Introdução ao curso: Prof. Marcos Vinicius Pó. Métodos Quantitativos para Ciências Sociais

Introdução ao curso:

Métodos Quantitativos para Ciências

Sociais

Prof. Marcos Vinicius Pó

Métodos Quantitativos para Ciências Sociais

Agenda da aula

1. Por que estudar métodos quantitativos?

2. Estrutura e metodologia do curso.

3. Princípios e lógicas do pensamento

estatístico.

4. Princípios das ciências sociais e dos

métodos quantitativos.

5. Tipos e exemplos de técnicas estatísticas.

Por que estudar métodos quantitativos?

• Necessidade de processar e sintetizar grandes quantidades de

dados e informações de uma maneira inteligível.

• Capacidade de aprender sobre populações e grupos de uma

maneira rápida e confiável.

• Aproveitar a grande disponibilidade de dados, indicadores e

informações.

• Aprender a lidar com as incertezas e variabilidades do processo

científico social.

• Desenvolver um ceticismo saudável em relação aos números,

conhecendo seus limites e possibilidades.

Programa resumido

Teoria

1. A lógica dos métodos quantitativos e o uso da estatística na pesquisa social. 2. Revisão básica de estatística descritiva.

3. Construção e cuidados com dados. 4. Teorema do Limite Central

5. Distribuição amostral da média e da variância. 6. Intervalo de confiança.

7. Testes de hipótese para médias, proporções e comparação de duas médias. 8. Amostragem e determinação do tamanho da amostra.

9. Testes não paramétricos: aderência, homogeneidade e independência. 10. Análise de variância (ANOVA).

11. Correlação.

12. Regressão linear simples.

Prática

1. Uso de planilhas e gráficos.

2. Trabalho com bancos de dados.

3. Uso do SPSS para análise de dados e de regressão.

4

Objetivos de aprendizado

• Ao final do curso os alunos deverão:

► Entender melhor a metodologia científica e a lógica das pesquisas quantitativas.

► Dominar algumas técnicas estatísticas de análise de dados e teste de hipóteses.

► Conhecer a lógica do pensamento probabilístico.

► Possuir os conhecimentos básicos para desenhar, executar e analisar uma pesquisa quantitativa.

► Desenvolver uma avaliação crítica sobre os dados e números com que se depararem na vida cotidiana e acadêmica.

► Conhecer várias letras gregas que poderiam nomear os prédios do campus SBC.

Metodologia didática e avaliação

• Didática

► Aulas expositivas.

► Práticas no laboratório (uso de planilhas e pacotes estatísticos)

► Exercícios (em sala, listas e livros)

► Material disponível no blog

https://perguntasaopo.wordpress.com/graduacao/mqcs/

• Avaliação:

► (a). Provas + exercícios

o Duas provas

– Recuperação para quem ficou com conceito final D ou F – Reposição para quem perdeu prova e apresentou justificativa

o Exercícios em grupos em sala ou entregues: serão avaliados com conceitos.

o Os três itens (2 provas + média dos exercícios) terão pesos iguais no conceito final.

► (b) Apresentação de tópicos em grupo: pode valer indicativo “+” ou “–”.

► As provas e exercícios serão avaliadas por conceitos, podendo ter indicativos “+” ou

“-” para diferenciar a demonstração do aprendizado.

6

Apresentação semanal de tópico

• Funcionamento:

► Apresentação sobre os temas indicados (quase) semanalmente: podem ser sobre algum aspecto da estatística, um exercício, um problema a ser analisado...

► 15 minutos, máximo de 5 slides

► Grupo a apresentar será sorteado aleatoriamente.

• Avaliação:

► Terá indicativo “-” para a definição do conceito final se o grupo não se apresentar ou se a apresentação tiver erros.

► Grupos que se apresentarem 3 ou mais vezes terão indicativo “+”.

Livros recomendados

FARBER, B.; LARSON, R. Estatística aplicada. Ed. Pearson Prentice Hall, 2009

ANDERSON, D. R., SWEENEY, D. J., WILLIAMS, T. A. Estatística Aplicada à Administração e Economia. Ed. Pioneira Thomson Learning. 2011

LEVIN, J.; FOX, J. Estatística para ciências humanas, São Paulo: Prentice Hall, 2004

BUSSAB, W.; Morettin, P. Estatística básica. Ed. Saraiva, 2006

8

Necessidades para o curso

Calculadora (científica ajuda, se souber usar):

► Serão usadas nas aulas e nas provas.

Formulários e tabelas:

► Pode-se consultar um formulário nas provas. O tamanho máximo é uma folha A4. Serão entregues tabelas que devem ser trazidas para as aulas e as provas.

Arquivos eletrônicos e bancos de dados:

► Organizem seus arquivos para que eles estejam em ordem e acessíveis. Façam backup!

Planilhas eletrônicas: MS Excel, LibreOffice Calc

► É fundamental dominar planilhas eletrônicas e seus recursos.

Prontos para encarar um

quadrimestre com números,

contas, planilhas, estatística e

um pouco de álgebra?

Pensamento quanti-estatístico

• Primórdios:

► Centralização administrativa e burocratização.

► Aritmética política (séc. XVII).

► Estudar fenômenos de massa, de grandes proporções.

► Positivismo: busca de fatos e verdades de forma científica, seguindo os padrões das ciências naturais.

• _Lógicas:

► O mundo possui regularidades que podem ser compreendidas observando-se os agregados dos grandes números.

► É necessária informação confiável para orientar a ação social.

► Os métodos quantitativos são consistentes para descobrir e testar relações causais, especialmente em fenômenos de massa.

11

Deterministas x Probabilistas

Determinista: o mundo pode

ser compreendido e

determinado em sua

totalidade. Ainda não

conseguimos processar e

determinar todas as

informações e relações

existentes. Conseguimos,

eventualmente, ter provas de

como as coisas funcionam e

podemos fazer afirmações

categóricas.

Probabilista: o mundo não

pode nem poderá ser

completamente determinado.

Podemos avançar nosso

entendimento, mas sempre

haverá algo que não seremos

capazes de explicar.

Conseguimos, eventualmente,

determinar as chances de que

algo aconteça, mas não

podemos garantir que venha

a ocorrer.

12

O que a estatística nos diz?

20sumeay, ilitbo: M14t Th 1sFebt, misonoEce red14 -ss4357-america-no-le-sasocially-mobile-it-w95-s21con(https//www.e:/oist.com/news/unitedtatem oeasured-mtyilibera-m-agontionge)

“Causos” versus estatísticas

• Estudos de Paul Slovic mostram que as pessoas tendem a abstrair da

sobrecarga de dados e ter mais empatia com “vítimas identificáveis” do que com “vítimas estatísticas” (psychic numbing).

► Em um experimento, voluntários podiam contribuir com $5 para a uma fundação. Os que receberam apenas estatísticas doaram em média $1,17, contra $2,83 para os que também tiveram a história de uma vítima com foto no pedido de doação.

► Além disso, parte de cada grupo recebeu um texto sobre a sensibilização causada pelas histórias. Houve leve aumento na doação dos que receberam apenas estatísticas, mas grande decréscimo para os que tiveram acesso à história da “vítima identificável”.

• Histórias tem mais poder para gerar empatia e convencer as pessoas do que números e estatísticas. Mas podem ser enganosas e enviesadas.

://blogs.worldbank.org/impactevaluations/impact-narrative-guest-post-bruce-wydick

Lógicas das ciências

• Busca causalidade e

enunciados.

• Falseabilidade: as afirmações

devem poder ser testadas.

• Métodos, premissas e

conclusões são provisórios.

• Elementos:

► Conceitos: construção de sentido

► Teoria: explicação provisória da realidade, definição de hipóteses e questões.

► Quebra de paradigmas, revisões das teorias, modelos e hipóteses.

Desafios das ciências sociais

• A causalidade raramente é

evidente e tende a ser múltipla.

• Uso de construtos teóricos e

simbólicos, com conceitos

imprecisos e contestáveis.

• Modelos simplificadores da

realidade.

• Lidar com a subjetividade e

com condicionantes históricos

e culturais.

• Incertezas e imprecisões nas

métricas e proxys.

16

Teorias e modelos explicativos

• Ajudam na:

► Construção de questões e hipóteses.

► Simplificação da nossa compreensão de mundo - referencial analítico.

► Organização dos dados e observações.

• Modelo teórico:

► Simplificação útil da realidade, salienta aspectos relevantes para os objetivos da pesquisa.

► Podem ser mais abstratos (parcimoniosos e generalistas) ou mais específicos (maior número de variáveis e dificuldade de

generalização).

• Os modelos explicativos permitem testes.

Modelos explicativos em métodos quantitativos

• Necessidade de estabelecer relações causa-efeito.

► Não basta achar uma relação estatisticamente significativa (correlação, diferenças, regressão...) entre duas ou mais variáveis, é necessário

haver explicação para as causas

• Variáveis:

► Variável dependente (Y): variável ou fenômeno a ser explicado.

► Variável independente (X): variáveis explicativas (causais).

o Por vezes sub-denominadas de interesse, de controle, explicativas ou preditivas.

Modelo: Y = F(X

; X

; ...X

)

F é uma função matemática (linear, exponencial, quadrática, probabilística, de magnitude mutável...)

18

Pontos fortes

• Capacidade de generalização.

• Possibilidade de replicação.

• Procedimentos e técnicas

padronizados para coleta de

dados e análise.

• Credibilidade junto a alguns

públicos.

• Desenho de pesquisa claro e

formalizado.

Limites

• Falta de flexibilidade.

• Necessita de modelos

explicativos claros.

• Perda de informação e

dificuldade de captar

informações sutis.

• Risco de simplificações e

comparações equivocadas.

Métodos quantitativos

Formalização de uma pesquisa quantitativa

1. Definição do problema e questões de pesquisa. 2. Formalização de modelo explicativo  teorias. 3. Definição de hipótese a ser testada.

4. Definição de testes estatísticos a serem usados e de níveis de confiança.

5. Operacionalização das variáveis, conceitos, amostragem...

► Proxys; limitações; imprecisões; comparabilidade; viés...

6. Processamento e teste das hipóteses. 7. Análise dos resultados.

20

Vamos ver três tipos de estatística

• Descritiva: visa sintetizar grandes quantidades de dados em números informativos (contagens, médias, desvio-padrão...) e/ou em

visualizações (gráficos, diagramas...)  “O que temos aqui?”

• Exploratória: objetiva gerar hipóteses, aprofundar no conhecimento e análise dos dados  “O que esses dados parecem querer dizer?”

• Inferencial: busca fazer afirmações sobre populações a partir de

amostras, fazer predições  “O que podemos afirmar com base nesses dados?”

► Estimativas de parâmetros

► Testes de hipóteses

► _Previsões

• Trataremos apenas de análises com uma variável independente

(explicativa). Para o estudo de fenômenos com múltiplas variáveis são utilizados métodos de análise multivariada.

Exemplos de técnicas estatísticas

• Análises gráficas

• Comparação de (para uma ou várias populações):

► _Médias

► _Medianas

• Testes não paramétricos:

► Aderência, independência, homogeneidade

► _Wilconox

► Teste dos sinais

► Kruslal-Wallis

• ANOVA (várias populações)

• Regressão

► _Simples

► _Múltipla

► _Logística

• Análise de componentes principais

• Análise de clusters

• Análise discriminante

• Análise fatorial

• Séries temporais

22

Técnicas multivariadas