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

Ano letivo / Execution Year

2026/2027

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, recorrendo a diferentes programas de software, como o Jamovi ou o SPSS (com a macro PROCESS); 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 de cada método e selecionar o mais adequado a cada situação de análise; 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 efeitos 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 conteúdos programáticos (CP) da UC encontram-se plenamente alinhados com os objetivos de aprendizagem (OA) definidos. Os CP1, CP2, CP3 e CP4 contribuem para o cumprimento do OA1, uma vez que proporcionam os conhecimentos necessários para compreender a finalidade de cada método estatístico e selecionar o mais adequado à análise do problema em estudo. O CP1 dá resposta ao OA2, ao abordar a análise de regressão linear. Os CP2 e CP4 contribuem para o OA3, promovendo a análise e a interpretação dos resultados obtidos através de modelos de classificação, nomeadamente recorrendo à regressão logística binária e às árvores de classificação. Por fim, o CP3 dá resposta ao OA4, ao centrar-se nos modelos de moderação e de mediação.

Avaliação / Assessment

1. Avaliação ao longo do semestre a) Assiduidade mínima de 2/3 das aulas lecionadas; b) Teste escrito individual: peso de 60%; classificação mínima de 8,5; c) Trabalho de grupo: i) peso de 40%; ii) com relatório; iii) com discussão oral; iv) classificação mínima de 8,5. 2. Avaliação por exame (1º época ou 2º época) a) Exame individual - componente teórica (60%); b) Exame individual - componente prática com recurso a um software de estatística (40%). c) Nota mínima em cada parte de 8,5 valores. 3. Avaliação por exame (época especial) Exame individual com componente teórica (100%). A nota mínima é 10 valores. 4. Todos os momentos de avaliação individual serão realizados sem consulta de folhas de apoio, livros ou outros materiais. 5. O teste individual e os exames serão realizados presencialmente. 6. O/A coordenador/a da unidade curricular pode determinar a realização de uma discussão oral complementar relativamente a qualquer elemento/instrumento de avaliação previsto na presente Ficha de Unidade Curricular, sempre que tal se revele necessário para confirmar a aquisição dos conhecimentos e competências avaliados, ou esclarecer discrepâncias entre diferentes elementos de avaliação. A discussão oral complementar não constitui um instrumento autónomo de avaliação, não tem ponderação própria na classificação final da unidade curricular e destina-se exclusivamente à validação da classificação do respetivo elemento/instrumento de avaliação. A classificação anteriormente atribuída a esse elemento/instrumento tem natureza provisória até à realização da discussão oral complementar, podendo ser confirmada ou revista em função da validação realizada e dos critérios de avaliação aplicáveis. A convocatória para a discussão oral complementar será comunicada ao/à estudante com antecedência mínima de 24 horas, indicando a data e a hora de realização. A não comparência, sem justificação atendível, implica a impossibilidade de validação do respetivo elemento/instrumento de avaliação, aplicando-se as consequências previstas para a sua não realização ou desistência. 7. 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.

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 e de aprendizagem (MEA): MEA1 - Sessões teórico-práticas para apresentação dos diferentes métodos estatísticos e discussão de diversas aplicações; MEA2 - 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 e de aprendizagem (MEA) foram concebidas de forma a promover o desenvolvimento das competências necessárias ao cumprimento dos objetivos de aprendizagem (OA). Assim, na grelha apresentada de seguida, evidenciam-se as principais correspondências entre as metodologias de ensino e de aprendizagem e os respetivos objetivos de aprendizagem. Em sessões teórico-práticas serão apresentados os diferentes métodos estatísticos e as suas aplicações (MEA1), contribuindo para a concretização dos OA1, OA2, OA3 e OA4. Em sessões laboratoriais, recorrendo à utilização de software estatístico, serão explorados diversos problemas na área dos Recursos Humanos (MEA2), contribuindo para a concretização dos OA2, OA3 e OA4.

Observações / Observations

1. 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.

Bibliografia Principal / Main Bibliography

1. Field, A. (2024). Discovering statistics using IBM SPSS statistics (6th ed.). Sage: Los Angeles. 2. Larose, D., and Larose, C. (2015). Data Mining and Predictive Analytics, John Wiley & Sons, Inc., 2nd Edition. 3. Hayes, A. F. (2022). Introduction to Mediation, Moderation, and Conditional Process Analysis. A Regression-Based Approach, Guilford Press, 3rd 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. 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. 4. Hosmer Jr. D.W, Lemeshow, S., and Sturdivant, R.X. (2013). Applied Logistic Regression, John Wiley & Sons Inc., 3rd Edition. 5. 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

2026-07-24