Espacios. Vol. 34 (4) 2013. Pág. 7

A influência das variáveis sócio demográficas na qualidade de vida no trabalho dos trabalhadores da indústria de laticínios

The influence of socio-demographic variables on quality of work life of employees of the dairy industry

Álamo Alexandre da Silva Batista 1, Guataçara dos Santos Junior 2, Luciana da Silva Timossi 3 e Antonio Carlos de Francisco 4

Recibido: 11-10-2012 - Aprobado: 23-03-2013

Contenido

• 1. Introducción
• 2. Metodologia
• 3. Regressão Logística
• 4. Representação Matemática da Regressão Logística
• 5. Análise e discussão dos resultados
• 6. Conclusão
• 7. Referências

RESUMO:
O objetivo deste estudo foi identificar quais variáveis sócio demográficas possuem influência significativa na qualidade de vida no trabalho dos funcionários da indústria de laticínios. A abordagem metodológica foi aplicada e descritiva e para a análise e interpretação dos dados foi utilizado o modelo adaptado de Walton, através de uma escala Likert, para avaliar a qualidade de vida no trabalho da população do estudo, sendo esta formada por 548 colaboradores. Para análise dos resultados utilizou-se da regressão logística. Foi analisado o perfil sociodemográfico da população, sendo que as variáveis analisadas: gênero, faixa etária, escolaridade, estado civil, número de filhos, tabagismo, atividades físicas, tempo de trabalho e consumo de álcool. Foram verificadas quais variáveis possuíam relativa significância estatística com a variável dependente e em seguida, descartados os que não apresentaram evidências suficientes para influenciar a variável dependente, QVT. Concluiu-se que para a população analisada, as variáveis escolaridade, número de filhos, tabagismo, atividade física, tempo de trabalho e consumo de álcool não influenciam de forma significativa a QVT, pois apresentaram um valor de P≥ 0,05. Por outro lado, conclui-se que as variáveis gênero, faixa etária e estado civil influenciam de forma significativa a QVT dos trabalhados da indústria de laticínios.
Palavras-chave: Regressão logística. Qualidade de vida no trabalho. Variáveis sócio demográficas.

ABSTRACT:
This paper aims to identify the sociodemographic variables that have significant influence on the quality of working life of the employees in the dairy industry. The methodological approach was applied and descriptive. The analysis and interpretation of the datas was used a model adapted from Walton, through a Likert scale to assess the quality of work life of the population in study, which is comprised of 548 employees. For data analysis, it was used logistic regression. It was analyzed the demographic profile of the population, and the variables: gender, age, education, marital status, number of children, smoking, physical activity, work time and alcohol consumption. Were verified which variables had statistical significance relative to the dependent variable and then discarded those that did not present sufficient evidence to influence the dependent variable, QWL. It was concluded that for the population tested, the variables education, number of children, smoking, physical activity, work time and alcohol consumption did not significantly influence the QWL because had a P value ≥ 0.05. However, it conclude that the variables of gender, age and marital status significantly influence the QWL of worked the dairy industry.
Keywords: Logisti regression, Quality of working life, Sociodemographic variables.

1. Introdução

Nos ambientes corporativos diversas variáveis podem influenciar na competitividade empresarial. Variáveis que justificam os investimentos dos gestores criando assim uma preocupação contínua em atualizações tanto estruturais quanto de recursos humanos.

Com relação à estrutura oferecida os gestores buscam nos diversos meios atualizações tecnológicas, tendo por escopo manter um ambiente capaz de atender as demandas do segmento que a empresa esteja inserida. Já com relação aos recursos humanos surgem diversas questões a serem trabalhadas, justamente pelo fato de que os indivíduos possuem suas diferenças e anseios, influenciando assim seu modo de trabalhar e convivência no seu ambiente de trabalho.

Nota-se que a personalidade do indivíduo influencia o ambiente de trabalho e também de seus pares, refletindo na competitividade do setor e consequentemente da empresa. Em contrapartida, existe também a influência do ambiente de trabalho na personalidade do colaborador, pois segundo (Conte, 2003) a maioria dos colaboradores atua em seu ambiente de trabalho no mínimo 8 horas por dia, durante pelo menos 35 anos de suas vidas. Consequentemente, conforme explicitado pelo autor, o funcionário acaba levando para casa todas as tensões do seu dia de trabalho, receios e até mesmo angústias.

A partir desta informação nota-se que o trabalhador passa boa parte da sua vida inserido ou ligado a alguma organização e para que o mesmo não adquira uma insatisfação funcional precoce, é preciso analisar as alternativas viáveis e eficientes para amenizar esta situação.

(Limongi-França, 2005) mostra que os programas de qualidade de vida no trabalho (QVT) ganham notoriedade pela comunidade acadêmica e empresarial, norteando os investimentos para inserção, adaptação e utilização desta cultura no cotidiano dos trabalhadores. Analisando a influência do ambiente de trabalho na produtividade individual, buscando sincronizar e alinhar os objetivos e aspirações tanto organizacionais quanto individuais, a QVT destaca-se como uma importante ferramenta organizacional.

A partir do momento que uma organização insere esta filosofia de trabalho em sua cultura organizacional, o reflexo do investimento em QVT aparece na qualidade dos seus produtos ou serviços. De acordo com (Chiavenato, 2004), para as empresas satisfazerem seus clientes externos é preciso antes de tudo, satisfazer os funcionários responsáveis pelo produto ou serviço oferecido, ou seja, precisa também satisfazer seus clientes internos.

Portanto as condições de trabalho e ambiente organizacional, oferecidos pelos empregadores, possuem uma relação direta com os colaboradores interferindo assim na QVT dos mesmos e refletindo também no desempenho estratégico da organização.

Considerando o exposto, o objetivo deste trabalho é verificar quais variáveis sócio demográficas influenciam de maneira significativa a QVT dos colaboradores, em específico da indústria de laticínios do estado do Paraná.

2. Metodologia

Para este estudo utilizou-se um banco de dados de pesquisa realizada por (Timossi, 2009), junto a empresas do ramo de laticínios do estado do Paraná, em que foi analisada a relação entre Qualidade de Vida (QV) e QVT. Deste banco de dados, foram extraídos os dados referentes apenas a QVT desta população, tratando os mesmos através da regressão logística.

Separados os dados foram escolhidas as variáveis sócio demográficas, sendo que estas foram levantadas através de formulário específico, chamado de ficha de informação do correspondente integrado ao WHOQOL-100, disponível em (UFRGS, 2010). Este instrumento é utilizado para analisar a QV da população, delineando assim o perfil dos entrevistados.

No que concerne as empresas do estudo, foram identificadas quatro empresas do ramo de laticínios e classificadas, de acordo com (Sebrae, 2007) em micro, pequena, média e grande empresa, em que o número de funcionários corresponde, respectivamente, até 19 colaboradores, de 20 a 99 colaboradores, 100 a 499 colaboradores e acima de 500 colaboradores. Na tabela 1, se tem um resumo da população do estudo.

Tabela 1 - Entrevistados de acordo com porte da empresa

Fonte: Adaptado de Timossi (2009).

Para avaliação da QVT desta população foi utilizado o Modelo de (Walton, 1973), pois segundo (Rodrigues, 2007), (Pilatti e Berjarano, 2005) e (Limongi-França, 2004), este modelo é um dos mais pontuais e práticos, envolvendo questões centrais e incisivas relacionadas ao trabalhador, sendo um dos mais utilizados na mensuração de parâmetros para análise da QVT.

Visto que o modelo de (Walton, 1973) não é um questionário, mas sim um conjunto de dimensões analisadas, é necessário utilizar um modelo adaptado, no sentido de que suas respostas possam ser convertidas em uma escala centesimal (0 a 100). Esta escala pode ser vista conforme figura 1:

Figura 1 - Escala de respostas de QVT
Fonte: Timossi et al., 2008.

Nesta adaptação foi utilizada uma escala Likert, com cinco pontos distintos, onde os valores elencados eram de 0%, 25%, 50%, 75% e 100%, sendo que estes níveis acabam configurando a satisfação ou insatisfação da QVT (TIMOSSI et al., 2008). A interpretação desta escala compreende que os valores de 0 – 50%, insatisfação na QVT e de 50 a 100% como satisfação na QVT.

O ponto central desta escala, quando atingido, representa o ponto neutro da escala, onde os indivíduos que no resultado final do questionário atingissem esta pontuação seriam considerados neutros com relação à QVT.

A partir de classificadas as percepções dos indivíduos em relação a sua QVT, é necessário codificar os dados de modo a facilitar a inserção destes no modelo de regressão logística. Portanto, as variáveis do estudo foram classificadas e codificadas conforme quadro abaixo:

Quadro 1 - Variáveis relacionadas no estudo
Fonte: Adaptado de (Timossi, 2009).

* 14 colaboradores não informaram seu estado civil
** 9 colaboradores não informaram nível educacional
*** 10 colaboradores não informaram a quantidade de filhos
**** 15 colaboradores não informaram se eram fumantes ou não
***** 12 colaboradores não informaram o consumo de bebidas alcoólicas

3. Regressão Logística

Esta ferramenta analítica busca predizer a relação entre uma ou mais variáveis conhecidas buscando explicar determinada situação e sua dependência entre as variáveis. A regressão logística trabalha tanto com variáveis métricas quanto com variáveis não métricas ou categóricas, onde a variável dependente pode ser qualitativa assumindo apenas um entre dois resultados possíveis.

(Corrar, Paulo e Dias Filho, 2007) mostram que o principal objetivo da mesma é explicar determinado evento de acordo com o conjunto de variáveis categóricas existentes no estudo, de modo que estas podem ser totalmente significativas, influenciando diretamente o evento como também podem não ter influência nenhuma.

Analisando a interação existente entre as variáveis categóricas com a resposta obtida, a regressão logística permite não apenas classificar em categorias os resultados obtidos, mas de maneira prática, expressar numericamente probabilidades de ocorrência de um determinado evento.

Portanto ao verificar a interação entre as variáveis e por fornecer esta praticidade de análise, a regressão logística torna-se inclusive uma ferramenta de decisão no meio gerencial.

Para tanto existem três procedimentos dentro da regressão logística, de acordo com o tipo de variável resposta, para manipulação dos dados, de modo a se ajustarem de acordo com as necessidades do pesquisador. São eles:

Quadro 2 - Tipos de variáveis resposta
Fonte: (Corrar, Paulo e Dias Filho, 2007).

A variável binária é justamente aquela que aceita apenas duas possibilidades de resposta em um determinado evento, como um sim ou não, masculino ou feminino, casado ou solteiro, por exemplo. Já a variável ordinal é aquela resposta que segue uma ordem natural previamente conhecida, como pequeno, médio ou grande, classificações em níveis como fácil, médio, difícil, por exemplo. E a nominal, por sua vez não possui nenhum tipo de ordenação prévia, por exemplo, concordo, discordo, neutro ou sabores como azedo, doce ou amargo, entre outros.

Devido à natureza dos dados da pesquisa concomitante aos objetivos propostos, baseado na visão de (Corrar, Paulo e Dias Filho, 2007), faz-se a opção em trabalhar com a regressão logística binária.

Para analisar os resultados foi utilizado um software estatístico, de maneira a utilizar as ferramentas estatísticas já mencionadas. Foi utilizada a regressão logística, pois conforme (Gujarati, 2006), (Corrar, Paulo e Dias Filho, 2007), (Berry et al. 2010) e (Figueira, 2006), a regressão logística fornece resultados com facilidade de interpretação por trabalhar com a razão de chances, além da sua facilidade matemática para configuração e operacionalização da ferramenta estatística.

E dentro das opções de resultado oferecidas pela regressão logística foi utilizada a regressão binária pelas características das respostas obtidas para a variável dependente no estudo identificando apenas uma entre duas opções de resposta, no caso satisfação ou insatisfação em relação à QVT da população analisada.

4. Representação Matemática da Regressão Logística

A partir do momento que a regressão logística binária permite uma escolha entre duas possibilidades, esta fornece uma interpretação rápida dos resultados obtidos pela probabilidade de ocorrência de um determinado evento.

Neste aspecto a regressão logística oferece um resultado chamado odds ratio ou razão de chances, que é justamente a análise do evento como um todo, baseado nas variáveis independentes, que representa as probabilidades de sucesso comparando as mesmas com as de fracasso.

Portanto, segundo (Corrar, Paulo e Dias Filho, 2007), a razão de chances pode ser expressa da seguinte forma:

Buscando facilitar a compreensão dos resultados e da fórmula da regressão logística, serão expressos os seguintes passos. A seguir se encontra o logaritmo natural da razão de chances:

A partir deste logaritmo é possível observar as variáveis categóricas como também os coeficientes, que irão expressar mudanças no log da razão de chances. A partir deste ponto eleva-se a constante matemática e ao expoente dos coeficientes estimados assumindo a seguinte fórmula:

Neste ponto basta isolar a probabilidade do evento associada aos respectivos coeficientes, conforme segue:

Isolada a probabilidade de ocorrência de um evento, simplifica-se a mesma a equação logística, com o seguinte formato:

em que:

P= probabilidade de ocorrência do evento

b0= coeficiente da constante

bk= coeficiente preditor

Xki= variável do modelo

Portanto para a interpretação dos resultados e conclusões dos mesmos, foram utilizados os seguintes testes estatísticos:

• Regressão Logística
• Razão de Chances

Ao inserir os dados no software estatístico, aplicando a regressão logística, foram consideradas as variáveis significativamente influentes na QVT da população analisada, que apresentaram um valor de P ≤ 0,05.

5. Análise e discussão dos resultados

A amostra analisada apresentou os seguintes resultados, apresentados na tabela 2.

Tabela 2 - Valor de P para as variáveis independentes

Fonte: Autoria própria (2010)

* 7 questionários foram descartados por preenchimento incorreto/ rasurados
** 14 colaboradores não informaram seu estado civil
*** 9 colaboradores não informaram nível educacional
**** 10 colaboradores não informaram a quantidade de filhos
***** 15 colaboradores não informaram se eram fumantes ou não
****** 12 colaboradores não informaram o consumo de bebidas alcoólicas

É possível verificar na tabela 2, a um nível de significância α ≤ 0,05, quais variáveis independentes possuem influência significativa do ponto de vista da estatística, em relação a variável dependente.

(Nahas, 2006) demonstra que a prática de atividades físicas para o bem estar e saúde dos indivíduos, surge de uma interação e relação entre os aspectos sociais, ambientais e psicológicos dos indivíduos. Entretanto nota-se que, para esta população, o conjunto de variáveis sócio demográficas nível educacional, número de filhos, prática de atividades físicas, tabagismo, consumo de bebidas alcoólicas e tempo de trabalho apresentaram um valor P acima do nível de significância estipulado (α > 0,05), sendo então descartadas, contrariando o exposto por (Nahas, 2006), ao analisar a população pesquisada.

Isto significa que, para estas variáveis, não se tem evidências suficientes para afirmar que as mesmas influenciam de forma significativa a variável dependente (QVT) sendo que, nesta primeira análise, foram descartados os dados destas variáveis para implementação do modelo matemático.

A partir do momento em que foram identificadas as variáveis independentes que possuem influência significativa na variável dependente, os dados foram reorganizados para se dar continuidade na análise dos resultados.

Neste aspecto os dados foram trabalhados objetivando estimar a razão de chances de influência das variáveis independentes sobre a variável dependente. Com esta estimativa buscou-se quantificar a influência das variáveis independentes, conforme tabela 2, que apresentaram um valor de P ≤ 0,05 na QVT desta população, conforme resultados a serem apresentados a seguir.

Análise das variáveis QVT e Gênero

A tabela 3 identifica os parâmetros para análise da variável gênero (1 feminino; 2 masculino) no levantamento da insatisfação em relação a QVT da população analisada. São relacionados os coeficientes, os preditores, as constantes, valor-p, a razão de chances e o intervalo com 95% de confiança.

Tabela 3 - Influência do gênero na insatisfação da QVT

Fonte: Autoria própria (2010)

Interpretando os resultados oriundos dos cálculos realizados verificou-se que na tabela 2, comparando um indivíduo do sexo masculino com o feminino o coeficiente positivo (0,608270) indica que, para a população analisada neste estudo, o indivíduo masculino é mais propenso a estar insatisfeito em relação a sua QVT em relação ao gênero feminino.

Comparando os gêneros masculino e feminino, quando as outras variáveis são mantidas constantes, o valor de 1,84 vezes da razão de chances, indica que o indivíduo masculino tem aproximadamente 2 vezes mais chances de desenvolver uma QVT insatisfatória que um indivíduo do gênero feminino, desde que eles tenham as mesmas características (idade, estado civil e turno de trabalho).

O intervalo de confiança gerado ficou com um limite inferior de 1,06 e superior de 3,19. Por se tratar apenas de uma amostra populacional, foi gerado o valor de 1,84, porém se fosse entrevistada 100% da população das empresas pesquisadas, a razão de chances populacional poderia assumir qualquer valor dentro deste intervalo de confiança.

O valor-p de 0,031 mostra que existe uma associação significativa entre a variável examinada e a QVT, ou seja, há evidências suficientes para afirmar que a variável gênero influência significativamente na QVT dos trabalhadores da população analisada podendo ser afirmado com aproximadamente 97% de confiança.

Já o valor-p da constante (0,000), que é o valor base de comparação adotado pelo software estatístico e o valor-p do gênero (0,031) indicam que há indícios suficientes de que os coeficientes estimados são significativamente diferentes de zero. A partir da constante gerada e preditor (gênero) é possível criar o modelo logístico para predição da insatisfação ou não da QVT envolvendo a variável gênero.

Entretanto, por estar analisando apenas uma variável independente em relação a dependente, não se consegue creditar o modelo gerado, pois não é possível gerar os testes de validação do modelo. Assim, com apenas uma variável, o modelo a ser criado é considerado pobre, sem a capacidade preditora para gerar confiança no resultado. Para solucionar esta questão é necessária a inserção de mais variáveis para construção do modelo logístico para poder gerar os testes de validação.

Análise das variáveis faixa etária e QVT

Na tabela 4 estão identificados os parâmetros analisados na análise da variável faixa etária no levantamento da insatisfação em relação à QVT da população analisada. São relacionados os coeficientes, os preditores, valor-p, a razão de chances e o intervalo com 95% de confiança.

Tabela 4 - Influência da idade na insatisfação da QVT

Fonte: Autoria própria (2010)

Comparando as idades dos indivíduos da população analisada, ou seja, os dados referentes as idades dos indivíduos não tiveram nenhuma codificação, o coeficiente negativo (-0,0468748) indica que quanto menor a idade do indivíduo mais propenso estará a estar insatisfeito em relação a sua QVT.

Já a razão de chances é muito próxima de 1 (0,95) e o coeficiente gerado para a variável idade foi negativo. Este valor negativo sugere que a cada decréscimo valores aumentam as chances de ocorrência do evento.

Como não é possível que nenhum indivíduo tenha um decréscimo na idade, se interpreta este resultado como quanto mais jovem for o indivíduo mais propenso estará a desenvolver uma insatisfação no trabalho e à medida que vai envelhecendo esta situação tende a se modificar.

O intervalo de confiança, para a razão de chances estimada, ficou entre 0,93 e 0,98 com razão de chances de 0,95 para a população do estudo. Agora se fossem obtidos dados de 100% da população das empresas analisadas, a razão de chances poderia ser qualquer valor dentro deste intervalo. Verificou-se também que o valor-p apresentou um valor de 0,002, mostrando assim que existe uma associação significativa entre as variáveis idade e QVT. Portanto há evidências suficientes para afirmar que a variável faixa etária possui uma influência na QVT dos trabalhadores da população analisada neste estudo, com aproximadamente 98% de confiança.

Análise das variáveis estado civil e QVT

Seguindo o mesmo modelo de análise seguem na tabela 6 os resultados obtidos em relação às variáveis estado civil e QVT.

Tabela 5 - Influência do estado civil na insatisfação da QVT

Fonte: Autoria própria (2010)

Comparando um indivíduo casado (2) em relação a um indivíduo solteiro (1), foi encontrado um coeficiente negativo (-0,440332) indicando que o indivíduo casado é menos propenso a estar insatisfeito em relação a sua QVT em relação a um indivíduo que seja solteiro.

O valor da razão de chances sugere que o indivíduo solteiro em relação ao casado, apresenta 0,64 de chances de insatisfação no trabalho, desde que estes mantenham as mesmas características.

O valor-p apresentou um valor de 0,049 mostrando que há evidências suficientes para afirmar que a variável estado civil tem influência na QVT dos trabalhadores da população analisada. Isto pode ser afirmado com no mínimo 95% de confiança. Já o intervalo de confiança ficou entre 0,41 e 1,01 sendo que, quando coletado dados de 100% da população das empresas analisadas, a razão de chances poderia ficar dentro deste intervalo.

6. Conclusão

Conclui-se que o estudo da QVT pode sugerir melhorias de ordem prática e contínuas para os trabalhadores e que gerem resultados satisfatórios tanto para a organização quanto para os colaboradores. Para as organizações investirem em programas contínuos de QVT é preciso que os resultados a serem gerados por estes programas sejam evidenciados, de modo que o gestor da empresa fique convencido dos resultados e possa tomar as decisões necessárias para implantação ou incremento destes programas.

Nesta população da indústria de laticínios, foi analisado o perfil sócio demográfico através da regressão logística. Foram verificadas quais variáveis possuíam relativa significância estatística com a variável dependente e em seguida, descartados os que não apresentaram evidências suficientes para influenciar a variável dependente, QVT.

Foram analisadas as seguintes variáveis independentes: gênero, faixa etária, escolaridade, estado civil, número de filhos, tabagismo, atividades físicas, tempo de trabalho e consumo de álcool.

Concluiu-se que para a população analisada, as variáveis escolaridade, número de filhos, tabagismo, atividade física, tempo de trabalho e consumo de álcool não influenciam de forma significativa a QVT, pois apresentaram um valor de P≥ 0,05. Por outro lado, conclui-se que as variáveis gênero, faixa etária e estado civil influenciam de forma significativa a QVT dos trabalhados da indústria de laticínios.

A regressão logística mostrou ser uma ferramenta eficiente por conseguir gerar uma razão de chances para ocorrência de determinado evento contribuindo assim na criação de resultados de ordem prática para a tomada de decisões.

Por fim, após a triagem nas variáveis existentes nesta população para levantamento da QVT, conclui-se que o gestor deste segmento pode balizar seus investimentos em programas de QVT, especificando de maneira pontual os funcionários do gênero masculino, os trabalhadores mais jovens e solteiros, pois estes possuem uma probabilidade maior de atingir uma QVT insatisfatória em relação aos outros colaboradores.

7. Referências

Berry, W.; Demeritt, J.; Esarey, J. (2010); Testing for interaction in binary logit and probit models: is a product term essential? American Journal of Political Science. v. 54, n°1, p. 248-266.

Chiavenato, I. (2004); “Gestão de pessoas: e o novo papel dos recursos humanos nas organizações”. Rio de Janeiro: Elsevier.

Conte, A. (2003); Qualidade de vida no trabalho. Revista FAE Business, n.7, p. 32-34, nov.

Corrar, L.; Paulo, E; Dias Filho, J. (2007); “Análise multivariada: para os cursos de administração, ciências contábeis e economia.” São Paulo: Atlas.

Figueira, C. (2006); Modelos de regressão logística. 149 f. Dissertação (Mestrado em Matemática) – Programa de Pós-Graduação em Matemática, Universidade Federal do Rio Grande do Sul.

Gujarati, D. (2006); “Econometria básica”. 3ª. ed. Rio de Janeiro: Elsevier.

Limongi-França, A.; Rodrigues, A. (2005); “Stress e trabalho: uma abordagem psicossomática”. 4. ed. São Paulo: Atlas.

Limongi-França, A. (2004); “Qualidade de Vida no Trabalho - QVT: Conceitos e Práticas nas Empresas da Sociedade Pós-Industrial”. 2. ed. São Paulo, Editora Atlas.

Nahas, M. (2006); “Atividade física, saúde e qualidade de vida: conceitos e sugestões para um estilo de vida ativo”. 4. ed. Londrina: Midiograf.

Pilatti, L.; Berjarano, V.; Gonçalves, A. et al. (Org) (2005). “Gestão da Qualidade de Vida na Empresa”. São Paulo: Ipes.

Rodrigues, M. “Qualidade de vida no trabalho: evolução e análise no nível gerencial” (2007). 10. ed. Rio de Janeiro: Vozes.

Sebrae – Serviço de apoio à pequena empresa no Paraná. Classificação das indústrias segundo número de funcionários. Acesso em: 30 out. 2007. Disponível em http://www.sebraepr.com.br.

Timossi, L. S.; Pedroso, B.; Pilatti, L. A.; Francisco, A. C. (2008); Evaluation of quality of work life: an adaptation from the Walton's QWL model. In: XIV International Conference on Industrial Engineering and Operations Management - ICIEOM, p. 1-13. Disponível em http://www.pg.utfpr.edu.br/ppgep/qvt/walton.html.

Timossi, L. (2009); Correlações entre a qualidade de vida e a qualidade de vida no trabalho em colaboradores na indústria de laticínios. 173 f. Dissertação (Mestrado em Engenharia da Produção) – Programa de Pós Graduação em Engenharia da Produção, Universidade Tecnológica Federal do Paraná.

UFRGS – Universidade Federal do Rio Grande do Sul. Acesso em: 04 ago. 2010. Disponível em: http://www.ufrgs.br/psiq/whoqol82.html.

1 PPGEP – UTFPR, BRASIL, alamoalexandre@gmail.com
2 PPGEP – UTFPR, BRASIL, guata39@gmail.com
3 PPGEP – UTFPR, BRASIL, lucianalirani@yahoo.com.br
4 PPGEP – UTFPR, BRASIL, acfrancisco@utfpr.edu.br