Propinas UE (2026/2027)
2000.00 €As unidades curriculares que integram a Pós-Graduação em Análise de Dados em Ciências Sociais foram definidas em função dos seguintes critérios: (i) Articulação de diversos conteúdos que pretendem consubstanciar um modelo de análise de dados em Ciências Sociais, o qual deve ser estruturado em diversas etapas que vão sendo analiticamente mais complexas; (ii) Formatação de diferentes unidades curriculares com uma distribuição equilibrada da carga de trabalho dos alunos; Complementaridade entre um curso de especialização – Curso de Especialização em Análise de Dados em Ciências Sociais e o desenvolvimento de um projeto de análise de dados que termine com a elaboração de um relatório.
Esta proposta reflete a experiência pedagógica e de investigação de membros do Departamento de Métodos de Pesquisa Social, bem como as solicitações enunciadas, quer por estudantes de Mestrado e de Doutoramento, quer por profissionais, que necessitam gerir métodos estatísticos, desde os mais básicos aos mais avançados, para analisar dados quantitativos.
Plano de Estudos para 2026/2027
| Unidades curriculares | Créditos | |
|---|---|---|
| 1º Ano | ||
|
Metodologia de Desenho Amostral e Estimação
6.0 ECTS
|
Unidades Curriculares Obrigatórias | 6.0 |
|
Métodos Analíticos Inferenciais
6.0 ECTS
|
Unidades Curriculares Obrigatórias | 6.0 |
|
Métodos Fatoriais
6.0 ECTS
|
Unidades Curriculares Obrigatórias | 6.0 |
|
Modelos de Moderação e de Mediação
6.0 ECTS
|
Unidades Curriculares Obrigatórias | 6.0 |
|
Métodos de Associação Múltipla e de Agrupamento
6.0 ECTS
|
Unidades Curriculares Obrigatórias | 6.0 |
|
Dados para Ciências Sociais
6.0 ECTS
|
Unidades Curriculares Obrigatórias | 6.0 |
|
Iniciação à Comunicação Visual de Dados
6.0 ECTS
|
Unidades Curriculares Obrigatórias | 6.0 |
|
Projeto de Investigação em Análise de Dados em Ciências Sociais
6.0 ECTS
|
Unidades Curriculares Obrigatórias | 6.0 |
|
Modelos de Regressão Aplicados
6.0 ECTS
|
Unidades Curriculares Obrigatórias | 6.0 |
|
Modelos Multinível
6.0 ECTS
|
Optativas Condicionadas | 6.0 |
|
Análise de Dados Qualitativos Assistida por Computador
6.0 ECTS
|
Optativas Condicionadas | 6.0 |
Metodologia de Desenho Amostral e Estimação
OA1: Identificar os principais conceitos de estatística relevantes em amostragem e estimação.
OA2: Selecionar e calcular a dimensão de amostras
OA3: Utilizar e calcular ponderadores.
OA4: Diagnosticar o padrão de não-respostas e propor formas de imputação.
OA5: Estimar e testar parâmetros
OA6: Avaliar a qualidade do ajustamento da amostra à população alvo.
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
CP1. Introdução
1.1 Estatísticas e parâmetros
1.2 Probabilidades
1.3 Distribuição Normal
CP2. Amostragem
2.1 Bases de sondagem
2.2 Seleção de amostras
2.3 Erros
2.4 Dimensão da amostra
CP3. Ponderadores
Construção e ativação de ponderadores
CP4. Não-respostas
4.1 Diagnóstico e análise de padrões
4.2 Imputação
CP5. Estimação
5.1 Estimação pontual
5.2 Estimação por intervalos
5.3 Estimação robusta (o problema dos valores extremos)
CP6. Ensaios de hipóteses
6.1 Hipóteses, Erros, Decisão.
6.2 Teste t a uma média
CP7. Qualidade do ajustamento
7.1 Kolmogorov-Smirnov e Shapiro-Wilk
7.2 Teste de ajustamento do Qui-Quadrado
Existem duas opções para a avaliação:
1. Avaliação ao longo do semestre:
Resolução de um caso prático (em grupo): 40%
Teste escrito individual: 60%
Para obter aprovação na UC, a nota de cada uma das componentes não pode ser inferior a 8 valores.
O acesso à avaliação exige a assiduidade a pelo menos 70% das aulas da unidade curricular.
2. Avaliação por exame: Teste escrito individual (100%).
Field, A. (2009) Discovering Statistics Using SPSS, 3th ed., London, SAGE.
Graham, J. W. (2012) Missing Data_ Analysis and Design, New York, Springer-Verlag.
Laureano, R. (2020) Testes de hipóteses e regressão: o meu manual de consulta rápida, Lisboa, Edições Sílabo.
Laureano, R. e Botelho, M. C. (2017) SPSS - O Meu Manual de Consulta Rápida, 3ª ed.,Lisboa, Edições Sílabo.
Maroco, J. (2018) Análise Estatística com o SPSS Statistics, 7ª ed., Pero Pinheiro, ReportNumber.
Vicente, P. (2012) Estudos de Mercado e Opinião. Princípios e Aplicações de Amostragem, Lisboa, Edições Sílabo.
Cochran, W. (1997) Sampling Techniques, USA, John Wiley & Sons, 3ª ed.
Maroco, J. e Bispo, R. (2003) Estatística Aplicada às Ciências Sociais e Humanas, Lisboa, Climepsi Editores.
Murteira, B.J. (1993) Análise Exploratória de Dados? Estatística Descritiva, Lisboa, McGraw-Hill.
Reis, E. (1998) Estatística Descritiva, Lisboa, Lisboa, Edições Sílabo.
Reis, E., Melo, P., Andrade, R. e Calapez, T. (1997) Estatística Aplicada, Volumes 1 e 2, Lisboa, Edições Sílabo.
Little, R.J.A., & Rubin, D.B. (2002) Statistical analysis with missing data, Hoboken, Wiley.
Métodos Analíticos Inferenciais
OA1: Identificar os principais conceitos de estatística relevantes para a realização de testes de hipóteses
OA2: Selecionar o teste adequado ao problema, objetivo e natureza das variáveis
OA3: Interpretar e reportar os resultados obtidos da análise de dados
OA4: Utilizar o software SPSS para realizar análise de dados inferencial
CP 1. Ensaios de hipóteses: principais conceitos
CP 2. Testes paramétricos: apresentação, interpretação e realização
CP 2.1. Teste t para duas amostras independentes
CP 2.2. Teste t para duas amostras emparelhadas
CP 2.3 Two-way ANOVA
CP 3. Testes não paramétricos: apresentação, interpretação e realização
CP 3.1. Testes de ajustamento: Teste de Kolmogorov-Smirnov, Shapiro-Wilk e do Qui-Quadrado
CP 3.2. Teste de independência do Qui-Quadrado
CP 3.3. Teste de Mann-Whitney
CP 3.4. Teste de Wilcoxon
CP 3.5. Teste de Kruskall-Wallis
É possível optar por uma das seguintes modalidades de avaliação:
1) Durante o semestre: realização de um trabalho individual com aplicação e análise de diferentes testes de hipóteses a partir de uma base de dados, com nota mínima de 10 valores. Os trabalhos apresentados devem ser originais, da autoria dxs próprixs estudantes, tanto do ponto de vista da escrita, como da organização de ideias e construção do argumento, de acordo com o Código de Conduta Académica e o Código de Conduta Ética na Investigação do Iscte.
2) Por exame: exercício individual escrito com nota mínima de 10 valores.
Laureano, Raul M. S. (2022), Testes de Hipóteses com o IBM SPSS Statistics, (3ª edição), Lisboa, Sílabo.
Laureano, Raul M. S. e Maria do Carmo Botelho (2017), SPSS Statistics: O meu manual de consulta rápida (3ª edição), Lisboa, Sílabo.
Marôco, João (2021), Análise Estatística com o SPSS Statistics (8ª edição), Pero Pinheiro, Report Number.
Marôco, João e Regina Bispo (2005), Estatística Aplicada às Ciências Sociais e Humanas (2ª edição), Lisboa, Climepsi Editores.
Vicente, Paula (2012), Estudos de Mercado e Opinião. Princípios e Aplicações de Amostragem, Lisboa, Edições Sílabo.
Bryman, Alan e Duncan Cramer (2003), Análise de Dados em Ciências Sociais: Introdução às Técnicas Utilizando o SPSS para Windows (3ª edição), Oeiras, Celta.
Cochran, William G. (1977), Sampling Techniques (3rd edition), New York, John Wiley & Sons.
Murteira, Bento J. F. (1993), Análise Exploratória de Dados: Estatística Descritiva, Lisboa, McGraw-Hill.
Reis, Elizabeth (2008), Estatística Descritiva (7º edição), Lisboa, Edições Sílabo.
Reis, Elizabeth, Paulo Melo, Rosa Andrade e Teresa Calapez (2021; 2019), Estatística Aplicada, Volumes 1 (7ª edição) e 2 (6ª edição), Lisboa, Edições Sílabo.
Vicente, Paulo, Elizabeth Reis e Fátima Ferrão (2001), Sondagens: A Amostragem como Factor Decisivo de Qualidade (2ª edição), Lisboa, Edições Sílabo.
Vinacua, Bienvenido Visauta e Joan Carles Martori I Canas (2003), Análisis Estadístico com SPSS para Windows, vols. I e II, Madrid, McGraw Hill.
Métodos Fatoriais
O1 | Adquirir e desenvolver conhecimentos sobre Análise em Componentes Principais (ACP)
O2 | Situar e comparar a Análise em Componentes Principais (ACP) com a Análise Fatorial Exploratória (AFE)
O3 | Adquirir e desenvolver conhecimentos sobre Análise Fatorial Confirmatória (AFC)
O4 | Aplicar a Análise em Componentes Principais usando software adequado
O5 | Aplicar a Análise Fatorial Confirmatória usando software adequado
O6 | Analisar e interpretar os resultados (ACP e AFC)
O7 | Reportar os resultados em artigo científico, dissertação ou tese
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 ou outro equivalente
1.9. Interpretar e reportar resultados em artigo, tese
1.10. Comparação com a Análise Fatorial Exploratória (AFE)
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 ou outro equivalente
2.9. Interpretar e reportar resultados em artigo, tese
Existem duas opções para a avaliação:
1. Avaliação durante o semestre: Teste escrito individual a realizar no final da UC.
O acesso à avaliação exige a assiduidade a pelo menos 70% das aulas da unidade curricular.
2.Avaliação por exame: Teste escrito individual a realizar no final do ano letivo durante a época de exames da Pós-graduação.
Brown, Timothy A. (2015), Confirmatory Factor Analysis for Aplied Research, The Guilford Press, 2nd Edition.
Hair, J., Anderson R., Tatham, R. e Black, W. (2010). Multivariate Data Analysis: A Global Perspective, Upper Saddle River, Pearson International Edition (7ª ed).
Maroco, J. (2014). Equações Estruturais: Fundamentos teóricos, software e aplicações, Pero Pinheiro, ReportNumber.
Maroco, J. (2018), Análise Estatística com utilização do SPSS Statistics 25, Lisboa, Edições Sílabo
Reis, E. (2001) Estatística Multivariada Aplicada, Lisboa, Edições Sílabo, 2ªed.
Tabachnick, B. & Linda, F. (2019), Using Multivariate Statistics, Person International Edition, 7ªed.
Albright, J.J. and Park, H.M. (2009), “Confirmatory factor analysis using Amos, LISREL, Mplus, SAS/ STAT CALIS”, working paper, The University Information Technology Services (UITS) Center for Statistical and Mathematical Computing, Indiana University, Indiana University Publishing
Arbuckle, James L. (2017), IBM® SPSS® Amos™ 25 User’s Guide, IBM and Amos Development Corporation
Collier, Joel E. (2020), Applied Structural Equation Modeling using AMOS: Basic to Advanced Techniques, Routledge
Tabachnick, B. & Linda F. (2000) Computer-assisted research design and analysis, Boston: Ally and Bacon.
Modelos de Moderação e de Mediação
OA1 | Definir conceitos de moderação e de mediação; identificar e distinguir os diferentes efeitos
OA2 | Construir modelos de moderação e modelos de mediação
OA3 | Demonstrar a adequabilidade da Regressão Linear para testar modelos de moderação e modelos de mediação
OA4 | Avaliar as condições de aplicação da Regressão Linear
OA5 | Atualizar e aprofundar conhecimentos sobre regressão linear para testar modelos de moderação e de mediação
OA6 | Aplicar a regressão linear múltipla para testar modelos de moderação e de mediação
OA7 | Analisar e interpretar os resultados das diversas modelações
OA8 | Reportar resultados em relatório ou em artigo científico
1. Modelação: moderação e mediação
1.1 Moderação: efeito de interação
1.2 Mediação: cadeia de efeitos
1.3 Análise de artigos com moderação e mediação
2. Modelação de moderação via Regressão Linear (OLS)
2.1 Efeito principal e efeito de interação
2.2 Moderadora quantitativa
2.3 Moderadora dummy
2.4 Aplicação com software (JAMOVI, JASP e PROCESS)
2.5 Reportar resultados em tese/artigo
3. Modelação de mediação via OLS
3.1 Mediadora quantitativa
3.2 Estimar e testar efeito indireto com bootstrapping
3.3 Mediação parcial e completa
3.4 Aplicação com software (JAMOVI, JASP e PROCESS)
3.5 Reportar resultados em tese/artigo
Existem duas opções para a avaliação:
1. Avaliação durante o semestre - trabalho individual, correspondendo a 100%.
A entrega desse trabalho exige a assiduidade de pelo menos 70% das aulas da unidade curricular.
2. Avaliação por exame: prova escrita a realizar no final do semestre, correspondendo a 100%.
Eliyana A, Pradana II. (2020). The Effect of Work-Family Conflict on Job Satisfaction with Organizational Commitment as the Moderator Variable. Sys Rev Pharm , 11(10): 429-437. doi:10.31838/srp.2020.10.66
Hair, J., Black, W., Babin, B. and Anderson, R. (2019) Multivariate Data Analysis, Pearson New International Edition (8th ed).
Hayes, A. F. (2022). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach. 3rd, Guilford Press.
Jiang, L., J. and Matthew J. (2018). Work and Affective Commitment: A Moderated Mediation Model of Positive Work Reflection and Work Centrality. J Bus Psychol 33, 545?558. https://doi.org/10.1007/s10869-017-9509-6.
Maroco, J. (2010). Análise Estatística com o PASW Statistics (ex-SPSS), Pero Pinheiro.
Tabachnick, B. and Fidell, L. (2013). Using Multivariate Statistics, USA, Person International Edition, 6ª ed.
Important links:
https://davidakenny.net/cm/moderation.htm
https://davidakenny.net/cm/mediate.htm
Cohen, J., P. Cohen, S. West, L. Aiken (2003) Applied Multiple Regression/Correlation. Analysis for the Behavioral Sciences, Mahawh: Laurence Erlbaum, 3ª ed.
Baron, R e Kenny D. (1986). The Moderator-Mediator Variable Distinction in Social Psychological research: Conceptual, Strategic and Statistical Considerations, Journal of Personality and Social Psychology, 51, 1173-1182.
Métodos de Associação Múltipla e de Agrupamento
No final da UC, cada estudante deverá ter adquirido as competências necessárias para:
OA1. Adquirir e desenvolver conhecimentos sobre Análise de Correspondências Múltiplas (ACM)
OA2. Adquirir e desenvolver conhecimentos sobre Análise de Clusters
OA3. Aplicar e articular a Análise de Clusters com outros métodos de análise multivariada
OA4. Analisar e interpretar os resultados estatísticos
AO5. Utilizar um software de análise estatística para realizar uma Análise de Correspondências Múltiplas e uma Análise de Clusters.
OA6. Reportar os resultados num texto síntese (relatório, artigo, dissertação)
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
5. Articulação da Análise de Clusters com a Análise de Correspondências Múltiplas.
Existem duas opções para a avaliação:
1.Avaliação durante o semestre: Teste escrito individual a realizar no final da UC (100%).
O acesso à avaliação exige a assiduidade a pelo menos 70% das aulas da unidade curricular.
2.Avaliação por exame: Teste escrito individual a realizar no final do semestre.
Carvalho, H. (2017). Análise de Multivariada de Dados Qualitativos, Utilização da Análise de Correspondências Múltiplas com o SPSS. 2ª Edição. Lisboa: Sílabo.
Hair, J., Black, W.C., Babin, B.J., and Anderson, R.E. (2018). Multivariate Data Analysis (8th ed.). Cengage Learning.
Hair, Joseph F. and William C. Black (2000) Cluster Analysis, in Grimm, L. G. & Yarnold, P. R. (Eds), Reading and Understanding More Multivariate Statistics. American Psychology Association.
Maroco, J. (2021). Análise Estatística com o SPSS (8ª edição). Report Number.
Reis, Elizabeth (1997), Estatística Multivariada Aplicada, Lisboa, Edições Sílabo.
Dados para Ciências Sociais
OA1. Conhecer os novos desafios e potencialidades de acesso a dados nas sociedades digitais;
OA2. Identificar as principais fontes de dados em ciências sociais e desenvolver competências que permitam o acesso aos mesmos;
OA3. Desenvolver competências de preparação, gestão e validação de bases de dados;
OA4. Conhecer e aplicar métodos básicos de análise descritiva de dados (univariada e bivariada) e apresentação de resultados;
OA5. Desenvolver competências básicas de utilização do software SPSS.
1. A investigação em ciências sociais na era do ‘big data’. Tipos de dados, desafios, oportunidades e questões éticas
2. Fontes de dados: dados primários e dados secundários
3. Dados secundários: tipos de fontes e modos de acesso; dados estruturados e não estruturados
4. Dados primários: instrumentos de recolha de informação, métodos de recolha de informação, construção de bases de dados (SPSS)
5. Preparação de bases de dados (SPSS): validação (operações básicas para deteção e correção de erros); construção de dados agregados a partir de micro dados; recodificação de variáveis e construção de novas variáveis
6. Análise estatística descritiva com o SPSS: análise univariada, análise bivariada, preparação de tabelas e gráficos, exportação de resultados para outros programas.
Duas opções para a avaliação:
1. Avaliação ao longo do semestre: Relatório individual, aproximadamente 10 páginas.
2. Avaliação por exame: Exercício individual ou relatório individual a realizar no final do ano letivo (época de exames da PGADCS).
Bryman, Alan (2016), Social Research Methods, Oxford, Oxford University Press (5th ed.).
Goodwin, John (2012) (ed.), Secondary Data Analysis, Thousand Oaks, Sage Publications.
Foster, Ian (ed), (2016), Big data and social science: a practical guide to methods and tools, Taylor & Francis Group.
Laureano, Raul, Maria do Carmo Botelho (2017), SPSS, O Meu Manual de Consulta Rápida, Lisboa, Sílabo (3ª edição).
Maroco, J. (2018), Análise Estatística com utilização do SPSS Statistics 25, Lisboa, Edições Sílabo.
Reis, E., P. Melo, R. Andrade e T. Calapez (1997), Estatística Aplicada, vols. 1 e 2, Lisboa, Sílabo, 3ª ed.
Reis, E. (2008), Estatística Descritiva, Lisboa, Sílabo, 7ª ed.
Maroco, J. e R. Bispo (2003), Estatística aplicada às ciências sociais e humanas, Lisboa, Climepsi Editores.
Iniciação à Comunicação Visual de Dados
OA1. Obter e organizar informação que melhor se adequa aos objetivos da comunicação visual.
OA2. Distinguir diferentes tipos de indicadores estatísticos e compreender quando e como devem ser utilizados.
OA3. Aplicar as variáveis visuais segundo as suas propriedades, em função da natureza da informação quantitativa ou qualitativa.
OA4. Utilizar os modelos gráficos mais adequados e maximizar o seu poder de comunicação.
OA5. Analisar criticamente expressões gráficas de conteúdos informativos numa variedade de contextos disciplinares.
OA6. Construir uma história gráfica (ou em alternativa, um poster científico, um abstract ou lead gráfico, uma banda desenhada informativa, uma explicação visual ou uma infografia), desde a fase da recolha, tratamento e seleção da informação pertinente até à fase da representação, comunicação e construção da narrativa visual.
Conteúdos programáticos (CP) articulados com os objetivos de aprendizagem.
I.Literacia gráfica e estatística: aprender uma nova linguagem
CP1. Indicadores estatísticos
CP2. Semiótica de comunicação e perceção
CP3. Pictografia
II.Representações gráficas: transformar o trivial em invulgar
CP4. Gráficos comunicacionais
CP5. Gráficos mistos ou de duplo-uso
CP6. Gráficos exploratórios
CP7. Criação de uma história gráfica
Avaliação durante o semestre:
Exercício individual: Elaboração de um relatório com representações visuais adequadas aos dados e objetivos de trabalho - 100%
Nota mínima final igual ou superior a 10.
Avaliação por exame:
Exame individual (100%).
Alexandrino da Silva, A. (2006). Gráficos e mapas - representação de informação estatística. Lisboa: Lidel edições técnicas.
Beniger, J., & Robyn, D.L. (1978). Quantitative graphics in statistics: A brief history, The American Statistician, 32 (1), 1-11.
Cairo, A. (2013). The Functional Art: An introduction to information graphics and visualization. New Riders.
Cairo, A. (2019). How Charts Lie. Getting smarter about visual information. New York: W.W. Norton & Company, Inc.
Cleveland, W.S., & McGill, R. (1984a). Graphical perception: Theory, Experimentation, and application to the development of graphical methods, Journal of the American Statistical Association, 82, 419-423.
Laureano, R. e Botelho, M. C. (2017) SPSS - O Meu Manual de Consulta Rápida, 3ª ed.,Lisboa, Edições Sílabo.
Tufte, E. (1983). The Visual Display of Quantitative Information. Edition, Cheshire, CT: Graphics Press. USA.
Ware, C. (2012), Information Visualization, Perception for design, Morgan Kaufmann.
Alexandrino da Silva, A. (2009). Gráficos: às vezes é difícil fazer pior. In Maria de Fátima Salgueiro, Diana A. Mendes, Luís F. Martins (Eds.) Temas em Métodos quantitativos - Vol. 6 (ISCTE, Edições Sílabo).
Alexandrino da Silva, A. (2006). Pictogramas estatísticos antes de 1935 (data de criação do INE) com Olga Mendes, Poster, Jornadas de classificação e análise de dados (JOCLAD-06 Lisboa - Universidade Lusíada). Disponível em http://graficosemapas.wordpress.com/o-autor/visualizacao-de-dados/postersartigos/
Cleveland, W.S. (1987b). Research in statistical graphics, Journal of the American Statistical Association, 82, 419-423.
Dias, M.H. (1991). Leitura e comparação de mapas temáticos em geografia. Lisboa: Centro de Estudos Geográficos - Universidade de Lisboa.
Few, S. (2012). Show Me the Numbers: Designing Tables and Graphs to Enlighten, Analytics Press.
Projeto de Investigação em Análise de Dados em Ciências Sociais
No final desta unidade curricular os alunos ficarão habilitados a:
OA1 - Estruturar um Relatório de análise de dados
OA2 - Selecionar os métodos de análise de dados adequados aos objetivos de investigação
OA3 - Apresentar, analisar e interpretar os dados
1. Estrutura de um relatório de análise de dados: seções e dimensão
2. Seleção dos métodos adequados para responder às perguntas de investigação/hipóteses de trabalho
3. Apresentação dos principais resultados (tabelas e gráficos)
4. Articulação relatório e anexos
Elaboração de um relatório de Análise de Dados no qual devem ser aplicados alguns dos métodos de análise de dados estudados ao longo das diferentes unidades curriculares.
Podem ser usados dados de investigação própria ou, alternativamente, uma base de dados disponibilizada.
O acesso à avaliação exige a assiduidade a pelo menos 60% das aulas da pós-graduação.
Esta UC não contempla avaliação por exame.
Tabachnick, B., L. Fidell, 2006, Using Multivariate Statistics, USA, Person International Edition, 5ª ed.
Reis, E., 2001, Estatística Multivariada Aplicada, Lisboa, Sílabo, 2ª ed.
Maroco, J. e R. Bispo, 2003, Estatística aplicada às ciências sociais e humanas, Lisboa, Climepsi Editores.
Maroco, J., 2010, Análise Estatística com o PASW Statistics (ex-SPSS), Pero Pinheiro, ReportNumber.
Hair, J., R. Anderson, R. Tatham e W. Black, 1995, Multivariate Data Analysis, Upper Saddle River: Pearson, 6ª ed.
Field, A., 2009, Discovering statistics using SPSS, London, Sage, 3ªed.
Carvalho, H., 2008, Análise Multivariada de Dados Qualitativos. Utilização da Análise de Correspondências Múltiplas com o SPSS, Lisboa, Edições Sílabo.
Vicente, P., E. Reis e F. Ferrão,1996, Sondagens. A amostragem como factor decisivo de qualidade, Lisboa, Sílabo.
Tacq, J.,1997, Multivariate Analyses Techniques in Social Science Research. From Problems to Analysis, London, Sage.
Tabachnick, B., L. Fidell, 2000, Computer-assisted research design and analysis, Boston: Ally and Bacon.
Reis, E., P. Melo, R. Andrade e T. Calapez, 1997, Estatística Aplicada, vols. 1 e 2, Lisboa, Sílabo, 3ª ed.
Reis, E., 2008, Estatística Descritiva, Lisboa, Sílabo, 7ª ed.
Ghiglione R. e B. Matalon, 1996, O Inquérito-teoria e prática, Oeiras, Celta Editora.
Foddy, W.,1996, Como perguntar-teoria e prática da construção de perguntas em entrevistas e questionários, Oeiras, Celta Editora.
Calapez, T., 2001, ?A medida nas ciências sociais: um conceito em evolução?, Temas em Métodos Quantitativos 2, Lisboa, Edições Sílabo.
Bryman, A. e D. Cramer, 2003, Análise de dados em Ciências Sociais. Introdução às Técnicas Utilizando o SPSS para Windows, Oeiras, Celta Editora, 3ª ed.
Botelho, Maria do Carmo e Laureano, Raul, 2010, SPSS - O Meu Manual de Consulta Rápida, Lisboa, Edições Sílabo.
Modelos de Regressão Aplicados
No final da UC, cada estudante deverá ter adquirido as competências necessárias para:
OA1.Identificar o objetivo dos métodos aprendidos e selecionar o adequado a cada situação.
OA2.Realizar e interpretar uma Regressão Linear.
OA3.Realizar e interpretar uma Regressão Logística Binária.
OA4.Realizar, no SPSS, uma análise de Regressão Linear e uma análise de Regressão Logística.
OA5.Sumariar, apresentar e interpretar, os resultados obtidos tendo em vista a elaboração de um texto síntese de análise de dados.
1.Modelo de Regressão Linear
1.1.Definição e hipóteses do modelo
1.2.Estimação dos parâmetros; Coeficientes de correlação e de determinação múltiplos; Inferência
1.3.Coeficientes de correlação parciais e semi-parciais
1.4.Interpretação e apresentação dos resultados
1.5. Regressão Hierárquica ou por blocos.
1.6.Aplicações com o SPSS
2.Regressão categorial: Logística Binária
2.1.Regressão Logística versus Regressão Linear: comparação de modelos
2.2.Transformação Logit
2.3. Qualidade e precisaão do modelo
2.4. Teste ao Modelo: Teste do Qui-quadrado
2.5. Coeficientes do Modelo de Regressão Logística: odds e odds ratio
2.6. Teste aos parâmetros: Wald test
2.7. Outliers e casos influentes: Análise dos resíduos
2.8.Aplicações com o SPSS
Existem duas opções para a avaliação:
1.Durante o semestre: Teste escrito individual a realizar no final da UC (100%).
O acesso à avaliação exige a assiduidade a pelo menos 70% das aulas da unidade curricular.
2.Avaliação por exame: Teste escrito individual a realizar no final do semestre.
Field, A. (2024). Discovering statistics using IBM SPSS statistics (6th ed.). Sage Publications.
Filho, D.F., Rocha, E., Paranhos, R., e Alexandre, J. (2015). Regressão logística em Ciência Política. Universidade Federal de Pernambuco.
Maroco, J. (2021). Análise Estatística com o SPSS (8ª edição). Report Number.
Hair, J., Black, W.C., Babin, B.J., and Anderson, R.E. (2018). Multivariate Data Analysis (8th ed.). Cengage Learning.
Hosmer Jr. D.W, Lemeshow, S., and Sturdivant, R.X. (2013). Applied Logistic Regression (3rd ed.). John Wiley & Sons Inc.
Menard, S. (2002). Applied Logistic Regression Analysis (2nded.) SAGE publications.
Menard, S. (2010). Logistic Regression: From Introductory to Advanced Concepts and Applications. SAGE publications.
Pampel, F. C. (2021). Logistic Regression. A Primer. SAGE publications.
Tabachnick, B., e Fidell, L. (2021). Using Multivariate Statistics (7th ed.), Pearson.
Modelos Multinível
OA1 - Identificar as implicações metodológicas decorrentes da gestão de bases de dados com estruturas hierárquicas.
OA2 - Compreender os princípios e pressupostos teóricos associados aos Modelos de Regressão Multinível (MRM).
OA3 - Identificar os MRM mais adequados às perguntas de investigação.
OA4 - Realizar análises de modelos com dois níveis usando software de estatística (JAMOVI and JASP).
OA5 - Interpretar e apresentar os resultados das análises MLM.
1. Modelos de Regressão Multinível (MRM)
1.1. Estrutura hierárquica de dados
1.2. Requisitos para realizar análise multinível
1.3. Intraclass correlation (ICC)
2. Modelo linear de efeitos mistos
2.1. Distinção entre efeitos fixos e efeitos aleatórios
2.2. Equações de um modelo linear misto
2.3. Seleção de efeitos aleatórios
3. Interpretação e inferência sobre o modelo
4. Extensões - Modelos mistos não lineares
5. Aplicações
6. Reportar resultados em tese/artigo
A modalidade de «avaliação durante o semestre» concretiza-se pela realização de um trabalho individual (100%).
A entrega desse trabalho exige a assiduidade de pelo menos 70% das aulas da unidade curricular.
Esta UC não contempla a modalidade «avaliação por exame».
Aguinis, H., Gottfredson, R. K., & Culpepper, S. A. (2013). Best-practice recommendations for estimating cross-level interaction effects using multilevel modeling. Journal of Management, 39 (6), 1490-1528.
Maas, C. J. M., & Hox, J. J. (2006). Sufficient sample sizes for multilevel modelling. Methodology, 1(3), 86?92.
Kreft, I. G. G., & de Leeuw, J. (1998). Introducing multilevel modeling. Newbury Park, CA: Sage.
Hox, J. (2010). Multilevel Analysis: Techniques and Applications, 2nd edition. New York: Routledge.
Snijders, T., & Bosker, R. (2012). Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling, 2nd edition. Los Angeles, CA: Sage.
-
Análise de Dados Qualitativos Assistida por Computador
O aluno que complete com sucesso esta Unidade Curricular será capaz de:
OA1 - Conhecer as diferentes formas de desenvolver análise de conteúdo com recurso ao MaxQda e saber adaptá-las e potencializá-las a diversos tipos de suporte: entrevista, entrevista de grupo, artigos de imprensa, entre outros materiais possíveis;
OA2 - Planear e executar um desenho metodológico de análise de conteúdo com recurso ao MaxQda, adaptado ao material e aos objectivos analíticos;
OA3 - Apresentar os respetivos outputs em formato de relatório ou outro produto científico.
1 Introdução à Análise de conteúdo
1.1 Tradições e pesquisas qualitativas
1.2 Análise de conteúdo (teoria) : história, mitos e definições
1.3 Análise de conteúdo (prática) : funções, objectivos, organização e exemplos
2 Organização de uma base de dados
2.1 O material e tipos de documentos
2.2 As regras na construção de categorias
2.3 As variáveis
3 A codificação
3.1 Os tipos de codificação (e implicações)
3.2 As cores e os níveis das categorias
4 Os outputs
4.1 Clássicos Textuais
4.2 Palavras
4.3 Gráficos
Retratos de documentos
Codeline
Gráfico de comparação de documentos
Nuvens de palavras
4.4 Quantitativos
Frequências das categorias
Estatísticas das subcategorias
Cruzamento das categorias
Cruzamento dos textos com as categorias
Cruzamento das variáveis com as categorias
Análise de semelhança entre documentos
5 Apresentação e discussão de resultados
5.1 Desenho da análise de conteúdo
5.2 Apresentação e discussão dos resultados
Existem duas opções para a avaliação:
1. Durante o semestre: os alunos serão avaliados com base na realização de um relatório de análise de conteúdo de entrevistas individuais, entrevistas de grupo ou análise documental à escolha do aluno (100% da nota final).
O acesso à avaliação exige a assiduidade a pelo menos 70% das aulas da unidade curricular.
2. Avaliação por exame: teste prático em MaxQda (100% da nota).
Bardin, Laurence (2008), Análise de Conteúdo, Edições 70.
Bryman, A. (2012). Social Research Methods. Oxford: Oxford University Press
Denzin, N.K., & Lincoln, Y.S. (2000). Handbook of Qualitative Research. London: Sage
Freitas, F. (2013). Coding qualitative data using MAXQDA 11. In Rosaline Barbour?s Introducing Qualitative Research: A Student's Guide. London: SAGE Publications.
Kuckartz, Udo; Stefan Rädiker (2019), Analyzing Qualitative Data with MAXQDA. Text, Audio, and Video; Springer, Berlin.
MAXQDA 12 Reference Manual, Verbi Software, Berlin (disponível online)
Rädiker, Stefan; Udo Kuckartz (2020), Focused Analysis of Qualitative Interviews with MAXQDA. Step by step, Maxqda Press (disponível online)
Atkinson, Paul (2005), Qualitative Research ? Unity and diversity, Forum: qualitative social research, Vol. 6 (3), art. 26.
Evers, Jeanino (2011), From the past into the future. How technological Developments Change Our Qays of data Collection, Transcription and Analysis, Forum: qualitative social research, Vol. 12 (1), art. 38.
Freitas, F. (2013). Coding qualitative data using MAXQDA 11. In Rosaline Barbour?s Introducing Qualitative Research: A Student's Guide. London: SAGE Publications.
Gobo, Giampietro (2005), The renaissance of qualitative methods, Forum: qualitative social research, Vol. 6 (3), art. 42.
Maryring, Philipp (2000), Qualitative content analysis, Forum: qualitative social research, Vol. 1 (2), art. 20. Teixeira, Alex Niche e Fernando Becker (2001), Novas possibilidades da pesquisa qualitativa via sistemas CAQDAS, Sociologias, Porto Alegre, ano 3, nº5, pp. 91-113.
Objetivos
O principal objetivo deste curso de pós-graduação é a aquisição de competências para selecionar os métodos de análise de dados mais adequados a cada contexto de pesquisa, realizar as análises, interpretar e reportar os resultados na perspetiva de realizar trabalhos de investigação (teses, artigos) e/ou relatórios profissionais.