Métodos Estatísticos para as Ciências Sociais

Visualizações: 490
Classificação: (0)

Escrita de forma clara e didática, a obra aborda temas estatísticos importantes como estatística descritiva; distribuições de probabilidade; amostragem e estimação; análise de variáveis categóricas e análise de variância. Os autores passam por diferentes níveis de complexidade, por isso é ideal para alunos de graduação e de pós-graduação.

FORMATOS DISPONíVEIS

eBook

Disponível no modelo assinatura da Minha Biblioteca

18 capítulos

Formato Comprar item avulso Adicionar à Pasta

Capítulo 1. Introdução

PDF Criptografado

1

INTRODUÇÃO

1.1 INTRODUÇÃO À

METODOLOGIA DA ESTATÍSTICA

O último quarto de século tem visto um aumento drástico no uso de métodos estatísticos nas ciências sociais. Existem várias razões para isso. A pesquisa nas ciências sociais tem, cada vez mais, empregado a orientação quantitativa. Como a pesquisa nas outras ciências, a nas ciências sociais geralmente estuda questões de interesse que analisam evidências fornecidas pelos dados empíricos. O crescimento da internet resultou em um aumento da informação quantitativa prontamente disponível. Finalmente, com o desenvolvimento de computadores ainda mais poderosos, softwares e metodologia estatística, os novos métodos disponíveis podem tratar mais realisticamente de questões que surgem na pesquisa na ciência social.

Por que estudar estatística?

O crescimento no uso da estatística é evidente nas mudanças dos conteúdos dos artigos publicados nas revistas de pesquisas nas ciências sociais e nos relatórios preparados pelo governo e pelas indústrias privadas.

 

Capítulo 2. Amostragem e mensuração

PDF Criptografado

2

AMOSTRAGEM E MENSURAÇÃO

Para estudar os fenômenos sociais com a análise estatística, os métodos descritivos resumem os dados e os métodos inferenciais usam dados amostrais para fazer previsões sobre as populações. Quando coletamos dados devemos decidir quais sujeitos amostrar. Selecionar uma amostra que seja representativa da população é o tópico principal deste capítulo.

Coletada uma amostra, devemos converter nossas ideias sobre os fenômenos sociais em dados para decidir o que mensurar e como mensurar. Desenvolver formas para mensurar conceitos abstratos como realizações, inteligência e preconceito são um dos aspectos mais desafiadores da pesquisa social. Uma medida deve ter validade, descrever o que é pretendido mensurar e refletir com exatidão sobre o conceito.

Também deve ter credibilidade no sentido de que o sujeito dará a mesma resposta quando perguntado novamente. Instrumentos de coleta de dados inválidos ou não confiáveis tornam as manipulações estatísticas dos dados sem sentido.

 

Capítulo 3. Estatística descritiva

PDF Criptografado

3

ESTATÍSTICA DESCRITIVA

Vimos que os métodos estatísticos são descritivos ou inferenciais. O propósito da estatística descritiva é resumir os dados, facilitar a assimilação da informação. Este capítulo apresenta os métodos básicos da estatística descritiva.

Apresentamos, em primeiro lugar, tabelas e gráficos que descrevem os dados mostrando o número de vezes em que vários resultados ocorrem. As variáveis quantitativas também apresentam duas características-chave para descrevê-las numericamente:

• O centro dos dados – uma observação típica.

• A variabilidade dos dados – a dispersão em torno do centro.

Aprenderemos a descrever dados quantitativos com estatísticas que resumem o centro e a variabilidade e, finalmente, com estatísticas que especificam certas posições nos conjuntos de dados que resumem tanto o centro quanto a variabilidade.

3.1 DESCREVENDO DADOS COM

TABELAS E GRÁFICOS

As tabelas e gráficos são úteis para todos os tipos de dados. Começaremos com as variáveis categóricas.

 

Capítulo 4. Distribuições de probabilidade

PDF Criptografado

4

DISTRIBUIÇÕES DE

PROBABILIDADE

Comparada à maioria das ciências matemáticas, a estatística é recente. A maioria dos métodos discutidos neste livro foi desenvolvida no século passado. Ao contrário, a probabilidade, o assunto deste capítulo, tem uma longa história. Por exemplo, os matemáticos usavam a probabilidade na França no século XVII para avaliar as várias estratégias de jogo. A probabilidade

é um assunto altamente desenvolvido, mas este capítulo limita sua atenção ao básico de que iremos necessitar para a inferência estatística.

Após uma breve introdução à probabilidade na Seção 4.1, as Seções 4.2 e 4.3 apresentam as distribuições de probabilidade, as quais fornecem probabilidades para todos os resultados possíveis de uma variável. A distribuição normal, descrita por uma curva em forma de sino, é a distribuição de probabilidade mais importante para a análise estatística. As Seções 4.4 e

4.5 introduzem a distribuição amostral, um tipo de distribuição de probabilidade de fundamental importância para a inferência estatística. Ela nos permite prever quão próximo a média amostral está da média da população. Veremos que a razão principal para a importância da distribuição normal é o resultado notável de que as distribuições amostrais apresentam, em geral, a forma de sino, isto é, tendem a normal.

 

Capítulo 5. Inferência estatística: Estimação

PDF Criptografado

5

INFERÊNCIA ESTATÍSTICA:

ESTIMAÇÃO

Este capítulo mostra como usar os dados amostrais para estimar os parâmetros da população. Com variáveis quantitativas estimamos a média da população. Um estudo que trata de assuntos do sistema de saúde, por exemplo, pode estimar os parâmetros da população como a quantia média de dinheiro gasta em medicamentos prescritos durante o último ano e o número médio de visitas ao médico. Com variáveis categóricas, estimamos as proporções da população para as categorias. O estudo do sistema de saúde pode estimar as proporções das pessoas que (têm, não têm) seguro de saúde e as proporções que (estão satisfeitas, não estão satisfeitas) com seu plano de saúde.

Inicialmente aprenderemos sobre dois tipos de estimativas dos parâmetros. Após, nas Seções 5.2 e 5.3, as aplicaremos às médias e proporções da população. A Seção

5.4 encontra o tamanho da amostra necessário para alcançar a precisão desejada da estimativa. A Seção 5.5 discute a estimativa da mediana e de outros parâmetros.

 

Capítulo 6. Inferência estatística: Testes de sgnificância

PDF Criptografado

6

INFERÊNCIA ESTATÍSTICA:

TESTES DE SIGNIFICÂNCIA

O objetivo de muitos estudos é verificar se os dados concordam com certas previsões.

As previsões geralmente resultam da teoria que leva à pesquisa. Essas previsões são hipóteses sobre a população em estudo.

Hipótese

Na estatística, uma hipótese é uma afirmação sobre a população. Ela é geralmente uma previsão na qual um parâmetro que descreve uma característica de uma variável assume um valor numérico particular ou está em certo intervalo de valores.

Exemplos de hipóteses são os seguintes:

“Para prestadores de serviço, a renda média é a mesma tanto para mulheres quanto para homens”, “Não existe diferença em termos probabilísticos entre Democratas e

Republicanos em relação ao voto seguindo a liderança do seu partido” e “A metade ou mais dos adultos canadenses está satisfeita com seu serviço nacional de saúde”.

Um teste de significância usa dados para resumir a evidência sobre uma hipótese, comparando as estimativas por pontos dos parâmetros aos valores previstos pela hipótese. O seguinte exemplo ilustra os conceitos por trás dos testes de significância.

 

Capítulo 7. Comparação de dois grupos

PDF Criptografado

7

COMPARAÇÃO DE DOIS GRUPOS

A comparação de dois grupos é um tipo muito comum de análise nas ciências sociais e comportamentais. Um estudo pode comparar a renda média para homens e mulheres que têm empregos e experiências similares. Outro estudo pode comparar a proporção de norte-americanos e canadenses que são a favor de leis de controle de armas de fogo. As médias são comparadas para as variáveis quantitativas e as proporções para as variáveis categóricas.

A Seção 7.1 introduz alguns conceitos básicos para a comparação de grupos.

A Seção 7.2 ilustra esses conceitos para a comparação de proporções, e a Seção 7.3 para a comparação de médias. O restante do capítulo mostra alguns métodos alternativos úteis para casos especiais.

7.1 PRELIMINARES DA

COMPARAÇÃO DE GRUPOS

As mulheres tendem a gastar mais tempo nas tarefas de casa do que os homens?

Se for assim, quanto tempo mais? Na

Grã-Bretanha em 2005, a Time Use Sur1 vey estudou como uma amostra aleatória de britânicos passava o seu tempo em um dia típico. Para aqueles que disseram que trabalhavam o dia todo, a Tabela 7.1 relata a média e o desvio padrão do número médio relatado de minutos gastos por dia cozinhando e limpando. Usamos a Tabela

 

Capítulo 8. Analisando a associação entre as variáveis categóricas

PDF Criptografado

8

ANALISANDO A ASSOCIAÇÃO

ENTRE AS VARIÁVEIS

CATEGÓRICAS

Lembre que dissemos que existe uma associação entre duas variáveis se a distribuição da variável resposta muda de alguma forma à medida que a variável explicativa muda. Na comparação de dois grupos, existe uma associação se as médias da população ou proporções da população diferirem entre os grupos.

Este capítulo apresenta métodos para detectar e descrever associações entre duas variáveis categóricas. Os métodos deste capítulo nos ajudam a responder a uma pergunta como: “Existe alguma associação entre felicidade e religiosidade?”. Os métodos do Capítulo 7 para comparar duas proporções são casos especiais daqueles considerados aqui nos quais ambas as variáveis têm somente duas categorias.

A Seção 8.1 introduz a terminologia para análise de dados categóricos e define a independência estatística, um tipo de falta de associação. A Seção 8.2 apresenta um teste de significância para determinar se duas variáveis categóricas estão associadas, e a Seção 8.3 segue com esse teste com uma análise dos resíduos que descreve a natureza da associação.

 

Capítulo 9. Regressão linear e correlação

PDF Criptografado

9

REGRESSÃO LINEAR E

CORRELAÇÃO

O Capítulo 8 apresentou métodos para analisar a associação entre variáveis categóricas resposta e explicativa. Este capítulo apresenta métodos para analisar variáveis quantitativas resposta e explicativa.

A Tabela 9.1 mostra dados do Statistical Abstract of the United States (Resumo

Estatístico dos Estados Unidos) para os 50 estados e o Distrito de Columbia (D.C.) no que segue:

• Taxa de assassinato: o número de assassinatos por 100000 habitantes.

• Taxa de crimes violentos: o número de assassinatos, estupros violentos, assaltos e agressão com circunstâncias agravantes por 100000 habitantes.

• Percentual da população com renda abaixo do nível de pobreza

• Percentual de famílias chefiadas por um único progenitor.

Para essas variáveis quantitativas, a taxa de crimes violentos e a taxa de assassinatos são variáveis respostas naturais. Trataremos a taxa de pobreza e o percentual de famílias com um único progenitor como variáveis explicativas para estas respostas à medida que estudamos os métodos para analisar os relacionamentos entre variáveis quantitativas neste capítulo e em alguns exercícios.

 

Capítulo 10. Introdução aos relacionamentos multivariados

PDF Criptografado

10

INTRODUÇÃO AOS

RELACIONAMENTOS

MULTIVARIADOS

Os Capítulos 7 a 9 introduziram métodos para analisar a associação entre duas variáveis. Na maior parte das pesquisas em

Ciências Sociais, estas análises são apenas a primeira etapa. Etapas subsequentes usam métodos multivariados para incluir na análise outras variáveis que possam influenciar aquela associação.

Os Exemplos 8.1 e 8.3 mostraram que a identificação partidária nos Estados Unidos está associada ao gênero, com os homens tendo maior probabilidade do que as mulheres de serem Republicanos. Para analisar por que é assim, poderíamos analisar se as diferenças entre homens e mulheres na ideologia partidária (mensurada em uma escala conservadora-liberal) poderia explicar a associação. Por exemplo, talvez os homens tendam a ser mais conservadores do que as mulheres e, sendo conservadores, tendem a estar associados ao partido republicano. Se compararmos homens e mulheres apenas para aqueles classificados como liberais e, então, novamente apenas para aqueles classificados como conservadores, ainda será verdadeiro que os homens têm maior probabilidade de serem Republicanos do que as mulheres? Ou a diferença entre homens e mulheres, na identificação da política partidária, poderia ser explicada por algum outro fator, como renda, nível educacional ou religião?

 

Capítulo 11. Regressão múltipla e correlação

PDF Criptografado

11

REGRESSÃO MÚLTIPLA E

CORRELAÇÃO

O Capítulo 9 introduziu a modelagem por regressão do relacionamento entre duas variáveis quantitativas. Relacionamentos multivariados requerem modelos mais complexos contendo muitas variáveis explicativas. Algumas delas podem ser previsoras de interesse teórico e algumas podem ser variáveis controle.

Para prever y ϭ GPA na universidade,

é sensato usar vários previsores no mesmo modelo. As possibilidades incluem x1 ϭ

GPA do ensino médio, x2 ϭ escore do exame de admissão de matemática da faculdade, x3 ϭ escore do exame de admissão em língua da faculdade e x4 ϭ avaliação do orientador educacional do ensino médio.

Este capítulo apresenta modelos para o relacionamento entre uma variável resposta y e um grupo de variáveis explicativas.

Um modelo multivariado fornece previsões melhores de y do que um modelo com uma única variável explicativa. Tal modelo pode analisar, também, os relacionamentos entre variáveis enquanto controla outras variáveis. Isto é importante porque o Capítulo 10 mostrou que, após controlar uma variável, uma associação pode parecer bem diferente do que quando a variável é ignorada. Portanto, este modelo fornece informação não disponível com modelos simples que analisam somente duas variáveis de uma vez.

 

Capítulo 12. Comparando grupos: Métodos de análise de variância (ANOVA)

PDF Criptografado

12

COMPARANDO GRUPOS:

MÉTODOS DE ANÁLISE DE

VARIÂNCIA (ANOVA)

O Capítulo 7 apresentou métodos para comparar as médias de dois grupos. Nesse capítulo veremos como esses métodos podem ser estendidos para comparar as médias de vários grupos.

O Capítulo 8 apresentou métodos para analisar associações entre duas variáveis categóricas. Os Capítulos 9 e 11 apresentaram métodos de regressão para analisar a associação entre variáveis quantitativas. Os métodos para comparar médias para vários grupos relacionam a associação entre uma variável resposta quantitativa e uma variável explicativa categórica. A média da variável resposta quantitativa é comparada entre os grupos que são categorias da variável explicativa. Por exemplo, para uma comparação da renda média anual entre negros, brancos e hispânicos, a variável resposta quantitativa é a renda anual e a variável explicativa categórica é o status étnico-racial.

O método inferencial para comparar várias médias é denominado de análise de variância e é abreviado por ANOVA.

 

Capítulo 13. Combinando regressão e ANOVA: Previsores quantitativos e categóricos

PDF Criptografado

13

COMBINANDO REGRESSÃO

E ANOVA: PREVISORES

QUANTITATIVOS E CATEGÓRICOS

O Capítulo 11 introduziu a regressão múltipla para analisar o relacionamento entre uma variável resposta quantitativa e variáveis explicativas quantitativas. O Capítulo

12 mostrou que a regressão múltipla pode também lidar com variáveis explicativas categóricas, como na análise de variância com variáveis auxiliares. Não surpreendentemente, a regressão múltipla pode também lidar simultaneamente com variáveis explicativas categóricas e quantitativas. O modelo combina elementos da análise de regressão comum, para a qual os previsores são categóricos.

Controlando uma covariável

A ANOVA de um fator compara a média da variável resposta para vários grupos. A

ANOVA de dois fatores compara as médias enquanto controla outra variável categórica. Em muitas aplicações, é útil comparar as médias enquanto controlamos uma variável quantitativa. Por exemplo, na comparação da renda média de homens e mulheres, podemos controlar os diferentes níveis de experiência no trabalho entre homens e mulheres. A variável controle quantitativa é chamada de covariável. O uso da regressão para esse tipo de comparação é geralmente chamado de análise de covariância. Essa é uma das muitas contribuições estatísticas de Ronald A. Fisher, um brilhante estatístico britânico.

 

Capítulo 14. Construção do modelo com regressão múltipla

PDF Criptografado

14

CONSTRUÇÃO DO MODELO

COM REGRESSÃO MÚLTIPLA

Este capítulo introduz ferramentas para construir modelos de regressão e avaliar os efeitos no seu ajuste de observações incomuns ou previsores altamente correlacionados. Ele também mostra formas de modelar variáveis que violam seriamente as suposições de relacionamentos lineares com uma variável resposta normal.

A Seção 14.1 discute critérios para a seleção de um modelo de regressão decidindo quais variáveis, de uma grande seleção possível, incluir no modelo. A Seção 14.2 introduz métodos para verificar suposições da regressão e avaliar a influência de observações individuais. A Seção 14.3 discute os efeitos da multicolinearidade – uma forte

“sobreposição” entre as variáveis explicativas, de modo de nenhuma delas parecer

útil quando as demais estão no modelo. A

Seção 14.4 introduz um modelo generalizado que pode lidar com variáveis respostas tendo distribuições diferentes da normal.

As Seções 14.5 e 14.6 introduzem modelos para relacionamentos não lineares.

 

Capítulo 15. Regressão logística: Modelando respostas categóricas

PDF Criptografado

15

REGRESSÃO LOGÍSTICA:

MODELANDO RESPOSTAS

CATEGÓRICAS

Os modelos de regressão estudados nos

últimos seis capítulos presumem que a variável resposta seja quantitativa. Este capítulo apresenta modelos lineares generalizados para variáveis resposta que são categóricas.

As Seções 15.1 a 15.3 apresentam o modelo de regressão logística para variáveis respostas binárias – variáveis tendo somente dois resultados possíveis. Por exemplo, a regressão logística pode modelar:

• A escolha do eleitor em uma eleição presidencial (Democrata ou Republicano), com variáveis previsoras como ideologia política, renda anual, nível educacional e religião.

• Se a pessoa usa drogas ilegais (sim, não), com previsores como o nível educacional, se está empregado, religiosidade, estado civil e renda anual.

Versões de multicategorias da regressão logística podem tratar de variáveis respostas ordinais (Seção 15.4) e variáveis respostas nominais (Seção 15.5). A Seção

 

Capítulo 16. Uma introdução à metodologia avançada

PDF Criptografado

16

UMA INTRODUÇÃO À

METODOLOGIA AVANÇADA

Esse capítulo final introduz alguns métodos estatísticos avançados. Um texto introdutório como este não tem espaço para apresentá-los em detalhes. Contudo, um pesquisador em ciências sociais verá provavelmente referências a esses métodos e será útil se ele tiver pelo menos um entendimento rudimentar de suas naturezas e propósitos. Em vez de apresentarmos detalhes técnicos, fornecemos explicações de (1) para que o método é utilizado e (2) os tipos de resultados que podem ocorrer e suas interpretações.

16.1 ANÁLISE DE DADOS

LONGITUDINAIS*

As Seções 12.6 (página 434) e 12.7 (página 438) introduziram o método ANOVA para comparar médias de amostras dependentes. Tais dados resultam normalmente de estudos que observam sujeitos repetidamente ao longo do tempo, isto é, em estudos longitudinais.Alguns poucos tipos de métodos estão disponíveis para tais dados. Eles variam nas suposições que fazem sobre a modelagem da estrutura de correlação das observações repetidas.

 

Apêndice A. Análise estatística com o SPSS e SAS

PDF Criptografado

APÊNDICE A

Análise estatística com o SPSS e SAS

Os principais pacotes estatísticos apresentam procedimentos para quase todos os métodos apresentados neste texto. Este apêndice ilustra o uso de softwares para esses métodos.

Como não há espaço suficiente para discutir todos os principais pacotes, o foco será então sobre o SPSS e o SAS. Discutiremos basicamente o uso do software em vez da grande variedade de opções fornecidas pelo procedimento. Para facilitar a orientação, tanto o material para o SAS quanto para o SPSS estão organizados pelos capítulos que foram apresentados no texto. Os arquivos de dados completos dos exemplos e exercícios que requerem grandes conjuntos de dados estão disponíveis em www.grupoa.com.br.

INTRODUÇÃO AO SPSS

O SPSS para Windows tem uma interface gráfica que torna a utilização dos procedimentos estatísticos bastante simples. Nesse ambiente o SPSS fornece menus e caixas de diálogos para evitar que você tenha que utilizar código para realizar uma análise.

 

Apêndice B. Respostas aos exercícios ímpares selecionados

PDF Criptografado

APÊNDICE B

Respostas aos exercícios

ímpares selecionados

Capítulo 1

01 a. Um automóvel individual. b. Todos os automóveis daquele tipo utilizados nos testes EPA. c. Todos os automóveis daquele tipo que são ou podem ser fabricados.

03 a. Todos os estudantes da Universidade de Wisconsin. b. Uma estatística, uma vez que foi calculada apenas para os 100 estudantes da amostra.

05 a. Todos os adultos norte-americanos. b. Proporção de adultos norte-americanos que responderiam definitivamente ou provavelmente verdadeiro. c. Proporção amostral

0,523 estima a proporção populacional. d. Não, ela é uma estimativa do valor populacional e não será igual a ela, porque a amostra é apenas uma pequena parte da população.

07 a. 85,7% b. 85,8% c. 74,4%, mais alta para HEAVEN.

09 a

15 A estatística inferencial é utilizada quando temos dados de uma amostra e queremos fazer previsões para toda a população.

17 a. O percentual na amostra do Eurobarometer que diz ‘‘sim’’ em um país. b. O percentual da população em um país que diria ‘‘sim”. c. 45% dos 631 amostrados no Reino Unido diriam ‘‘sim’’. d. A previsão de que

 

Detalhes do Produto

Livro Impresso
Book
Capítulos

Formato
PDF
Criptografado
Sim
SKU
BPP0000256369
ISBN
9788563899651
Tamanho do arquivo
35 MB
Impressão
Desabilitada
Cópia
Desabilitada
Vocalização de texto
Não
Formato
PDF
Criptografado
Sim
Impressão
Desabilitada
Cópia
Desabilitada
Vocalização de texto
Não
SKU
Em metadados
ISBN
Em metadados
Tamanho do arquivo
Em metadados