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.

• 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

Por que estudar métodos quantitativos?

• 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

Objetivos de aprendizado

5 Prof. Marcos Vinicius Pó

Fonte: https://www.nexojornal.com.br/grafico/2019/02/08/De-onde-v%C3%AAm-os-Grandes-Mestres-do-xadrez-mundial

• 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

Programa resumido

7

• 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).

8

Metodologia didática e avaliação

Material em perguntasaopo.wordpress.com/graduacao/mqcs/

• As provas tem questões e itens com diferentes níveis de aplicação dos conceitos e técnicas estudadas.

• Serão usados “+” e “-” para sinalizar conceitos intermediários.

9

Correção e avaliação das provas e atividades

Aplicação às provas

A Mostrou domínio dos aspectos básicos e avançados relacionados aos conceitos e técnicas apresentados no curso, aplicando-os adequadamente e de forma clara.

B Demonstrou domínio dos conceitos e técnicas apresentados em sala aplicando-os adequadamente, mas teve falhas em aspectos de menor relevância.

C Mostrou conhecer os aspectos básicos dos conceitos e técnicas apresentados no curso, mas não o domínio dos aspectos mais avançados ou de sua aplicação.

D 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.

• 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

Apresentação (quase) semanal

11 Prof. Marcos Vinicius Pó

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

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

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

12

Livros recomendados

Livros com bons exemplos e exercícios, além de explicações bem didáticas. Uso

moderado de álgebra.

Boa fonte de referência e

informações. Pouco uso de álgebra.

O mais completo. Bastante matemática.

Recomendado

Recomendado

• 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

Outras possibilidades e necessidades para o curso

14

Prof. Marcos Vinicius Pó

• 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

Pensamento quanti-estatístico

16

17

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.

18

O que a

estatística

nos diz?

19

The

Eco

no

mis

t, F

eb 1

st 2

01

4: M

ob

ility

, mea

sure

d

(htt

p:/

/ww

w.e

con

om

ist.

com

/new

s/u

nit

ed-s

tate

s/2

15

95

43

7-a

me

rica

-no

-le

ss-s

oci

ally

-mo

bile

-it-

was

-gen

erat

ion

-ago

-mo

bili

ty-m

easu

red

)

20

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

• 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

Ciência, teorias e modelos explicativos

Quanti x Quali: resumão

Lógica indutiva: generalizações a partir da observação crítica e fundamentada de fenômenos.

Observação, entrevistas, grupos de discussão,

etnografia... MENOS CASOS, COM MAIOR

PROFUNDIDADE

Métodos qualitativos

Métodos quantitativos

Lógica hipotético-dedutiva: aplicação de pressupostos,

conceitos e princípios gerais a fenômenos.

Levantamentos amostrais, experimentos, quase-

experimentos... MAIS CASOS, COM MENOR

PROFUNDIDADE

Objeto social estudado

• 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(X1; X2; ...Xn) F é uma função matemática (linear, exponencial, quadrática, ...)

23

Modelos explicativos em 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

Métodos quantitativos

• 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

Formalização de uma pesquisa quantitativa

• 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

3 tipos de estatística

27

População Amostra

n = 9

Estatísticas amostrais

Parâmetros populacionais

Inferência estatística: conhecer os parâmetros e fazer afirmações sobre a população com base em suas amostras.

• Análises gráficas

• Comparação (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

28

Exemplos de técnicas estatísticas

Técnicas multivariadas

29