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

2020/2021

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 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 das Ciências Sociais, 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

Exercício individual com nota mínima de 10 valores a realizar no final da UC. A avaliação por exame consiste num teste individual com nota mínima de 10 valores.

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. Este trabalho pessoal consiste num conjunto de atividades, incluindo, para cada estudante: a) frequência das aulas e participação efetiva nelas; b) realização de exercícios práticos, utilizando usando o SPSS.

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

A interligação entre as metodologias de ensino-aprendizagem e os objetivos de aprendizagem (OA) é realizada da seguinte forma: Aulas teórico-práticas | Transversais a todos os objetivos de aprendizagem. Sessões laboratoriais | OA4 e OA5. Trabalho autónomo dos alunos | transversal a todos os objetivos de aprendizagem.

Observações / Observations

Não se aplica.

Bibliografia Principal / Main Bibliography

Maroco, J., 2018. Análise Estatística com o SPSS, 7ª edição, Pero Pinheiro, Report Number. Field, A., 2018. Discovering Statistics Using IBM SPSS Statistics, London, Sage Publications, 5th Edition.

Bibliografia Secundária / Secondary Bibliography

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

Data da última atualização / Last Update Date

2024-02-16