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 Quantitativos para Gestão e Economia
Ano letivo / Execution Year
2025/2026
Pré-requisitos / Pre-Requisites
Não existem.
Objetivos Gerais / Objectives
Esta unidade curricular tem como objetivo proporcionar aos estudantes o desenvolvimento de competências na utilização de métodos de dependência que permitem a análise da relação entre variáveis usando modelos de regressão linear múltipla e logística binária, com efeitos de moderação e de mediação, e árvores de classificação. A apresentação dos métodos será acompanhada de aplicações na área dos Recursos Humanos. Pretende-se que os estudantes aprendam a: a) analisar situações em que se estabelecem relações de dependência entre diferentes tipos de variáveis; b) usar ferramentas que permitam realizar as análises estatísticas. Recorrer-se-á a diferentes softwares como o Jamovi, o SPSS (com a macro PROCESS), ou outros; c) apresentar e interpretar os resultados das análises.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
O estudante que complete com sucesso esta unidade curricular será capaz de: OA1. Identificar o objetivo dos métodos e selecionar o adequado; OA2. Realizar e interpretar os resultados de uma análise de regressão linear; OA3. Realizar e interpretar os resultados de uma análise de classificação usando regressão logística binária ou árvores de classificação; OA4. Construir e estimar modelos de moderação e modelos de mediação e interpretar os resultados.
Conteúdos Programáticos / Syllabus
CP1. Modelo de Regressão Linear 1.1. Pressupostos do modelo 1.2. Estimação dos parâmetros 1.3. Coeficientes de correlação e de determinação CP2. Regressão Logística Binária 2.1. Qualidade e precisão do modelo 2.2. Teste ao Modelo 2.3. Coeficientes do Modelo de Regressão CP3. Modelos de moderação e mediação 3.1. Efeito de Moderação 3.2.Modelação de efeitos de moderação via Regressão Linear 3.3. Efeito de Mediação 3.4. Modelação de mediação via Regressão Linear 3.5. Mediação parcial e completa CP4. Árvores de Classificação 4.1. O Algoritmo CART 4.2. Regras de decisão
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes
Os objetivos de aprendizagem (OA) definidos para esta UC são concretizados em conteúdos programáticos (CP) conforme as ligações seguintes: OA1 – CP1,2,3,4 OA2 – CP1 OA3 – CP2,4 OA4 – CP3
Avaliação / Assessment
Avaliação ao longo do semestre Teste escrito individual (60%); trabalho de grupo com relatório de um caso com recurso a um software de estatística (40%). A nota mínima em cada parte é 8 valores. Assiduidade mínima de 2/3 das aulas lecionadas. Avaliação por exame (1º época ou 2º época) Exame individual com: componente teórica (60%) e componente prática com recurso a um software de estatística (40%). A nota mínima em cada parte é 8 valores. Avaliação por exame (época especial) Exame individual com componente teórica (100%). A nota mínima é 9,5 valores. Todos os momentos de avaliação individual serão realizados sem consulta de folhas de apoio, livros ou outros materiais.
Metodologias de Ensino / Teaching methodologies
A concretização dos objetivos da unidade curricular faz-se por meio de aulas teórico-práticas, aulas práticas e trabalho pessoal dos estudantes. O estudo individual, tendo por base a bibliografia sugerida, é orientado e apoiado pelos seguintes Metodologias de Ensino (ME): ME1 - Sessões teórico-práticas para apresentação dos diferentes métodos estatísticos e discussão de diversas aplicações; ME2 - Sessões laboratoriais que permitem aplicar os diferentes métodos usando um software de estatística.
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 metodologias de ensino (ME) estão em articulação com os objetivos de aprendizagem (OA) da UC da seguinte forma: ME1 - OA1,2,3,4 ME2 – OA2,3,4
Observações / Observations
1. Para complementar o processo de avaliação, e para calcular a nota final no processo de avaliação ao longo do semestre ou avaliação por exame, é reservado ao professor o direito de realizar uma prova oral ao estudante sobre qualquer tópico ministrado na UC. 2. No exame de 2ª época, o estudante que não tenha tido aprovação na UC mas tenha nota admissível no trabalho de grupo neste ano letivo, pode ser dispensado da componente prática, sendo considerada a nota do trabalho de grupo para o cálculo da nota final. 3. Os alunos abrangidos pelo Regulamento Interno para Estudantes com Estatutos Especiais deverão contactar o docente da UC na primeira semana de aulas, com vista ao enquadramento dos processos de aprendizagem e avaliação na UC. 4. O teste individual e os exames serão realizados presencialmente.
Bibliografia Principal / Main Bibliography
1. Larosse, D., and Larosse (2015). Data Mining and Predictive Analytics, John Wiley & Sons, Inc., 2nd Edition. 2. Maroco, J. (2018). Análise Estatística com o SPSS, Report Number, 7ª edição. 3. Tabachnick, B., and Fidell, L. (2013). Using Multivariate Statistics, Pearson International Edition, 6th Edition.
Bibliografia Secundária / Secondary Bibliography
1. Hair, J., Black, W.C., Babin, B.J., and Anderson, R.E. (2019). Multivariate Data Analysis, Cengage, 8th Edition. 2. Hayes, A. F. (2017). Introduction to Mediation, Moderation, and Conditional Process Analysis. A Regression-Based Approach, Guilford Press, 2nd Edition. 3. Hosmer Jr. D.W, Lemeshow, S., and Sturdivant, R.X. (2013). Applied Logistic Regression, John Wiley & Sons Inc., 3rd Edition. 4. Silva, M. G. Apontamentos de apoio à UC de Métodos Analíticos em Gestão de Recursos Humanos da Licenciatura em Gestão de Recursos Humanos.
Data da última atualização / Last Update Date
2025-07-18