Este documento resume uma análise estatística realizada para compreender os fatores que influenciam a escolha da Pizza Hut como primeira opção de fast food por estudantes universitários. Foram analisadas 7 variáveis independentes usando regressão linear múltipla. Os métodos Enter e Stepwise identificaram que a notoriedade da marca e o custo-benefício explicam 51% da variância na escolha da Pizza Hut.
3. 3
| Índice de Tabelas
Tabela 1- Resumo do Modelo Enter.................................................................................................. 8
Tabela 2- Coeficientes........................................................................................................................ 8
Tabela 3- Resumo do Modelo Stepwise ........................................................................................... 9
Tabela 4- Variáveis Inseridas/Removidas Stepwise......................................................................... 9
Tabela 5- Coeficientes Stepwise ..................................................................................................... 10
Tabela 6- Resumo do Modelo ......................................................................................................... 11
Tabela 7- Coeficientes...................................................................................................................... 11
Tabela 8- Tabela Anova ................................................................................................................... 12
Tabela 9- Durbin-Watson .................................................................................................................. 13
Tabela 10- Testes de Normalidade.................................................................................................. 13
Tabela 11- Diagnóstico de colinearidade ..................................................................................... 13
Tabela 12- Intervalo de confiança para β..................................................................................... 14
Tabela 13- Intervalo de Confiança para Y dado x....................................................................... 15
| Índice de Gráficos
Gráfico 1- Pizza Hut é a 1º escolha/ horas que praticou desporto............................................... 5
Gráfico 2- Pizza Hut é a 1ª escolha/ marca global......................................................................... 6
Gráfico 3- Pizza Hut é a 1º escolha/ imagem de qualidade......................................................... 6
Gráfico 4- Pizza Hut é a 1ª escolha/ grupo social ........................................................................... 6
Gráfico 5- Pizza Hut é a 1ª escolha/ marca que me vem à cabeça........................................... 7
Gráfico 6- Pizza Hut é a 1ª escolha/ custo- benefício .................................................................... 7
Gráfico 7- Pizza Hut é 1ª escolha/ países diferentes....................................................................... 7
Gráfico 8- Gráfico de dispersão: Regressão Valor predito padronizado .................................. 12
Gráfico 8- Gráfico de dispersão: Regressão Valor predito padronizado .................................. 12
4. 4
| Introdução
Com o âmbito de uma elaboração pormenorizada e explicativa do consumo e da
procura de fast food, mais propriamente da cadeia de restaurantes Pizza Hut, especializada
em pizzas e massas, um grupo de 5 colaboradores da empresa Previsão Perfeita,
especializada em consultoria de empresas, foi desafiado a analisar e a explicar o
comportamento de 111 estudantes universitários quanto à sua primeira escolha de fast food,
ser ou não a Pizza Hut.
Desta forma, a nossa empresa, Previsão Perfeita, tem a função de efetuar
diagnósticos para outras empresas, para que estas possam definir estratégias e posicionar-se
da forma adequada para que tenham sucesso. No decorrer deste relatório, serão efetuadas
diversas análises e diagnósticos com o objetivo final de compreender se a Pizza Hut é a marca
preferida dos estudantes aquando do consumo de fast food.
Como tal, para o conseguinte desenvolvimento deste relatório foram selecionadas 7
variáveis independentes que aparentassem ter alguma relação com a variável dependente,
sendo esta: “A PizzaHut é a minha primeira escolha quando considero consumir fast food”.
Desta forma, as variáveis independentes que procuram explicar a variação da variável
dependente são:
• “Pensando na última semana, quantas horas estima que dedicou à prática de
atividades físicas / desporto?”
• “Numa escala de 1 a 7, avalie: A PizzaHut é uma marca global.”
• “Numa escala de 1 a 7, avalie: As marcas globais têm uma imagem de alta
qualidade.”
• “Numa escala de 1 a 7, avalie: As marcas globais fazem as pessoas sentirem-se bem
no seu grupo social.”
• “Numa escala de 1 a 7, avalie: Quando eu penso numa marca de fast food, a
PizzaHut é uma das marcas que vem à minha cabeça.”
• “Numa escala de 1 a 7, avalie: A PizzaHut tem um bom custo-benefício.”
• “Numa escala de 1 a 7, avalie: Ter acesso a produtos vindos de muitos países
diferentes é importante para mim.”
A primeira variável independente aparenta ter uma relação com a dependente, na
medida em que, normalmente, os estudantes que praticam atividades físicas, tendem a
ter uma alimentação mais saudável. Podendo então concluir-se que, provavelmente irá
existir uma correlação negativa com a variável dependente, pois se o estudante praticar
mais exercício físico irá consumir menos comida fast food.
A segunda variável foi selecionada com o objetivo de compreender se os
consumidores associam a Pizza Hut a uma marca global, e se estes priorizam ou não as
marcas globais nas suas decisões de compra.
Quanto à seleção da terceira variável, esta explica-se pela associação das marcas
globais como a Pizza Hut a produtos de elevada qualidade na perspetiva dos
consumidores.
5. 5
Em relação à quarta variável, a justificação para a escolha da mesma deve-se ao
facto de ser importante avaliar se ao consumir Pizza Hut isso fará com que o consumidor
se sinta bem no seu grupo social.
Na quinta variável, a sua seleção foi feita pela importância de avaliar a notoriedade
da marca, compreendendo assim, se pensam na Pizza Hut quando pensam numa marca
de fast food.
A sexta variável foi selecionada para que se pudesse analisar a perceção dos
estudantes quanto ao custo-benefício que a Pizza Hut oferece.
Por último, a sétima variável pretende aferir se é importante para os estudantes
consumir marcas com origens diversas.
| Análise Gráfica das Variáveis
Desta forma, seguimos para a análise gráfica das variáveis, de modo a determinar se
existe correlação entre a variável dependente e cada uma das suas variáveis
independentes.
1. “Pensando na última semana, quantas horas estima que dedicou à pratica de atividades
físicas/ desporto?
Começando pela
primeira variável selecionada e
que inicialmente nos pareceu
que iria ter uma correlação
negativa com a variável
dependente, constata-se
através da analise do gráfico
que esta parece ter uma
correlação positiva fraca.
Gráfico 1- Pizza Hut é a 1º escolha/ horas que praticou desporto
Fonte: Elaboração própria
6. 6
2. “Numa escala de 1 a 7, avalie: A Pizza Hut é uma marca global.”
Através da análise do gráfico de
dispersão, a correlação parece assumir-se como
positiva fraca.
3. “Numa escala de 1 a 7, avalie: As marcas globais têm uma imagem de alta qualidade.”
Através da análise do
gráfico de dispersão, a correlação
assemelha-se a uma correlação
positiva fraca.
4. “Numa escala de 1 a 7, avalie: As marcas globais fazem as pessoas sentirem-se bem no
seu grupo social.”
Através da análise do gráfico de
dispersão, a correlação parece assumir-
se como positiva fraca.
Gráfico 2- Pizza Hut é a 1ª escolha/ marca global
Fonte: Elaboração própria
Gráfico 3- Pizza Hut é a 1º escolha/ imagem de qualidade
Fonte: Elaboração própria
Gráfico 4- Pizza Hut é a 1ª escolha/ grupo social
Fonte: Elaboração própria
7. 7
5. “Numa escala de 1 a 7, avalie: As marcas globais fazem as pessoas sentirem-se bem no
seu grupo social.”
Através da análise do
gráfico de dispersão, a correlação
assemelha-se a uma correlação
positiva moderada.
6. “Numa escala de 1 a 7, avalie: A Pizza Hut tem um bom custo-benefício.”
Através da análise do gráfico de
dispersão, a correlação parece assumir-se
como positiva moderada.
7. “Numa escala de 1 a 7, avalie: Ter acesso a produtos vindos de muitos países diferentes
é importante para mim.”
Através da análise do gráfico de
dispersão, a correlação assemelha-se a
uma correlação positiva fraca.
Gráfico 5- Pizza Hut é a 1ª escolha/ marca que me vem à cabeça
Fonte: Elaboração própria
Gráfico 6- Pizza Hut é a 1ª escolha/ custo- benefício
Fonte: Elaboração própria
Gráfico 7- Pizza Hut é 1ª escolha/ países diferentes
Fonte: Elaboração própria
8. 8
| Aplicação do Modelo RLM
O Modelo de Regressão Linear Múltipla é qualquer modelo de regressão linear, com
2 ou mais variáveis explicativas, que permite a introdução de mais variáveis, com o objetivo
de melhorar a compreensão do comportamento da variável dependente.
Deste modo, iremos prosseguir para a análise de 2 métodos de Regressão Linear
Múltipla, concluindo com a escolha do que melhor justifica esta relação de variáveis.
Iniciando pelo Método Enter e finalizando com o Método Stepwise.
1. Método Enter
O Método Enter é um Modelo de Regressão Linear Múltipla onde todas as variáveis
explicativas são inseridas num único passo.
Através da tabela do Resumo do Modelo,
podemos verificar que, 51,6% da variação da
variável dependente “A Pizza Hut é a minha
primeira escolha quando considero consumir
fast food” é explicada pela variação das 7
variáveis independentes.
Ao analisar os Coeficientes
padronizados Beta, podemos verificar que
as variáveis: “A Pizza Hut tem um bom custo-
benefício” e “Quando penso numa marca
de fast food, a Pizza Hut é uma das marcas
que vem à minha cabeça” são as mais
significativas, e que contribuem melhor
para a explicação do comportamento da
variável dependente.
Ao analisar os testes aos betas,
podemos verificar que p/2 só é inferior a 1%
nas variáveis “A Pizza Hut tem um bom
custo-benefício” e “Quando penso numa
marca de fast food, a Pizza Hut é uma das
marcas que vem à minha cabeça”, sendo
que, apenas estas afetam
significativamente a variável dependente.
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 2- CoeficientesFonte: Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 3- Variáveis Inseridas/Removidas
StepwiseFonte: Elaboração própria
Fonte: Elaboração própria
Tabela 1- Resumo do Modelo Enter
Tabela 2- Coeficientes
9. 9
2. Método Stepwise
O Método Stepwise é o método de Regressão Linear Múltipla mais completo, pois,
consiste numa junção do Método Forward e do Método Backward. Assim, as variáveis vão
sendo introduzidos uma a uma, e analisadas de forma a garantir que permanecem
relevantes para o modelo.
Através da tabela das variáveis inseridas/ removidas podemos observar que todas as
variáveis independentes foram removidas à excessão das variáveis “A Pizza Hut tem um bom
custo-benefício” e “Quando penso numa marca de fast food, a Pizza Hut é uma das marcas
que vem à minha cabeça”, pois são as que têm maior contribuição para a explicação do
modelo.
Através da tabela do Resumo do Modelo, podemos observar que no Modelo 1, foi
introduzida a variável “Quando eu penso numa marca de fast food, a Pizza Hut é uma das
marcas que vem à minha cabeça”, que explica 42,1% da variação da variável dependente.
A segunda variavel introduzida “A Pizza Hut tem um bom custo-benefício”, provocou
um aumento do coeficiente de determinação ajustado, sendo que, estas duas variáveis
agora explicam 51,3% da variação da variável dependente.
Após a análise pormenorizada dos dois métodos, podemos verificar agora que as
variáveis consideradas relevantes e com maior significância para o modelo através do
Método Enter, demonstraram ser as mesmas que permaneceram no Método Stepwise, após
serem removidas as restantes variáveis. Podemos ainda verificar que as 7 variaveis
independentes utilizadas no Método Enter explicam 51,6% da variação da variável
dependente, enquanto que, apenas as 2 variáveis explicativas do Método Stepwise
explicam 51,3%, sendo esta uma diferença mínima que demonstra a irrelevância das
restantes variáveis. Assim, optamos pelo Método Stepwise.
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 4- Resumo do modelo StepwiseFonte:
Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 5- Coeficientes StepwiseFonte:
Elaboração própria
Fonte: Elaboração própria
Tabela 4- Variáveis Inseridas/Removidas Stepwise
Tabela 3- Resumo do Modelo Stepwise
10. 10
| Equação do Modelo
Para se estimar um determinado valor, utiliza-se a seguinte equação:
Ŷ = − 𝟎, 𝟖𝟗𝟔 + 𝟎, 𝟒𝟗𝟎 ∙ 𝐗𝟏 + 𝟎, 𝟒𝟗𝟓 ∙ 𝐗𝟐
𝛼 = - 0,896
Este valor não tem significado estatístico, visto que: “Quando eu penso numa marca
de fast food, a Pizza Hut é uma das marcas que me vem à minha cabeça”, o valor seria 0 e
“A Pizza Hut tem um bom custo-benefício” também seria 0, logo o valor da variável
dependente não poderia ser -0,896.
β1= 0,490
Por cada valor adicional na variável “ Numa escala de 1 a 7, avalie: Quando eu penso
numa marca de fast food, a Pizza Hut é uma das marcas que vem à minha cabeça” a
variação esperada na variável dependente será de mais 0,490, mantendo-se a outra variável
independente constante.
X1 Pode tomar qualquer valor da variável “Numa escala de 1 a 7, quando eu penso numa
de marca de fast food, a Pizza Hut é uma das marcas que vem á minha cabeça”.
β2 = 0,495
Por cada valor adicional na variável “Numa escala de 1 a 7, avalie: A Pizza Hut tem
um bom custo-benefício”, a variação esperada na variável dependente será de mais 0,495,
mantendo-se a outra variável independente constante.
X2 Pode tomar qualquer valor da variável “Numa escala de 1 a 7, avalie: A Pizza Hut tem um
bom custo-benefício”.
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 6- Resumo do ModeloFonte: Elaboração
própria
Fonte: Elaboração própria
Tabela 5- Coeficientes Stepwise
11. 11
| Qualidade do Modelo
Para avaliar a Qualidade do Modelo é necessário interpretar os seguintes parâmetros:
r = 0,722 como r > 0,5, a correlação é positiva moderada
𝑹𝟐
= 0,521 52,1% da variação da variável dependente “A Pizza Hut é a minha 1ª escolha
quando considero consumir fast food” é explicado pela variação das variáveis
independentes
Se = 1,461 O valor observado na variável dependente “A Pizza Hut é a minha 1ª escolha
quando considero consumir fast food” desvia-se da realidade em 1,461 unidades de
medida.
| Inferência Estatística
1. Teste ao β
H0: β = 0
H1: β > 0
Como o valor de p/2 < 0,001,
rejeitamos H0, logo o valor estatístico
de β é significativo.
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 7- CoeficientesFonte: Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 8- Teste AnovaFonte: Elaboração própria
Fonte: Elaboração própria
Tabela 6- Resumo do Modelo
Tabela 7- Coeficientes
12. 12
2. Teste Anova
H0: O modelo global não é
significativo
H1: O modelo global é
significativo
Como o valor de p < 0,001,
rejeita-se H0, logo, o modelo
é globalmente significativo.
| Diagnóstico do Modelo
Linearidade dos resíduos: existe linearidade visto que os resíduos se distribuem de forma
linear ao redor do zero;
Homogeneidade da variância: não existe homogeneidade dado que os resíduos estão a
diminuir conforme os valores da variável independente;
Fonte: Elaboração própria
Fonte: Elaboração própria
Gráfico 8- Gráfico de dispersão: Regressão
Valor predito padronizadoFonte: Elaboração
própria
Fonte: Elaboração própria
Gráfico 9- Gráfico de dispersão: Regressão Valor predito padronizado
Gráfico 10- Gráfico de dispersão: Regressão Valor predito padronizado
Gráfico 11- Gráfico de dispersão: Regressão Valor predito padronizado
Gráfico 12- Gráfico de dispersão: Regressão Valor predito padronizado
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 9 - Durbin
WatsonFonte:
Elaboração própria
Fonte: Elaboração própria
Tabela 8- Tabela Anova
13. 13
Independência dos resíduos: existe independência dos resíduos visto que o valor de
Durbin-Watson se situa mais próximo de 2 do que de 0 ou 4;
Normalidade dos resíduos:
H0: Existe normalidade dos resíduos
H1: Não existe normalidade dos resíduos
Como p<0,001 (1%), rejeitamos H0, logo não existe normalidade dos resíduos.
Independência das variáveis explicativas: Como todos os valores apresentados no índice
de condição são <15, então existe independência entre as variáveis explicativas.
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 10- Testes de NormalidadeFonte:
Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 11- Diagnóstico de colinearidadeFonte:
Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 12- Intervalo de Confiança para
βFonte: Elaboração própria
Fonte: Elaboração própria
Tabela 9- Durbin-Watson
Tabela 10- Testes de Normalidade
Tabela 11- Diagnóstico de colinearidade
14. 14
| Previsão Pontual
Afonso, 19 anos, estudante universitário
X1 “Numa escala de 1 a 7, avalie: Quando eu penso numa marca de fast
food, a Pizza Hut é uma das marcas que me vem à minha cabeça”: 7
X2 “Numa escala de 1 a 7, avalie: A Pizza Hut tem um bom custo-benefício”:5
Ŷ = − 𝟎, 𝟖𝟗𝟔 + 𝟎, 𝟒𝟗𝟎 ∙ 𝟕 + 𝟎, 𝟒𝟗𝟓 ∙ 𝟓 = 5
De acordo com as respostas do Afonso, e através da previsão pontual o valor previsto
da variável dependente“A Pizza Hut é a minha 1ª escolha quando considero consumir fast
food” é 5.
| Previsão Intervalar
1. Intervalo de Confiança para β
IC 99% para β1 = (0,257; 0,724)
Por cada valor adicional na variável “ Numa escala de 1 a 7, avalie: Quando eu penso
numa marca de fast food, a Pizza Hut é uma das marcas que vem à minha cabeça” estima-
se com 99% de certeza que o valor da variável dependente aumente entre 0,257 e 0,724,
mantendo-se a outra variável independente constante.
Fonte: Elaboração própria
Fonte: Elaboração própria
Tabela 12- Intervalo de confiança para β
15. 15
IC 99% para β2 = (0,215; 0,774)
Por cada valor adicional na variável “Numa escala de 1 a 7, avalie: A Pizza Hut tem
um bom custo-benefício”, estima-se com 99% de certeza que o valor da variável dependente
aumente entre 0,215 e 0,774, mantendo-se a outra variável independente constante.
2. Intervalo de Confiança para Y dado x
IC 99% (para Y sendo x1= 7 e x2=5) = (1,130; 8,888)
Assumindo que o valor da variável “Numa escala de 1 a 7, avalie: Quando eu penso
numa marca de fast food, a Pizza Hut é uma das marcas que vem à minha cabeça” é 7, e
o valor da variável “Numa escala de 1 a 7, avalie: A Pizza Hut tem um bom custo-benefício”
é 5, estima-se com 99% de certeza que o valor da variável dependente irá variar entre 1,130
e 8,888.
| Conclusão
Após a análise do presente documento que tinha como objetivo fulcral a
realização pormenorizada e explicativa do consumo e da procura de fast food, com
incidência na cadeia de restaurantes Pizza Hut, os 5 colaboradores da empresa Previsão
Perfeita conseguiram obter dados úteis e estratégicos para um melhor posicionamento da
cadeia de restaurantes.
No decorrer do estudo das variáveis independentes foi possível verificar que as
variáveis “Quando eu penso numa marca de fast food, a Pizza Hut é uma das marcas que
vem à minha cabeça” e “A Pizza Hut tem um bom custo-benefício” foram as que se
demonstraram mais significativas no modelo, explicando 51,3% da variável dependente (“A
Pizza Hut é a minha 1ª escolha quando considero consumir fast food”), ou seja, de acordo
com os 111 estudantes universitários, a Pizza Hut é uma das principais marcas de fast food e
estes consideram ainda, que a marca possui uma boa relação preço/qualidade, revelando-
se um fator decisivo de compra.
Desta forma, o grupo da Previsão Perfeita recomenda à empresa Pizza Hut uma
maior aposta em estratégias de Marketing e Comunicação com os seus consumidores que
realcem o seu vantajoso custo-beneficio de forma a diferenciar-se da concorrência e a atrair
novos consumidores, fidelizando-os.
Fonte: Elaboração própria
Tabela 13- Intervalo de Confiança para Y dado x
16. 16
| Referências
Machado, I. (2022a). Regressão Linear Múltipla.
https://mycampus.pt/courses/1248/files/201554?module_item_id=38704
Machado, I. (2022b). Regressão Linear Múltipla.
https://mycampus.pt/courses/1248/files/199517?module_item_id=38076
Machado, I., & Salomão, M. (2022a). Regressão Linear Simples.
https://mycampus.pt/courses/1248/files/142213?module_item_id=18766
Machado, I., & Salomão, M. (2022b). Regressão Linear Simples.
https://mycampus.pt/courses/1248/files/153530?module_item_id=22983
Machado, I., & Salomão, M. (2022c). Regressão Linear Simples.
https://mycampus.pt/courses/1248/files/176366?module_item_id=31812