Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Estatística e Análise de Dados

Departamento / Department

Departamento de Métodos de Pesquisa Social

Ano letivo / Execution Year

2023/2024

Pré-requisitos / Pre-Requisites

Não se aplica

Objetivos Gerais / Objectives

Pretende-se com esta unidade curricular proporcionar aos alunos o desenvolvimento de competências na utilização de métodos, de utilização generalizada na Ciência Política, que permitem a análise da relação entre variáveis com recurso a modelos de regressão (linear e logística). A apresentação dos métodos será sempre acompanhada de aplicações temáticas na área da Ciência Política, sustentadas pelo software de estatística IBM SPSS Statistics. Pretende-se que os estudantes aprendam: a) a analisar situações em que se estabelecem 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) sumariar, apresentar e interpretar os resultados estatísticos obtidos.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

O aluno que complete com sucesso esta Unidade Curricular será capaz de: 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 relatório de análise de dados ou de um artigo.

Conteúdos Programáticos / Syllabus

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.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 precisão 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

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes

A interligação dos conteúdos programáticos com os objetivos de aprendizagem (OA) é feita como a seguir se explicita: OA1 - Todos os pontos do programa OA2 - Pontos 1.1. a 1.4. OA3 - Pontos 2.1. a 2.7. OA4 - Pontos 1.5 e 2.8. OA5 - Todos os pontos do programa.

Avaliação / Assessment

Existem duas modalidades de avaliação: 1. Avaliação periódica: a) Trabalho de grupo com hipótese de discussão (40%); nota mínima: 10. b) 5 Mini-fichas das quais contam para avaliação os quatro melhores resultados (no total pesam 30%). c) Dois exercícios com aplicação de SPSS e escrita de relatório (15%+15%=30%); nota mínima: 7. 2. Avaliação por exame: teste escrito (70%) e teste de SPSS com escrita de relatório (30%). A melhoria de nota implica a realização do teste escrito (70%) e o exercício com aplicação de SPSS (30%).

Metodologias de Ensino / Teaching methodologies

O processo de ensino-aprendizagem desenvolve-se através de aulas teórico-práticas, sessões laboratoriais (orientadas para o trabalho prático, com recurso ao SPSS) e orientação tutorial. A apresentação dos métodos é sempre acompanhada de aplicações temáticas e que procuram dar resposta a uma questão de investigação. A análise estatística é feita com suporte do software de análise estatística IBM SPSS Statistics. O trabalho individual dos alunos inclui: a) participação nas aulas e realização das atividades extra-aulas solicitadas; b) consulta e leitura dos materiais de apoio preparados pela equipa docente e da bibliografia de referência; c) participação ativa na elaboração do trabalho de grupo; d) realização de dois exercícios com o SPSS; e) realização de mini-fichas de avaliação e consolidadação da matéria.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

As diferentes metodologias de ensino permitirão alcançar os objetivos de aprendizagem (OA) definidos, como se demonstra em seguida: - As aulas teórico-práticas destinadas à apresentação dos conceitos estatísticos, à interpretação de diversos exemplos, assim como aos modos de apresentação e discussão de resultados permitirão alcançar os seguintes objetivos de aprendizagem: OA1, OA2, OA3 e OA5. - Nas aulas práticas serão desenvolvidos os conhecimentos e as competências dos alunos relativamente à utilização do software SPSS, o que permitirá alcançar o OA4. - As mini-fichas permitirão aos alunos demonstrar que alcançaram os seguintes objetivos de aprendizagem: OA1, OA2, OA3 e OA5. - Os exercícios com SPSS permitirão demonstrar que os alunos alcançaram os objetivos de aprendizagem 4 e 5 (OA4 e OA5). - O trabalho de grupo permitirá medir a prossecução dos objetivos de aprendizagem 1, 2, 4 e 5.

Observações / Observations

As mini-fichas são feitas ao longo do semestre no início das aulas com o objetivo de rever e avaliar a matéria dada na(s) aula(s) anterior(es). São individuais e têm a duração de 10 minutos cada uma delas. Do conjunto das 5 mini-fichas, apenas contam para a nota final os quatro melhores resultados. Em termos de formato, poderá ser muito variado nomeadamente perguntas de escolha múltipla, perguntas de verdadeiro ou falso, perguntas diretas ou preenchimento de informação em falta em tabelas ou texto. Existirão aulas dedicadas ao desenvolvimento do trabalho de grupo final, nas quais todos os elementos do grupo deverão estar presentes.

Bibliografia Principal / Main Bibliography

Andy Field, Discovering Statistics Using IBM SPSS Statistics, London, Sage Publications, 5th Edition., 2017, Field, A., 2017. Discovering Statistics Using IBM SPSS Statistics. Sage Publications, 5th Edition., João Maroco, Análise Estatística com o SPSS, 2018, Maroco, J., 2018. Análise Estatística com o SPSS. 7ª edição. Report Number., Filho, D.F., Rocha, E., Paranhos, R., e Alexandre, J. (2015). Regressão logística em Ciência Política. Universidade Federal de Pernambuco.

Bibliografia Secundária / Secondary Bibliography

Hair, J., Black, W.C., Babin, B.J., and Anderson, R.E., Multivariate Data Analysis,, null, Hair, J., Black, W.C., Babin, B.J., and Anderson, R.E., 2014. Multivariate Data Analysis. 7th Edition. Pearson Educational, Hosmer Jr. D.W, Lemeshow, S., and Sturdivant, R.X., 2013. Applied Logistic Regression. 3rd Edition. John Wiley & Sons Inc. Menard, S. 2002. Applied Logistic Regression Analysis (Quantitative Applications in the Social Sciences). 2nd Edition. A Sage University Paper. SAGE publications Menard, S. 2010. Logistic Regression: From Introductory to Advanced Concepts and Applications. SAGE publications. Pampel, F. C., 2000. Logistic Regression. A Primer (Quantitative Applications in the Social Sciences). A Sage University Paper. SAGE publications Tabachnick, B., e Fidell, L., 2013. Using Multivariate Statistics. 6th Edition Pearson International Edition.

Data da última atualização / Last Update Date

2024-02-16