Análise Avançada de Dados Quantitativos

Código:

PDCD005

Sigla:

MTI

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciências do Desporto

Ocorrência: 2013/2014 - SP

Ativa?	Sim
Curso/CE Responsável:	Programa Doutoral em Ciências do Desporto

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
PDCD	20	Plano em vigor a partir de 2009	1	-	5	45	135

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

1º Entendam a relação unitária entre hipóteses de pesquisa, delineamento e análise adequada da informação.

2º Entendam, com clareza e rigor, aspetos essenciais da análise exploratória e descritiva da informação multivariada, análise de variância e covariância, regressão múltipla e logística, bem como facetas da teoria dos testes (clássica e generalização).

3º Lidem com facilidade e independência com os softwares SPSS e SYSTAT, entendendo os comandos e interpretando os outputs de modo adequado às suas perguntas.

4º Que percebam a necessidade de um olhar multivariado a partir da MANOVA e Análise da Função Discriminante.

5º Que entendam a urgência de um olhar hierárquico e percebam a relevância da modelação multinível.

6º Que tenham independência e autonomia no uso do software HLM.

Resultados de aprendizagem e competências

Os conteúdos programáticos adequam-se aos objectivos na medida em que habilitam os estudantes a compreender e a avaliar a relevância da Análise Avançada de Dados Quantitativos nos trabalhos futuros de outras disciplinas e, sobretudo, na sua dissertação final. Partindo de uma fundamentação teórica sobre múltiplas questões de pesquisa e análise avançada de dados, os alunos serão dotados com conhecimentos em distintos domínios metodológicos situados em contextos muito práticos. Pretende-se ainda dotar os estudantes de competências elevadas no uso dos softwares SPSS, SYSTAT e HLM. Os conteúdos envolvem ainda a apresentação de trabalhos publicados, permitindo-lhes uma análise crítica dos textos a partir de todo o conhecimento adquirido.

 

Modo de trabalho

Presencial

Programa

1. O processo de investigação, hipóteses, delineamento e análise – coerência de um plano de trabalho.

2. Análise exploratória univariada, bivariada e multivariada: (i) ideias fundamentais; (ii) representações gráficas; (iii) estatísticas relevantes; (iv) exemplos no SPSS e SYSTAT.

3. Testes de hipóteses: testes t, ANOVA I e II, ANCOVA, bem como testes alternativos não-paramétricos.

4. Uma introdução breve aos testes de medidas repetidas: testes t e ANOVA.

5. Correlações bivariadas e parciais, bem como usos do bootstrap para estimar erros-padrão.

6. Regressão múltipla e logística – construção de modelos, robustez, testes estatísticos e inferência. Exemplos no SPSS e SYSTAT.

7. Teoria Clássica e da Generalização aplicada ao controlo da informação.

8. MANOVA e Análise da função discriminante. Exemplos no SPSS.

9. Análise hierárquica e modelação multinível de dados. Ideias básicas e intermédias, estruturação dos dados e uso do software HLM.

Bibliografia Obrigatória

Pestana MH, Gageiro JN ; A análise de dados para ciências sociais. A complementaridade do SPSS, 2003
Tabachnick BG, Fidell LS ; Using multivariate statistics, 2007
Wilcox R ; Modern statistics for the social and behavioral sciences, 2012
Stevens JP ; Applied multivariate statistics for the social sciences, 2002

Bibliografia Complementar

5. Sheskin DJ ; Handbook of parametric and nonparametric statistical procedures. , 2011

Métodos de ensino e atividades de aprendizagem

As aulas terão um triplo formato. Em primeiro lugar haverá lugar à exposição e discussão de distintos aspetos das matérias em apreço. Em segundo lugar haverá um forte espaço de prática (resolução de problemas) de todas as matérias nos softwares SPSS, SYSTAT e HLM. Em terceiro lugar, os alunos apresentarão estudos do seu interesse, sendo que tal “exercício” será uma oportunidade excelente para se colocarem no papel de investigadores.

A avaliação será função de dois tipos de tarefas. A primeira compreenderá a apresentação de um trabalho escrito realizado por grupos de dois alunos com uma base de dados reais. O segundo refere-se a um exame escrito que compreenderá toda a matéria. A nota final corresponderá à média aritmética ponderada das duas notas, sendo que o peso maior será para a segunda (60%).

Tipo de avaliação

Avaliação por exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	100,00
Total:	100,00

Fórmula de cálculo da classificação final

Nota final= resultado do exame