Descritor ISCSP Subject File

(1)

Unidade Orgânica Instituto Superior de Ciências Sociais e Políticas | School of Social and Political Sciences

Plano de Estudos Licenciatura em Ciência Política

Mestrado em Doutoramento em

Study Plan

Bachelor Degree in Political Science Master Degree in

Doctoral Degree in

Tipo | Type

(Diurno ou Pós-laboral) Diurno

Descritor | Subject File

Área Disciplinar/Científica Metodologia

Scientific Area Methodology

Unidade Curricular Métodos Quantitativos para a Ciência Política

Subject Quantitative Methods for Political Science

Docente(s) | Lecturer(s) Prof. Associado Ricardo Ramos Pinto Assist. Conv. Modesto Cal Vasquez E-mail rrp@iscsp.utl.pt Pré-Requisitos - Prerequisites - Obrigatória/Opcional Obrigatória Mandatory/Optional Mandatory

Ano Lectivo | Academic Year 2011/2012

Ciclo | Cycle I

Ano Curricular | Course Year 2º

Semestre | Semester 1º

Carga lectiva 3 horas/semana

Teaching Load 3hours/week

Métodos de Ensino Aulas teórico práticas. Realização de um trabalho de grupo, que consiste na análise de dados reais. Participação em sala de aula e discussão dos trabalhos realizados. Acompanhamento tutorial dos alunos na realização do trabalho de grupo.

Teaching Methods Teaching is theoretical and practical. Students are encouraged to conduct a group collection and analysis of real data applying the coursed techniques. Individual and group tutorial guidance is offered to students along the course and project development.

Métodos de Avaliação Regras previstas no Regulamento de Avaliação do 1º Ciclo. A avaliação contínua é composta por quatro componentes: 1)Participação nas aulas (15%); 2) Trabalho de grupo (40%); 3)1ª Prova Escrita (25%); 4) 2ª Prova Escrita (20%). A avaliação da componente participação nas aulas pressupõe uma assiduidade mínima de 2/3.

Assessment Methods Assessment preditcted in the Regulamento de Avaliação do 1º Ciclo. The continuous assessment consists of four components: 1) Participation in class (15%); 2) Group Work (40%); 3) 1st Written exam (25%); 4) 2nd Written Exam (20%). The assessment of the participation in class requires a minimum attendance of 2/3.

Língua | Language Português

Créditos ECTS | ECTS Credits 5

Tempo Trabalho (horas) |

Workload (hours) Total: 130

Contacto

(2)

pt

Distribuição de Créditos

Credits Distribution

Conteúdos Programáticos 1. TESTES DE HIPÓTESES

1.1. Introdução

1.2. Exemplos de aplicação 1.3. Testes paramétricos

1.3.1. Teste de hipóteses à média populacional 1.3.2. Teste de hipóteses à proporção populacional 1.4. Testes não paramétricos

1.4.1. Teste de Normalidade (Kolmogorov-Smirnov com a correcção de Lilliefors) 1.4.2. Teste de Shapiro-Wilk

1.5. Testes paramétricos (continuação)

1.5.1. Teste de hipóteses para a igualdade de duas médias 1.5.1.1. Amostras independentes

1.5.1.2. Amostras emparelhadas 1.5.2. Comparação de várias médias

1.5.2.1. Análise de Variância Simples (ANOVA) 1.5.2.2. Teste de Kruskal-Wallis

1.5.2.3. Teste de Mann-Whitney

2. ANÁLISE BIVARIADA DE DADOS CATEGORIAIS 2.1. Introdução

2.2. Tabelas de contingência

2.3. Teste de independência do Qui-quadrado 2.4. Teste Exacto de Fisher

2.5. Análise de Correspondência (ANACOR)

3. INTRODUÇÃO À ANÁLISE MULTIVARIADA DE DADOS 3.1. Introdução

3.2.Conceitos fundamentais da estatística multivariada

(Pressupostos, tipos de variáveis/amostras, escalas de medida, Potência, etc…)

3.3. Exemplos de aplicação (breve descrição das técnicas que serão abordadas e a sua aplicação) 4. ANÁLISE FACTORIAL E ANÁLISE DE COMPONENTES PRINCIPAIS

4.1. Extracção das componentes principais 4.2. Escolha do número componentes principais 4.3. Rotação dos factores

4.4. Interpretação

5. ANÁLISE CATEGORIAL DE COMPONENTES PRINCIPAIS 5.1. Optimal scaling

5.2. Escolha do número de dimensões 5.3. Agrupamento das variáveis 5.4. Agrupamento das categorias 5.5. Interpretação

6. ANÁLISE DE CORRESPONDÊNCIA MÚLTIPLA (MCA) 6.1. Escolha do número de dimensões

6.2. Agrupamento das variáveis 6.3. Agrupamentos das categorias 6.4. Interpretação

7. ANÁLISE DE REGRESSÃO 7.1. Introdução

7.2. Regressão Linear 7.2.1. Selecção do modelo

7.2.2. Análise e validação do modelo 7.2.3. Previsão

7.3 Análise Discriminante e Regressão Logística 7.3.1. Selecção do modelo

7.4. Regressão Categorial 7.4.1. Selecção do modelo

(3)

Syllabus 1. TESTS OF HYPOTHESES

1.1. introduction

1.2. Examples of application 1.3. parametric tests

1.3.1. Testing hypotheses of population mean 1.3.2. Testing hypotheses of population proportion 1.4. Nonparametric tests

1.4.1. Normality Test (Kolmogorov-Smirnov with Lilliefors correction) 1.4.2. Shapiro-Wilk

1.5. Parametric tests (continued)

1.5.1. Hypothesis test for equality of two means 1.5.1.1. Independent samples

1.5.1.2. Paired

1.5.2. Comparison of several medium 1.5.2.1. Analysis of Variance (ANOVA) 1.5.2.2. Kruskal-Wallis

1.5.2.3. Mann-Whitney

2. Bivariate analysis DATA CATEGORIES 2.1. introduction

2.2. Contingency tables

2.3. Independence test chi-square 2.4. Fisher's Exact Test

2.5. Correspondence Analysis (ANACOR)

3. INTRODUCTION TO MULTIVARIATE DATA ANALYSIS 3.1. Introduction

3.2. Fundamental concepts in multivariate data analysis

(assumptions, types of variables / samples, measuring scales, power, etc ...) 3.3. Application examples

(brief description of the techniques that are discussed and their application) 4. FACTOR ANALYSIS AND PRINCIPAL COMPONENT ANALYSIS

4.1. Principal components extraction

4.2. Selection of the number of principal components 4.3. Rotation of the factors

4.4. Interpretation

5. CATEGORICAL PRINCIPAL COMPONENTS ANALYSIS 5.1. Optimal scaling

5.2. Selection of the number of dimensions 5.3. Grouping of the variables

5.4. Grouping of categories 5.4. Interpretation

6. Multiple Correspondence Analysis (MCA) 6.1. Choose the number of dimensions 6.2. Grouping of variables 6.3. Groupings of categories 6.4. Interpretation 7. REGRESSION ANALYSIS 7.1. Introduction 7.2. Linear Regression 7.2.1. Model Selection

7.2.2. Analysis and model validation 7.2.3. Forecast

7.3 Discriminant Analysis and Logistic Regression 7.3.1. Model Selection

7.4. Categorical Regression 7.4.1. Model Selection

(4)

pt

Objectivos Gerais Dotar os alunos dos conhecimentos suficientes para que possam analisar e interpretar uma grande variedade de dados recorrendo a técnicas de análise univariada e multivariada.

General Goals Provide the students with sufficient knowledge to enable them to analyze and interpret a wide variety of data using univariate and multivariate statistical methods.

Objectivos Específicos Para a obtenção de aprovação na unidade curricular de Métodos Quantitativos para a Ciência Política, os alunos terão que:

1) Compreender o conceito de teste de hipóteses e serem capazes de o aplicar em situações reais 2) Aplicar métodos comparativos sobre várias populações

3) Extrair o máximo de informação dos dados, pela redução do número de variáveis; cruzamento de variáveis e análise da dependência/independência; capacidade para realizar previsões, classificação, descriminação e segmentação.

Specific Goals To obtain approval in the course of Quantitative Methods for the Political Science, students will have to be capable of:

1) Understanding the concept of hypothesis test and be able to apply it in real contexts 2) Appling comparative methods on various populations

3) Extracting the maximum information from data, by reducing the number of variables, crossing variable information, analyze its dependence / independence, be able to make prediction, classification, discrimination and segmentation.

Demonstração da coerência dos conteúdos programáticos com os objectivos

Os conteúdos programáticos consistem numa série de técnicas de análise univariada e multivariada de dados, que, quando apreendidas, permitirão aos alunos extrair informação relevante de qualquer conjunto de dados.

Demonstration of the consistency

of the syllabus with the goals The syllabus consists of a series of univariate and multivariate data analysis techniques, which, when learned, will allow the students to extract relevant information from any data set.

Perfil de saída Os alunos deverão ser capazes de analisar uma grande variedade de dados e de extratir informação relevante no contexto da Ciência Política.

Output profile Students should be able to analyze a wide variety of data and extract relevant information in the context of Political Science.

Competências Adquiridas Capacidade de análise e síntese Capacidade de aprender

Habilidade para resolver problemas Capacidade de aplicar o conhecimento Capacidade de trabalhar em equipa.

Acquired Skills Capacity for analysis and synthesis Ability to learn

Ability to solve problems Ability to apply knowledge Ability to teamwork.

Metodologias de ensino Serão utilizados métodos de aprendizagem que envolvam os alunos na análise e aplicação de conceitos em contextos reais, resultando na aquisição de competências teóricas e metodológicas essenciais. Em cada uma das técnicas abordadas o docente começará sempre por resolver um exercício conjuntamente com os alunos, ao que se seguirão exercícios a resolver pelos alunos, tendo o docente o papel de moderador. Sempre que possível os temas serão abordados com auxílio do SPSS.

Teaching methodologies Learning methods will be used to engage students in analyzing and applying concepts in real contexts, resulting in the acquisition of theoretical and methodological skills essential. In each one of the techniques the teacher will start by solving an exercise jointly with the students, which will be followed by exercises solved by the students, where the teacher assumes a role of moderator. Whenever possible subjects will be addressed with the help of SPSS.

Demonstração da coerência das metodologias de ensino com os objectivos

O conjugação de metodologias teóricas e práticas permite que os alunos não só aprenda os fundamentos da análise de dados, mas também que aprendam a aplicar as técnicas em causa em contextos reais.

Demonstration of the consistency of the teaching methodologies with the goals

The combination of theoretical and practical methodologies allows students not only learn the fundamentals of data analysis, but also learn to apply the techniques in real contexts.

(5)

Bibliografia ESTATÍSTICA

• E. Reis, P. Melo, R. Andrade e T. Calapez, Estatística Aplicada - Vol. 2, 5ª Edição, Edições Sílabo, Lisboa 2007.

• J. Hair, W. Black, B. Babin, R. Anderson e R. Tatham, Multivariate Data Analysis, Pearson Education Inc. (Prentice Hall), New Jersey, 2006.

• J. Tacq, Multivariate Analysis Techniques in Social Science Research, SAGE Publications, London, 1997.

SPSS

• R. Ramos Pinto, Introdução à Análise de Dados – Com recurso ao SPSS, Edições Sílabo, Lisboa, 2009.

• J. Maroco, Análise Estatística – Com utilização do SPSS, 3ª Edição, Edições Sílabo, Lisboa, 2007. • M. H. Pestana e J. N. Gageiro, Análise de Dados para as Ciências Sociais - A complementaridade do SPSS, 4ª edição, Edições Silabo, Lda, 2005.

EXERCÍCIOS COM RESOLUÇÃO

• E. Reis, P. Melo, R. Andrade e T. Calapez, Exercícios de Estatística Aplicada - Vol. 2, Edições Sílabo, Lisboa, 2001.

Bibliography STATISTICS