Análise de Dados em Ciências Sociais

Maria do Carmo Botelho

Departamento de Métodos de Pesquisa Social

Calcular e selecionar amostras aleatórias, utilizando os principais métodos de amostragem.
Dar a conhecer aos alunos as técnicas mais relevantes da estatística inferencial univariada e bivariada.
A apresentação dos diversos conteúdos estatísticos será acompanhada de exemplos práticos, que permitam aos alunos fazer o tratamento estatístico de dados na perspectiva da realização de um relatório de análise de dados utilizando um programa estatístico especialmente adequado às ciências sociais (SPSS).

CP1.Introdução. Conceitos Básicos da Estatística
CP2.Distribuição Normal
CP3.Amostragem
CP4.Ensaios de Hipóteses
4.1.Introdução
4.2.Testes paramétricos
4.2.1.Teste t para uma amostra
4.2.2.Teste t para duas amostras independentes
4.2.3.Teste t para duas mostras emparelhadas
4.3.Testes não paramétricos
4.3.1.Testes de ajustamento: Teste de Kolmogorov-Smirnov, Shapiro-Wilk e do Qui-Quadrado
4.3.2.Teste de independência do Qui-Quadrado
4.3.3.Teste de Mann-Whitney
4.3.4.Teste de Wilcoxon
4.3.5.Teste de Kruskall-Wallis

Exercício individual com nota mínima de 10 valores.

Bibliografia

Maria do Carmo Botelho

Departamento de Métodos de Pesquisa Social

Nesta disciplina é dado particular enfoque à apresentação e desenvolvimento de um conjunto de métodos de análise de dados, de uso recorrente na investigação empírica em Ciências Sociais. São métodos que permitem descrever e interpretar relações de depen-dência entre as variáveis, a saber a Análise de Variância e a Regressão Linear.
A apresentação conceptual desses métodos será sempre acompanhada do desenvolvi-mento de diferentes aplicações. Para o efeito recorrer-se-á a um programa de estatística (IBM SPSS Statistics).
Pretende-se que os estudantes aprendam: a) a analisar e a testar modelos, que estabele-cem relações de dependência entre diferentes tipos de variáveis, no contexto da análise de dados multivariada; b) a usar uma ferramenta que lhe permite realizar as análises estatísticas necessárias à abordagem desses modelos; c) e a interpretar, a apresentar e a sistematizar os resultados obtidos, tendo em vista a realização, por exemplo, de um relatório de análise de dados.

1.Análise de Variância a um fator fixo (revisões) e introdução ao General Linear Model (GLM)
2.Análise de Variância a mais de um fator fixo (n-way ANOVA)
2.1.Apresentação do modelo e especificação dos pressupostos
2.2.Testes F
2.3.Comparações a posteriori
2.3.1.Efeito de interacção não significativo (testes Post-Hoc)
2.3.2.Efeito de interacção significativo (testes via sintaxe)
3.Regressão Linear
3.1.Definição e hipóteses do modelo
3.2.Estimação dos parâmetros
3.3.Avaliação da qualidade do modelo: coeficiente de correlação múltiplo e coeficiente de determinação múltiplo
3.4.Inferência sobre o modelo: teste F e testes t
3.5.Coeficientes de correlação parciais e semi-parciais
3.6.Previsões

Exercício individual com nota mínima de 10 valores.

Bibliografia

Proporcionar uma formação avançada em análise de conteúdo assistida por computador, através do desenvolvimento de competências necessárias à utilização em contexto académico e profissional, de um software específico - MAXqda® - em articulação com o Excel® e o SPSS®.
A formação incidirá tanto nas componentes teórica e conceptual, que sustentam uma adequada compreensão dos métodos, como nas componentes instrumentais, fazendo uso de exemplos concretos de aplicação desta metodologia.

1. Análise de Conteúdo: fundamentos, objectivos e domínios de aplicação;
2. Breve introdução ao MAXqda®;
3. Transcrição de entrevistas teoricamente orientada;
4. Construção de uma base de dados em MAXqda®;
5. Codificação em MAXqda®;
6. Codificação automática com MAXdictio®
7. MAXmaps®: modelação visual da categorização analítica;
8. Outputs:
- Fragmentos de texto codificados;
- Quadros síntese de respostas;
- Cruzamentos de indicadores;
- Tabelas de frequências.
9. Articulação entre o MAXqda®, o Excel® e o SPSS® para Análise de Relevância Temática e Análise de Correspondências Múltiplas, dos resultados da Análise de Conteúdo.

Exercício individual em MAXqda®.

Bibliografia

Maria do Carmo Botelho

Departamento de Métodos de Pesquisa Social

Proporcionar aos alunos as seguintes aprendizagens:
a) Conhecimento aprofundado das potencialidades do SPSS para a análise de dados em ciências sociais
b) Desenvolvimento de competências de construção e gestão de bases de dados
c) Desenvolvimento de competências avançadas de transformação e construção de variáveis
d) Desenvolvimento de competências básicas de análise descritiva de dados (univariada e bivariada)

1. O SPSS como ferramenta de trabalho na análise de dados quantitativos
1.1. Breve apresentação do programa
1.2. Gestão de bases de dados no SPSS
1.2.1 Construção de uma base de dados em SPSS
Das perguntas às variáveis: codificação das respostas e definição do dicionário de variáveis; Definição da estrutura do ficheiro de dados; Simulação da imputação de dados

1.2.2 Validação de uma base de dados: operações básicas para detecção e correcção de erros
1.2.3 Operações sobre ficheiros de dados:
Acrescentar casos, acrescentar variáveis
Ordenar casos, localizar casos
Junção de ficheiros de dados
Construção de sub-ficheiros de dados: seleccionar casos e extracção de amostras
Selecção temporária de um conjunto de casos para análise
Partição temporária de um ficheiro de dados
Construção de ponderadores; activação / desactivação

1.3 Transformação de variáveis
1.3.1 Recodificação de variáveis:
Recodificação automática
Recodificação orientada
1.3.1 Construção de novas variáveis:
Transformação de variáveis alfanuméricas em variáveis numéricas
Transformação numérica de variáveis existentes
Contagem de ocorrências

2. Instrumentos básicos de análise de dados
2.1 Análise univariada:
Frequências
Medidas de síntese
2.2 Análise bivariada:
Tabelas de contingência
Tabelas de medidas síntese

3. Apresentação de resultados: elaboração de um relatório preliminar de análise de dados
3.1 Construção de quadros de resultados
3.2 Tradução gráfica de resultados
3.3 Exportação de tabelas e gráficos do SPSS para outros programas

Exercício individual em SPSS com nota mínima de 10 valores.

Bibliografia

Bibliografia

Bibliografia

Helena Carvalho

Departamento de Métodos de Pesquisa Social

Bibliografia

Helena Carvalho

Departamento de Métodos de Pesquisa Social

Bibliografia

Patrícia Ávila

Departamento de Métodos de Pesquisa Social

Nesta unidade curricular vão ser desenvolvidos dois métodos de análises fatoriais:
1. Análise Fatorial em Componentes Principais (ACP) - permite identificar a estrutura latente em uma matriz que relaciona múltiplas variáveis quantitativas (ou tratadas como tal)
2. Análise Fatorial Confirmatória - permite testar uma determinada estrutura fatorial
A apresentação dos dois métodos é acompanhada de aplicações temáticas, cuja realização será sustentada pelo software de estatística SPSS e do AMOS.

1. Análise de Componentes Principais (ACP)
1.1. Introdução
1.2. Definição das componentes principais
1.3. Valores próprios e das comunalidade
1.4. Critérios de extração das componentes principais
1.5. Métodos de rotação das componentes: métodos ortogonais e não-ortogonais
1.6. Definição e interpretação dos scores fatoriais
1.7. Consistência (via Alpha de Cronbach) e definição de índices (summated scales)
1.8. Aplicações com o software SPSS
1.9. Interpretar e reportar resultados em artigo, tese
2. Análise Fatorial Confirmatória (AFC)
2.1. Comparação entre ACP e AFC
2.2. Modelo de medida
2.3. Variáveis manifestas, variáveis latentes e erros
2.4. Identificação do modelo fatorial
2.5. Avaliação da qualidade do ajustamento
2.6. Validade do constructo
2.7. Pressupostos
2.8. Aplicações com o software AMOS
2.9. Interpretar e reportar resultados em artigo, tese

Teste individual com nota mínima de 10 valores.
A avaliação por exame é baseado num teste individual com nota mínima de 10 valores.

Bibliografia

Madalena Ramos

Departamento de Métodos de Pesquisa Social

Nesta unidade curricular vão ser desenvolvidos métodos que relacionam entre si múltiplas variáveis:
1. Análise de Correspondências Múltiplas - pretende-se identificar e descrever a estrutura da relação entre variáveis categorizadas, identificando dimensões e associações privilegiadas entre variáveis ou entre categorias das múltiplas variáveis;
2. Análise de Clusters - pretende-se agrupar indivíduos/casos homogéneos segundo um conjunto de múltiplas variáveis, definindo tipologias. Para o agrupamento são usados vários métodos de Análise de Clusters.
Pretende-se desenvolver competências de utilização da ACM e dos vários modelos de agrupamento através do SPSS.
Explorar a articulação entre a Análise de Clusters e outros métodos de análise multivariada, designadamente Análise em Componentes Principais e Análise de Correspondências Múltiplas.

1.Análise de Correspondências Múltiplas (ACM)
1.1.Introdução
1.2.Matrizes de input para a ACM
1.3.Quantificação ótima e múltipla de dados qualitativos
1.4.Valores próprios, inércia e medidas de discriminação das variáveis
1.5.Seleção e interpretação das dimensões
1.6.Representação gráfica de variáveis, categorias e objetos
1.7.Variáveis suplementares
2.Análise de Clusters - métodos hierárquicos
2.1.Objetivos
2.2.Medidas de semelhança/distância
2.3.Critérios de agrupamento dos casos
2.4.Leitura do dendrograma e seleção do número de clusters
2.5.Validação e caracterização dos clusters
3.Análise de Clusters - métodos não hierárquicos
3.1.Distinção entre métodos de otimização e hierárquicos
3.2.Método K-Médias
4.Articulação da Análise de Clusters com a Análise em Componentes Principais (ACP) e com a Análise de Correspondências Múltiplas: apresentação e discussão de exemplos. Interpretação e escrita de resultados.

Exercício individual com nota mínima de 10 valores.
A avaliação por exame é baseado num teste individual com nota mínima de 10 valores.

Bibliografia