRISON, David A; MYKYTYN Jr, Peter P; RIEMENSCHNEIDER, Cynthia K.
Executive Decisions About Adoption of Information Technology in Small Business:
Theory and Empirical Tests. In: Information Systems Research, v.8, n.2, p.171195,1997.
HARTMANN, Patrick; APAOLAZA-IBEZ, Vanessa. Consumer attitude and
purchase intention toward green energy brands: The roles of psychological benefits and
environmental concern. In: Journal of Business Research, V.65, p.12541263, 2012.
HAUSMAN, Angela V; SIEKPE, Jeffrey Sam. The effect of web interface features on
consumer online purchase intentions. In: Journal of Business Research, V.62, p.513,
2009.
HILL, Manuela Magalhes; HILL, Andrew. Investigao por questionrio. Lisboa:
Slabo, 2009.
HISTIE, T. J; TIBISHIRANI, R. J. Generalized Additive Models.
CHAPMAN&HALL: New York, 1990.
HOFMANN, Wilhelm; STRACK, Fritz; DEUTSCH, Roland. Free to buy? Explaining
self-control and impulse in consumer behavior. In: Journal of Consumer Psychology,
V.18. p.2226, 2008.
HOSMER, D.W.; LEMESHOW, S. Applied Logistic Regression.ed.2.Editora John
Wiley and Sons, 2000.
HU, Bo; Shao, Jun. Generalized linear model selection using R2. In: Journal of
Statistical Planning and Inference, V. 138, p.3705 3712, 2008.
HUNG,Chihli; TSAI, Chih-Fong. Market segmentation based on hierarchical selforganizing map for markets of multimedia on demand. In: Expert Systems with
Applications, V.34, p. 780787, 2008.

140
HRUSCHKA, Harald; NATTER, Martin. Comparing performance of feed forward
neural nets and K-means for cluster-based market segmentation. In: European Journal
of Operational Research, V.114. pg. 346-353, 1999.
IBGE. Censo 2010. 2010. Disponvel em: <http://www.censo2010.ibge.gov.br/>.
Acesso em: 10 fev 2012.
JOHNSON, R.A; WICHERN, D.W. Applied Multivariate Statistical
Analysis.ed.6.New Jersey:Prentice-Hall, 2007.
KARSAKLIAN, Eliane. Comportamento do Consumidor. So Paulo: Atlas, 2005.
KEH, Hean Tat; XIE, Yi. Corporate reputation and customer behavioral intentions: The
roles of trust, identification and commitment. In: Industrial Marketing Management,
V.38, p. 732742. 2009.
KIM, Eun Young; KIM, Youn-Kyung. Predicting online purchase intentions for
clothing products. In: European Journal of Marketing, V.38, No.7, p.883-897, 2004.
KOTLER, P.; ARMISTRONG, G. Princpios de Marketing. 9ed. So Paulo: Pearson,
2003.
_________, Philip; KELLER, Kevin Lane. Administrao de Marketing. 12ed. So
Paulo: Pearson Prentice Hall, 2006.
KUMAR, Archana; LEE, Hyun-Joo; KIM, Youn-Kyung . Indian consumers purchase
intention toward a United States versus local brand. In: Journal of Business Research,
V.62, p. 521527, 2009.
KUO, R.J.; HO, L.M.; HU, C.M. Integration of self-organizing feature map and Kmeans algorithm for market segmentation. In: Computers & Operations Research,
V.29, p. 1475 -1493, 2002.
LAMB JR., Charle W.; HAIR JR., Joseph F.; MCDANIEL, Carl. Princpios de
Marketing. So Paulo: Pioneira Thomson Learning, 2004.
LIN, Hsiu-Fen. Predicting consumer intentions to shop online: An empirical test of
competing theories. In: Electronic Commerce Research and Applications, V.6,
p.433442, 2007.
LIMA,Lilian Pereira; ANDR, Carmen Diva; SINGER, Julio da Motta. Modelos
Aditivos Generalizados: metodologia e prtica. In: Revista Brasileira de Estatstica,
V.62, No.217, p.37-71, 2001.
L, Serigne N.; RONCHETTI, Elvezio. Robust and accurate inference for generalized
linear models. In: Journal of Multivariate Analysis, V. 100, p. 2126-2136, 2009.
LOPES, Isac Jos. A segmentao de mercado como estratgia de marketing. So
Paulo: Makron, 2002.
LU,Hsi-Peng; HSIAO,Kuo-Lun.The influence of extro/introversion on the intention to
pay for social networking sites. In: Information & Management, V.47, 150157,
2010.
MALHOTRA, Naresh K. Pesquisa de Marketing: Uma orientao aplicada. Porto
Alegre: Bookman, 2006.
MCCULLAGH, P; NELDER, J. A. Generalized Linear Model. Chapman&Hall/CRC:
New York, 1989.

141
MING-CHIH, Tsai; YI-TING, Tsai; CHING-WEI, Lien. Generalized linear interactive
model for market segmentation: The air freight market. In: Industrial Marketing
Management, V.40, p. 439446, 2011.
MOON, Junyean; CHADEE, Doren; TIKOO, Surinder. Culture, product type, and price
influences on consumer purchase intention to buy personalized products online. In:
Journal of Business Research.V.61, p.3139, 2008.
MORWITZ, Vicki G.; STECKEL, Joel H.; GUPTA, Alok. When do purchase
intentions predict sales? In: International Journal of Forecasting, V. 23, p. 347364,
2007.
NELDER, J.A. ; WEDDERBURN, R.W.M. Generalized Linear Models. In: Journal
Royal Statistics Society, V. 135, p.370-384, 1972.
PINHEIRO, Roberto Meireles; CASTRO, Guilherme Caldas e outros. Comportamento
do consumidor e pesquisa de mercado. Rio de Janeiro: Editora FGV, 2006.
PODDAR, Amit; DONTHU, Naveen; WEI, Yujie. Web site customer orientations, Web
site quality, and purchase intentions: The role of Web site personality. In: Journal of
Business Research, V. 62, p. 441450, 2009.
RAMAYAH, T.; LEE, Jason Wai Chow; MOHAMAD, Osman. Green product
purchase intention: Some insights from a developing country. In: Resources,
Conservation and Recycling, V.54, p.14191427, 2010.
RIGBY,Bob;STASINOPOULOS,Mikis. A flexible regression approach using
GAMLSS in R. Disponvel em:http://gamlss.org/images/stories/papers/Lancasterbooklet.pdf. Acesso em: set/2012.
RITZMAN, L.; KRAJEWSKI L. Administrao da Produo e Operaes. S. Paulo:
Prentice Hall, 2004.
RUCKER, Derek D.; GALINSKY, Adam D.; DUBOIS, David. Power and consumer
behavior: How power shapes who and what consumers value. In: Journal of Consumer
Psychology (2011), doi:10.1016/j.jcps.2011.06.001.
RYAN, Thomas P. Modern Regression Methods. Jonh Wiley: New Jersey, 2009.
SHIM, Soyeon; EASTLICK, Mary Ann; LOTZ, Sherry L; WARRINGTON, Patricia.
An online prepurchase intentions model: The role of intention to search. In: Journal of
Retailing, V.77, p.397416, 2001.
SHUKLA, Paurav. Impact of interpersonal influences, brand origin and brand image on
luxury purchase intentions: Measuring interfunctional interactions and a cross-national
comparison. In: Journal of World Business, V. 46, p. 242252, 2011.
SILVA, Aline Lisboa da; VIEIRA, Eloy dos Santos; SILVA, Andreza Lisboa da;
FELIZOLA, Matheus Pereira Mattos. Compras coletivas: estudo de caso sobre o site
alguns trocados em Aracaju. XXXIV Congresso Brasileiro de Cincias da
Comunicao: Recife, 2011.
SOLOMON, Michael R. O comportamento do consumidor: comprando, possuindo e
sendo. Porto Alegre: Bookman, 2008.
SOUZA, C. K.; CARDOSO, O. R. Anlise comparativa entre as interfaces do
Marketing e Engenharia de Produo. Disponvel em:
http://www.peteps.ufsc.br/novo/attachments/069_artigoseprosulmeu.pdf. Acesso em: 26
dez.2009.

142
__________, Camila Pedroso Estevam. Testes de hipteses para dados funcionais
baseados em distncias: um estudo usando splines. Dissertao (Mestrado em
Estatstica) Universidade Estadual de Campinas. 2008.
STEIN, Fabiano Rocha. Modelagem de produo industrial de celulose KRAFT
com modelos aditivos generalizados e redes neurais. Dissertao (Mestrado em
Tecnologia de Celulose e Papel) Universidade Federal de Viosa. 2010.
SUN, Baohong; MORWITZ, Vicki G. Stated intentions and purchase behavior: A In;
unified model. International Journal of Research in Marketing. V. 27, p. 356366,
2010.
TENG, Lefa; LAROCHE, Michel. Building and testing models of consumer purchase
intention in competitive and multicultural environments. In: Journal of Business
Research, V.60, p. 260268, 2007.
UNDERWOOD, Fiona M. Describing long-term trends in precipitation using
generalized additive models. In: Journal of Hydrology. V. 364, p.285297, 2009.
VERHAGEN, Tibert; DOLEN, Willemijn van. Online purchase intentions: A multichannel store image perspective. In: Information & Management, V. 46 p. 7782,
2009.
VIJAYASARATHY, Leo R. Predicting consumer intentions to use online shopping: the
case for an augmented technology acceptance model.In: Information & Management,
V.41, p.747762, 2004.
YAO, Weixin. A bias corrected nonparametric regression estimator.In: Statistics and
Probability Letters, V.82, p.274282, 2012.
YEE,T. W;WILD,C. J. Vector Generalized Additive Models.In: Journal of the Royal
Statistical Society.V.58, No.3,p.481-493,1996.
YOO,Boonghee;DONTHU,Naveen;LEE,Sungho.An Examination of Selected
Marketing Mix Elements and Brand Equity.In: Journal of the Academy of Marketing
Science.V.28,No. 2,p.195-211.
YOU, Jinhong; ZHOUB,Xian. Statistical inference in a panel data semiparametric
regression model with serially correlated errors. In: Journal of Multivariate Analysis,
V.97, p.844873, 2006.
YOUNG, Robert B.; JAVALGI, Rajshekhar G. International marketing research: A
global project management perspective. In: Business Horizons, V.50, p113122, 2007.
YOUNG, Robin L; WEINBERG, Janice; VIEIRA, Veronica; OZONOFF, Al;
WEBSTER, Thomas F. Generalized additive models and inflated type I error rates of
smoother significance tests. In: Computational Statistics and Data Analysis, V.55, p.
366-374, 2011.
WOOD, Simon. Generalized Additive Models: An introduction with R.Chapman e
Hall/CRC:New York,2006.
WU, Paul C.S.; YEH, Gary Yeong-Yuh; HSIAO, Chieh-Ru. The effect of store image
and service quality on brand image and purchase intention for private label brands. In:
Australasian Marketing Journal, V. 19, p.3039, 2011.
XU,Yingjiao; SUMMERS, Teresa A; BELLEAU, Bonnie D.Who buys American
alligator? Predicting purchase intention of a controversial product.In: Journal of
Business Research,V.57,p.11891198, 2004.

143
ZEITHAML, V, BERRY, L;PARASURAMAN, A. The behavioral consequences of
service quality. In: Journal of Marketing, V.60, p.31-46, 1996.

144

APNDICE A - Questionrio

145

146

147

APNDICE B - Descrio da amostra

A amostra consiste em 420 observaes relativas a 28 variveis. Dessas observaes,
384 foram usadas na estimao dos modelos e 40 foram usadas na validao.

Tabela 20 - Medidas descritivas das variveis contnuas da amostra

Variveis

Medidas
Descritivas

Idade

Renda

Mdia

30

2539

1079

13

187

Mediana

27

1860

750

13

120

Desvio Padro

10

2172.8

940

156

Menor

18

620

155

15

Maior

59

15000

6000

30

960

Quartil Inferior

23

1200

533

11

60

Quartil Superior

35

3000

1275

15

240

Nmero de Outliers

19

39

34

10

13

Renda por
Anos de
Tempo na
dependente escolaridade internet (min)

Fonte: Elaborao prpria

A tabela 25 mostra algumas medidas descritivas para as variveis contnuas da
pesquisa. Em nenhuma das variveis contnuas o valor da mediana apresentou grande
diferena em relao ao valor da mdia, sendo a maior para a varivel renda por
dependente cuja diferena foi de 30% do valor da mdia. Sendo assim, as duas medidas
de posio tm semelhante representatividade para sumarizar as observaes da amostra
para quaisquer variveis.
Trs das cinco variveis contnuas apresentaram uma variabilidade relativamente
alta, embora em nenhum dos casos o desvio padro superior a 90% do valor da mdia.
Essas variveis so: Renda, renda por dependente e tempo na internet. Para as variveis
idade e anos de escolaridade, o desvio padro no foi superior a 35% do valor da mdia.
As duas variveis relativas renda apresentaram um nmero maior de outliers.
Apesar desse nmero de outliers, 90% das observaes dessas variveis no
apresentaram grandes diferenas. Para as demais variveis o nmero de outliers no foi
superior a 4% das observaes. Em qualquer tratamento dos dados importante

148
considerar essas observaes porque so importantes para representar indivduos com
caractersticas semelhantes na populao.
O quartil inferior e o menor valor indicam o intervalo da varivel que apresenta
25% das observaes, enquanto o quartil superior e o menor valor indicam o intervalo
que apresenta 75% das observaes. Por exemplo, 25% dos entrevistados apresentaram
uma idade entre 18 e 23 anos. Da amostra, 75% apresentaram uma idade entre 18 e 35
anos.

Quadro 10 - Matriz de correlaes das variveis contnuas

Idade

Renda

Renda por
dependente

Idade

1,000

0,239

0,186

0,100

-0,139

Renda

0,240

1,000

0,698

0,434

0,029

0,186

0,698

1,000

0,459

0,120

0,100

0,434

0,459

1,000

0,184

-0,139

0,029

0,120

0,184

1,000

Renda por
dependente
Anos de
escolaridade
Tempo na
internet (min)

Anos de
Tempo na
escolaridade internet (min)

Dentre os pares de variveis contnuas a menor correlao ocorreu entre a renda

e o tempo que um indivduo passa na internet (quadro 8). A maior correlao ocorreu
entre as variveis relativas renda, o que era esperado uma vez que a renda por
dependente foi calculada usando os valores da varivel renda. As variveis relativas
renda tambm apresentaram uma correlao um pouco mais alta com a varivel anos
de escolaridade.
Foram entrevistadas pessoas de 48 bairros da cidade de Joo Pessoa. Maior parte
deles residia em Mangabeira (ver quadro 9). Alm desses bairros, apresentaram um
maior percentual de entrevistados os bairros: Bancrios, Bessa, Centro, Jaguaribe,
Geisel, Funcionrios e Valentina.

149

Quadro 11 - Distribuio de Frequncia amostral em relao aos bairros dos

entrevistados
Bairro
gua Fria
Altiplano
Alto do Mateus
Bairro das Industrias
Bairro dos Estados
Bairro dos Ips
Bairro dos Novaes
Bancrios
Bessa
Brisamar
Cabo Branco
Castelo Branco
Centro
Colibris
Colinas do Sul
Costa e Silva
Cristo
Cruz das Armas
Ernani Stiro
Expedicionrios
Funcionrios
Geisel
Jaguaribe
Jardim Cid. Universitria

Frequncia Frequncia
Absoluta
Relativa
9
2,34%
3
0,78%
5
1,30%
12
3,13%
5
1,30%
2
0,52%
4
1,04%
26
6,77%
17
4,43%
1
0,26%
1
0,26%
12
3,13%
23
5,99%
2
0,52%
5
1,30%
9
2,34%
14
3,65%
9
2,34%
5
1,30%
3
0,78%
19
4,95%
20
5,21%
17
4,43%
6
1,56%

Bairro
Jardim Oceania
Jardim Planalto
Jardim Veneza
Joo Paulo II
Jos Amrico
Manara
Mandacaru
Mangabeira
Miramar
Muumagro
Oitizeiro
Padre Z
Penha
Portal do Sol
Rangel
Roger
So Jos
Tamba
Tambauzinho
Tambi
Torre
Treze de Maio
Valentina
Varadouro

Frequncia Frequncia
Absoluta
Relativa
1
0,26%
10
2,60%
2
0,52%
2
0,52%
10
2,60%
9
2,34%
6
1,56%
39
10,16%
1
0,26%
1
0,26%
5
1,30%
1
0,26%
2
0,52%
2
0,52%
7
1,82%
6
1,56%
1
0,26%
10
2,60%
2
0,52%
3
0,78%
14
3,65%
1
0,26%
18
4,69%
2
0,52%

Sobre a importncia dos fatores relativos s caractersticas do servio de

compras coletivas, o nico desses que apresentou um percentual de entrevistados
considerando sem importncia alguma foi a aparncia dos websites. Mesmo assim, em
todos os casos maior parte dos entrevistados julgaram os fatores tratados na parte 3 do
questionrio como importante ou muito importantes.

150

Tabela 21 - Atitudes dos entrevistados em relao a caractersticas do servio de

compras coletivas
Nvel de Importncia Atribudo
Fator

No
Importante

Pouco
Muito
Importante
Importante
Importante

Facilidade de Obter Ajuda no Site

4,69%

20,27%

54,95%

19,79%

Facilidade de Navegar pelo Site

3,84%

14,65%

48,70%

32,81%

Aparncia do Site

12,50%

26,30%

37,24%

23,96%

Empresas parceiras serem

conhecidas

1,30%

6,51%

30,99%

61,20%

Site de compras coletivas ser

conhecido

1,56%

7,03%

36,72%

54,69%

Variedade de produtos/servios

3,91%

14,32%

50,78%

30,99%

Variedade de formas de pagamento

2,86%

5,73%

37,24%

54,17%

Quantidade de informao
disponibilizada sobre os produtos

1,82%

6,51%

35,94%

55,73%

Qualidade do Servio de
Atendimento ao Consumidor

2,34%

10,68%

25,52%

61,46%

Velocidade de navegao do site

3,12%

10,16%

35,42%

51,30%

Fonte: Elaborao prpria

As variveis consideradas como sendo as mais importantes para definio das
caractersticas desejadas da amostra foram as variveis: renda, idade e sexo. O quadro
10 mostra uma tabela de contingncia com os pesos relativos da combinao de
categorias dessas trs variveis. Pelo quadro, possvel perceber que oito dos quarenta
grupos indicados apresentaram peso relativo superior a 4% da amostra. Dos quarenta
grupos, apenas trs deles no apresentou nenhum entrevistado.

151

Quadro 12 - Tabela de contingncia das variveis Sexo, Renda e Idade

Sexo

Masculino

Feminino

Idade

Renda (R$)

18-25

25-35

35-45

Mais de 45

620-1240

0,115

0,086

0,01

0,018

1240-2480

0,07

0,055

0,008

0,01

2480-3720

0,031

0,013

0,013

0,005

3720-4960

0,005

0,008

Mais de 4960

0,018

0,029

0,013

0,018

620-1240

0,07

0,031

0,016

0,003

1240-2480

0,047

0,049

0,026

0,01

2480-3720

0,031

0,044

0,029

0,018

3720-4960

0,005

0,01

0,003

Mais de 4960

0,016

0,031

0,023

0,01

Fonte: Elaborao prpria

A tabela de contingncia do quadro 11 resume o peso relativo das categorias das
variveis Idade e Sexo. O grupo que apresentou o maior nmero de entrevistados foi o
de indivduos do sexo masculino com idade entre 18 e 25 anos.

Quadro 13 - Tabela de contingncia para as variveis Idade e Sexo

Idade
Sexo
Masculino
Feminino

18-25

25-35

35-45

0,240

0,190

0,044

0,169
0,167
0,094
Fonte: Elaborao prpria

Mais de
45
0,052
0,044

O quadro 12 tambm uma sntese do quadro 10. Apresenta as frequncias

relativas de uma tabela de contingncia entre as variveis Renda e Idade. Percebese que maior parte dos entrevistados possui idade entre 18 e 25 anos, tendo renda entre
R$ 620,00 e R$ 1240,00. Nenhum dos entrevistados apresentou uma idade entre 35 e 45
anos, com uma renda no intervalo entre R$ 3720,00 e R$ 4960,00.

152

Quadro 14 Tabela de contingncia entre as variveis Idade e Renda

Renda

Idade
18-25

25-35

35-45

Mais de 45

620-1240

0,185

0,117

0,026

0,021

1240-2480

0,117

0,104

0,034

0,021

2480-3720

0,063

0,057

0,042

0,023

3720-4960

0,010

0,018

0,000

0,003

Mais de 4960

0,034

0,060

0,036

0,029

Fonte: Elaborao prpria

O quadro 13 resume as informaes do quadro 10, considerando apenas as
variveis Renda e Sexo. O maior nmero de entrevistados est no grupo de
indivduos do sexo masculino e que possui renda entre R$ 620,00 e R$ 1240,00. O
grupo que apresentou o menor nmero de entrevistados foi aquele de indivduos do sexo
masculino com renda entre R$ 3720,00 e R$ 4960,00.

Quadro 15 - Tabela de contingncia entre as variveis Renda e Sexo

Sexo

Renda
620-1240

1240-2480

0,229

0,143

0,062

0,013

0,078

Feminino
0,120
Fonte: Elaborao prpria

0,133

0,122

0,018

0,081

Masculino

2480-3720 3720-4960

Mais de 4960

Com relao a varivel inteno de compras o grfico da figura 15 indica o

percentual de entrevistados em cada uma das categorias. O grfico indica que 76,04%
mostraram disposio para utilizar o servio, com 42,19% afirmando que certamente
utilizariam os sites de compras coletivas.
Apenas um grupo de 11,2% descartou a possibilidade de comprar utilizando o
servio de compras coletivas online, respondendo que certamente no utilizariam os
sites.

provvel que muito esforo seria necessrio para tornar esses indivduos

consumidores de um site de compra coletiva.

153
Das pessoas que participaram da pesquisa 12,76% mostraram pouca disposio
para usar o servio no momento, mas no descartaram a possibilidade de usar o servio
uma vez que mostraram indeciso ao afirmar que provavelmente no usariam os sites
para compra.
As pessoas que declararam que provavelmente comprariam ou que falaram que
provavelmente no comprariam, compem um grupo de pessoas com indeciso ao
opinar se usariam ou no servio. Esse grupo representa 54,95% da amostra. Inclui
indivduos que embora indecisos, no declararam com convico que no usariam o
servio. Essas pessoas podem tornar-se consumidoras mais facilmente se aes efetivas
forem tomadas de modo que apresentem maior interesse pelo servio.

Figura 15 - Inteno dos consumidores de comprar em sites de compra coletiva

Fonte: Elaborao prpria

Se uma empresa de servios de compras coletivas online busca definir grupos de
clientes para focar seus esforos, ento deveria evitar direcion-los para as pessoas que
tendem a afirmar que certamente no comprariam em sites de compras coletivas, pois
fazer com que esse grupo de indivduos use os sites provavelmente iria requerer grande
esforo por parte da empresa. prefervel que a empresa procure incluir, no negcio,
elementos para conquistar um pblico de pessoas indecisas sobre o uso ou de indivduos
que manifestaram desejo de utilizar os sites de compras coletivas. Essas pessoas
poderiam representar um grupo de potenciais consumidores do servio.

154

Figura 16 - Grfico de caixas das variveis contnuas

155
Os grficos de caixa apresentados na figura 16 para as cinco variveis contnuas
resumem as informaes sobre a mediana, os quartis e a quantidade de outliers. Nos
grficos nota-se que o maior nmero de outliers encontra-se nas variveis referentes
renda. A figura 17 mostra os histogramas para as mesmas variveis.
Com relao a idade, nota-se que maior parte dos participantes da pesquisa
possuem idade entre 20 e 30 anos. A pesquisa contou com uma menor participao de
pessoas com mais de 40 anos. Quanto renda residencial, a pesquisa contou com
poucos indivduos com renda superior a R$ 5000,00. Com relao renda por indivduo
dependente, maior parte dos entrevistados apresenta renda at 2000 reais. Essa varivel
considera no apenas a renda numa residncia de um indivduo como tambm o nmero
de pessoas que utilizam essa renda.
No que diz respeito aos anos de estudo, a maioria dos entrevistados estudou
entre 10 e 15 anos. Um nmero menor de participantes da pesquisa estudou menos de
10 anos e mais de 20 anos.
Quanto ao tempo dirio que as pessoas passam na internet, maior parte dos
participantes da pesquisa declararam despender at 3 horas (180 minutos). Poucos
entrevistados declararam passar mais do que seis horas dirias (360 minutos).
A figura 18 mostra grficos de disperso entre as variveis contnuas. Nota-se
que o nico par de variveis que graficamente parece apresentar uma relao aquele
das variveis referentes renda.
A figura 19 mostra os grficos de setores de variveis categricas da pesquisa.
possvel notar que 51,56% dos entrevistados afirmaram j ter comprado em websites,
mas poucas vezes. 30,47% declararam que nunca haviam comprado na internet e
somente 17,97% da amostra afirmaram comprar bastantes nos websites.
Das pessoas que participaram da pesquisa, 52,6% so do sexo feminino e 47,4%
so do sexo masculino. Com relao ao estado civil, 60,42% so solteiros, divorciados
ou vivos e 39,58% so casados ou apresentam outro tipo de unio estvel.
A maioria dos entrevistados o nico dependente da renda de sua residncia,
alm de si mesmo. 76,56% no possuam dependentes e 23,44% possuam.
Maior parte das pessoas entrevistadas (57,81%) visitou pouco ou nenhuma vez
sites de compras coletivas. 42,97% acessam poucas vezes no ano e 14,84% nunca
acessaram um site desse tipo. Sendo assim, conclui-se 42,19% declararam acessar com

156

Figura 17 - Histogramas das variveis contnuas

157

Figura 18 - Grficos de disperso dos preditores

158

Figura 19 - Grficos de setores para variveis categricas da pesquisa

159
maior regularidade esse tipo de websites (mensalmente, semanalmente ou diariamente).
Apenas 9,9% declararam acessar praticamente todos os dias e 16,93% afirmaram que
acessam toda semana.
Os grficos de setores das figuras 20 e 21 indicam o perfil dos entrevistados
relativos a atitudes em relao a fatores caractersticos do servio de compras coletivas.
Da figura 6, percebe-se que 54,95% consideram importante que haja facilidade
para obter ajuda no site sempre que for necessrio. 19,79% atribuem grande importncia
a essa caracterstica dos sites. Das pessoas entrevistadas, 25,26% atribuem pouca ou
nenhuma importncia a esse item.
Dos participantes da pesquisa, 48,7% acham que elementos que facilitem a
navegao nos sites so importantes e 32,81% consideram a facilidade de navegao
muito importante. Somente 18,49% disseram considerar ser essa caracterstica pouco
importante.
Com relao s caractersticas de aparncia dos websites, 37,24% das pessoas
entrevistadas consideram um aspecto importante e 23,96% acham esse item muito
importante. Essa foi umas das caractersticas que os entrevistados atriburam menor
importncia, pois 39,1% acham esse aspecto pouco importante ou sem importncia.
Na amostra, foi opinio dominante considerar importante ou muito importante
que os sites de compras coletivas e tambm as empresas parceiras sejam conhecidas do
pblico. 92,19% tm essa opinio acerca da popularidade dos sites e 91,41% sustentam
essa opinio acera da popularidade das empresas parceiras.
Com relao diversificao de produtos ou servios oferecidos pelos sites de
compras coletivas, maior parte dos entrevistados tambm considera um aspecto
importante. Apenas 18,23% afirmaram que essa caracterstica tem pouca ou nenhuma
importncia. 30,99% acham que muito importante que os sites ofeream maior
variedade de produtos e servios e 50,78% declarou achar esse um item importante dos
websites.
Quanto variedade das formas de pagamento (figura 13), houve um consenso
para maior parte do pblico entrevistado. 91,41% acham que a disponibilidade de uma
variedade maior de formas de pagamento um aspecto importante ou muito importante
do servio.
Houve consenso tambm entre a maioria dos entrevistados no que diz respeito
quantidade de informao divulgada nos sites sobre os produtos e servios que esto

160

Figura 20 - Grfico de setores do nvel de importncia atribudo a fatores relacionados ao servio de compras coletivas

161

Figura 21 - Grfico de setores do nvel de importncia atribudo a fatores relacionados ao servio de compras coletivas

162

sendo oferecidos. 55,73% considera essa caracterstica como tendo grande importncia
e 35,94% considera importante. Apenas 1,82% acham esse um aspecto sem nenhuma
importncia.
Sobre a importncia da qualidade do servio de atendimento do consumidor
(SAC), 61,46% julgou como algo muito importante e 25,52% julgou como algo
importante. Dos participantes da pesquisa, 13,5% julgaram que a qualidade do SAC
um item de pouca ou nenhuma importncia. Alguns entrevistados declararam que
raramente usam o SAC quando compram e por isso achavam esse um aspecto menos
relevante.
Quanto velocidade de navegao do site, 51,3% dos participantes da pesquisa
atriburam muita importncia a caractersticas que tornem a navegao menos lenta.
35,42% acharam que esse era um aspecto importante.

13,28% dos entrevistados

acharam que esse item pouco importante ou que no tem nenhuma importncia.
Os grficos da figura 8 so relativos aos meios de divulgao pelos quais se
toma conhecimentos das ofertas de sites de compras coletivas. 32,81% afirmaram que j
tomaram conhecimento por meio de publicidade em outros sites, 37,5% declararam que
j tomaram conhecimento de ofertas por meio de redes sociais e 37,4% indicaram que j
tomaram conhecimento por meio do correio eletrnico. O meio de divulgao que
conseguiu atingir o maior nmero das pessoas que participaram da pesquisa foi a
comunicao com terceiros. 48,7% dos entrevistados afirmaram que j haviam tomado
conhecimento de ofertas dos sites de compra coletiva por meio de terceiros.
A figura 22 apresenta uma descrio da forma como os entrevistados j tomaram
conhecimento de ofertas de sites de compra coletiva. 67,32% j tomaram conhecimento
atravs de publicidade em outros sites, 62,5% j souberam de ofertas atravs de redes
sociais e 62,76% j foram informados de ofertas por meio do endereo eletrnico. Do
total de entrevistados 51,3% afirmaram jter tomado conhecimento de ofertas por meio
da comunicao com terceiros.
A figura 23 apresenta grficos relativos aos produtos que as pessoas
entrevistadas costumam comprar com regularidade. 70,05% afirmaram que consomem
com regularidades servios de lazer. 63,54% declararam comprar com regularidade
itens de vesturio. Esses so os tipos de produtos e servios mais consumidos pelos
indivduos participantes da pesquisa.

163

Figura 22 - Grficos de setores para as formas pelas quais o entrevistado j tomou conhecimento de ofertas de sites de compra coletiva

164

Figura 23 - Grficos de setores para os tipos de produtos e servios que os entrevistados consomem com regularidade

165

Os servios e produtos de esttica, bem como os itens de viagens, foram os tipos de

produtos e servios menos consumidos pelos entrevistados. 76,04% afirmaram que no
costumam consumir com regularidade produtos e servios de esttica. Quanto aos itens
relacionados a viagens, 74,74% declaram que no consumiam com regularidade.
A figura 23 ainda mostra que, das pessoas que participaram da pesquisa, 59,9%
afirmaram comprar com regularidade produtos eltricos/eletrnicos. 41,67% dos entrevistados
afirmaram que tambm compravam livros regularmente.

166

APNDICE C - Rotinas usadas para obter e analisar os modelos

#Importando e anexando banco de dados salvo com o nome "dissertao.txt"
d=read.table(file.choose(),head=T)#Escolher o arquivo com os dados
attach(d)#Anexar os dados
#Instalando e carregando os pacotes necessrios
install.packages(Design)#Instalar pacote para usar o comando "lrm"
install.packages(gam)#Instalar pacote para usar o comando "gam"
require(Design)#Carregar pacote "Design"
require(gam)#Carregar o pacote "gam"
#Obtendo novas variveis a partir dos dados
v1=Rd*Aesc
FLiv=Fx_Rd3*Liv#Fx_Rd3 assume o valor 0 se o indivduo possui renda inferior u igual a
R$ 2.000,00 e "1" se for superior.
FId=Fx_Rd3*Fx_Et4#Fx_Et4 assume o valor "0" se o indivduo possui menos do que 35 anos
e assume o valor 1 se possuir menos de 35 anos.
v19=Aesc/Id
v7=Rd/Tint
v26=Tint/Id
FDep=Fx_Rd3*Dep1#Dep1 assume o valor "0" se um indivduo o nico dependente de sua
renda e assume o valor "1" se isso no ocorrer
v22=Aesc/Tint
FSx=Sx*Visit3#Visit3 assume o valor "1" se o individuo acessa sites pelo menos uma vez por
semana e "0" caso contrrio.
#MLG com varivel resposta apresentando uma distribuio binomial
m1=glm(IC2~0+Rddep+Terc+Faj_I+Cmint_dic+Vpag_I+Visit4+v+vs26+FId+v7,family=bin
omial(link=logit))
#Obtendo os valores do p-valor do teste de Wald, do "Null Deviance" e do "Residual
Deviance" para o MLG com respostas binrias
summary(m1)
#MAG com varivel resposta apresentando uma distribuio binomial usando a suavizao
splines para obter o termo no paramtrico
m2.1=gam(IC2~0+s(Rddep)+Terc+Faj_I+Cmint_dic+Vpag_I+Visit4+v+vs24+v22+FId,famil
y=binomial(link=logit))
#MAG com varivel resposta apresentando uma distribuio binomial usando a suavizao
por ponderao local para obter o termo no paramtrico
m2.2=gam(IC2~0+lo(Rddep)+Terc+Faj_I+Cmint_dic+Vpag_I+Visit4+v+vs24+v22+FId,fam
ily=binomial(link=logit))
#Obtendo os valores do p-valor do teste de Wald, do "Null Deviance" e do "Residual
Deviance" para o MAG com respostas binrias
summary(m2.1)

167

gam.exact(m2.1)
summary(m2.2)
gam.exact(m2.2)
#MLG multinomial ordinal
m3=lrm(as.factor(IC3)~v19+Terc+Cmint_dic+Fx_Rd3+Ap_I+Vpag_I+Vprod_I+Dep1+Visit
4+vfr7+vfr13+v1)
#Obtendo os valores do p-valor do teste de Wald, do "Null Deviance" e do "Residual
Deviance" para o MLG com respostas categricas ordinais m3
#Calculando o pseudo-R2 para os trs modelos.Considerar Dnull o valor do "Null Deviance"
e Dmod sendo o valor do "Residual Deviance" para a amostra de tamanho 384
R2_m1=1-exp((Dmod1-Dnull1)/384)
R2max_m1=1-exp(-Dnull1/384)
NpR2_m1=R2_m1/R2max_m1#R2 do MLG para respostas binrias
R2_m2.1=1-exp((Dmod2.1-Dnull2.1)/384)
R2max_m2.1=1-exp(-Dnull2.1/384)
NpR2_m2.1=R2_m2.1/R2max_m2.1#R2 do MAG para respostas binrias com suavizao
dos dados ligados ao no paramtrico pelo mtodo splines
R2_m2.2=1-exp((Dmod2.2-Dnull2.2)/384)
R2max_m2.2=1-exp(-Dnull2.2/384)
NpR2_m2.2=R2_m2.2/R2max_m2.2#R2 do MAG para respostas binrias com suavizao
dos dados ligados ao no paramtrico pelo mtodo de ponderao local
m3#O modelo obtido pelo comando "lrm" fornece diretamente o valor do R2
#Obtendo o p-valor do teste Qui-quadrado para os modelos
anova(m1,test="Chi")
anova(m2.1,test="Chi")
anova(m2.2,test="Chi")
anova(m3,test="Chi")
#Obtendo a odds ratio das variveis do modelo. Ignorar o valor da odds para os termos no
paramtricos
exp(coefficients(m1))
exp(coefficients(m2.1))
exp(coefficients(m2.2))
exp(coefficients(m3))
#Obtendo os valores preditos dos modelos para os dados amostrais. Esses valores so usados
para construir a matriz de confuso.
fittedglm=predict.glm(m1,"response")
fittedgam=predict.gam(m2.1,"response")
predict.gam(m2.2,"response")
predict.lrm(m1,"fitted.ind")

168

#Modelos binomiais
predglm = prediction(fittedglm,IC2)
perfglmp = performance(predglm,"tpr","fpr")
perfglmn = performance(predglm,"tnr","fnr")
perfglmauc = performance(predglm,"auc")
plot(perfglmp,col=rainbow(10),xlab="Falsos Positivos",ylab="Verdadeiros Positivos")
plot(perfglmn,col=rainbow(10),xlab="Falsos Negativos",ylab="Verdadeiros Negativos")
predgam = prediction(fittedgam,IC2)
perfgamp = performance(predgam,"tpr","fpr")
perfgamn = performance(predgam,"tnr","fnr")
perfgamauc = performance(predgam,"auc")
plot(perfgamp,col=rainbow(10),xlab="Falsos Positivos",ylab="Verdadeiros Positivos")
plot(perfgamn,col=rainbow(10),xlab="Falsos Negativos",ylab="Verdadeiros Negativos")
#Verificando pontos de corte para o GLM
pc1=unlist(slot(perfglmp,"alpha.values"))
vp1=unlist(slot(perfglmp,"y.values"))
fp1=unlist(slot(perfglmp,"x.values"))
vn1=unlist(slot(perfglmn,"y.values"))
fn1=unlist(slot(perfglmn,"x.values"))
selpc1=cbind(pc1,vp1,fp1,vn1,fn1)
#Verificando pontos de corte para o GAM
pc2=unlist(slot(perfgamp,"alpha.values"))
vp2=unlist(slot(perfgamp,"y.values"))
fp2=unlist(slot(perfgamp,"x.values"))
vn2=unlist(slot(perfgamn,"y.values"))
fn2=unlist(slot(perfgamn,"x.values"))
selpc2=cbind(pc2,vp2,fp2,vn2,fn2)

169

APNDICE D - Fatores determinantes da inteno no questionrio

Figura 24 - Fatores que influenciam na inteno de compra, variveis da pesquisa e os itens do questionrio
FATORES PSICOLGICOS

Estilo de Vida
relativo ao uso da
internet, ao consumo
de produtos e ao uso
de sites de compra
coletiva

4.1 Visit
4.2 Tint
4.3 Cmint
4.6.1 Slaz
4.6.2 Estet
4.6.3 Eletro
4.6.4 Tur
4.6.5 Visit
4.6.6 Liv

FATORES SOCIAIS

Atitudes em
relao a
caractersticas
dos sites de
compra coletiva

Fatores
demogrficos
indicadores de
classe social

Fatores
demogrficos
definidores de
grupos sociais

3.1 Faj
3.2 Fan
3.3 Qinfo
3.4 Ap
3.5 Econ
3.6 Acon
3.7 Qsac
3.8 Vprod
3.9 Tdisp
3.10 Vpag
3.11 Vnav

2.4 Aesc
2.5 Rd
2.5/2.6 Rddep

2.1 Aesc
2.2 Rd
2.3 Rddep
2.6 Dep
2.7 - Bair

FATORES SITUACIONAIS

Situaes de
comunicao

4.5.1 Dir
4.5.2 Posit
4.5.3 Rsoc
4.5.4 Email
4.5.5 Terc
4.5.6 SBus
4.5.7 Desc