Professional Documents
Culture Documents
JOO PESSOA - PB
2012
JOO PESSOA
2012
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
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
LISTA DE TABELAS
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
14
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
19
20
21
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.
23
24
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.
27
28
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
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
34
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
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
39
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
i =1
(2.1)
Estimao
Um modelo de regresso linear clssico simples apresenta a seguinte forma:
y = 0 + 1 x1 +
(2.2)
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
= ( X ' X ) 1 X ' Y
(2.3)
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
42
= ( 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
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)
tc =
x
j =1
2
j
j
se( j )
(2.7)
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
= X j j .
j =1
45
3. Uma funo: que faz a ligao entre a componente aleatria e a componente sistemtica
[ y b( )]
f ( y; , ) = exp
c( y, ),
a ( )
(2.8)
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
46
= 0 + 1 X 1 + ... + d X d
= g ( )
= E (Y / X 1 ,..., X d ),
(2.9)
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)
47
x
i =1
ij
( i ) 1
.Vi ( yi i ) = 0
i
(2.12)
zi
(m )
= i
+ yi
( i ) ( m )
Vi
wi(m ) =
(m)
i
) ( i )
i
(m )
(2.13)
(2.14)
Os valores i(m ) , i(m ) e Vi (m ) so obtidos a partir das equaes (2.15), (2.16) e (2.17).
(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)
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
(2.21)
lgica utilizada nesse teste consiste em verificar se a diferena entre o desvio de um modelo
49
(D
*
mod elo
*
Dnulo
) ~ p21
(2.22)
(2.23)
zc =
se( )
j
(2.24)
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)
n
P ( x = k ; n) = p k (1 p ) n k
k
(2.26)
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)
b( ) = log(1 + exp( ))
(2.28)
V ( ) = (1 )
(2.29)
= log it ( ) = ln
(2.30)
= b' ' ( )
(2.31)
ln
=
1
(2.32)
52
g ( ) = ln
(2.33)
f ( yi , i ) = i (1 i )
(2.34)
l ( yi , i ) = ln(L( yi , i )) = ln f ( yi , i )
i =1
(2.35)
53
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)
n 2
yj
l ( ) = ln (L( )) = ln j ( xi )
i =1 j =0
(2.39)
54
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)
TVP =
NVP
NVP + NVN
(2.40)
TVP =
NFP
NFP + NFN
(2.41)
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.
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.
58
(2.42)
59
f ( xi ) .
60
x(t ) = kk (t ),
(2.43)
k =1
x(t ) = ,
(2.44)
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)
S = (' )'
(2.47)
SQR = (Y )'W (Y )
(2.48)
S = ( ' ) W
(2.49)
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)
SQRP =
i =1
b
2
y i f ( xi ) + [ f ' ' ( x )] dx
a
(2.53)
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
(2.55)
de modo que:
2
R = ( ' ' (t )) dt
S = ( 'W + R ) 'W
(2.56)
64
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)
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)
( 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
(2.64)
(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)
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)
69
(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
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 ) = g 1 ( i(m ) )
Vi
(m )
( i )
f ( ) (x )
m 1
ij
(2.71)
j = r +1
(2.72)
(m )
(2.73)
70
(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)
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
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)
~
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 )
72
CAPTULO 3 - METODOLOGIA
73
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
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
77
Variveis
Smbolo
Tipo de
varivel
Escala
4.9
Inteno de compra
IC
Ordinal
2.1
Sexo
Sx
Dicotmico
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
Rddep
Contnua
2.2
Estado civil
Ec
Nominal
2.7
Bairro
Bair
3.1
Importncia da facilidade
de obter ajuda no site
Faj
Ordinal
3.2
Importncia da facilidade
de navegao
Fan
Ordinal
3.3
Importncia da
quantidade de informao
sobre o produto
QInfo
Ordinal
3.4
Importncia da aparncia
do site
Ap
Ordinal
3.5
Econ
Ordinal
3.6
Importncia do site
anunciante da oferta ser
conhecido
Acon
Ordinal
3.7
Importncia da qualidade
do servio de
atendimento ao
consumidor
Qsac
Ordinal
3.8
Importncia da variedade
de produtos ou servios
ofertados
Vprod
Ordinal
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
Visit
Nominal
4.2
Tint
Contnua
4.3
Compra em lojas
virtuais
Cmint
Dicotmica
4.4
Acesso a ofertas
Of
Dicotmica
4.5.1
Acesso a ofertas
diretamente no site
Dir
Dicotmica
4.5.2
Posit
Dicotmica
4.5.3
Rsoc
Dicotmica
4.5.4
Dicotmica
4.5.5
Terc
Dicotmica
4.5.6
Sbus
Dicotmica
4.6.1
Consumo regular de
servios de lazer
Slaz
Dicotmica
4.6.2
Consumo regular de
produtos e servios de
esttica
Estet
Dicotmica
4.6.3
Consumo regular de
eletro-eletrnicos
Eletro
Dicotmica
4.6.4
Consumo regular de
servios de turismo
Tur
Dicotmica
4.6.5
Consumo regular de
vesturios
Vest
Dicotmica
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
4.6.7
Consumo regular de
revistas
Ver
Dicotmica
4.8
Desc
Contnua
80
CAPTULO 4 - RESULTADOS
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
Smbolo
Tipo de
varivel
Escala
IC2
Dicotmica
IC3
Ordinal
Importncia da facilidade de
obter ajuda no site
Faj
Dicotmica
Cmint
Dicotmica
Importncia da variedade de
formas de pagamento
Vpag
Dicotmica
Ap
Dicotmica
Vprod
Dicotmica
Visit
Dicotmica
Dependentes da renda
domiciliar
Dep
Dicotmica
Importncia da aparncia do
site
Importncia da variedade de
produtos ou servios
ofertados
Fator Dependente
FDep
Dicotmica
Fator Renda
FRd
Dicotmica
Fator Idade
FId
Dicotmica
Fator Sexo
FSx
Dicotmico
Fator Importncia da
Facilidade de navegao
FFan
Fliv
Dicotmico
82
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
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.
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
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
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.
(4.2)
T int
87
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
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:
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)
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
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
95
96
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.
98
Predito
Total
Comprador
No Comprador
Comprador
281
285
No Comprador
60
39
99
Total
341
43
384
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
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
100
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%
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
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
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
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.
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
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
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
106
. Esse teste
pseudo-R2
p-valor (teste 2 )
MLG binomial
0,92
0,87
< 0,0001
MAG binomial
0,94
0,89
< 0,0001
0,53
0,53
< 0,0001
Modelo
107
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
109
110
111
rea de Deciso
Caractersticas
do sistema de
produo
Caractersticas
do publico-alvo
a ser escolhido
Variveis de deciso
Varivel ligada
varivel de
deciso
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
Cmint
Cmint
Cmint
Ap
Ap
Diversidade de produtos
Vprod
Vprod
Terc
Terc
Terc
Formas de pagamento
Vpag
Vpag
Vpag
Liv
Fliv
Sexo
Sx
FSx
Idade
Id
FId
Id
Renda
Rd
FSx; Fid
Anos de estudo
Aesc
Aesc
Aesc
Rddep
Rddep;Dep
FDep
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.
113
114
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
Prximo de 1240
Distante de 1240
0
Fonte: elaborao prpria.
116
117
Anos de estudo
Sexo
Renda
Idade
At 30
Renda por
dependente
Entre 1240 e 3000
At 2480
At 25
At 1240
Acima de 15
Entre 25 e 35
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
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
119
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
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
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
129
Figura 13 - Grfico das probabilidades dos perfis de um segmento pelo MLG multinomial para a especificao (2) do servio
130
Figura 14 - Grfico das probabilidades dos perfis de um segmento pelo MAG para a especificao (2) do servio
131
Quadro 8 - Matriz de julgamentos das combinaes entre especificaes do servio e segmentos de mercado usando o MAG
Segmentos de mercado
Especificao
NC
NC
NC NC NC NC
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
132
Quadro 9 - Matriz de julgamentos das combinaes entre especificaes do servio e segmentos de mercado usando os dois modelos
Segmentos de mercado
Especificao
NC NC NC NC NC
NC NC
Nmero de
Julgamentos
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
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
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
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)
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.
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)
149
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%
150
No
Importante
Pouco
Muito
Importante
Importante
Importante
4,69%
20,27%
54,95%
19,79%
3,84%
14,65%
48,70%
32,81%
Aparncia do Site
12,50%
26,30%
37,24%
23,96%
1,30%
6,51%
30,99%
61,20%
1,56%
7,03%
36,72%
54,69%
Variedade de produtos/servios
3,91%
14,32%
50,78%
30,99%
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%
3,12%
10,16%
35,42%
51,30%
151
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
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
152
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
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
provvel que muito esforo seria necessrio para tornar esses indivduos
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.
154
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
157
158
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.
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
166
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
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