Satisfação no Trabalho Atual: Uma Análise Usando Regressão Logística

Vitor Nickhorn Kroeff

O que é o trabalho?

O trabalho é uma dimensão ineliminável da vida humana, ou seja, uma dimensão ontológica fundamental. Por meio dele, o ser humano cria, livre e conscientemente, a realidade, permitindo um salto da mera existência orgânica para a sociabilidade. (LUCKÁCS, 1981, p.12).

Objetivo

Investigar a relação entre variáveis presentes no ambiente de trabalho e a satisfação dos trabalhadores, utilizando o modelo de regressão logística.

Dados

Foram coletados dados reais através de um formulário online (Google Forms) de livre acesso.

  • O formulário ficou disponível por 7 dias e continha 9 perguntas.

  • Ao todo, foram obtidas 86 respostas.

  • Foi tentado “estratificar” a amostra, enviando o formulário para diferentes indivíduos de diversas áreas e cidades.

  • A variável resposta, satisfação no trabalho atual, foi obtida através de uma escala de 1 a 5, onde 1 significa ‘nada satisfeito’ e 5 significa ‘muito satisfeito’.

  • Após isso, a variável foi dicotomizada, sendo valores de 1 a 2 considerados como “Não satisfeito” e os demais como “Satisfeito”.

Respostas

Variáveis Valores
Satisfação no trabalho atual
- Satisfeito 65
- Não Satisfeito 21
Regime de Trabalho:
- Autônomo 5
- CLT 61
- Estagiário 8
- PJ 2
- Outros 10
Idade (em anos) Valores númericos (inteiros)
Anos na área Valores númericos (inteiros)
Gênero:
- Feminino 50
- Masculino 34
- Outros 2
Faixa Salarial (em salários mínimos):
- Até 1 30
- 1-2 20
- 2-4 23
- 4-6 1
- 6-8 1
- Mais que 8 1
Trabalha presencialmente:
- Sim, todos dias 64
- Sim, alguns dias 18
Não 4
Meses no trabalho atual: Valores númericos (inteiros)

Análise das Respostas

Análise das Respostas

Análise das Respostas

Metodologia

Foi utilizado o modelo de regressão logística no software R. Primeiramente, ajustou-se um modelo com todas as variáveis. Posteriormente, foi ajustado um modelo com um número menor de variáveis utilizando o método de seleção backwards com base no Critério de Informação de Akaike (AIC).

Modelo Losgistico

\[ \ln\left(\frac{\pi_i}{1-\pi_i}\right) = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + ... + \beta_p x_p \]

Resultados

Os resultados foram inconclusivos. Embora o modelo final, com menor AIC, não apresente um erro de ajuste, nenhuma variável foi estatisticamente significativa.

  • O ajuste final, com menor AIC, é significativo quando comparado ao modelo nulo (TRV).
Resid. Df Resid. Dev Df Deviance Pr(>Chi)
85 95.60745 NA NA NA
78 73.32449 7 22.28295 0.0022701

  • O ajuste final apresentava apenas o nível “1-2 salários” da variável renda como estatisticamente significativo.

  • O modelo final apresentou um pseudo-\(R^2\) relativamente baixo.

  • O teste Hosmer e Lemeshow para a qualidade do modelo final não rejeita a hipóteste nula.

Resultados

O pseudo-\(R^2\) do ajuste final é baixo.

Diferentes estimativas do pseudo R² do modelo final.
CoxSnell Nahelkere McFadden
0.228 0.34 0.233

Pelo Teste de Hosmer e Lemeshow o modelo aparenta se ajustar bem aos dados.

Teste de Hosmer e Lemeshow para a qualidade do modelo final (calibração do ajuste)
X-squared df p-value
9.061 8 0.3372

Análise residual do ajuste

  • Há uma fuga de normalidade nos extremos.

  • A amostra pequena não permite ter uma visão muito clara de possíveis vieses.

Considerações finais

Embora o ajuste pareça ser adequado a este tipo de dado, o tamanho relativamente pequeno da amostra e as respostas muito parecidas entre os diferentes grupos levaram a um resultado inconclusivo.

Sobre o artigo em si, há alguns pontos que merecem mais atenção:

  • Não foram explorados os efeitos interativos das variáveis.
  • Há erros na representação de tabelas, com diferentes formatações.
  • Não foram calculadas a especificidade e a sensibilidade do ajuste.

OBRIGADO!

Métodos de Pesquisa