Introdução: Métodos Quantitativos para Ciências Sociais Prof. Marcos Vinicius Pó 2019-1 1
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? Está na grade obrigatória do BPP e do BRI! Aproveitar a disponibilidade de dados, indicadores e informações para pesquisas e análises. Conseguir aprender sobre populações e grupos de modo rápido e confiável. Aprender a lidar com as incertezas e variabilidades do processo científico social. Desenvolver um ceticismo saudável em relação a informações quantitativas, conhecendo seus limites e possibilidades. 3
Objetivos de aprendizado Entender melhor a metodologia científica e a lógica das pesquisas quantitativas. Dominar algumas técnicas estatísticas de análise de dados e teste de hipóteses. Desenvolver uma avaliação crítica sobre os números com que se depararem na vida cotidiana e acadêmica. Possuir os conhecimentos básicos para desenhar, executar e analisar uma pesquisa quantitativa. 4
Fonte: https://www.nexojornal.com.br/grafico/2019/02/08/de-onde-v%c3%aam-os-grandes-mestres-do-xadrez-mundial Prof. Marcos Vinicius Pó 5
Programa resumido Teoria A lógica dos métodos quantitativos e a estatística na pesquisa social. Revisão básica de estatística descritiva e probabilidades. Construção e cuidados com dados. Amostragem e determinação do tamanho da amostra. Estimação por ponto e por intervalo Intervalo de confiança. Distribuição amostral da média e da variância e Teorema do Limite Central Testes de hipótese para médias e proporções. Testes não paramétricos: aderência, homogeneidade e independência. Análise de variância (ANOVA). Correlação. Regressão linear simples. Prática Uso de planilhas e gráficos. Trabalho com bancos de dados. Uso de pacotes estatísticos para análise de dados. 6
7
Metodologia didática e avaliação Didática: Práticas no laboratório (bancos de dados, planilhas e pacotes estatísticos). Aulas expositivas. Atividades em sala. Estudo: Capítulos e materiais indicados. Exercícios (listas e livros). Análise de dados em sala e atividades em casa. Avaliação: a). Duas provas, incluindo trabalho. i. Recuperação para conceito final D ou F e reposição/subs, ambas incluirão toda a matéria do curso. ii. Parte da avaliação da segunda prova será um trabalho em grupo a ser entregue no dia. (b). Atividades em sala ou para entrega: em grupo, serão avaliados por entrega. Não há reposição. (c). Apresentação em grupo: pode valer indicativo + ou - para a avaliação final. Conceito final: ponderação entre as provas (peso 0,45 cada) e a média dos exercícios (peso 0,1). Material em perguntasaopo.wordpress.com/graduacao/mqcs/ 8
Correção e avaliação das provas e atividades As provas tem questões e itens com diferentes níveis de aplicação dos conceitos e técnicas estudadas. A B Aplicação às provas Mostrou domínio dos aspectos básicos e avançados relacionados aos conceitos e técnicas apresentados no curso, aplicando-os adequadamente e de forma clara. Demonstrou domínio dos conceitos e técnicas apresentados em sala aplicando-os adequadamente, mas teve falhas em aspectos de menor relevância. Serão usados + e - para sinalizar conceitos intermediários. C D Mostrou conhecer os aspectos básicos dos conceitos e técnicas apresentados no curso, mas não o domínio dos aspectos mais avançados ou de sua aplicação. Apresentou conhecimento de apenas alguns aspectos e conceitos fundamentais, mas demonstrou confusão ou falta de clareza sobre os conceitos. F Não demonstrou conhecimento dos conceitos ou aplicações mais básicos tratados nas aulas. 9
Apresentação (quase) semanal Funcionamento: Apresentação sobre temas indicados: aspectos da estatística, temas relacionados ao curso, problemas a serem analisados... 15 minutos, máximo de 6 slides incluindo título. Grupo será sorteado aleatoriamente. Grupos de 4-5 pessoas. Avaliação: Grupo que se apresentar terá agradecimento do professor e aplausos da sala. Grupo sorteado que não se apresentar ou se a apresentação tiver erros, terá um indicativo - para a definição do conceito final. Grupos que se apresentarem 3 ou mais vezes terão indicativo + para o conceito final. 10
Prof. Marcos Vinicius Pó 11
Livros recomendados LEVIN, J.; FOX, J. Estatística para ciências humanas, São Paulo: Prentice Hall, 2004 Recomendado FARBER, B.; LARSON, R. Estatística aplicada. Ed. Pearson Prentice Hall, 2009 Recomendado ANDERSON, D. R., SWEENEY, D. J., WILLIAMS, T. A. Estatística Aplicada à Administração e Economia. Ed. Pioneira Thomson Learning. 2011 BUSSAB, W.; Morettin, P. Estatística Básica. Ed. Saraiva, 2006 Boa fonte de referência e informações. Pouco uso de álgebra. Livros com bons exemplos e exercícios, além de explicações bem didáticas. Uso moderado de álgebra. O mais completo. Bastante matemática. 12
Outras possibilidades e necessidades para o curso Calculadora : para as aulas e provas. Precisa ter raiz quadrada! Formulários e tabelas: Pode-se trazer uma folha A4 de formulário nas provas. Serão entregues tabelas para uso nas aulas e provas. Arquivos eletrônicos e bancos de dados: Organizem, façam backup, cuidem! Planilhas eletrônicas: MS Excel, LibreOffice Calc 13
Prof. Marcos Vinicius Pó 14
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 da natureza. Lógicas: Os fenômenos sociais possuem regularidades que podem ser observadas nos agregados dos grandes números. Os métodos quantitativos e estatísticos são consistentes para descobrir e testar relações causais. É necessária informação confiável para compreender e orientar a ação social. 15
16
Lógica probabilística O mundo não pode ser completamente determinado. Podemos avançar no entendimento sobre as relações entre os fenômenos, mas a explicação será sempre incompleta. Conseguimos eventualmente encontrar regularidades e determinar as probabilidades de um fenômeno ocorrer, mas não podemos garantir que ele aconteça. 17
18
The Economist, Feb 1st 2014: Mobility, measured (http://www.economist.com/news/united-states/21595437-america-noless-socially-mobile-it-was-generation-ago-mobility-measured) O que a estatística nos diz? 19
Fonte: https://www.estadao.com.br/infograficos/educacao,no-enem-1-a-cada-4-alunos-de-classe-media-triunfa-pobres-sao-1-a-cada-600,953041 20
Ciência, teorias e modelos explicativos Ciências sociais A causalidade raramente é evidente e tende a ser múltipla. Métodos, premissas e conclusões devem ser claros e são sempre provisórios. Métodos: o Conceitos: construtos teóricos e simbólicos, com imprecisões e contestações. o Incertezas e imprecisões nas métricas. o Uso de proxys e medidas indiretas. o Lidar com a subjetividade. o Condicionantes históricos e culturais. Teorias: Ajudam na construção de questões, hipóteses e explicações. São uma simplificação da compreensão de mundo que salienta os aspectos e variáveis considerados relevantes para os objetivos da pesquisa. 21
Quanti x Quali: resumão Métodos quantitativos Métodos qualitativos Lógica hipotético-dedutiva: aplicação de pressupostos, conceitos e princípios gerais a fenômenos. Levantamentos amostrais, experimentos, quaseexperimentos... MAIS CASOS, COM MENOR PROFUNDIDADE Objeto social estudado Lógica indutiva: generalizações a partir da observação crítica e fundamentada de fenômenos. Observação, entrevistas, grupos de discussão, etnografia... MENOS CASOS, COM MAIOR PROFUNDIDADE
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 a causalidade entre elas. 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,...) 23
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 (rigor matemático). Desenho de pesquisa claro e formalizado. Limites Pouca flexibilidade. Necessita de modelos explicativos claros. Perda de informação e dificuldade de captar informações sutis. Risco de simplificações e comparações equivocadas. 24
Formalização de uma pesquisa quantitativa Definição do problema e questões de pesquisa. Formalização de modelo explicativo teorias. Definição de hipótese a ser testada. Definição de testes estatísticos a serem usados e de níveis de confiança. Operacionalização das variáveis, conceitos, amostragem... Proxys; limitações; imprecisões; comparabilidade; viés... Processamento e teste das hipóteses. Análise dos resultados. 25
3 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 gerais a partir de amostras e predições O que podemos afirmar com base nesses dados? Estimativas de parâmetros Testes de hipóteses Previsões 26
Inferência estatística: conhecer os parâmetros e fazer afirmações sobre a população com base em suas amostras. População Amostra n = 9 Estatísticas amostrais Parâmetros populacionais 27
Exemplos de técnicas estatísticas Análises gráficas Comparação (para uma ou várias populações): Médias Medianas Regressão Simples Múltipla Logística Técnicas multivariadas Análise de componentes principais Testes não paramétricos: Aderência, independência, homogeneidade Wilconox Teste dos sinais Kruslal-Wallis ANOVA (várias populações) Análise de clusters Análise discriminante Análise fatorial Séries temporais 28
29