Este blogue será utilizado na nova Unidade Curricular - Metodologias de Investigação do Programa Doutoral Multimédia em Educação. Os elementos do grupo são: Carlota Lemos,Cláudia Cruz, Isabel Araújo, Luís Pereira e Lurdes Martins.

24
Mar 10

Os autores apresentam os seguintes quadros que sintetizam os testes, as medidas de associação, correlação e procedimentos na análise bivariada e multivariada.


para amostras independentes

 


 


Variáveis qualitativas




 


Escalas




Ordinal


Intervalar e Rácio


Variáveis qualitativas


Nominal


Qui-quadrado

Fisher

Odd ratio

Anacor

MCA


 


Eta

Testes t

Análise de variância

Análise da covariância

Manova e Mancova

Análise de clusters

Análise discriminante


Ordinal


Qui-quadrado

Kolmogorov-Smirnov

Mann Whitney

Kruskal-Wallis


Kappa de Cohen



Eta

Testes t

Análise de variância

Análise da covariância

Manova e Mancova

Análise de clusters

Análise discriminante


Variáveis qualitativas


Intervalar e Rácio


 


 


R Pearson , Ró Spearman, correlações parciais

Análise factorial

Regressão

Path analysis



 para amostras emparelhadas



Escalas


1 variável independente


2 ou mais variáveis independentes


2 condições


3 ou mais condições


2 ou mais condições


Nominal


McNemar


Q de Cochran


 


Ordinal


Teste do sinal

Wilcoxon


Friedman


 


Intervalar e Rácio


Testes t


 


GLM Repeated Measures

Manova – factor within subject



Pestana, M.H. e Gageiro, J.N. (2005). Análise de dados para Ciências Sociais. A complementaridade do SPSS. 4ª edição .Editora Sílabo. Lisboa.


Pestana, M.H. e Gageiro, J.N. (2005). Análise de dados para Ciências Sociais. A complementaridade do SPSS. 4ª edição .Editora Sílabo. Lisboa.


 



A estatística descritiva descreve e estuda as características das unidades observadas ou experimentadas e utiliza-se para descrever esses dados através de estatísticas, como por exemplo a média, a moda ou desvio padrão. No seu âmbito faz-se a recolha, classificação e organização de dados, procurando-se sintetizar e representar de forma compreensível e sintetizada a informação contida num conjunto de dados. Esta tarefa concretiza-se na construção de tabelas, gráficos, análise das não respostas, identificação de observações aberrantes (outliers) e no cálculo de valores que representem a informação contida nos dados, sem distorção nem perda de informação.



A estatística indutiva permite tirar conclusões para um domínio mais vasto do que o dos elementos observados ou experimentados. Essas inferências são realizadas por aplicação em amostras aleatórias de intervalos de confiança e teste paramétricos ou não paramétricos.


A inferência estatística permite estimar as características desconhecidas de uma população, mesmo que a população não tenha sido analisada na totalidade, e testar se são plausíveis determinadas hipóteses formuladas sobre essas características. O objectivo da inferência estatística consiste, em última análise, em fazer previsões a partir da parte para o todo, ou seja, com base na análise de um conjunto limitado de alguns dados (amostra) recolhidos junto de um conjunto total de indivíduos (população), pretendemos caracterizar a população.


Podem-se identificar as variáveis segundo quatro escalas ou níveis de medidas: nominal, ordinal, intervalar ou rácio (ou razão). Estas escalas podem ser agrupadas em variáveis quantitativas (intervalar e rácio) e qualitativas (nominal e ordinal).


As variáveis quantitativas, que são variáveis cujos dados podem ser expressos por valores numéricos, podem ser de natureza discretas e contínuas, consoante possam tomar um conjunto finito de valores ou uma infinidade mensurável de valores (gerados pelo processo de contagem) ou assumir qualquer valor num intervalo de números reais (gerado pelo processo de medição).


Consoante o número de variáveis a ser tratadas simultaneamente, a análise de dados pode ser univariada – cada variável é tratada isoladamente, bivariada – quando se estabelece relações entre duas variáveis e multivariada – quando se estabelece relações entre mais de duas variáveis.



No caso destas duas últimas, análise bivariada e análise multivariada, tem-se duas formas de conduzir esta análise, realizando comparações de dois ou mais grupos cujas observações são independentes umas das outras, amostras independentes, ou comparando o mesmo grupo em diferentes situações (por exemplo, antes e depois do tratamento), amostras emparelhadas.











Quivy, R. (2008). Manual de investigação em ciências sociais. Lisboa. Gradiva.


 


Tendo-se como objectivo de investigação responder a um problema, começa-se por formular hipóteses e efectuar observações inerentes a essas hipóteses. De acordo com o método optado temos um conjunto de informações recolhidas.


Fases de análise de informação:


1-      Verificação empírica – verificar se os resultados obtidos correspondem aos resultados esperados pela hipótese.


2-      Interpretação de factos inesperados e rever ou afinar as hipóteses afim de se poderem tirar conclusões.


Geralmente trabalha-se por componentes ou dimensões, e elabora-se, para cada uma delas, uma síntese de informações. Ou seja, trabalha-se as informações para os conceitos. Por vezes, é conveniente construir um índice que sintetize as informações fornecidas (criar uma variável (global), por exemplo).


O objectivo é reagrupar os dados relativos a uma dimensão (ou componente) e descrevê-los por meio de um índice pertinente, ou seja, criar uma variável. Procede-se de igual forma para todas as dimensões (ou componentes) podendo não ser possível calcular o índice global para todas. Calculam-se as percentagens e respectivas conclusões de cada elemento. E através destas sínteses parciais elaboram-se as conclusões. Para tal, recorre-se a testes estatísticos apropriados, por exemplo, para comparar índices existe um teste de comparação de médias, para comparar percentagens tem-se teste das proporções ou teste do quiquadrado.


Contudo podem surgir problemas de análise entre as varáveis e do seu significado, nesta fase devem-se considerar as variáveis-teste (que foram introduzidas na fase de construção, pelas hipótese complementares). Estas variáveis podem modificar a interpretação dos dados.


Operações da análise das informações (dados quantitativos ou qualitativos):


A Análise das informações exige múltiplas operações sendo obrigatórias, sequencialmente de forma sucinta, a preparação dos dados, seguida da análise das relações entre as varáveis, e por fim comparação entre os resultados observados e os resultados esperados em função das hipóteses.


1.       Descrição e preparação dos dados necessários para testar as hipóteses


Esta operação consiste na descrição e agregação dos dados. A descrição passa pela distribuição sintética dos dados com a ajuda de quadros, gráficos e medidas descritivas (média, desvio padrão e mediana) com o objectivo de evidenciar as características da distribuição da variável (por exemplo, normal, exponencial). A agregação de dados ou variáveis consiste em agrupar em subcategorias ou mesmo descrevê-los através de um novo dado. Para descrever uma variável através de uma expressão sintética tem que se ter em conta se a variável é qualitativa nominal (as suas modalidades não se podem ordenar, ou ordinal (as suas modalidades podem se ordenar), se é uma variável quantitativa continua ou discreta. As variáveis qualitativas e quantitativas não são tratadas da mesma forma, deve ter isto em consideração ao elaborar os instrumentos de observação. Para descrever uma variável nominal através de uma expressão sintética (medida descritiva) utilizam-se as percentagens, no caso de uma variável ordinal utiliza-se a mediana, e caso seja umas variável quantitativa utiliza-se qualquer medida descritiva (média, media e percentagens).


Esta operação é particularmente importante se for necessário agregar variáveis para reconstruir um conceitos e exprimi-lo por uma medida sintética.


 2.       Análise das relações entre variáveis


Esta análise consiste em relacionar as variáveis correspondentes aos termos das hipóteses (conceitos, dimensões, indicadores ou atributos). Inicialmente estudam-se as ligações entre as variáveis das hipóteses principais, seguindo-se posteriormente para as hipóteses complementares (que podem ter surgir na fase de construção ou no decurso da análise, como resultado de informação inesperada). Nesta operação devem estar presentes as variáveis-testes (introduzidas pelas hipóteses complementares assegurando que a relação pressuposta pela hipótese principal não é enganadora). Esta operação permite revelar a independência, a associação (correlação) ou ligação lógica que pode existir entre as variáveis ou combinações de variáveis.


 


3.       Comparação dos resultados observados com os resultados esperados a partir das hipóteses


        Na fase da construção para cada hipótese associam-se relações que se julgam correctas e posteriormente deveriam ser confirmadas pela observação e análise de dados. As conclusões tiram-se da comparação entre os resultados esperados a partir da hipótese e os resultados observados que resultam das operações anteriores.


Em caso de divergência entre os resultados esperados e observados, deve-se encontrar a origem da divergência e procurar as diferenças entre a realidade e o que pressuposto à partida, ou mesmo, elaborar novas hipóteses e a partir de uma nova análise os dados confirma-las. Por vezes é preciso completar a observação.





 

Os procedimentos de análise de informação devem ser adaptados em função do modelo de análise escolhido.



Como os meus conhecimentos do SPSS estão já u pouco "enferrujados", achei interessante partilhar convosco este vídeo. A ajuda das duas matemáticas do grupo (a Carlota e a Isabel) será, sem dúvida, preciosa.




 


Em relação ao Nvivo, embora tenha já ouvido falar deste software para o tratamento de infomação qualitativa, este vídeo é mesmo a primeira abordagem.



Março 2010
Dom
Seg
Ter
Qua
Qui
Sex
Sab

1
2
3
4
5
6

7
8
9
10
11
12
13

14
15
16
17
18
19
20

21
27



subscrever feeds
arquivos
pesquisar
 
blogs SAPO