Conhecimentos de Base Recomendados
NA
Métodos de Ensino
O desenvolvimento de cada assunto será feito de forma semelhante, em particular: uma introdução e caracterização da técnica seguida da aplicação a um caso prático recorrendo a software estatístico, com discussão das opções e dos resultados.
Resultados de Aprendizagem
Pretende-se que os alunos compreendam e apliquem as técnicas de análise de dados multivariados abordadas, que utilizem de forma adequada software específico e que interpretem criticamente os resultados obtidos.
Programa
1. Introdução: Tipo de dados. Classificação das técnicas multivariadas. Exemplos.
2. Análise de Componentes Principais: Definição, construção, propriedades, significado geométrico e interpretação. ACP sobre dados normalizados vs dados não normalizados. Análise de casos práticos recorrendo a software estatístico.
3. Análise Fatorial: Formulação do modelo. Métodos de estimação dos pesos fatoriais. Rotação dos fatores. Estimação dos valores dos fatores. Análise de casos práticos recorrendo a software estatístico.
4. Análise de Regressão Linear Múltipla: O modelo. Estimação dos coeficientes. Inferência sobre o modelo. Pressupostos. Métodos de seleção sequencial de variáveis. Análise de casos práticos recorrendo a software estatístico.
5. Análise Classificatória: Conceitos de dissemelhanças entre indivíduos. Métodos hierárquicos e métodos não-hierárquicos. Análise de casos práticos recorrendo a software estatístico.
6. Introdução aos Modelos de Equações Estruturais: caracterização geral
Docente(s) responsável(eis)
Métodos de Avaliação
- - Trabalho Individual - 25.0%
- - Trabalho individual - 25.0%
- - Exame - 50.0%
- - Trabalho de grupo - 25.0%
- - Trabalho de Grupo - 25.0%
- - Teste - 50.0%
Estágio(s)
NAO
Bibliografia
Hair, J. F., Black, W., Babin, B., & Anderson, R. E. (2010). Multivariate Data Analysis (7th ed.).Pearson.
Johnson, R. A., & Wichern, D. W. (2008). Applied Multivariate Statistical Methods (6th ed.). Pearson.
Malhotra, N. (2012). Pesquisa de Marketing: Uma Orientação Aplicada (6.ª ed.). Bookman.
Marôco, J. (2021). Análise de Equações Estruturais – Fundamentos teóricos, software & aplicações (3.ªed.). ReportNumber.
Marôco, J. (2018). Análise Estatística com o SPSS Statistics (7.ª ed.). ReportNumber.
Pestana, M. H., & Gageiro, J. N. (2014). Análise de Dados para Ciências Sociais: A complementaridade do SPSS (6.ª ed.). Edições Sílabo.
Pestana, M. H., & Gageiro, J. N. (2005). Descobrindo a Regressão – com a complementaridade do SPSS (1.ªed.). Edições Sílabo.