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

Transcrição

1 Introdução ao curso: Métodos Quantitativos para Ciências Sociais Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais 1

2 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.

3 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. 3

4 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

5 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. 5

6 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 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

7 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 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 +. 7

8 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 LEVIN, J.; FOX, J. Estatística para ciências humanas, São Paulo: Prentice Hall, 2004 BUSSAB, W.; Morettin, P. Estatística básica. Ed. Saraiva,

9 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. 9

10 Prontos para encarar um quadrimestre com números, contas, planilhas, estatística e um pouco de álgebra?

11 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

12 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

13 13

14 O que a estatística nos diz? The Economist, Feb 1st 2014: Mobility, measured ( 14

15 Fonte: 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. 15

16 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

17 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. 17

18 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 1 ; X 2 ;...X n ) F é uma função matemática (linear, exponencial, quadrática, probabilística, de magnitude mutável...) 18

19 Métodos quantitativos 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. 19

20 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 Processamento e teste das hipóteses. 7. Análise dos resultados. 20

21 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. 21

22 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 Técnicas multivariadas 22