Você está na página 1de 16

Resumo Metodologia e Técnicas de Análise de Dados

1. A Natureza da Ciência e do Conhecimento Científico;


2. Problemas e Hipóteses de Pesquisa;
3. Variáveis: Definição, tipos e relações entre as variáveis;
4. Métodos de Pesquisa: Não experimentais (levantamento e correlacionais),
Experimentais e Quase-Experimentais
5. Procedimentos Quantitativos e Qualitativos de Coleta de dados: Especificidades e
complementaridade;
6. Escalas de mensuração;
7. Técnicas Análise dos Dados Quantitativos e Qualitativos;
8. Estatísticas descritiva, inferencial, paramétrica, não paramétrica, univariada, bivariada
e multivariada;
9. Parâmetros de medida: validade e precisão e técnicas estatísticas de estimação.

1. A Natureza da Ciência e do Conhecimento Científico

A metodologia em psicologia social tem um caráter multivariado, as possibilidades


epistemológicas são diversas na tentativa de compreender os fenômenos psicossociais. Essa
exposição seguirá um plano de quatro etapas para explanação dos mesmos. Primeiro será
feita uma discussão acerca dos pressupostos epistêmicos que fundamentam a ciência em
geral. Em seguida, faremos uma discussão sobre os problemas de pesquisa e sua natureza.
Depois, apresentaremos os métodos de pesquisa mais usados na psicologia social. Por fim,
será feita uma discussão sobre o lugar da psicologia social dentro do escopo da ciência.

1.1.Pressupostos epistêmicos da ciência


A ciência tem como um de seus pilares a objetividade, isso significa que a pesquisa
científica se pauta na noção de que existe um mundo objetivo que pode ser apreendido pelo
método científico. Em contrapartida há um mundo subjetivo, que diz respeito às
interpretações e percepções dos sujeitos. Muitos autores sustentam que essa separação é
possível e a defendem como demarcador da ciência (Lakatos, 1977; Peirce, 1877; Popper,
1963), já outros questionam a possibilidade de se obter neutralidade total perante o objeto que
se pretende estudar (e.g. Feyerbend, 1975, 1987).
Esse impasse não tem um resposta definitiva, no entanto o que se predomina é que a
ciência deva demonstrar objetividade em seus resultados. Se é possível essa neutralidade e
separação de crenças e ideologias ou não, é uma questão mais profunda. Mesmo assim, a
objetividade é um pressuposto para atividade científica para maior parte da comunidade
acadêmica.
A ciência é baseada por fatos confirmados pela experiência, esse pressuposto está
intimamente ligado ao empirismo. Este é um sistema filosófico que procura obter
conhecimento através da observação de estímulos e eventos do mundo real, ideia essa que
tem sua origem em Aristóteles (sd/2001) e posteriormente Hume (1739/2002) propôs que a
associação de observações de ideias simples são a base da formação de conhecimento. Mas
foi Berkeley (1710/2010) que propôs que a associação de observações permitiria derivar
enunciados complexos e gerais.
No extremo dessa ideia temos a filosofia positivista, essa corrente pressupõe que
apenas fatos que podem ser apreendidos pela experiência diretamente podem gerar
conhecimento científico. Para o positivismo, o que demarca a ciência da não-ciência é o fato
do método derivar suas conclusões desse tipo de observação. Ideias essas que foram
aprofundadas posteriormente pelos positivistas lógicos.
Porém, essa ideia positivista tem alguns problemas, alguns deles são:

● Os fatos não são sempre fiáveis, podem ser decorrentes de ilusões ou


deficiências dos sentidos na apreensão da experiência.
● Apenas fatos relevantes interessam, isso faz com que o cientista tenha que
escolher qual fato é mais importante para sua pesquisa e o coloca em um
posição difícil. Já que essa informação não está no fato em si, é uma decisão
vinda de fora.
● A interpretação dos fatos é determinada pela teoria, isso porque não só a
relevância, mas também a interpretação é fruto da perspectiva do cientista.
● A observação científica não é passiva, o pesquisador muitas vezes tem que
provocar a situação para provocar o fato a ser observado e isso pode alterar os
resultados.
No entanto, esses problemas não significam que todos os fatos sejam não fiáveis,
irrelevantes, interpretados arbitrariamente e selecionados a maneira que os cientistas
quiserem. Esses problemas apenas evidenciam que para a atividade científica, a verificação
empírica dos fatos é um pressuposto importante e que requer muita atenção e afinco.
A ciência também é baseada por leis gerais derivadas de fatos observáveis. Isso se
dá por outra grande contribuição de Aristóteles, que é o raciocínio indutivo. A indução por
associação se dá quando derivamos generalizações através de fatos que observamos e
associamos em uma cadeia de causa-e-efeito. Algumas regras devem ser respeitadas, pois ele
deve ser (1) baseada em numerosas observações; (2) ser um evento regular e não
contraditório e (3) ser observado por vários observadores.
Embora com o uso desses critérios, tente-se garantir que generalizações sejam feitas
sem evidências firmes, existem alguns problemas com a indução:

● O problema lógico da indução é a impossibilidade lógica de estabelecer a


necessidade da generalização feita, ou seja o fato de que mesmo uma
conclusão baseada em diversas observações e por diversos observadores não
garante que o evento necessariamente ocorra sempre da maneira como foi
observado, do ponto de vista lógico (Hume, 1748/2000)
● O problema prático da indução está no fato de que é preciso decidir quais
observações são relevantes. Isso faz com que o cientista tenha que estabelecer
o que observar antes de observar e isso só será possível com algum
conhecimento prévio do fenômeno, que talvez não seja bem fundamento.
● Generalizar do observável ao inobservável é outro problema porque obriga o
cientista a generalizar suas observações para fatos que eles (e ninguém) nunca
observaram, como por exemplo o DNA.

É importante frisar que esses problemas também não fazem com que a indução seja
uma ferramenta descartada na ciência, mas apenas que esse método não pode ser levado ao
extremo, por suas limitações.
A ciência é baseada em teorias que podem fazer previsões verificáveis, sendo
possível fazer generalizações para explicar um fenômeno e tentar predizer seu acontecimento
ou não. O que pode ser feito através da dedução (Aristóteles, sd/1987) que possibilita o uso
do método hipotético-dedutivo. A validade do método se dá por verificação da consistência
lógico-racional da conclusão. Verifica-se os pressupostos ou premissas que levam a dedução
e assim pode-se considerar uma dedução logicamente verdadeira ou falsa. Portanto, é de base
argumentativa.
Um exemplo clássico é a enunciado de Descartes (1641/2010) de que se “penso, logo
existo”. Ela pode ser verificada se observarmos a validade da premissa universal (PU) e da
premissa particular (PP), assim saberemos se a dedução-lógica (DL) é logicamente válida:

PU: Tudo que pensa existe.


PP: Eu penso.
________________________
DL: Eu Existo.

Se PU e PP são coerentes, DL se torna logicamente válida. Se por caso PU e PP não


são coerentes e entram em choque, a DL seria logicamente inválida. Esse tipo de raciocínio
permite que as predições das teorias científicas possam ser verificadas. Apesar disso, mesmo
que uma predição que seja baseada em fatos consistentes e passe pelo crivo do método
hipotético-dedutivo, ela pode gerar resultados errados. Por dois motivos principais:

a. Um raciocínio logicamente válido pode gerar conclusões erradas. Uma das


premissas pode ser errada e ser coerente com a(s) outra(s) premissa(s),
fazendo com que a conclusão seja logicamente válida, mas ser uma conclusão
errada.
b. Uma conclusão logicamente válida e verdadeira pode ser baseada em
premissas erradas. Isso ocorre porque mesmo que a conclusão seja um fato
verdadeiro, existe o risco de uma das premissas ser falsa. Commented [1]: Aprofundar esse tópico!

Esse problemas demonstram que não se pode levar esse critério como demarcador
final da validade de uma teoria, mas também não significa que devemos abandoná-lo. É
preciso verificar a consistência lógica dos resultados, mesmo que não tenhamos total sucesso
nessa verificabilidade.
A ciência é baseada em teorias falsificáveis, essa ideia é originada em Karl Popper
(1963) que utiliza do critério de falseabilidade para demarcar os domínios do que é científico
e o que não é. Para este autor, uma teoria para ser científica necessita ter seus resultados
passíveis de verificação e que existam possibilidades lógicas de sua refutação. Os fatos
científicos são provisórios, no sentido que dependem da comprovação empírica e para que
seja possível comprovar empiricamente uma hipótese é preciso que também se possa refutá-la
caso se encontrem evidências para isso. Popper chamava de convencionalistas os cientistas
que agem de modo a atribuir à fatores externos, como falhas dos instrumentos, os resultados
que vão contra suas teorias.
Kuhn (1975) fala que as teorias científicas formam o que ele chama de paradigmas.
Que são um conjunto pressupostos metafísicos, teóricos, epistemológicos e metodológicos
que são aceitos em determinado tempo pelo meio científico. O que, para Khun, faz com que
não seja o falseabilidade que determine o fim de uma teoria e sim a superação de paradigmas.
A ciência é baseada no progresso e na autocorreção. Três visão concordam com
esse pressuposto, mas de maneira diferente. A visão positivista considera um ciclo de
construção de conhecimento científico que segue a seguinte ordem circular: observação de
eventos (únicos) > mensuração dos dados > indução para gerar generalizações > dedução
para gerar hipóteses (previsões) > verificação empírica. E o ciclo volta para observação de
eventos para confirmar os achados ou não.
Já a visão falsificacionista tem um ponto diferente que pode ser representado da
seguinte sequência: formulação da questão-problema > propostas de teorias que expliquem e
resolvam o problema por indução > verificação lógica e empírica > avanço científico
através de “saltos mais radicais” e não linear. A grande diferença está no fato de que o
progresso não se dá por acúmulo de observações, mas por elaborações mais complexas do
problema e resoluções.
Por fim, podemos falar de uma terceira visão, a de Kuhn que considera três fases de
desenvolvimento científico: pré-paradigmática (pré-científica), onde o paradigma está se
formando ou existem paradigmas concorrentes > paradigmática (ciência normal), onde se
tem um paradigma e as observações convergem para confirmá-lo > revolução
paradigmática, quando o paradigma começa a ser questionado e é superado e surgem
paradigmas concorrentes. O ciclo volta ao ínicio depois.
A ciência não é diferente de outras formas de conhecimento. Dada a dificuldade
que apresentamos até então, alguns autores questionam as demarcações entre saber científico
e o não-científico. Principalmente Paul Feyerabend (1975), que colocou em xeque a ideia de
demarcação objetiva. Ele expôs o fato de que as preferências por teorias não estão livres de
influências político-ideológicas ou de qualquer outra natureza que não sejam os critérios
mencionados. Sendo assim, os critérios relativos fazem com os saberes que são considerados
não-científicos também tenham a mesma validade. Essa posição é chamada de relativismo.
No entanto, o fato das demarcações não serem bem fundamentadas pode não
significar que não exista diferença entre saberes científicos e não-científicos, mas pode ser
pelo fato de que a filosofia da ciência ainda não conseguiu demarcar bem essa linha.
A ciência é baseada no consenso e portanto é uma atividade social, podemos
perceber que os critérios usados para demarcação são extremamente dependentes da
interpretação dos cientistas e de toda comunidade científica. Isso deixa claro que não se pode
entender a ciência e o progresso científico sem entender os contextos que levaram a tal. Nesse
sentido, o status de atividade social quer dizer que o conhecimento científico é um
conhecimento social.

2. Problemas e Hipóteses de Pesquisa

Aquilo que observamos pode não ser tal como o vemos: é essa dúvida que motiva a
colocação de problemas de pesquisa, sendo a tarefa do pesquisador propor uma solução, no
caso das pesquisas orientadas pelo raciocínio hipotético-dedutivo, ou encontrar uma resposta
para o problema, no caso nas pesquisas orientadas pelo princípio da indução. Podemos definir
um problema de pesquisa como uma pergunta ou o conjunto de perguntas sobre um
fenômeno com potencial interesse para uma área ou domínio científico. Na psicologia social,
as perguntas referem-se, evidentemente, ao que se denomina fenômenos psicossociais.
Existem perguntas que possuem uma estrutura para o estudo na psicologia social e
outras não. Um dos elementos que são essenciais para uma pergunta ter a estrutura para o
estudo na psicologia social é a variável. Podemos aqui traçar um paralelo com essa
representação propondo que uma variável é a representação simbólica de eventos ou
fenômenos que são objetos de observação em uma pesquisa. Os dados são, portanto, o
conjunto de informações que obtemos sobre os fenômenos. Essas informações são
organizadas em variáveis.
As perguntas podem ser divididas em tipos, elas vão relacionar variáveis de maneiras
diferentes para que seja possível a elaboração de uma pergunta pertinente ao escopo do
estudo em psicologia social e que possa vir a ser um problema de pesquisa. Essa pergunta
deve ser uma pergunta sobre uma variável.
Começamos pelos problemas de tipo 1. A pergunta refere-se a existência, grau, nível
ou magnitude de determinado fenômeno. Possibilitando a averiguar através da observação e
descrevendo por meio de linguagem simbólica. São exemplos:

a. existe racismo no Brasil?


b. quais são as representações sociais sobre o papel da mulher na
sociedade contemporânea?
c. quais são as expectativas dos jovens sobre o seu futuro na
sociedade atual?

O problema de tipo 2 é aquele que verifica relação ou a associação entre variáveis.


São exemplos:

a. existirá alguma relação entre o racismo e a oposição às políticas de ação afirmativa


no Brasil?
b. estará a discriminação contra as mulheres no local de trabalho
associada às representações sociais sobre o papel da mulher na
sociedade contemporânea?
c. quais são as relações entre os valores sociais e as expectativas
dos jovens sobre o seu futuro na sociedade atual?

Problema de tipo 3 também vai verificar a relação entre variáveis. Mas de maneira
específica e, implicitamente ou explicitamente, tentam fazer algum tipo de previsão.
Diferentemente do tipo 2, esse tipo tenta descobrir a direção da relação entre as variáveis. São
exemplos:

a. estará o racismo na base da oposição às políticas de ação afir-


mativa no Brasil?
b. estará a discriminação contra as mulheres no trabalho anco-
rada nas representações sociais sobre o papel da mulher na
sociedade contemporânea?
c. são os valores pós-materialistas preditores das aspirações dos
jovens sobre o seu futuro na sociedade atual?

Problemas de tipo 4 também possui a pretensão de verificar relações entre variáveis


e seguem uma direção. A direção no entanto vai em sentido de causa e efeito. São exemplos:

a. será que o racismo influencia a oposição às políticas de ação


afirmativa no Brasil?
b. será que a discriminação contra as mulheres no trabalho é
influenciada pelas representações sociais sobre o papel da
mulher na sociedade contemporânea?
c. são os valores pós-materialistas fatores causais das expectati-
vas dos jovens sobre o seu futuro na sociedade atual?

3. Método de Pesquisa

O método é o meio pelo qual o pesquisador procederá para encontrar as respostas às


questões levantadas. Os métodos se dividem em dois grandes categorias que vão abarcar
diversos procedimentos, que vão dos mais contemplativos até os mais interventivos. São eles:
experimental e não-experimental.
Métodos Não-Experimentais: Caminhos que nos levam a obter respostas para os
problemas do Tipo 1, 2 e 3. Esse tipo de método é fundamentalmente contemplativo, pois o
pesquisador exerce o papel de observador. Mesmo sabendo que o ato de observar pode alterar
o objeto observado, ele não tenta intervir no objeto de estudo. Com os métodos não-
experimentais é possível reunir informações e fazer análises profundas que poderão levar as
respostas das questões suscitadas. São eles:

● Observação naturalista: responde principalmente questões do tipo 1, essa


categoria de estudos procura colher informações e, com uso de raciocínio
indutivo, formular teorias que promovam a compreensão geral do fenômeno,
observando-o tal como ele acontece em seu ambiente natural. Ele não está
preocupado em estabelecer relações causais entre variáveis, mas serve de base
para outras teorias e métodos utilizarem os dados advindos deste método. É
bastante utilizado na área de etologia.

● Estudos etnográficos: é uma modalidade muito usada na antropologia, mas


que pode servir de base para psicologia social. Fundamenta-se na observação
de um determinado grupo social em um determinado espaço-tempo. O ponto
central é a caracterização do contexto e observar os comportamentos de
interação entre os membros do grupo e com o ambiente. Pretende-se com tal
abordagem compreender os significados sociais dos padrões de
comportamento de maneira fiel e holística. Muito usada para responder
perguntas do tipo 1.

● Estudo de caso: responde perguntas do tipo 1 e em casos particulares responde


do tipo 2. Fundamentalmente é o estudo de um caso particular (pessoa,
empresa, grupo) e que permite o levantamento de uma quantidade grande de
informações sobre o objeto. Não se preocupa com generalizações e nem
relações de causa-e-efeito. Mas pode servir de base para novos estudos sobre o
mesmo objeto.

● Levantamento de dados: método observacional que pretende levantar


informações sobre uma variável ou conjunto de variáveis. Geralmente usa uma
amostra que pode depois servir de generalização para a população pesquisada.

● Estudos relacionais: um dos mais usados em psicologia social, ele


fundamenta-se em observar a relação entre variáveis para responder perguntas
do tipo 2 e 3. Como nos estudos naturalistas, observa-se essas variáveis
representados simbolicamente, mas com intuito de detectar se há relação, força
e/ou direção entre elas.

Essas categorias são muito utilizados para responder questões tipo 1, 2 e 3, mas não tem
alcance para responder questões do tipo 4 (exceto em casos específicos de estudos
longitudinais). Isso ocorre porque questões do tipo 4 exigem condições necessárias
(Kenny,1979), que só podem ser respondidas no método experimental que são:

a. Antecedência temporal: para que uma variável X possa ser uma causa de uma variável
Y é necessário que X anteceda Y em uma linha temporal. Isto significa assumir um
intervalo de tempo entre causa e efeito, de modo que se t = tempo e k > 0, X t pode
ser causa de Y t +k , mas Y t +k não pode ser causa de X t porque isto violaria o
princípio da precedência temporal. No entanto, Y t pode ser causa de X t+k, assim
como, em uma relação causal recíproca ou circular, X t pode ser causa de Y t+k, que
por sua vez pode ser causa de X t + kn, sendo n > 0.
b. Relacionamento entre variáveis: a antecedência temporal é necessária, mas não
suficiente para estabelecer relações de causa-e-efeito. É preciso que seja possível
obter informações de uma variável ao analisar a outra. Elas precisam ter relação entre
elas e isso é observado através de uma investigação por parte do pesquisador.

c. Ausência de relações espúrias: Existirá uma relação espúria entre as variáveis X e Y


quando ambas forem causadas por uma terceira variável, a qual podemos designar
variável Z. Se controlarmos essa variável e a relação entre X e Y desaparecer,
encontramos uma relação espúria que precisa ser limada para o prosseguimento da
pesquisa. Obs.: Uma variável fonte de “espuriosidade” não pode ser confundida com
uma variável interveniente. Entanto uma variável espúria Z é causa simultânea de X e
Y, a qual quando controlada reduz a associação entre X e Y, uma variável
interveniente é consequência de X e é causa de Y, embora também, quando
controlada, reduza a associação entre X e Y.

Métodos Experimentas: Os métodos experimentais servem para responder questões do


tipo 4. Para que ele seja experimental é preciso que atenda a duas condições básicas:
manipulação e aleatorização. A manipulação diz respeito à variável independente que se rá
manipulada no experimento. Podendo ser entre-participantes, quando forem manipuladas
entre grupos de pessoas e intra-participantes quando a manipulação ocorrer dentro do mesmo
grupo, variando no tempo. Desenhos intra-participantes também são chamados por
experimentos em que o próprio grupo experimental também é o grupo controle. Além de
existirem desenhos mistos, quando há alguma forma de combinação entre desenhos intra e
entre.
A aleatorização é o ato de alocar aletoriamente as unidade de análise (geralmente os
sujeitos) em função das condições experimentais. Promovendo uma distribuição dos sujeitos
ao acaso em grupos que receberam a manipulação da variável ou no grupo controle (no caso
de desenhos entre-participantes) ou promovendo a aleatoriedade dos estímulos apresentados
em casos de desenhos intra-participantes. A aleatorização tem a utilidade de tentar eliminar a
interferência de outras variáveis no experimento.
O método experimental tem a vantagem de ser ferramenta para tentar suprir duas das três
condições descritas no tópico anterior: garantir a antecedência temporal e afastar a
possibilidade de relações espúrias. O que é base para estabelecer relações causais (a terceira
condição).
Método Quase-Experimentais engloba experimentos que não há aleatorização e
portanto são chamados de quase-experimentais.
Existem duas formas de desenhos experimentais, que são os desenhos unifatoriais e os
desenhos fatoriais. O primeiro é feito quando apenas uma variável é controlada e a segunda é
feita quando mais de um é controlada. O efeito de uma variável específica é chamado efeito
principal e a combinação dos efeitos de mais de uma variável é denominado efeito de
interação.
Todo e qualquer experimento está a mercê de ter sua validade questionada. Existindo a
validade interna e a externa. A interna diz respeito aos procedimentos do experimento. Existe
o nível latente, que é o que é teorizado (ex. frustração causa agressão) e existe o nível
manifesto, que é o que acontece em experimentos (ex. não ser recompensado por algo e
aplicar eletrochoques em alguém). Essa equivalência deve ser assegurada e é chamada
isomorfismo. A manipulação da variável independente deve ser equivalente nos dois níveis.
Esse problema se denomina como validade do construto de manipulação, geralmente
verificada pela verificação da manipulação.
O mesmo ocorre entre a equivalência dos níveis sobre a variável dependente, chamada
validade do construto da medida. Ver o gráfico:

E a validade externa diz respeito ao quanto o estudo corresponde às condições da vida


real.
Existem também estudos longitudinais, em contrapartida ao corte transversal dos métodos
anteriores, que através de desenho cross-legged tenta determinar a causalidade entre as
variáveis verificando a direção da influência de uma variável sobre outra através de varias
medidas das mesmas variáveis em diferentes momentos ao longo do tempo. Como na figura:

4. Procedimentos de quantitativos e qualitativos de coleta de dados

Os procedimentos de coletas de dados são as formas como o pesquisador vai obter as


informações relevantes sobre as variáveis que ele se propôs a estudar. Dois critérios são
estabelecidos para assegurar a confiabilidade desses meios. A primeira é a validade do
instrumento utilizado, que diz respeito ao quanto ele é capaz de promover a observação da
variável que se pretende estudar. A segunda é a fiabilidade, que indica por sua vez quanto o
instrumento é preciso em sua apreensão da variável.
Níveis de medidas são as formas como a variável vai ser observada. Pode ser de maneira
métrica ou não-métrica. Quando a coleta é feita na forma métrica, temos um procedimento
quantitativo, que denominam as variáveis como em nível intervalar e de razão. Se for de
maneira não-métrica, temos um procedimento qualitativo, denominadas de nível nominal e
ordinal. Os procedimentos podem ser usados por todos os métodos de pesquisa (Gunther,
2006).

5. Escalas de mensuração
As escalas intervalar e de razão são escalas que mensuram as variáveis de maneira
quantitativa, com diferenças quantitativas iguais dentro dos intervalos da escala. No entanto,
na intervalar não temos o grau “0” e na razão sim. A intervalar é muito usada para medir
comportamentos, atitudes e outras variáveis humanas e a de razão é usada para mensurar
variáveis físicas, como tempo de reação.
Já a escala nominal, também conhecida como categórica, é uma escala que atribui
nomes as variáveis sem caráter quantitativo ou hierárquico. Como uma escala onde as opções
são “homem” e “mulher”. Ao passo que a ordinal também não é quantitativa, mas possui
hierarquias, como por exemplo uma escala de gostos de filmes que indicam “clássico”,
“bom”, “médio” ou “ruim”. Não existe a mesma diferença necessariamente entre os valores
ordinais da escala.

6. Técnicas de análises de dados quantitativos e qualitativos: especificidades e


complementariedade
A análise de dados nas modalidades quantitativa e qualitativa tem alguns elementos
diferenciadores no tratamento do objeto de estudo em psicologia social. A primeira delas é na
maneira de se obter as respostas para as perguntas da pesquisa. A pesquisa qualitativa tem
como princípio de conhecimento a compreensão do fenômeno estudado como um todo, ao
passo que a pesquisa quantitativa parte da explicação das relações entre as variáveis
estudadas. Logicamente a pesquisa quantitativa também busca explicar o fenômeno como um
todo, mas parte das relações entre as variáveis de maneira quantificável para chegar a este
objetivo.
Outra diferença está na natureza dos dados, enquanto que a pesquisa qualitativa é “uma
ciência baseada em textos” (Günther, 2006), a pesquisa quantitativa trata seus dados de
maneira sempre quantificáveis, inclusive quando os dados são textos. Esses elementos são
remetem a uma diferença básica na coleta de dados, enquanto na qualitativa o estudo quase
sempre se dá no ambiente “natural”, na quantitativa existe uma preferência por exames em
laboratório. Muito embora isso não seja uma regra.

O fato de a pesquisa qualitativa buscar a compreensão leva ao princípio de abertura, que é


a caraterística de adaptar o método empregado na coleta de dados ao contexto, enquanto que
na quantitativa existe um tendência a usar o mesmo método em uma tentativa de padronizar o
método de pesquisa. Na qualitativa se analisa todas as variáveis envolvidas, em uma busca de
compreensão geral do fenômeno, não considerando nenhuma como interferentes ou
irrelevantes, enquanto que na quantitativa existe a preocupação em isolar apenas as variáveis
estudadas das demais variáveis envolvidas.
Muito embora existam essas diferenças entre os dois métodos de coletas de dados, as duas
não são opostas. Inclusive o postulado principal da pesquisa qualitativa pode ser ampliado
para os dois métodos, as duas buscam compreender o fenômeno como um todo, o que ocorre
é que na qualitativa o foco é geral e com um envolvimento do pesquisador de maneira
ideológica e afetiva com o objeto de pesquisa, enquanto que na quantitativa o foco em
específico em determinadas variáveis e sem envolvimento do pesquisador com o objeto. O
que leva a conclusão que técnicas das duas modalidades podem ser complementares no
estudo de fenômenos sociais. Não havendo maneira mais eficiente ou mais correta que a
outra, mas apenas outra maneira, ou ainda, mais uma maneira de coletar e analisar dados.

7. Tipos de Estatísticas

Há essencialmente dois tipos de procedimentos em estatísticas. A estatística descritiva tem


como objectivo a descrição dos dados, sejam eles de uma amostra ou de uma população.
Pode incluir:

° verificação da representatividade ou da falta de dados;


° ordenação dos dados;
° compilação dos dados em tabela;
° criação de gráficos com os dados;
° calcular valores de sumário, tais como médias;
° obter relações funcionais entre variáveis.

A estatística inferencial, o segundo tipo de procedimentos em estatística, preocupa-se com o


raciocínio necessário para, a partir dos dados, se obter conclusões gerais. O seu objectivo é
obter uma afirmação acerca de uma população com base numa amostra. Estas inferências ou
generalizações podem também ser de dois tipos: estimações ou decisões (testes de
hipóteses).
A Estatística Univariada inclui todos os métodos de Estatística Descritiva que permitem a
análise de cada variável separadamente e também métodos de Estatística Inferencial para
determinada variável, podendo esta ser medida para uma ou mais amostras independentes. A
análise de variância simples (e o teste "t", em particular) é o exemplo típico de um método de
Estatística Univariada (Reis, 1997), pois a palavra «univariada» implica que há uma
só variável dependente (Burns, 2000; M. Hill & A. Hill, 2000; Thomas & Nelson,
1996). Sin.: Estatística Univariável (Dorsch et al., 2001); Estatística a uma
dimensão (Dagnelie, n.d.).

A Estatística Bivariada inclui métodos de análise de duas variáveis, podendo ser ou não
estabelecida uma relação de causa/efeito entre elas. São exemplos típicos de métodos de
análise bivariada o teste para a independência de duas variáveis (vulgarmente conhecido por
teste do c 2) e o estudo da relação linear entre duas variáveis, quer através dos coeficientes de
correlação linear de Pearson ou Spearman, quer do modelo clássico de regressão linear
simples (Reis, 1997). Sin.: Estatística Bivariável (Dorsch et al., 2001); Estatística a duas
dimensões (Dagnelie, n.d.).

A Estatística Multivariada inclui os métodos de análise das relações de múltiplas variáveis


dependentes e/ou múltiplas variáveis independentes, quer se estabeleçam ou não relações de
causa/efeito entre estes dois grupos. São também incluídos na Estatística Multivariada os
métodos de análise das relações entre indivíduos caracterizados por duas ou mais variáveis.
Só os métodos de Estatística Multivariada permitem que se explore a performance conjunta
das variáveis e se determine a influência ou importância de cada uma, estando as restantes
presentes (Reis, 1997). Sin.: Estatística Multivariável (Dorsch et al., 2001); Estatística a três
ou mais dimensões (Dagnelie, n.d.).

Estatística Paramétrica e Estatística Não-paramétrica


As ferramentas estatísticas (testes de hipóteses, intervalos de confiança) que permitem
extrapolar para uma população considerações acerca de parâmetros importantes (médias,
desvios-padrão, etc.) pertencem à chamada Estatística Paramétrica (Reis et al., 1997b).

O conceito de «método não-paramétrico» é, ainda hoje, sujeito a discussão pelos teóricos


da Estatística. Intuitivamente, e como o nome sugere, serão métodos onde as entidades em
estudo não são os parâmetros de uma população (Reis et al., 1997b). Segundo Conover
(citado por Reis et al., 1997b), um método estatístico diz-se não-paramétrico se satisfaz pelo
menos uma das seguintes condições:
a) O método pode ser utilizado com dados na escala nominal;
b) O método pode ser utilizado com dados na escala ordinal;
c) O método pode ser utilizado com dados na escala de intervalos ou na de rácios se a função
distribuição
da variável aleatória que produz os dados:
 não está especificada;
 está especificada a menos de um número infinito de parâmetros desconhecidos.

As técnicas da Estatística Não-paramétrica são, particularmente, adaptáveis aos dados das


ciências do comportamento. A aplicação dessas técnicas não exige suposições quanto
à distribuição da população da qual se tenha retirado amostras para análises. Podem ser
aplicadas a dados que se disponham simplesmente em ordem, ou mesmo para estudo de
variáveis nominais. Contrariamente ao que acontece na Estatística Paramétrica onde as
variáveis são, na maioria das vezes, intervalares. Os testes não-paramétricos são
extremamente interessantes para análises de dados qualitativos. Os testes da Estatística Não-
paramétrica exigem poucos cálculos e são aplicáveis para análise de pequenas amostras
(n <30). Como o próprio nome sugere, a Estatística Não-paramétrica independe dos
parâmetros populacionais (m ; s 2; s ; P...) e das suas respectivas estimativas (M; s2; s; f...)
(Fonseca & Martins, 1996).