ISCTE-IUL > Ensino > DSS

Métodos Avançados de Análise de Dados (Dss) (1 º Sem 2019/2020)

Código:	02916
Acrónimo:	02916
Nível:	3º Ciclo
Estruturante:	Não
Língua(s) de Ensino:	Português
Língua(s) amigável(is):

Ser English-friendly ou qualquer outra língua-friendly, significa que a UC é leccionada numa língua mas que se pode verificar qualquer uma das seguintes condições:
1. Existem materiais de apoio em língua inglesa/outra língua;
2. Existem exercícios, testes e exames em língua inglesa/outra língua;
3. Existe a possibilidade de se apresentar trabalhos escritos ou orais em língua inglesa/outra língua.

Semestre	Créditos ECTS	Aula Teórica (T)	Aula Teórico-Prática (TP)	Aula Prática e Laboratorial (PL)	Seminario (S)	Trabalho de Campo (TC)	Estágio (E)	Orientação Tutorial (OT)	Horas de Contacto	Trabalho Autónomo	Outras (O)	Horas de Trabalho Total [?]Horas de Contacto + Trabalho Autónomo
1	6.0	0.0 h/sem	20.0 h/sem	6.0 h/sem	0.0 h/sem	0.0 h/sem	0.0 h/sem	1.0 h/sem	27.0 h/sem	123.0 h/sem	0.0 h/sem	150.0 h/sem


Em vigor desde o ano letivo	2018/2019
Pré-requisitos	Não aplicável
Objectivos	Esta unidade curricular está organizada em dois eixos analíticos. Começa por centrar-se na operacionalização de dimensões de análise via índices (novas variáveis compósitas). Para o efeito usa-se a Análise em Componentes Principais (ACP) para as variáveis quantitativas e a Análise de Correspondências Múltiplas (ACM) para as variáveis categorizadas. O segundo eixo tem por objetivo construir modelações com as novas variáveis compósitas (e outras) a fim de explorar relações de dependência entre elas. Para o efeito usa-se (designadamente) o teste t, Análise de Variância e correlação linear. O desenvolvimento dos dois eixos é introduzido por uma abordagem teórico-prática, seguindo com uma abordagem mais aplicacional, assente na interpretação de casos práticos.
Programa	1. Operacionalização de dimensões de análise em índices 1.1. Redução da multidimensionalidade do input 1.1.1. Análise de Componentes Principais 1.1.2. Análise de Correspondências Múltiplas 1.2. Consistência 1.3. Construção de índices 1.4. Operacionalização com software de estatística 1.5. Reportar resultados em tese/artigo 2. Modelação de relações 2.1. Teste t 2.2. Análise de Variância 2.3. Correlação linear 2.4. Operacionalização com software de estatística 2.5. Interpretação estatística de resultados 2.6. Reportar resultados em tese/artigo
Processo de avaliação	A avaliação desta unidade curricular é baseada em um trabalho individual no qual são aplicados os diferentes métodos estatísticos e é usado o software SPSS.
Processo de ensino-aprendizagem	O estudo individual é orientado e apoiado em diferentes tipos de aulas que incluem: - Aulas mais teóricas centradas na apresentação e desenvolvimento dos métodos; e na apresentação e discussão de aplicações; - Aulas em laboratório destinadas à aplicação dos diferentes métodos, recorrendo ao software de estatística (SPSS) e, ainda, à apresentação de resultados em tese/artigo científico; - Sessões tutoriais para esclarecimento de dúvidas e acompanhamento do relatório individual.
Observações
Bibliografia básica	Carvalho, H. (2008). Análise Multivariada de Dados Qualitativos, Utilização da Análise de Correspondências Múltiplas com o SPSS, Lisboa, Edições Sílabo. Hair, J., Black, W., Babin, B., Anderson, R. (2010). Multivariate Data Analysis: A Global Perspective, 7th ed. Pearson Prentice Hall, New York, pp. 477-536. Maroco, J. (2014). Análise Estatística com o SPSS Statistics, Pero Pinheiro, ReportNumber., 6ed. Maroco, J. e Bispo, R. (2003). Estatística aplicada às ciências sociais e humanas, Lisboa, Climepsi Editores. Reis, E. (2001). Estatística Multivariada Aplicada, Lisboa, Sílabo, 2ª ed. Tabachnick, B. e Fidell, L. (2006). Using Multivariate Statistics, USA, Person International Edition, 5ª ed.
Bibliografia complementar	Reis, E. (2008). Estatística Descritiva, Lisboa, Sílabo, 7ª ed. Reis, E., Melo, P., Andrade, R. e Calapez, T. (1997). Estatística Aplicada, vols. 1 e 2, Lisboa, Sílabo, 3ª ed.