TÉCNICAS QUANTITATIVAS

TÉCNICAS QUANTITATIVAS

1. análise estatística multivariada

   • uma combinação linear de variáveis com pesos empiricamente determinados
   • os pesos determinados pela técnica multivariada para atingir um objetivo específico

2. regressão linear de mínimos quadrados ordinários

3. regressão logística binária

4. regressão multinomial

5. VARIÁVEIS

   • DEPENDENTE
     • Análise de Variância Multivariada
       • indicada para explorar simultaneamente o relacionamento entre variáveis independentes categorizadas (não-métricas) e duas ou mais variáveis dependentes (métricas).
       • REGRESSÃO MÚLTIPLA
         • Regressão múltipla é o método de análise apropriado quando o problema de pesquisa envolve uma única variável dependente métrica considerada como relacionada a duas ou mais variáveis independentes métricas.
         • OBJETIVO
           • O objetivo da análise de regressão múltipla é prever as mudanças na variável dependente como resposta a mudanças nas variáveis independentes
         • VARIÁVIES NÃO-MÉTRICAS
         • REGRESSÃO MÚLTIPLA PADRÃO
           • SILULTÂNEA
           • VI ENTRAM DE UMA SÓ VEZ
             • se a contribuição de cada VI na equação, em termos de quanto cada uma delas acrescenta de explicação da VD.
         • Regressão Múltipla Stepwise
           • uma técnica utilizada em pesquisas exploratórias e que não contam com apoio teórico e empírico, confiáveis e consistentes. Nesse caso, a interpretação das contribuições das variáveis não é relevante.
         • Regressão Múltipla Hierárquica
           • As VIs entram na equação de acordo com a ordem estabelecida pelo pesquisador. Cada VI é avaliada em termos de quanto a sua entrada agrega valor ao modelo de explicação da VD. Atribui-se a cada VI tanto a sua variância única como sua variância compartilhada, de acordo com a ordem de entrada. A importância relativa de cada VI, entretanto, pode mudar dramaticamente dependendo da ordem de entrada na equação.
       • MODELO DE REGRESSÃO LOGÍSTICA
         • O que diferencia uma regressão logística de uma regressão múltipla é que a variável dependente é não-métrica, como na análise discriminante. A escala não-métrica da variável dependente exige diferenças no método de estimação e suposições sobre o tipo de distribuição inerente, ainda que na maioria dos outros aspectos seja muito semelhante à regressão múltipla
         • BROBABILIDADE DE OCORRÊNCIA DE UM EVENTO
         • MUITO UTILIZADA NA ÁREA DA SAÚDE E PSICOLOGIA
         • LIVRE DE RESTRIÇÕES
         • APLICÁVEL EM DIVERSOS CONTEXTOS
         • VARIÁVEL DICOTÔMICA
           • APENAS 2
     • Análise Conjunta
       • técnica multivariada usada especificamente para compreender como os clientes ou consumidores desenvolvem preferências por produtos ou serviços; baseia-se na premissa de que os consumidores avaliam um produto, serviço ou uma ideia pela combinação de valores (níveis) de seus atributos (fatores).
     • Análise de Correlação Canônica
       • extensão da análise de regressão múltipla com o objetivo de estudar a correlação entre o conjunto de variáveis dependentes (métrica) e o conjunto de variáveis independentes (métrica); o princípio básico é desenvolver uma combinação linear de cada conjunto de variáveis (dependente e independente) que maximize a correlação entre os dois conjuntos.
   • INDEPENDENTE
   • QUANTITATIVAS
     • DISCRETAS
       • operação de contagem
         • nº alunos, nº de filhos
         • sempre número inteiro
     • CONTÍNUAS
       • pode assumir qualquer valor, resulta de uma medição
         • peso, estatura
   • QUALITATIVAS
     • NOMINAIS
       • Não são numéricas, nem ordenadas
         • tipo de sexo, religião
     • ORDINAIS
       • organizadas em ordem lógica
         • classe social, grau e instrução
   • CATEGÓRICA DICOTÔMICA
     • COM APENAS 2 CATEGORIAS
       • SIM
       • NÃO
   • CONTÍNUA

6. ESCALAS DE MEDIDA

   • NÃO-MÉTRICA
     • Medidas que descrevem diferenças em tipo ou natureza, indicando a presença ou ausência de uma característica ou propriedade, são chamadas de dados não-métricos
     • Medidas não-métricas podem ser feitas com uma escala nominal ou ordinal
       • NOMINAL
         • Uma escala nominal designa números para rotular ou identificar indivíduos ou objetos
         • Dados nominais representam somente categorias ou classes, e não implicam quantias de um atributo
         • variáveis dicotômicas DUMMY
           • são binárias (0 ou 1)
           • sempre que se desejar incluir variáveis categóricas em modelos que aceitam apenas variáveis numéricas
       • ORDINAL
         • as variáveis podem ser ordenadas ou ranqueadas em relação à quantia do atributo
         • Escalas ordinais não fornecem nenhuma medida da quantidade ou magnitude real em termos absolutos, mas apenas a ordem dos
         • O pesquisador conhece a ordem, mas não a quantidade de diferença entre os valores
   • MÉTRICA
     • dados métricos são utilizados quando indivíduos diferem em quantidade ou grau em relação a um atributo em particular
       • escalas intervalares
       • escalas de razão
         • As escalas de razão representam a mais elevada forma de precisão de medida, pois possuem as vantagens de todas as escalas inferiores somadas à existência de um ponto zero absoluto
         • Variáveis como quantidade, população, tempo, dinheiro, idade, peso, altura, são exemplos que se baseiam nesse tipo de escala
     • fornecem o mais alto nível de precisão de medida, permitindo que quase todas as operações matemáticas sejam executadas

7. PRESSUPOSTOS

   • normalidade
     • e refere à forma da distribuição de dados para uma variável métrica individual e sua correspondência com a distribuição normal, o padrão de referência para métodos estatísticos
     • Se a variação em relação à distribuição normal é suficientemente grande, todos os testes estatísticos resultantes são inválidos no emprego das estatísticas F e t
     • distribuição de Gauss
       • (i) pelos gráficos da distribuição (gráfico de probabilidade normal, histograma etc.); (ii) pelos índices de Skewness e Kurtosis significativos; e (iii) pelos testes de normalidade.
         • HISTOGRAMA
           • Um histograma é uma representação gráfica de uma única variável que mostra a frequência de ocorrências (valores dos dados) dentro de categorias de dados. As frequências são graficamente representadas para examinar a forma da distribuição de valores. Se os valores inteiros variam de 1 a 10, o pesquisador pode construir um histograma contando o número de respostas para cada valor inteiro.
         • gráfico de probabilidade normal
           • uma reta diagonal, e os dados do gráfico são comparados com a diagonal. Se uma distribuição é normal, a linha que representa a distribuição real dos dados segue muito próxima à diagonal.
         • TESTES ESTATÍSTICOS DE NORMALIDADE
           • Um teste simples é uma regra prática baseada nos valores de assimetria e curtose
             • Shapiro-Wilks e uma modificação do teste de Kolmogorov- Smirnov.
               • Cada um calcula o nível de significância para as diferenças em relação a uma distribuição normal.
   • linearidade
     • O modo mais comum de avaliar a linearidade é examinar diagramas de dispersão das variáveis e identificar qualquer padrão não-linear nos dados
   • homocedasticidade
     • Homocedasticidade se refere à suposição de que as variáveis dependentes exibem níveis iguais de variância ao longo do domínio da(s) variável(is) preditora(s). A
     • a dispersão (variância) dos valores da variável dependente deve ser relativamente semelhante em cada valor da variável preditora.
     • Se essa dispersão for desigual ao longo de valores da variável independente, a relação é dita heteroscedástica
     • dispersão (variância)
     • VARIÁVEIS DEPENDENTES MÉTRICAS E NÃO MÉTRICAS
     • TESTES
       • O teste mais comum, teste Levene, é usado para avaliar se as variâncias de uma única variável métrica são iguais em qualquer número de grupos.
   • colinearidade
     • A colinearidade é considerada em algumas análises, principalmente entre as variáveis independentes (VIs) da regressão múltipla.
     • MULTICOLINEARIDADE
       • • A multicolinearidade ocorre com duas ou mais variáveis independentes do modelo explicando o mesmo fenômeno; • Variáveis contêm informações similares; • Duas ou mais variáveis independentes altamente correlacionadas; • Dificuldade na separação dos efeitos de cada uma das variáveis; • A multicolinearidade tende a distorcer os coeficientes (b) estimados; • A singularidade ocorre quando duas variáveis são exatamente iguais.
       • implicam redundância, supressão e outros fenômenos estatísticos complexos, além de aumentarem o erro.
       • TESTE de ausência
         • TOLERÂNCIA
           • >0,1
         • VIF
           • <10