Delineamento e Desenhos de Pesquisa Social

Pesquisa Social: o procedimento formal para a aquisio de conhecimento sobre uma dada realidade.

Natureza da pesquisa: Estudo Observacional: quando o pesquisador no interfere em nenhuma caracterstica dos indivduos observados, apenas observa (mede) os aspectos da amostra. Neste tipo de estudo no posso fa er nenhum coment!rio do tipo causa"efeito.

Exemplo: Num dado estudo, verifica"se que pessoas com maior nvel de escolaridade possuem empre#os de melhores sal!rios.

Experimento Planejado: quando o pesquisador interfere nos indivduos estudados alocando"os aleatoriamente em #rupo. $eralmente dese%a"se

estabelecer relao de causa"efeito. Exemplo: &erificar a efic!cia de uma nova dro#a ou tratamento para uma determinada doena. 'm estudo tenta mostrar que mulheres que fumaram durante a #ravide tinham

filhos com o (.). menor na idade de * anos, quando comparados aos filhos de mulheres que nunca fumaram.

Em relao ao prop sito da pesquisa: Explorat ria: +em por ob%etivo proporcionar maior familiaridade com o problema, com vista a torn!"lo mais e,plicativo ou constituir hip-teses.

Descritiva: .o aquelas que t/m por ob%etivos estudar as caractersticas de um #rupo (idade, se,o, escolaridade...).

.01)023+4)5

Explicativa: +em como principal preocupao identificar os fatores que determinam ou contribuem para a ocorr/ncia dos fen6menos. o tipo de pesquisa que mais aprofunda o conhecimento da realidade, porque e,plica a ra o e o porqu/ das coisas. &ale"se e,clusivamente do 27todo 3,perimental.

!uanto ao tipo de desenho: !ualitativo: 8escrevem ou relatam 9 comple,idade de uma determinada hip-tese ou problema, que possibilita a compreenso e a classificao dos processos din:micos, vividos por #rupos sociais. ;ermite interpreta<es sobre

comportamento de atividades individuais e coletivas.

!uantitativo: .i#nifica quantificar opini<es, dados, na forma de coletas de forma<es, assim como tamb7m com o empre#o de recursos e t7cnicas estatsticas.

!uanto " dimenso do tempo: Estudos #ransversais $%oto&: um corte no flu,o hist-rico do fen6meno, evidenciando caractersticas apresentadas por ele naquele momento.

Exemplo: 5n!lise dos homicdios no 4io de =aneiro no >ltimo ano.

Estudos 'on(itudinais $%ilme&: quando o pesquisador coleta dados em v!rios momentos, investi#ando a evoluo do fen6meno.

Exemplo: 5n!lise dos homicdios no 4io de =aneiro ao lon#o dos anos.

)nidade de an*lise: a unidade para observao, descrio e e,plicao do fen6meno em estudo. ;odem ser? )ndivduos, #rupos, espacial, social (casamentos, crimes...).

.01)023+4)5

)2;04+5N+3? 1rimes @ 1riminosos ('nidade de 5n!lise Aundamental) %al*cia Ecol (ica: +irar conclus<es sobre indivduos baseados nas observa<es de #rupos. %ON#E DE D+DOS , #-POS DE PES!)-S+S

;4)2C4)5. 1oleta de 8ados

.31'N8C4)5. =! 1oletadas

3studos de 1asos

;esquisa .urveD

)mpressos ou 8i#itais

3,perimento

Observacional

+n*lise 0onjunta de dados de /ontes distintas

2eta"5n!lise

;esquisa Eiblio#r!fica ou Fist-rica

Estudo de caso: caracteri ado por um estudo profundo ou e,austivo de um ou de poucos indivduos de modo que permita seu amplo e detalhado conhecimento. #eralmente feita com base em entrevista.

Pesquisa .iblio(r*/ica: um estudoBlevantamento de estado da arte.

+titude
5s atitudes so tend/ncias, pr7 disposi<es adquiridas e relativamente inst!veis que levam o indivduo a rea#ir positivamente ou ne#ativamente em relao a qualquer ob%eto de nature a social (pensamento, opinio).

.01)023+4)5

;odemos assumir atitudes face a id7ias ou ideais como %ustia e liberdadeG h! situa<es tais como acidentes, ou cenas de viol/nciaG h! institui<es como por e,emplo famlia, escola ou $overnoG h! ob%etos materiais como computadores ou carrosG h! pessoas como por e,emplo? polticos, artistas, etc.

1edidas de +titude

5 id7ia de quantificar uma atitude parte do princpio que podemos medir atitudes atrav7s de respostas verbais dos indivduos, ou se%a, das opini<es e avalia<es que os su%eitos possuem a cerca de uma determinada situao. Neste sentido, prop<e"se ao indivduo uma s7rie de proposi<es padroni adas e de respostas que mediro o #rau de acordo em cada uma delas. 0 con%unto de respostas obtidas indicar! a direo e a intensidade de atitude.

2ndices ou Escalas

De/inio: .o medidas cumulativas das vari!veis que permitem a operacionali ao da mensurao de conceitos que em princpio no so mensur!veis diretamente e que tem v!rias dimens<es. Objetivo: .o utili adas para a reduo de dados. &!rias respostas a um conceito podem ser redu idas a um >nico score, conservando a especificidade do conceito. Di/erena: 0 ndice 7 construdo pelo simples somat-rio dos valores atribudos aos itens (um item no 7 mais importante que o outro a princpio) e o n>mero de itens selecionados pode informar se o respondente est! mais pr-,imo ao e,tremo inferior ou superior da variao criada para o conceito em questo. Escala: construda pela atribuio de valores a padr<es de respostas especficas aos itens. 5 escala tira vanta#em de uma possvel estrutura de intensidade entre os itens.

.01)023+4)5

#ipos de 3ari*veis

3+5-63E-S

Num7ricas 8iscretas 1ontnuas

1ate#orias Nominal 0rdinal

de intervalos

de ra o

3ari*veis

Num4ricas:

.o

aquelas

representadas

por

n>meros

de

medidas

representadas por n>meros.

3ari*veis 0ate(orias: .o aquelas em que podem ser alocadas em cate#orias? Nominal e 0rdinal.

3ari*vel Nominal: 0 nvel mais simples da escala de medida, sistema simples de classificao, utili ado para classificar ob%etos ou fen6menos em termos de qualidade de seus atributos e numer!"las. 4ecurso para se classificar e rotular ou dar nomes e ob%etos. 0 caso mais simples 7 formado pela diviso em duas classes que so identificadas com os n>meros? ero (H) ou um (I), &ari!vel Ein!ria (H,I). 1ada observao na mensurao nominal pertence a uma s- classe muito freqJente na an!lise #eo#r!fica. )ndica a presena ou no de determinada caracterstica.

.01)023+4)5

!ualidade dos instrumentos de medida

5 qualidade em instrumento de medida 7 aferida pela sua confiabilidade e pela sua validade. 0on/iabilidade: 4efere"se 9 obteno do mesmo resultado em v!rias repeti<es de t7cnica (m7todo). 5 1onfiabilidade em instrumento de pesquisa 7 sua capacidade de reprodu ir o resultado de forma consistente no tempo e no espao ou com observa<es diferentes quando for utili ado corretamente. 3,emplo? 3m ordem 7 menos confi!vel per#untar a idade de al#u7m para um parente, per#untar para a pr-pria pessoa ou mesmo olhar seu re#istro de nascimento. 3,istem tr/s aborda#ens para avaliar a confiabilidade de um instrumento? a) 5 comparao com os resultados obtidos para a utili ao do mesmo instrumento, em diferentes momentos, para avaliar sua estabilidade. b) (uando o instrumento 7 composto por v!rios itens ou indicadores, sua confiabilidade pode ser apreciada medindo a homo#eneidade dos seus componentes. c) 5 apreciao da equival/ncia dos resultados obtidos com o mesmo fen6meno 7 medido por v!rios observadores ao mesmo tempo.

5 escolha do 27todo 3statstico para medir a confiabilidade de um instrumento depende do m7todo de validao previsto e o tipo de dados por eles fornecidos. 5 confiabilidade 7 avaliada de formas diferentes? se a medida obtida for uma vari*vel cont7nua (como 7 o caso do peso do indivduo), uma vari*vel ordinal (como por e,emplo, a classe social do indivduo), ou ainda, uma vari*vel nominal (por e,emplo, dia#n-stico de doenas). 0s se#uintes testes sero abordados para avaliar a confiabilidade dos instrumentos de medidas? ;earson, K"1ronbach e Lappa de 1ohen

3alidade: 5 validade de uma medida se define como a capacidade de um instrumento medir com preciso o fen6meno em estudo, isto 7, a adequao e,istente entre as vari!veis

.01)023+4)5

escolhidas e o conceito te-rico a ser medido. 3,istem M tipos de validade. 5 validade concorrente, a validade preditiva, a validade pr!tica ou de crit7rio e a validade constructo. 3,emplo? (ual foi a sua renda no >ltimo m/sN No 7 muito confi!vel. 2as 7 v!lidaN Obs8: 0on/iabilidade 9: 1edir /ielmente 3alidade 9: 1edir com preciso

#ipos de 0on/iabilidade
I. +este O 4eteste P. 1onsist/ncia )nterna M. 3ntre e,aminadores ()nter 4ater)

#este ; 5eteste
3nvolve aplicar o mesmo instrumento aos mesmos indivduos em P ocasi<es diferentes e ento correlacionar os resultados. 0 1oeficiente +este O 4eteste varia de "I a QI e reflete o #rau ao qual o resultado varia atrav7s do tempo. 4efere"se 9 correlao entre scores ou valores de duas aplica<es do mesmo teste ou instrumento ao mesmo #rupo de indivduos. 1oeficiente de correlao ;roduto O 2omento de ;earson

4=

[NS

NSR S R
P

( S )

] [N R

( R)

]
&alor ideal T H,U

N "T N>mero de observa<es S "T IV aplicao de teste R "T PV aplicao do teste

.01)023+4)5

Exemplo: 'm psic-lo#o dese%a mensurar a confiabilidade de um teste de (). ;ara tanto, aplica um dado teste a um #rupo de W alunos em duas oportunidades diferentes.

+lunos

<= vez * M Z U X Y U X AB

>= vez X * M Y Z Y Z W AC

,? P* IP IZ XM MH WI MZ *W DEF

,> IX Y PZ *Y MX WI *Y MX DE<

?> MX IX Y WI PZ WI PZ X* DDB

I P M * Z X U W
@

4=

W \ (MHW) " (*U) \ (*Y) ]W \ (MHI) " *U [ ]W \ (MMU) " *Y [

P 2

IXI ZW.UHZ

H,XX

&erifica"se que os testes de () aplicados apro,imam"se de uma correlao perfeita. ;ortanto, podemos di er que, os testes se correlacionam.

0onsistGncia -nterna
'ma maneira de se definir (tentar medir) fatores sub%etivos como? ansiedade, esperana, medo, etcG 7 per#untar uma s7rie de quest<es que pensamos estar relacionados com o fator, dando a cada resposta uma pontuao e somarmos os scores obtidos. (uando itens so usados para a construo de uma escala, da maneira i#ual a que foi descrita, eles precisam ter consist/ncia interna, ou se%a, tem que medir o mesmo tipo de fen6meno. 0 1oeficiente K (ou K " 1ronbach) mede a 1onsist/ncia )nterna.

.01)023+4)5

0 c!lculo de K 7 baseado na correlao m7dia entre pares de itens que formam a escala. 0 K " 1ronbach ter! sempre um valor entre H e I. 'ma maneira pr!tica de %ul#ar o valor de alfa 7 dada na +abela abai,o, desde que se tenha a precauo de levar em conta as limita<es dessa estatstica. +abela de 1onfiabilidade do question!rio se#undo o valor de alfa

(uais so as limita<es da estatsticaN 0 valor de alfa de 1ronbach aumenta quando aumentam as inter correla<es entre itens. ;or e,emplo, se a pessoa respondeu .im 9 per#unta +oma caf7 com frequ/nciaN 7 ra o!vel que tenha respondido .im 9 per#unta $osta de caf7N porque e,iste relao entre as op<es. 2as se voc/ per#untar $osta de futebolN, cat-lico praticanteN, Ae o curso fundamental completoN, as respostas no tero inter correlao porque os itens (per#untas) do question!rio no esto medindo o mesmo construto. 5s inter correla<es entre testes so maiores quando os itens medem o mesmo construto ou a mesma dimenso. 5 interpretao do coeficiente alfa de 1ronbach 7 quase intuitiva porque os valores variamI, em #eral, entre ero e I e a confiabilidade 7 tanto maior quanto mais perto de I estiver o valor da estatstica. 8e qualquer modo, 7 preciso saber que o valor de alfa 7 afetado no apenas pela correlao entre as respostas obtidas, mas tamb7m pelo n>mero de quest<es feitasP e por redund:ncia. (uestion!rios muito lon#os aumentam o valor de alfa, sem que isso si#nifique aumento de confiabilidade. &alores muito altos de alfa tamb7m podem estar indicando redund:ncia, isto 7, a e,ist/ncia de quest<es praticamente i#uais, verbali adas de forma diferenteM.
1 2 3

.01)023+4)5

;ara o e,emplo, o valor do coeficiente alfa de 1ronbach 7 ^ H,MXWP. .e os dados fossem reais (e no criados apenas para mostrar com se fa em os c!lculos), tanto poderia indicar falta de confiabilidade como o fato de os itens (per#untas) do question!rio no estarem medindo o mesmo construto ou mesma dimenso (unidimensional). 0 K " 1ronbach 7 aplicado para #rupos de itens que, supostamente, medem diferentes aspectos de um mesmo conceito e indica quo bem diferentes itens medem o mesmo conceito. 0 K " 1ronbach reflete a homo#eneidade de diferentes itens que medem a mesma vari!vel ou qualidade. )dealmente, as medidas que fa emos com nossas escalas teriam que apresentar sempre os mesmos resultados. 3ntretanto, no mundo real h! uma s7rie de fatores e,ternos (aleat-rios) que podem afetar a maneira com que os entrevistados respondem as per#untas. 3stamos buscando uma medida que quantifique isto, composta de P fatores? um te-rico H3alor 3erdadeiroI da escala e outro, Ha variao causada por /atores aleat riosI. 3sta relao 7 sumari ada na equao?

19# J K
0nde 1 7 a medida ou escala em questoG # 7 o valor verdadeiro te-rico e _ 7 o valor aleat-rio. 0 _ pode ser tanto positivo quanto ne#ativo. 0 valor verdadeiro # representa a m7dia de pontuao que seria obtida se uma pessoa respondesse a questo infinitas ve es. 0 K O 1ronbach?
K= L P .pP L P .pP + L .43. P

" L 7 o n>mero de itens no #rupoG

" .43.P 7 a vari:ncia dos componentes de resduos, que no pode ser controladaG " .pP 7 a vari:ncia do componente indivduo.

.01)023+4)5

Exemplo: .uponha que IM alunos tiveram que pontuar um par de quest<es numa escala de U pontos. 0 par de quest<es difere um pouco, mas est! testando a mesma coisa. ;or e,emplo?

I. 0 que voc/ achou do >ltimo %o#o do ErasilN P. 8/ sua opinio sobre o desempenho do Erasil no >ltimo %o#o.

+i I P M * Z X U W Y IH II IP IM #otal $?8j&

P< U M M * Z Z X Z Z I U P * MB

P> X Z M M Z M X M Z P X P Z MA

#otal $?i8& <D F L B <E F <> F <E D <D A C ?889:<<<

1!lculo? N^IM L^P a^IM b^P i^I...IM %^I,P

.oma dos (uadrados +otais .( +0+5`^ a (Di%)P O (R..P) ^ XU,IP ab .oma dos (uadrados do )ndivduo .( )N8)&b8'0 ^ a (Di.)P O R..P ^ ZW,XP b ab .oma dos (uadrados da (uesto .( ('3.+c0 ^ a (D.%)P O R..P ^ H,MZ a ab .(
43.b8'0

^ .(

+0+5`

" .( )N8)&b8'0 " .( ('3.+c0 ^ W,IZ

.01)023+4)5

(2p

)N8)&b8'0

^ .(p ^ ZW,XP ^ *,WY (a"I) IP

(2 43.b8'0 ^

.( 43. ^ W,IZ ^ H,XUY (ab"a"bQI) IP

5 vari:ncia estimada do efeito do indivduo 7? .pP ^ ](2p O (243.[ ^ P,IHZZ L 5 vari:ncia estimada para o efeito do resduo 7? .P 43. ^ (2 43. ^ H,XUYZ 5ssim o K O 1ronbach 7?
KL = * \ P,IHZZ = H,WX * \ P,IHZZ + P \ H,XUY 0on/iabilidade -nter;Observador $0oe/iciente Nappa de 0ohen& 5 percenta#em de casos em que dois %u es concordam relativamente 9 classificao de um con%unto de itens num dado n>mero de cate#orias 7 talve o m7todo mais simples para se aceder 9 confiabilidade das vari!veis cate#-ricas. No entanto, este m7todo no leva em conta a proporo desse acordo que 7 devida ao acaso. 0 coeficiente Lappa de 1ohen (L) leva isso em considerao. um coeficiente de concord:ncia dos %ul#amentos de dois %u es para dados nominais. 1ada %ui pode distribuir as unidades de an!lise pelas diferentes cate#orias livremente, partindo"se do princpio que ambos os %u es so considerados i#ualmente aptos para a reali ao da tarefa. 0s dados relativos 9s avalia<es dos %u es so apresentados em tabelas de contin#/ncia n , n, em que as c7lulas na hori ontal (linhas) representam, por e,emplo, os %ul#amentos do %ui I e as c7lulas na vertical (colunas) os %ul#amentos do %ui P. 0 coeficiente d pode ento ser definido como a proporo de acordo entre os %u es ap-s ser retirada a proporo de acordo devido ao acaso, e,primindo"se na se#uinte f-rmula? ;ara propor<es?

d ^ ;o " ;a I O ;a d ^ a fa O a fe N O a fe

ou para Arequ/ncias?

no qual ;o (ou a fa) 7 a proporo de acordo observado (ou o acordo observado, no caso de se utili arem as frequ/ncias observadas), ou se%a, a proporo de unidades que os %u es classificaram nas mesmas cate#orias, e ;a (ou a fe) a proporo de acordo devido ao acaso (ou o acordo esperado,

.01)023+4)5

no caso das frequ/ncias), ou se%a, a proporo de unidades classificadas pelos %u es nas mesmas cate#orias por mera coincid/ncia. 5 proporo total de acordo observado (;o) 7 obtida pela soma dos valores das c7lulas que se encontram na dia#onal traada na tabela (do canto superior esquerdo para o inferior direito), ao passo que a proporo de acordo devido ao acaso ( ;a) 7 obtida atrav7s da soma do produto entre

total linha , total coluna e diviso desse valor pelo total de observa<es tamb7m para todas as
c7lulas da dia#onal traada. +odos os valores das c7lulas fora da dia#onal representam a proporo de desacordo que, embora possa fornecer informao >til relativamente 9s fontes de discord:ncia, no 7 considerada independentemente no c!lculo final. 0 limite m!,imo de d 7 I, representando o acordo perfeito entre os %u es. ;or outro lado, quanto mais pr-,imo de H estiver o valor de d, mais este su#ere que o #rau de acordo entre os %u es se deve ao acaso (i.e., quando ;o^;a, d^H, i.e., o acordo 7 e,clusivamente devido ao acaso). 5pesar de no se verificar em #rande parte das suas aplica<es pr!ticas, este ndice pode tamb7m assumir valores ne#ativos (at7 ao limite de "I), refletindo #raus de acordo inferiores aos esperados pelo acaso. 5pesar de no e,istir um valor ob%etivo especfico a partir do qual se deva considerar o valor do Lappa como adequado, uma su#esto que orienta essa deciso seria? L e H,*H pobre H,*H f L e H,UZ satisfat-rio a bom L g H,UZ e,celente Exemplo: .uponha que em uma dada pesquisa, ha%a a necessidade de se cate#ori ar esp7cies de um determinado inseto em M cate#orias (5, E e 1). ;ara isto, P pesquisadores codificaram as esp7cies com base na e,peri/ncia e teoria sobre o assunto. 1alcule o coeficiente de Lappa de 1ohen para verificar a confiabilidade )nter"0bservador (concord:ncia) deste processo de identificao.

.01)023+4)5

Pesquisador < + Pesquisador > + . 0 Y * P <M a 8ia#onal ;rincipal ^ YQWQX ^ PM . M W I <> 0 I P X C <D <A C DL

;o =

8ia#onal ;rincipal = PM H,X*

+otal $eral MX

Ih ;asso? 1alcular todas as linhas e colunas (totais mar#inais). Ph ;asso? 5char a freqJ/ncia observada (;roporo da 8ia#onal ;rincipal). Mh ;asso? 1alcular a probabilidade prevista pelas chances.

Freqncia Esperada =

total na linha x total na coluna total geral

Freqncia Esperada (1ate#oria 5) = Freqncia Esperada (1ate#oria E) = Freqncia Esperada (1ate#oria 1) = ;; =

IZ , IM = Z,*P MX

IP ,I* = *,XU MX Y ,Y = P,PZ MX

Z,*P + *,XU + P,PZ IP,M* = = H,M* MX MX

L= (H,X* H,M*) H,*Z (I H,M*)

Neste e,emplo, obtivemos um L satisfat-rio.

3alidade

.01)023+4)5

5 &alidade de um instrumento pode ser definida como a sua capacidade em realmente medir aquilo que ele se prop<e a medir. 3la envolve um 1omponente 1onceitual e um 1omponente 0peracional. 0 primeiro refere"se ao %ul#amento, por parte do investi#ador, sobre se o instrumento mede o que deveria medir. 3sse %ul#amento 7 sub%etivo, no sendo possvel avaliar esse aspecto com m7todos estatsticos. =! a &alidade 0peracional, envolve uma avaliao sistem!tica do instrumento, #eralmente comparando"o com um crit7rio e,terno %! e,istente e considerado como ;adro 0uro, #eralmente utili ando m7todos estatsticos. +r/s aspectos de validade podem ser avaliados operacionalmente? <8 3alidade de conteOdo $3alidade Operacional&: 3sse termo refere"se ao %ul#amento sobre se o realmente abran#e os diferentes aspectos do seu ob%eto de estudo, e no cont7m elementos que possam ser atribudos aos outros ob%etos. ;ara sua avaliao 7 necess!rio fa er um mapa dos diversos aspectos do ob%eto de interesse e compar!"lo com os itens do instrumento. >8 3alidade de 0rit4rio: 5qui se procura avaliar o #rau com que o instrumento discrimina entre pessoas que diferem em determinadas caractersticas de acordo com um crit7rio padro. i a correlao do instrumento com al#uma outra medida ideal, ;adro 0uro. D8 3alidade de 0onstructo: 'sada principalmente quando no e,iste ;adro 0uro de comparao. 5 id7ia 7 verificar se o instrumento mede aquilo que se prop<e a medir, atrav7s da correlao com outros conceitos que, teoricamente, so relevantes em relao ao tema, no qual o instrumento se prop<e a medir.

1edidas de 0orrelao e de +ssociao

.01)023+4)5

3m pesquisa social freqJentemente dese%amos saber se dois con%untos de valores esto relacionados ou saber o #rau dessa relao. 3stabelecer uma correlao pode ser tamb7m um passo numa pesquisa com outros fins, como no caso em que usamos medidas de correlao para testar a confiabilidade de nossas observa<es. 0oe/iciente de correlao 0 coeficiente de correlao 7 uma estatstica descritiva que indica a nature a da relao entre os valores de duas ou mais vari!veis. 0oe/iciente de correlao de Pearson: o mais comum. aplic!vel quando as duas vari!veis so medidas em escala de intervalo ou de ra <es, e a relao entre as vari!veis so lineares (ou linear). 0oe/iciente de correlao de postos de Spearman: uma medida de correlao no"param7trica, isto 7, ele avalia uma funo mon-tona arbitr!ria que pode ser a descrio da relao entre duas vari!veis sem fa er nenhuma suposio sobre a distribuio de frequ/ncias das vari!veis. 5o contr!rio do 1oeficiente de 1orrelao de ;earson, no requer a suposio que a relao entre as vari!veis 7 linear, nem requer que as vari!veis se%am medidas em intervalo de classe, pode ser usado para as vari!veis medidas no nvel ordinal. 0oe/iciente de correlao .isserial: 5plica"se quando uma das vari!veis 7 num7rica, mas os seus valores esto artificialmente dicotomisados (vari!veis 8ummDs).

0oe/iciente de associao

.01)023+4)5

0s coeficientes de associao medem a relao entre duas vari!veis normais, enquanto que os coeficientes de correlao medem a relao entre duas vari!veis num7ricas. 0oe/iciente Phi: 'tili a"se quando cada uma das vari!veis s- tem dois valores, ou se%a, quando os dados so freqJ/ncias que resultam de um cru amento de um cru amento de uma tabela P S P. 0oe/iciente de 0ramer: usado quando uma vari!vel (ou as duas vari!veis) tem mais de dois valores, ou se%a, quando os dados so freqJ/ncias que resultam de um cru amento de um tipo i , %. 0oe/iciente de $0& 0ontin(Gncia: ;ode ser aplicado a qualquer cru amento i , %. .e o valor m!,imo depende do n>mero de cate#orias das vari!veis. 3stas limita<es fa em com que se%a prefervel calcular o coeficiente de 1ramer. 3stes coeficientes baseiam"se na estatstica de (ui"(uadrado. 0 teste (ui" (uadrado testa a hip-tese nula que as duas vari!veis no esto relacionadas, uma com a outra. 'm valor si#nificativo para o (ui"(uadrado indica que as duas vari!veis no so independentes, mas no indica o #rau de relacionamento entre elas. ;ara se encontrar o #rau de relacionamento 7 preciso calcular um coeficiente de associao.

0oe/iciente de correlao ordinal de Spearman

r =1

N N 2 1

6 D 2

0nde, 8^ 8iferena entre postos (relativo ao mesmo su%eito em ambas as vari!veis). N^ n>mero de respondentes (isto 7, o tamanho d amostra). 1onsideremos a relao entre a situao socio"economica (,) e o tempo #asto diante do computador (D).

-nd8 +

, I

? P

D "I

DP I

.01)023+4)5

. 0 D E % Q R
6 10 = 0,8809 8( 6 1)

P M * Z X U W

I M Z * W X U

I H "I I "P I I

I H I I * I I

rs = 1

0oe/iciente de Qama de Qoodman e NrusSal

0 1oeficiente de $ama de $oodman e Lrusdal ($) 7 uma alternativa ao coeficiente de correlao de postos de .pearman. 2uito pesquisadores do prefer/ncia ao $ama quando se trata de medir o #rau de associao entre vari!veis mensuradas de nvel ordinal. 2ede a semelhana entre as ordena<es de dados quando estes so classificados por cada uma das vari!veis. 3le mede a intensidade da associao de dados bivariados quando ambas as vari!veis so medidas no nvel ordinal. 0s valores variam de "I (IHHj associao ne#ativa, ou inverso perfeita) para QI (IHHj associao positiva, ou perfeito acordo). 'm valor de ero indica aus/ncia de associao. 5 estimativa $ama de $oodman e Lrusdal ($) 7 dada por?

0nde,

Ns 7 o somat-rio do nOmero de pares concordantes para cada observao na comparao com as observa<es anterioresG Nd 7 o somat-rio do nOmero de pares discordantes para cada observao na comparao com as observa<es anterioresG

.01)023+4)5

0E.? 3m estatstica, um par concordante 7 um par de uma observao bivariada tal como? kSI, RIl e kSP, RPl, em que?

0nde,

a funo s#n representa o sinal (Q ou ") resultante da operao matem!tica descrita.

1orrespondentemente, um par discordante 7 um par, tal como definido acima, onde?

8este modo para um con%unto bivariado de observa<es? Observao 5I 5P ... 5n ,i SI SP ... Sn ?i RI RP ... Rn

8evemos calcular para cada i as freqJ/ncias de pares concordantes e discordantes, para todas as duplas (S%"Si) e (R%"Ri) para todo ie%? SP"SI com RP"RIG SM"SP com RM"RPG SM"SI com RM"RIG ...

Sn"Sn"I com Rn"Rn"IG Sn"Sn"P com Rn"Rn"PG Sn"Sn"M com Rn"Rn"MG ... Sn"SI com Rn"RI.

.01)023+4)5

Exemplo: .uponha que este%amos estudando a relao entre S (tamanho da populao de X cidades) e R (respectivo nvel de escolaridade mais freqJente dessa populao). .uponha tamb7m que tenhamos sido capa es de ordenar e atribuir postos a estas X cidades para as duas vari!veis em questo? 0idade 5 E 1 8 3 A , X I P Z * M ? * P M Z X I

0rdenamos os dados com base em uma das vari!veis (escolhemos S)? 0idade E 1 A 3 8 5 , I P M * Z X ? P M I X Z *

;ara calcularmos a estatstica $, devemos verificar as freqJ/ncias de pares concordantes e discordantes, para todas as duplas (S%"Si) e (R%"Ri) para todo ie%? NT de Pares NT de Pares 0oncordantes Discordantes H H I H

0idade

, Q

? Q

E 1"E

.01)023+4)5

A"1 A"E 3"A 3"1 3"E 8"3 8"A 8"1 8"E 5"8 5"3 5"A 5"1 5"E

Q Q Q Q Q Q Q Q Q Q Q Q Q Q

" " Q Q Q " Q Q Q " " Q Q Q

H M

P H

.omando"se o n>mero total de pares concordantes, temos que? Ns ^ HQIQHQMQMQM ^ IH Nd ^ HQHQPQHQIQP ^ Z

0oe/iciente Phi $&

3ste coeficiente se aplica a dados nominais dispostos em uma tabela P xP. 1omo uma simples e,tenso do +este qui"quadrado, podemos estabelecer o #rau de associao de vari!veis que tenham sido mensuradas em nvel nominal.

.01)023+4)5

 9 2 B N Exemplo: .e%a a se#uinte hip-tese nula? a proporo de fumantes de maconha entre alunos que continuaram os estudos ap-s o Ph $rau 7 i#ual aos que no continuaram.

%umante 0ontinuaram No 0ontinuaram IZ Z PH

No %umante X IH IX PI IZ N 9: DL

2 = !,1

!,1 = 0,3" 36

0oe/iciente de 0ontin(Gncia $0&

5E!)-S-#OS:

5 fim de aplicar convenientemente (1), temos que ter? I) Dados nominais O No c!lculo de (1) s- se e,i#em freqJ/ncias. +ais freqJ/ncias podem ser dispostas numa tabela PSP ou de ordem superior. P) +mostra(em Probabil7stica O ;ara utili ao de (1), todos os elementos amostrais devem ser selecionados aleatoriamente de uma dada populao. 0 valor de (1) pode ser obtido pela aplicao d se#uinte f-rmula?

C=

2
N + 2

2 , onde 7 o qui"quadrado e N 7 o tamanho amostral

ms ve es, h! ocasi<es em que, apesar de a vari!vel resposta ser nominal, comparam" se as freqJ/ncias de v!rios #rupos ou cate#orias. 1omo ilustrao considere a se#uinte hip-tese nula?

.01)023+4)5

5 freqJ/ncia relativa com que parecem os m7todos de educar chamados permissivos, moderados e autorit!rios 7 a mesma para pessoas com orientao poltica liberal, moderados e conservadores.

$?& ; 14todo de educar os /ilhos

$,& ; Orientao Pol7tica 1onservadores ;ermissivos 2oderados U IH 2oderados Y IH `iberais I* W

5utorit!rios

IZ

II

N9FC
C= U,ZW = H,HW H,PW WY + U,ZW

3ste resultado indica que a correlao entre orientao poltica e m7todo de educar os filhos 7 bastante fraca. 3ssas duas vari!veis podem estar relacionadas, o que no impede que sur%am in>meras e,ce<es.

0oe/iciente 3 de 0ram4r
2ediante uma simples e,tenso do

2 , podemos determinar o #rau de associao

entre vari!veis mensuradas ao nvel nominal. ;ara o caso de uma tabela P,P, empre#amos o

.01)023+4)5

1oeficiente ; para um problema de ordem superior a P,P, podemos usar ou o 1oeficiente de 1ontin#/ncia ou o 1oeficiente & de 1ram7r. 1onhecido por & de 1ram7r, este coeficiente no depende do tamanho (ordem) da tabela de
V =

2 e apresentam os mesmos requisitos do 1oeficiente de 1ontin#/ncia.

2 , onde N^tamanho amostral e L^ nh. de colunas ou linhas (usar sempre o nh. N(K 1 )

menor). usado para descrever a intensidade de associao na amostra. &aria entre H, refletindo completa independ/ncia e I, mostrando completa depend/ncia. .endo um valor de & g H,U uma alta associao entre as vari!veis. &oltando ao e,emplo anterior, em que se e,amina a relao entre orientao poltica (S) e m7todo de educar os filhos (R), tem"se queN

V =

2 = N(K 1 )

U,ZW = WY \ (M I)

U,ZW = H,H* H,P IUW

0u se%a, e,iste uma fraca associao entre as vari!veis.

Exerc7cio: +endo em mente estabelecer um #rau de associao e,istente entre S e R numa tabela de 1ontin#/ncia de ordem *,M, com N^IHH e a) 0 1oeficiente de 1ontin#/ncia.

2 ^W,HZ. 1alcule?

b) 0 1oeficiente & de 1ram7r.

.01)023+4)5