1. Início
  2. Faculdade de Ciências Sociais e Humanas
  3. Licenciatura em Ciência Política e Relações Internacionais
  4. Análise de Dados Multivariada

Análise de Dados Multivariada

Objetivos

1. Compreensão do tratamento sistemático, estatístico e informático de dados em relação à estratégia geral da investigação; 2. Capacidade de aplicação das operações mediadoras entre o dossier de investigação e o protocolo da análise; 3. Capacidade de definição de um caderno de encargos para a análise de dados; 4. Conhecimento e capacidade de utilização das principais soluções estatísticas para as necessidades de análise multivariada de dados em Sociologia; 5. Capacidade de utilização das análises e medidas de associação na perspectiva de tratamento multivariado; 6. Conhecimento de técnicas de análise factoriais (simples e múltiplas), e pós-factoriais e compreensão dos modos de as integrar nos protocolos de análise; 7. Compreensão dos algoritmos básicos das análises multivariadas simples e múltiplas; 8. Capacidade de utilização dos principais programas de tratamento estatístico; 9. Capacidade de comunicar os resultados das análises estatísticas multivariadas e a sua interpretação.

Caracterização geral

Código

711081059

Créditos

6.0

Professor responsável

Ana Lúcia Albano Teixeira

Horas

Semanais - 4

Totais - 168

Idioma de ensino

Português

Pré-requisitos

Os estudantes devem ter completado 48 unidades de crédito ECTS. É aconselhada a frequência prévia das disciplinas de Teoria e Metodologia das Ciências Sociais, Métodos e Técnicas de Investigação Sociológica: Amostragem e Inquérito, e Análise de Dados Univariada e Bivariada.

Bibliografia

Benzécri, J. P. (1973). L'analyse des données: L'analyse des correspondances. Dunod (pp. 3-17).
Carvalho, H. (2008). Análise multivariada de dados qualitativos - Utilização da ACM com o SPSS. Sílabo.
Ghiglione, R., & Matalon, B. (1992). O Inquérito – Teoria e Prática. Celta.
Guimarães, R. C., & Cabral, J. S. (1997). Estatística. McGraw Hill (pp. 13-16).
Hill, M. M., & Hill, A. (2000). Investigação por Questionário. Sílabo.
Marôco, J. (2021). Análise Estatística com o SPSS Statistics. Report Number.
Pestana, M. H., & Gageiro, J. N. (2000). Análise de Dados para Ciências Sociais – A complementaridade do SPSS. Sílabo.
Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics. Pearson.

Método de ensino

Aulas teóricas, predominantemente expositivas onde se procede à sistematização e estruturação dos conhecimentos teóricos e técnicos, com interpelação dos estudantes na construção do raciocínio.
Aulas práticas onde se procede à discussão e resolução de exercícios práticos.

Método de avaliação

Dois testes presenciais (45% cada): 90%
Exercícios práticos: 10%

Conteúdo

1. Pressupostos metodológicos e estatísticos para a análise de dados multivariada
1.1. O processo de investigação e de medição dos fenómenos sociais – a análise de dados no contexto do processo científico
1.2. Dos conceitos às variáveis; escalas de medida e tipos de análise estatística
1.3. Introdução à análise multivariada: Construção e leitura de tabelas de contingência, métrica do Qui2 e resíduos
2. Análise Factorial das Correspondências Múltiplas
2.1. Enquadramento da ACM no contexto da análise de dados multivariada
2.2. A ACM como ferramenta de construção de teoria em Sociologia – um exemplo de aplicação
2.3. O algoritmo da ACM: pressupostos teóricos e operacionais – a geometria das quantificações
2.4. O desenvolvimento de uma ACM: dimensões, variáveis e categorias
2.5. Análises complementares: a importância das variáveis suplementares
3. Análise em Componentes Principais
3.1. Enquadramento da ACP no contexto da análise de dados multivariada
3.2. Desenvolvimento da ACP: objectivos e condições de aplicação
3.3. Desenvolvimento da ACP: critérios de selecção de componentes; comunalidades; análise dos resultados e validação
4. Análises de classificação – a Análise de Clusters
4.1. Enquadramento da análise de clusters no contexto da análise de dados multivariada e objectivos
4.2. A análise de clusters como conjunto de métodos de classificação de objectos: apresentação dos métodos hierárquicos, não hierárquicos e mistos e dos métodos aglomerativos e divisivos
4.3. Desenvolvimento da análise de clusters através do método hierárquico aglomerativo: selecção de variáveis de input; matrizes de distância; critérios de agrupamento; definição, justificação e validação de uma solução
5. Introdução à análise de regressão linear – a análise de regressão linear simples
5.1. Enquadramento da regressão linear no contexto da análise de dados multivariada
5.2. O modelo de regressão linear simples: coeficientes de regressão e previsão
5.3. Avaliação da qualidade do modelo de regressão: coeficiente de determinação