OFICINA Manipulação e análise de

Transcrição

1 OFICINA Manipulação e análise de microdados do SPAECE

2 Módulo I Estrutura de Banco de Dados Módulo II Importação de Dados Módulo III Explorando os Dados Módulo IV Manipulando os Dados Módulo V Integração e Criação de Bancos de Dados

3 Módulo I Estrutura de Banco de Dados

4 Módulo I Estrutura do Banco de Dados 1.1. Dados 1.7. Chave 1.2. Informação 1.3. Conhecimento 1.4. Banco de Dados 1.5. Microdados 1.8. Variáveis 1.9. Tipos de Variáveis Níveis demedida Exemplo 1.6. Metadados Estudo de Caso

5 Módulo I Estrutura do Banco de Dados 1.1. Dados São elementos brutos, sem significado e desvinculados da realidade (ANGELONI, 2003); Constituem a matéria prima da informação; Dados sem qualidade levam a informações e Dados sem qualidade levam a informações e decisões da mesma natureza.

6 Módulo I Estrutura do Banco de Dados 1.2. Informação Informação é todo conjunto de dados organizados de forma a terem sentido e valor para seu destinatário. (Wetherbe, 2004).

7 Módulo I Estrutura do Banco de Dados 1.3. Conhecimento Prática de agregar valor à informação para disponibilizá la para uso.

8 Módulo I Estrutura do Banco de Dados 1.4. Banco de Dados É uma coleção de dados inter relacionados, representando informações sobre um domínio específico (Korth, 1994).

9 Módulo I Estrutura do Banco de Dados Sistema de Banco de Dados Um sistema de banco de dados pode ser definido como um conjunto de quatro componentes básicos: dados, hardware, software e usuários.

10 Módulo I Estrutura do Banco de Dados Sistema de Banco de Dados

11 1.4.2 Estrutura da base Módulo I Estrutura do Banco de Dados Tabela: estrutura interna de um banco de dados em linhas e colunas. Colunas e linhas formam uma tabela. Linha: contém todas as informações sobre um objeto na tabela. Coluna: define um tipo de dado armazenado em uma tabela.

12 Módulo I Estrutura do Banco de Dados 1.5. Microdados São informações ao nível dos participantes individuais, id i ou seja, a unidade d de observação é o indivíduo e as respostas são registradas em variáveis i separadas. lfô ál d d Ex.: Lista Telefônica, catálogo de CD ou um sistema de controle de RH.

13 Módulo I Estrutura do Banco de Dados 1.6. Metadados Representam dados sobre dados. Ex.: Saber se uma determinada base de dados existe e quais são seusatributos tib t e características. ti

14 Módulo I Estrutura do Banco de Dados 1.7. Chave É um conjunto de um ou mais atributos que determinam a unicidade iidd de cada registro. A bl l i à é As tabelas relacionam se umas às outrasatravés de chaves.

15 1.7. Chave Módulo I Estrutura do Banco de Dados

16 Módulo I Estrutura do Banco de Dados 1.7. Chave Chave primária: chave que identifica cada registro dando lhe unicidade. Nunca se repetirá. Ex.: Sequencial do aluno Chave Estrangeira: chave formada através de um relacionamento com a chave primária de outra tabela. Ex.: Código da Escola

17 Módulo I Estrutura do Banco de Dados 1.8. Variáveis É um identificador associado a um nome destinado d a representar um valor. Ex.: Nome do aluno,código da escola.

18 Módulo I Estrutura do Banco de Dados 1.9. Tipos de Variáveis As variáveis podem ser de dois tipos básicos: Quantitativas Q Qualitativas.

19 Módulo I Estrutura do Banco de Dados 1.9. Tipos de Variáveis Quantitativas: são aquelas numericamente mensuráveis. Ex.: Idade, altura e o peso.

20 Módulo I Estrutura do Banco de Dados 1.9. Tipos de Variáveis Qualitativas: são aquelas que se baseiam em qualidades ld d e não podem ser mensuráveis numericamente. Ex.: Sexo, raça e cor dos olhos.

21 Módulo I Estrutura do Banco de Dados Níveis de Medida Escalar: Utilizado emvariáveis i quantitativas. Ex.: Proficiência do aluno.

22 Módulo I Estrutura do Banco de Dados Níveis de Medida Odi Ordinal: Utilizado em variáveis i qualitativas ti ordinais.

23 Módulo I Estrutura do Banco de Dados Níveis de Medida i l ã é l d á Nominal: Esta opção é utilizada para variáveis qualitativas nominais.

24 Módulo I Estrutura do Banco de Dados Exemplo Banco de Dados

25

26 CREDE MUNICÍPIO ESCOLA NM_ALUNO DT_ NASCIMENTO RESP 1 RESP 2... Fortaleza R2 Fortaleza Andreza 15/09/1994 A C... Acarau Itarema João 05/06/1994 A D... Fortaleza R2 Fortaleza Maria 30/12/1993 B C

27 Módulo I Estrutura do Banco de Dados Estudo de caso Como uma escola com percentuais pequenos nos padrões dõ mais bi baixos da escala e com o maior percentual no padrão desejável tem proficiência média inferior i a uma escola com percentual menor no padrão desejável?

28 1.12. Estudo decaso Módulo I Estrutura do Banco de Dados 75,00% 4,17% 4,17% 8,33% 8,33% 81,82% 3,03% 0,00% 6,06% 9,09%

29 1.12. Estudo decaso Solução Módulo I Estrutura do Banco de Dados O fato em questão é estatisticamente explicável. A Escola A tem uma porcentagem menor de alunos no Padrão Desejável do que a Escola B e, no entanto, possui uma proficiência média maior. Isso é explicável porque os valores extremos na escala podem tendenciar a média. Nos gráficos abaixo temos a distribuição dos alunos dentro do Padrão Desejável. Nela podemos observar claramente que mais alunos da Escola A, dentro do Padrão Desejável, possuem uma proficiência média maior neste padrão do que os alunos da Escola B. Assim, a média da Escola A tende a ficar um pouco maior do que a média da Escola B, mesmo esta possuindo uma maior proporção de alunos no Desejável.

30 ESCOLA A Estudo de caso Módulo I Estrutura do Banco de Dados Frequ uency 8 6 ESCOLA B ,00 170,00 190,00 210,00 230,00 250,00 270,00 290,00 310,00 10 Mean =216,99 Std. Dev. =35,216 N =87 8 Freque ency ,00 170,00 190,00 210,00 230,00 250,00 270,00 290,00 310,00 Mean =199,42 Std. Dev. =31,996 N =54

31 1.12. Estudo de caso Exemplificando: Escola A = 10 alunos Escola B = 10 alunos Módulo I Estrutura do Banco de Dados Percentual de alunos no Padrão Desejável na Escola A = 100% Percentual de alunos no Padrão Desejável na Escola B = 100% Proficiência média da Escola A = 150,00 (alunos com proficiência mais próximas do intervalo de 150) Proficiência média da Escola B = 250,00 (alunos com proficiência bem maiores do intervalo de 150)

32 Módulo II Importação

33 Módulo II Importação 2.1. Introdução 2.2. Importação no SPSS 2.3. Criando Labels e Value Lables 2.4. Configurando Missing Values Data View 2.6. Variable View 2.7. Output 2.8. Laboratório

34 Módulo II Importação 2.1. Introdução SPSS Statistics (antes PASW) é um software aplicativo do tipo científico. Lançado pela primeira vez em 1968 é considerado d o rei das análises de dd dados estatísticos. ttíti Apesar de tantos anos em atividade o software continua atualizado, eficaz e muito prático. A versão mais atual é o SPSS lançado em agosto de 2012.

35

36

37 Módulo II Importação 2.1. Introdução Arquivos suportados pelo SPSS (Statistical Package for Social Science):.csv csv,.xls xls,.xlsx xlsx,.dat,.txt e entre outros. Formato de arquivo padrão:.csv.

38 Módulo II Importação 2.1. Introdução CSV: (Comma Separated Values), é um formato de arquivo para armazenamento de informações em base de dados, que qualquer aplicativo de planilha eletrônica, como Excel por exemplo, é capaz de abrir.

39 Módulo II Importação 2.1. Introdução Vantagens do.csv : Grandes massas de dados podem ser compactadas em arquivos pequenos. Não têm limite de linhas e colunas como os arquivos.xls que tem limite de linhas e 256 colunas.

40 Módulo II Importação 2.2. Importação no SPSS O procedimento de importação é superior ao outros métodos por ser mais seguro. A Interface do SPSS permite controle da A Interface do SPSS permite controle da importação e configuração de todas as variáveis.

41 Módulo II Importação 2.2. Importação no SPSS Delimitação do.csv : ponto e vírgula (no SPSS: semicolon) Cada variável deve conter um título único e sem espaço ou caracteres especiais. Cada linha representa um caso, e cada coluna um atributo do caso.

42 Módulo II Importação 2.2. Importação no SPSS Tipos de variáveis mais utilizados: Numeric: permite apenas caracteres numéricos. String: permite letras e números. At ã h lt iá l t i d Atenção: se houver letras numa variável categorizada como numeric esses caracteres serão apagados.

43 Módulo II Importação 2.2. Importação no SPSS Padrão Width (tamanho) utilizado para as variáveis String e Numéricas. A configuração do Width impede que valores sejam truncados ou cortados durante a importação.

44 Módulo II Importação 2.2. Importação no SPSS Padrões utilizados: Numeric: 16 com 8 casas decimais. String: 255

45 Módulo II Importação 2.2. Importação no SPSS Syntax: arquivo do SPSS, onde os comandos realizados pelo programasão gravados em forma de texto. Todos os comandos podem ser realizados via syntax. A manipulação de syntax exige conhecimento avançado e experiência em manipulação e análise de dados.

46

47 Módulo II Importação 2.3. Criando Labels e Values Labels Labels de variáveis e de values são muito importantes para dar sentido aos dados. Eles devem ser adicionados no variable view. Os labels l podem ser configurados deacordo coma preferência do usuário. Os value labels devem ser registrados para cada categoria da variável. Value labels só fazem sentido para variáveis qualitativas.

48

49

50 Módulo II Importação 2.4. Configurando Missing Values Consideramos como Missing data casos de uma variável que não contém dados. Nas bases de desempenho de alunos não avaliados, sem proficiência, são considerados missing data. Se o banco de dados contiver dados originais de questionários, serão também consideradas missing data, erros de preenchimento e questões anuladas.

51 Módulo II Importação 2.5. Data View O Data View permite visualizar e editar os dd dados. Cada janela do SPSS contém uma barra de menus. A maioria dos menus é comum para todas as janelas.

52 Barra de Menus

53 File: usado para criar, salvar e salvar como.

54 Edit: usado para localizar campos, ir para caso ou variável específica, e editar funcionalidades específicas (menu Options).

55 View: usado para ativar/desativar visualização de linhas de grade, de botões de atalho e de value labels.

56 Data: usado para inserir, re nomear, e ordenar variáveis, unir arquivos, criar subgrupos para análise, selecionar casos específicos de acordo com algumas condições.

57 Transform: permite criar, recodificar e fazer operações com variáveis.

58 Analyze: possui diversos procedimentos relacionados às análises estatísticas disponíveis no pacote SPSS. Dentre os mais utilizados podemos citar as estatísticas descritivas, regressão, correlaçãoentre outras.

59 Graphs: usado para criar e modificar gráficos (linha, barra, coluna, pizza, histograma, dispersão, etc).

60 Utilities: utilizado para obter informações sobre as variáveis e o banco de dados, controlar a lista de variáveis em qualquer tipo de janela, modificar e personalizar menus, dentre outras.

61 Window: usado para movimentação entre várias janelas abertas simultaneamente durante uma sessão de SPSS.

62 Help: abre uma janela de ajuda padrão que contém informações sobre como usar as ferramentas e funcionalidades do SPSS. O conteúdo da ajuda está disponível em caixas de diálogo com exemplos ilustrativos.

63 Módulo II Importação 2.6. Variable View O variable view exibe todas as variáveis e permite alterar as propriedades das variáveis, inserir labels, value labels, configurarmissing data e o tipo de medida das variáveis.

64

65 Name: nome da variável.

66 Type: tipo da variável (string ou numeric).

67 Width: tamanho a ser definido para as variáveis String enuméricas

68 Decimals: número de casasdecimaisparaotipo numeric.

69 Label: rótulo (descrição) da variável.

70 Values: valoresdestinados as variáveis qualitativas.

71 Missing: casos de uma variável que não contém dados ou são inválidos.

72 Columns: quantidade de caracteres que a coluna irá apresentar.

73 Align: alinhamento dos casos.

74 Measure: tipo de medida.

75 Módulo II Importação 2.7. Output O output é a tela onde são exibidos os resultados de todas as operações feitas no SPSS. Ele é ativado automaticamente assim que cada operação é concluída. Uma função importante: o SPSS permite exportar gráficos e tabelas para outros aplicativos como o Excel e Word.

76

77 Módulo I Estrutura do Banco de Dados Demonstração 01

78 Módulo I Estrutura do Banco de Dados 2.8. Laboratório Os laboratórios são momentos onde será colocada emprática ái toda ateoria aprendida. O objetivo deste lb laboratório ói é sanar as dúvidas sobre o manuseio do software. Para isso, faremos exercícios íi semelhantes a uma situação real de produção de resultados.

79 Laboratório Suponhamos que é preciso preparar uma apresentação dos resultados das CREDEs, sendo solicitado a você a produção de algumas medidas e gráficos. Utilizando o SPSS, oconhecimento adquirido id durante asaulas e a apostila, você irá produzir, ao longo dos laboratórios, os seguintes resultados: 1. Criar labels e values para as variáveis CD_ETAPA e CD_REDE; 2. Quantitativo e percentual de alunos indígenas para cada etapa de escolaridade e rede de ensino; 3. Histograma da proficiência para cada etapa de escolaridade e rede de ensino;

80 Laboratório 4. Proficiência média, máxima, mínima e desvio padrão para cada etapa de escolaridade e rede de ensino; 5. Percentual de alunos por padrão de desempenho para cada CREDE; 6. Proficiência média, máxima, mínima e desvio padrão para cada CREDE; 7. Verificar unicidade dos códigos de CREDE; 8. Gráfico de barras por CREDE, etapa de escolaridade e rede de ensino; 9. Gráfico de pizza por CREDE, etapa de escolaridade e rede de ensino; 10. Boxplot por CREDE, etapa de escolaridade e rede de ensino.

81 Laboratório I 2.8. Laboratório Para iniciar a geração destes dados é necessário que seja feita a importação dos microdados do SPAECE 2011, que você recebeu em.csv, para a extensão do arquivo.sav, ou seja, o arquivo deve estar em SPSS. Para isso, faça os seguintes passos: a) Importe o arquivo SPAECE_2011_LP.csv para o SPSS (extensão sav ); b) Configure a syntax (numérico/string); c) Salve o arquivo.

82 Módulo III Explorando os Dados

83 Módulo III Explorando os Dados 3.1. Tipos de Variáveis 3.2. Frequência Crosstabs 3.4. Histograma 3.5. Descriptives 3.6. Boxplot Split File 3.8. Case Summaries 3.9. Laboratório

84 Módulo III Explorando os Dados 3.1. Tipos de Variáveis Variáveis discretas: São as variáveis que não possuem valores intermediários, ou seja, que pertencem ao conjunto dos números inteiros. Ex.: Número de alunos avaliados, número de alunos previstos numa avaliação.

85 Módulo III Explorando os Dados 3.1. Tipos de Variáveis Variáveis contínuas: São variáveis que possuem valores intermediários, ou seja, pertencem ao conjunto dos números reais. Ex.: Proficiência, IDEB.

86 Módulo III Explorando os Dados 3.1. Tipos de Variáveis Variáveis categóricas são discretas. Variáveis escalares ou de razão podem ser discretas ou contínuas.

87 Módulo III Explorando os Dados 3.1. Tipos de Variáveis Por que é importante conhecer os níveis de medida e o tipo das variáveis? Porque ferramentas foram desenvolvidas especificamente para cada tipo de variável. A utilização da ferramenta inadequada pode levar a erros de interpretação e travamento do software.

88 Módulo III Explorando os Dados 3.1. Tipos de Variáveis Menu analise tem ferramentas de exploração de dados para todos os tipos de variáveis. Ferramentas para variáveis categóricas: Frequencia, Crosstabs; Ferramentas para variáveis escalares e de razão: Histograma, Box plot, sumarize cases.

89 Módulo III Explorando os Dados 3.2. Frequência A frequência é uma ferramenta apropriada para variáveis categóricas ou qualitativas, com pequeno número de categorias.

90

91

92 Módulo III Explorando os Dados 3.2. Frequência O SPSS cria uma tabela onde são exibidas as categorias, o número de cada categoria, o percentual bruto de cada categoria, considerando os missing data, o percentual válido (excluindo os missing data) e um percentual acumulado. Missing data: são campos em branco ou com erros de preenchimento.

93 Módulo III Explorando os Dados 3.2. Frequência Exemplo: 6. Há quanto tempo você é diretor nesta escola? Frequency Percent Valid Percent Cumulative Percent Valid A) Há menos de 1 ano ,3 17,3 17,3 B) Entre 1 e 5 anos ,1 50,9 68,2 C) Entre 6 e 10 anos ,7 19,8 88,0 D) Entre 11 e 15 anos ,0 9,6 97,6 E) Entre 16 e 20 anos ,0 1,1 98,7 F) Há mais de 21 anos ,3 1,3 100,0 Total ,5 100,0 Missing Nulas. 14,1 Brancas ,4 Total 546 5,5 Total ,0

94 Módulo III Explorando os Dados 3.3. Crosstabs O crosstabs também chamado de tabela cruzada ou de contingência é um recurso muito útil à exploração e análise de dados. Possibilita que para cada categoria de uma variável sejam exibidas valores das categorias de outra variável.

95

96

97 Módulo III Explorando os Dados 3.3. Crosstabs Vantagem: exploração de duas variáveis simultaneamente e uma em função da outra. Desvantagem: só pode ser usada para duas variáveis por vez. Recomendação: para facilitar a visualização da sua tabela coloque na linha a variável com menos categorias.

98 Módulo III Explorando os Dados Crosstabs CD_ETAPA * NM_REGIONAL Crosstabulation Count NM_REGIONAL Total CREDE ACARAU CREDE CAMOCIM CREDE MARACANAU CREDE TIANGUA CD_ETAPA Total

99 Módulo III Explorando os Dados 3.3. Crosstabs A tabela anterior contém o número das duas variáveis. É possível também utilizar o crosstabs para produzir outras medidas como o percentual relativo à coluna ou à linha.

100 Módulo III Explorando os Dados Crosstabs CD_ETAPA * NM_REGIONAL Crosstabulation % within NM_REGIONAL NM_REGIONAL Total CREDE ACARAU CREDE CAMOCIM CREDE MARACANAU CREDE TIANGUA CD_ETAPA 2,4%,3%,2% 5,5%,3%,2% 9 2,3% 1,0% 4,4% 2,9% 3,4% 10 39,5% 41,5% 37,1% 35,1% 37,5% 11 32,0% 32,9% 31,6% 33,8% 32,3% 12 25,3% 24,6% 26,3% 28,1% 26,4% Total 100,0% 100,0% 100,0% 100,0% 100,0%

101 Módulo III Explorando os Dados 3.4. Histograma Ferramenta elaborada para variáveis quantitativas. O histograma é um tipo de gráfico de barras muito útil para avaliar a distribuição das variáveis. No eixo horizontal está o valor das proficiências e no eixo vertical a freqüência observada para a variável.

102

103

104

105 3.3. Histograma Módulo III Explorando os Dados

106 Módulo III Explorando os Dados 3.5. Descriptives O Descriptives do SPSS possibilita a visualização de várias estatísticas descritivas como a média, o mínimo, omáximoeodesviopadrão.ohistogramaanterior refere se a distribuição da proficiência.

107

108

109 Módulo III Explorando os Dados 3.5. Descriptives Descriptive Statistics N Minimum Maximum Mean Std. Deviation VL_PRF_ALN_ ,56 404,58 223, ,93960 A tabela acima se refere à mesma variável do f histograma e se observarmos bem, ela contém um problema porque a diferença ente a proficiência máxima e a mínima, é enorme.

110 Módulo III Explorando os Dados 3.5. Descriptives Isso aconteceu porque examinamos a variável proficiência sem considerar as etapas avaliadas. Ou seja, as medidas dd da tabela bl anterior consideraram ao mesmo tempo alunos do 2º, 5º e 9º anos do Ensino Fundamental e etapas do Ensino Médio. Isso distorceu as estatísticas podendo levar a erros de interpretação. Uma forma de resolver esse problema é dividir o output usando um recurso chamado split file.

111 Módulo III Explorando os Dados 3.6. Boxplot É a representação gráfica dos quartis de uma distribuição. Ele apresenta, de forma compacta, diversas informações sobre uma variável.

112

113

114

115 Módulo III Explorando os Dados 3.6. Boxplot A linha central (4) representa o percentil 50 ou mediana.

116 Módulo III Explorando os Dados 3.6. Boxplot As linhas inferiores (5) e superiores (3) da caixa são o percentil 25 e 75 respectivamente.

117 Módulo III Explorando os Dados 3.6. Boxplot As linhas verticais demarcam dados entre os percentis 25 e 75 e os valores mínimo e máximo da variável, desconsiderando os outliers e casos extremos, se houver.

118 Módulo III Explorando os Dados 3.6. Boxplot Outliers (2) são valores discrepantes, eles são assinalados com um círculo.

119 Módulo III Explorando os Dados 3.6. Boxplot Casos extremos (1) são valores ainda mais atípicos, estes são assinalados no gráfico com um asterisco.

120 Módulo III Explorando os Dados 3.6. Boxplot Tanto casos extremos como outliers são identificados no gráfico com um número (6). Esse número corresponde ao número da linha do caso na base de dados.

121 Módulo III Explorando os Dados 3.7. Split File O Split file é um recurso útil para dividir o output segundo um critério específico. Muito útil para analisar medidas de etapas Muito útil para analisar medidas de etapas diferentes em bases agregadas por disciplina ou rede de ensino.

122

123

124 Módulo III Explorando os Dados 3.8. Case Summaries Outro recurso interessante para exploração de dados e de estatísticas descritivas é Case Summaries. Permite que sejam produzidas mais estatísticas que o descriptives e não necessita do split file.

125

126

127

128 Módulo I Estrutura do Banco de Dados Demonstração 02

129 3.9. Laboratório Laboratório II Vamos agora criar labels e values para as variáveis de etapa de escolaridade e rede de ensino na base SPAECE_2011_LP.sav. Desta forma: a) Faça um Crosstab das variáveis CD_ETAPA e DC_ETAPA e das variáveis CD_REDE e DC_REDE para saber os códigos que cada uma possui e suas respectivas descrições; b) Crie os labels e os values das duas variáveis; Para fazer os tópicos 2), 3) e 4) de sua apresentação é necessário: c) Fazer um Split File das variáveis CD_ETAPA e CD_REDE; d) Fazer uma frequência da variável FL_INDIGENA; e) Criar os histogramas para a variável VL_PRF_ALN_11 por CD_ETAPA e CD_REDE; f) Usar o comando Descriptives para fazer a proficiência média, máxima, mínima e o desvio padrão por etapa de escolaridade e rede de ensino;

130 Módulo IV Manipulando os Dados

131 Módulo IV Manipulando os Dados 4.1. Recode 4.2. Recode in Diferente Variable 4.3. Compute 4.4. Select Cases (Filter) 4.5. Aggregate 4.6. Correlação de Pearson 4.7. Laboratório

132 Módulo IV Manipulando os Dados 4.1. Recode Permite alterar campos numa mesma variável. Esses campos podem ser numéricos ou string, mas apenas variáveis de um mesmo tipo podem ser recodificadas por vez.

133

134

135 Módulo IV Manipulando os Dados 4.2. Recode in Diferente Variables Esse recurso permite criar uma variável segundo critérios deumavariável existente. Pode ser utilizado para vários fins, em análises educacionais é importante para criar a distribuições por padrões de desempenho.

136

137

138 Módulo IV Manipulando os Dados 4.3. Compute É um recurso importante na manipulação de variáveis. Muito utilizado para produção de indicadores e índices. Possui vários recursos adequados para variáveis numéricas e string.

139

140

141 Módulo IV Manipulando os Dados 4.4. Select Cases (Filter) É um recurso que permite fazer filtros no banco de dd dados segundocondições di específicas. Um filtro muito utilizado é o de alunos com laudo, que não são contabilizados para produção das proficiências médias. Mas contados no cálculo de participação.

142

143

144

145 Módulo IV Manipulando os Dados Aggregate É uma agrupamento de dados onde podemos gerar também as médias, o desvio padrão, dentre outras medidas. Pode ser realizada na própria base ou gerando em uma nova.

146

147

148 4.6. Correlação de Pearson Módulo IV Manipulando os Dados A correlação é uma estatística de associação entre duas variáveis. Ela pode variar de 1 a 1. Uma correlação igual a 1 representa uma correlação perfeita, portanto para duas variáveis correlacionadas com essa magnitude; se uma delas aumentar ou diminuir seus valores em uma unidade, a outra variável irá variar da mesma forma. Se a correlação for de 1 para cada valor acrescido a uma variável, haverá um decréscimo na outra variável. Pode se observar a aplicação da correlação de Pearson utilizando se a proficiência e o Índice Socioeconômico. A correlação de Pearson é uma estatística apropriada para variáveis escalares.

149

150 Módulo I Estrutura do Banco de Dados Demonstração 03

151 4.7. Laboratório Laboratório III Seguindo a lista das medidas solicitadas temos o item 5). Para produzir essa medida precisamos antes criar os Pdõ Padrões de Desempenho. Os Padrões de Desempenho são os intervalos de proficiência em que cada aluno está alocado. Para o 2 ano do Ensino Fundamental são cinco padrões: Não Alfabetizado, Alfabetização Incompleta, Intermediário, Suficiente e Desejável. Para as outras etapas de escolaridade são quatro: Muito Crítico, Crítico, Intermediário e Adequado.

152 4.7. Laboratório Laboratório III Os valores dos cortes são os seguintes: Padrões de Desempenho em Língua Portuguesa Etapa de Escolaridade Não Alfabetizado Alfabetização Incompleta Intermediário Suficiente Desejável 2 ano EF (Alfa) até a a a 150 acima de 150 Padrões de Desempenho em Língua Portuguesa Etapa de Escolaridade Muito Crítico Crítico Intermediário Adequado 5 ano EF até a a 225 acima de ano EF até a a 300 acima de ano EM ano EM ano EM até a a 325 acima de 325

153 4.7. Laboratório Laboratório III Por questões de praticidade, vamos nos ater ao 2 e 5 anos do Ensino Fundamental; para as demais etapas o procedimento é o mesmo. Logo, façamos: a) Crie os padrões de desempenho na base de dados utilizando os comandos compute e recode. Lembre se: cada aluno só pode estar alocado em um padrão de desempenho; Para os próximos itens é necessário que seja feito um filtro na base. Veja a seguir:

154 4.7. Laboratório 2 ano do Ensino Fundamental (Alfa) Laboratório III A tabela abaixo mostra quais escolas entrarão nos resultados de proficiência e participação de determinado extrato. Escola Escolas Estaduais Escolas Municipais Escolas Indígenas Resultado do Estado, por rede de ensino. x x x Resultado da CREDE, por rede de ensino. x x x Resultado do Município, por rede de ensino. X (1) x X (2) Observações: (1) Em Fortaleza há escolas estaduais com o 2 ano; portanto, para o município de Fortaleza, além das escolas da Rede Municipal, há as da Rede Estadual. (2) Como as escolas indígenas fazem parte da Rede Estadual de educação, elas devem ser contabilizadas no cálculo da Rede Estadual de cada município iíi e excluídas do cálculo l da Rd Rede Municipal. i

155 4.7. Laboratório 5 ano do Ensino Fundamental Laboratório III A tabela abaixo mostra quais escolas do 5 ano do Ensino Fundamental entrarão nos resultados de proficiência e participação de determinado extrato. Escola Escolas Estaduais Escolas Municipais Escolas Indígenas Resultado do Estado, por rede de ensino. x x x x Resultado da CREDE, por rede de ensino. x x x x Resultado do Município, por rede de ensino. x x X (1) x Resultado da Escola x x x x Escolas EJA Observação: (1)Como as escolas indígenas fazem parte da Rede Estadual de educação, elas devem ser contabilizadas no cálculo da rede estadual de cada município e excluídas do cálculo da Rede Municipal. Para os alunos com laudo temos a aplicação de um filtro. A configuração deste filtro é bastante simples, os alunos com laudo entrarão nos dados de participação, mas não são contados no cálculo de Proficiência Média.

156 4.7. Laboratório Laboratório III Você reparou que, ao calcular a Proficiência média no item 4) de sualista, você não fez o fl filtro, o fato de não fazer o filtro pode acarretar uma variação na Proficiência. iê i Para poder observar tal variação, faça: b) O filtro para os alunos com laudo.

157 Módulo V Integração e Criação de Banco de Dados

158 Módulo V Integração e Criação de Banco de Dados 5.1. Merge Files 5.2. Identify Duplicate Cases 5.3. Sort Cases 5.4. Laboratório

159 Módulo V Integração e Criação de Banco de Dados 5.1. Merge Files Add Cases: consiste colocar um banco de dados embaixo do outro, isto é, adicionar linhas. Add Variables: é quando desejamos acrescentar informações em um banco existente. Para isso é necessário uma variável comum entre os dois bancos, o que chamamos de variável chave. Esta variável deve ser única, ou seja, não pode haver duplicidade, devem estar ordenadas e geralmente são códigos.

160

161

162

163

164

165

166

167 Módulo V Integração e Criação de Banco de Dados 5.2. Identify Duplicate Cases Esse recurso permite identificar rapidamente se existem casos duplicados. Pode ser usado com várias variáveis. Missing data são considerados na análise, portanto se houver dois casos com campos vazios um deles será considerado o campo primário e o outro duplicado.

168

169

170 Módulo V Integração e Criação de Banco de Dados 5.3. Sort Cases Consiste na ordenação de variáveis em ordem crescente ou decrescente. Deve ser feito em ordem crescente em todas as variáveis utilizadas como chave para o Merge.

171

172

173 Módulo I Estrutura do Banco de Dados Demonstração 04

174 5.4. Laboratório Laboratório IV Vamos refazer o item 4) de sua lista. Para isto, você usará o comando de agregação (Aggregate). Assim: a) Refaça o item 4), agora com filtro, e usando o comando de agregação. Utilize também a rede de ensino na hora de agregar. Lembre se de gerar uma nova base. Sl Salve essa base com o nome PROJETO ; b) Gereumanovabasecomaproficiência média, máxima, mínima e o desvio padrão para cada CREDE. Salve essa base com o nome CREDE ; c) Verifique a unicidade dos códigos de CREDE;

175 5.4. Laboratório Laboratório IV d) Encontre o percentual de alunos por padrão de desempenho para cada CREDE gerando uma nova base. Salve essa base com o nome PADROES_CREDE ; Você possui duas bases: uma com os dados de proficiência média das CREDEs ( CREDE.sav ) e uma com os dados de padrão de desempenho por CREDE ( PADROES_CREDE.sav ). Precisamos ter estas informações em uma única base. Sendo assim: e) Faça ummergemerge adicionandovariáveis das duas bases. Salve estabase com o nome CREDE_FINAL ;

176 5.4. Laboratório Laboratório IV Recebemos um e mail pedindo que fosse acrescentada uma nova CREDE aos nossos resultados. Os dados desta CREDE seguem na tabela abaixo: CD_REDE CD_ETAPA CD_REGIONAL DC_REDE DC_ETAPA NM_REGIONAL PRF_MEDIA PRF_MAX PRF_MIN DESVIO_PADRAO ESTADUAL 2º ANO CENTRO 225,91 239,44 130,78 45, ESTADUAL 5º ANO CENTRO 154,72 226,05 125,91 42, MUNICIPAL 2º ANO CENTRO 186,33 294,67 173,93 52, MUNICIPAL 5º ANO CENTRO 179,89 337,86 142,52 44,39 f) Acrescente esta CREDE à nossa base principal ( CREDE_FINAL ) adicionando casos.

177 5.4. Laboratório Laboratório V Vamos agora montar alguns gráficos. Para isso utilizaremos o menu Graphs : a) Faça o gráfico de barras por CREDE, etapa de escolaridade e rede de ensino; b) Faça o gráfico depizzapor por CREDE, etapa deescolaridade escolaridade e rede de ensino; ) b l d l id d d d c) Faça o boxplot por CREDE, etapa de escolaridade e rede de ensino.

178 Obrigado!