terça-feira, 10 de junho de 2008

5- Análise Quantitativa de Dados

Em investigação, depois da fase de recolha de dados passamos à fase da análise e tratamento desses mesmos dados, de forma a que os resultados obtidos possam contribuir para os objectivos da investigação.

A análise quantitativa, pode ser do tipo estatístico (dados, codificados sob a forma numérica, referentes a uma amostra concreta) ou parâmetros (dados que mediante cálculos adequados de estatística inferencial são passíveis de serem generalizados à população da qual se extraiu a amostra).
A abordagem paramétrica trata de testes paramétricos. O termo “parâmetro” refere-se a medidas que descrevem a distribuição da população como a média ou variância, daí o termo teste paramétrico. Dados com comportamento paramétrico seguem a curva gaussiana de distribuição normal da frequência dos dados.
A abordagem não-paramétrica, por sua vez, trata de testes não-paramétricos. Testes não-paramétricos são assim chamados porque não dependem de formas precisas de distribuição da população da amostra. Logo, os métodos não-paramétricos não assumem uma distribuição probabilística conhecida e permitem inferências independentemente das características ou da forma de distribuição da frequência dos dados.
A análise quantitativa de dados pode incidir sobre dados de natureza qualitativa (atributos ou categorias que descrevem sujeitos e situações; podem ser de natureza dicotómica ou politómica) ou dados de natureza quantitativa (características mensuráveis e que se podem exprimir por em valores numéricos reportados a uma unidade de medida ou a uma relação de ordem).
A análise quantitativa das informações obtidas depende da natureza dos dados colectados e faz-se com base numa escala de medida, que poderá ser nominal (relativas a variáveis que pressupõem atributos que só podem ser expressos em termos qualitativos), ordinal (construídas com base em atributos ou propriedades de natureza qualitativa, atributos esses que permitem estabelecer uma gradação de intensidade, uma ordenação), intervalar (pressupõem variáveis quantitativas e são expressas segundo uma escala de intervalos, sem ponto de referência (não têm um zero absoluto) ou de razão/proporcional (Pressupõem variáveis quantitativas e a escala pressupõe a existência de um zero absoluto que indica a ausência completa da propriedade a medir).
Na análise quantitativa de dados, o tipo de dados condiciona os testes estatísticos a adoptar e as amostras muito reduzidas tornam alguns testes inadequados ou impossíveis de aplicar.
As escalas e operações matemáticas permitidas no interior da escala e adequadas a variáveis quantitativas são as escalas intervalar e de razão/proporcional.

Análise quantitativa dos dados

Pode recorrer-se à estatística descritiva (organização dos dados) e à estatística inferencial.
Estatística descritiva

Descrição e organização dos dados:
• Descrições gráficas – histogramas, polígono de frequência, curva de distribuição de dados.
• Descrições numéricas – tabelas de frequências, medidas de tendência central (média, mediana, moda), medidas de dispersão (desvio padrão, variância), enviesamentos na distribuição, medidas de relação entre as variáveis.

Estatística inferencial

• Procedimentos e raciocínios efectuados com vista a procurar relações e/ou a verificar hipóteses
• Procedimentos com vista a estimar parâmetros da população com base nos dados da amostra.
A estatística inferencial pode valer-se de técnicas paramétricas que requerem determinadas condições: curva de distribuição normal (distribuição de dados simétrica à volta da média), escala intervalar (amostra não inferior a 30 sujeitos) , dispersão homogénea em subgrupos a comparar (variância semelhante) ou não paramétricas (não exigindo condições especiais), sendo que as primeiras, pelo facto de exigirem determinadas condições, são mais fiáveis, e os testes mais potentes.

Tipos de testes paramétricos

• Teste t de Student – teste de comparação de médias; permite verificar se a diferença entre duas amostras é estaticamente significativa
• Correlação de Pearson – permite verificar se há correlação entre duas variáveis
• Análise de variância – teste de comparação entre várias médias; usado quando se quer comparar resultados no caso de várias variáveis independentes

Testes para verificar hipótese de diferenças entre grupos
Grupos independentes: Teste t de Student (dois grupos), Anova – análise factorial (mais de dois grupos) Manova se uma ou mais variáveis independentes e mais do que uma variável dependente.
Grupos emparelhados: Teste t de Student (dois grupos), Anova – análise factorial (mais de dois grupos)
Testes para relações entre variáveis
2 Variáveis: Correlação de Pearson (r)- Regressão da variável independente sobre a variável dependente quando se pretende fazer previsão.
Mais do que 2 variáveis: Correlação múltipla (r múltiplo) - Regressão múltipla quando se pretende fazer previsão.

Testes não paramétricos

Testes para verificar hipótese de diferenças entre grupos
Grupos independentes: Teste-U de Mann-Whitney (dois grupos), Teste-H de Kruskal-Wallis -análise factorial (mais de dois grupos)
Grupos emparelhados: Teste T de Wilcoson (dois grupos), Teste de Friedman - semelhante à análise factorial(mais de dois grupos)
Testes para verificar relações entre variáveis ordinais
Correlação de Spearman (rs)
Variáveis nominais
Testes para verificar hipótese de diferenças entre grupos (amostras): Teste do Chi quadrado
Testes para verificar hipótese de associação entre variáveis: Coeficiente de contingência
Variáveis ordinais
• Teste-U de Mann-Whitney – teste de comparação de duas amostras para verificar se há diferenças estatisticamente significativas
• Correlação de Spearman – permite verificar se dois conjuntos de valores se encontram relacionados

Drª Alda Pereira (2008) Universidade Aberta

Sem comentários: