Análise de Dados Multivariada

Conhecimentos de Base Recomendados

Estatística descritiva univariada e bivariada.

Métodos de Ensino

O desenvolvimento de cada assunto será feito de forma semelhante, em particular: introdução e caracterização da técnica, com apresentação e discussão das opções e outputs do SPSS, recorrendo a um exemplo e resolução de casos práticos.

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

Introdução: Tipo de dados. Classificação das técnicas multivariadas. Exemplos.

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.

Análise de Componentes Principais: Definição, construção, propriedades, significado geométrico e interpretação. ACP sobre dados normalizados vs. dados não normalizados. Resolução de exemplos de aplicação usando o SPSS e interpretação de resultados.

Análise de Regressão Linear Múltipla: O modelo. Estimação dos coeficientes. Inferência sobre o modelo. Pressupostos. Métodos de seleção sequencial de variáveis. Resolução de exemplos de aplicação usando o SPSS e interpretação de resultados.  

Análise Classificatória: Conceitos de dissemelhanças entre indivíduos. Métodos hierárquicos e métodos não-hierárquicos. Resolução de exemplos de aplicação usando o SPSS e  interpretação de resultados.

Introdução aos Modelos de Equações Estruturais: caracterização geral.

Docente(s) responsável(eis)

Métodos de Avaliação

Avaliação Normal
  • - Trabalho Individual - 25.0%
  • - Exame - 50.0%
  • - Trabalho individual - 25.0%
Avaliação Periódica
  • - 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. (2019). Multivariate Data Analysis (8th ed.). CengageLearning.

Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (3rd ed.). SAGE Publications.

Johnson, R. A., & Wichern, D. W. (2019). Applied Multivariate Statistical Analysis (6th ed.). Pearson. 

Malhotra, N. (2019). Pesquisa de Marketing: Uma Orientação Aplicada (7.ª ed.). Bookman. 

Marôco, J. (2021). Análise de Equações Estruturais: Fundamentos teóricos, software & aplicações (3.ª ed.). ReportNumber.

Marôco, J. (2021). Análise Estatística com o SPSS Statistics (8.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.