Introdução ao curso:

Métodos Quantitativos para Ciências

Sociais
Prof. Marcos Vinicius Pó
Métodos Quantitativos para Ciências Sociais

1
Agenda
• Por que estudar métodos quantitativos?

• Estrutura e metodologia do curso.

• Princípios e lógicas do pensamento estatístico.

• Princípios das ciências sociais e dos métodos quantitativos.

• Conceitos e alguns exemplos de técnicas estatísticas.

2
Por que estudar métodos quantitativos e
estatística?
• Necessidade de processar e sintetizar grandes quantidades de
dados e informações de uma maneira inteligível.

• Capacidade de aprender sobre populações e grupos de uma

maneira mais rápida e confiável.

• Aproveitar a grande disponibilidade de dados, indicadores e

informações.

• Aprender a lidar com as incertezas e variabilidades do processo

científico social.

• Desenvolver um ceticismo saudável em relação aos números,

conhecendo seus limites e possibilidades.

3
Programa resumido
Teoria
1. A lógica dos métodos quantitativos e o uso da estatística na pesquisa social.
2. Revisão básica de estatística descritiva.
3. Teorema do Limite Central
4. Distribuição amostral da média e da variância.
5. Intervalo de confiança.
6. Testes de hipótese para médias, proporções e comparação de duas médias.
7. Amostragem e determinação do tamanho da amostra.
8. Testes não paramétricos: aderência, homogeneidade e independência.
9. Análise de variância (ANOVA).
10. Correlação.
11. Regressão linear simples.
12. Apresentação de dados quantitativos e cuidados com estatísticas.

Prática
1. Uso de planilhas e gráficos.
2. Trabalho com bancos de dados.
3. Uso do SPSS para análise de dados e de regressão.
4
Objetivos de aprendizado
• Ao final do curso os alunos deverão:
► Entender melhor a metodologia científica e a lógica das pesquisas
quantitativas.
► Dominar algumas técnicas estatísticas de análise de dados e teste de
hipóteses.
► Conhecer a lógica do pensamento probabilístico, ou seja, de que
estamos cercados por incertezas
► Possuir os conhecimentos básicos para desenhar, executar e analisar
uma pesquisa quantitativa.
► Desenvolver uma avaliação crítica sobre os dados e números com que
se depararem na vida cotidiana e acadêmica.
► Conhecer várias letras gregas.

5
Metodologia didática e avaliação
• Didática
► Aulas expositivas.
► Práticas no laboratório (uso de planilhas e pacotes estatísticos)
► Exercícios (em sala, listas e livros)
► Material disponível no blog
http://perguntasaopo.wordpress.com/disciplinas/mqcs/

• Avaliação:
► (a). Provas + exercícios
o Duas provas
– Recuperação para quem ficou com conceito final D ou F e reposição.
o Exercícios em grupos em sala ou entregues: serão avaliados com conceitos.
o Os três itens (2 provas + média dos exercícios) terão pesos iguais no conceito final.
► (b) Apresentação semanal em grupo: pode valer indicativo “+” ou “–”.
► As provas e exercícios serão avaliadas por conceitos, podendo ter indicativos
“+” ou “-”, de forma a diferenciar a demonstração do aprendizado.

6
Apresentação semanal de tópico
• Funcionamento:
► Apresentação sobre os temas apresentados (quase) semanalmente:
podem ser sobre algum aspecto da estatística, um exercício, um
problema a ser analisado...
► 15 minutos, máximo de 5 slides
► Grupo a apresentar será sorteado aleatoriamente.

• Avaliação:
► Terá indicativo “-” para a definição do conceito final se o grupo não
se apresentar ou se a apresentação tiver erros.
► Grupos que se apresentarem 3 ou mais vezes terão indicativo “+”.

7
Livros recomendados
FARBER, B.; LARSON, R. Estatística aplicada. Ed. Pearson Prentice Hall, 2009

ANDERSON, D. R., SWEENEY, D. J., WILLIAMS, T. A. Estatística Aplicada à

Administração e Economia. Ed. Pioneira Thomson Learning. 2011

LEVIN, J.; FOX, J. Estatística para ciências humanas, São Paulo: Prentice Hall,
2004

BUSSAB, W.; Morettin, P. Estatística básica. Ed. Saraiva, 2006

8
Necessidades para o curso
Calculadora (preferencialmente científica):
► Serão usadas nas aulas e nas provas. Conheça a sua, saiba o
que está fazendo.

Formulários e tabelas:
► Pode-se consultar um formulário nas provas. O tamanho
máximo é uma folha A4. Serão entregues tabelas que devem
ser trazidas para as aulas e as provas.

Arquivos eletrônicos e bancos de dados:

► Organizem seus arquivos para que eles estejam em ordem e
acessíveis. Façam backup!

Planilhas eletrônicas: MS Excel, BrOffice Calc

► É fundamental dominar planilhas eletrônicas e seus
recursos.
9
Pensamento quanti-estatístico
• Primórdios:
► Centralização administrativa e burocratização.
► Aritmética política (séc. XVII).
► Estudar fenômenos de massa, de grandes proporções.
► Positivismo: busca de fatos e verdades de forma científica, seguindo
os padrões das ciências da natureza.

• Lógicas:
► O mundo possui regularidades que podem ser descobertas ou
acessadas observando-se os agregados dos grandes números.
► É necessária informação confiável para orientar a ação social.
► Os métodos quantitativos são consistentes para descobrir e testar
relações causais, especialmente em fenômenos de massa.

10
Deterministas x Probabilistas
• Determinista: o mundo • Probabilista: o mundo não
pode ser compreendido e
determinado em sua
totalidade. Apenas não
conseguimos ainda
processar e determinar
todas as informações e
relações existentes.
Conseguimos,
eventualmente, ter provas
de como as coisas
funcionam e podemos fazer
afirmações categóricas.
pode nem poderá ser
completamente
determinado. Podemos
avançar nosso
entendimento, mas sempre
haverá algo que não
seremos capazes de explicar.
Conseguimos,
eventualmente, determinar
as chances de que algo
aconteça, mas não podemos
garantir que elas venham a
ocorrer.
11
Esse cara tem um pensamento probabilístico?

12
13
 O que a estatística nos diz?

The Economist, Feb 1st 2014: Mobility, measured

14

(http://www.economist.com/news/united-states/21595437-america-no-less-socially-mobile-it-was-
generation-ago-mobility-measured)
“Causos” versus estatísticas
• Estudos de Paul Slovic mostram que as pessoas tendem a abstrair da
sobrecarga de dados e ter mais empatia com “vítimas identificáveis” do que
com “vítimas estatísticas” (psychic numbing).
► Em um experimento, voluntários podiam contribuir com $5 para a uma fundação. Os
que tiveram apenas estatísticas doaram em média $1,17, contra $2,83 para os que
receberam também a história de uma vítima com foto.

Fonte: http://blogs.worldbank.org/impactevaluations/impact-narrative-guest-post-bruce-wydick
► Além disso, parte de cada grupo recebeu um texto sobre a sensibilização causada pelas
histórias. Houve leve aumento na doação dos que receberam apenas estatísticas, mas
grande decréscimo para os que tiveram acesso à história da “vítima identificável”.

• Histórias tem mais poder para gerar empatia e convencer as pessoas

do que números e estatísticas. Mas podem ser enganosas e enviesadas.

15
Ciência e peculiaridades das ciências sociais
Lógica da ciência
• Busca causalidade e
enunciados.
• Falseabilidade: as afirmações
devem poder ser testadas.
• Métodos, premissas e
conclusões são provisórios.
• Elementos:
► Conceitos: construção de sentido
► Teoria: explicação provisória da
realidade, definição de hipóteses
e questões.
► Quebra de paradigmas, revisões
das teorias, modelos e hipóteses.
Desafios das ciências sociais
• A causalidade raramente é
evidente e tende a ser múltipla.
• Uso de construtos teóricos e
simbólicos, com conceitos
imprecisos e contestáveis.
• Modelos simplificadores da
realidade.
• Lidar com a subjetividade e
com condicionantes históricos
e culturais.
• Incertezas e imprecisões nas
métricas e proxys.
16
Teorias e modelos explicativos
• Ajudam na:
► Construção de questões e hipóteses.
► Simplificação da nossa compreensão de mundo - referencial analítico.
► Organização dos dados e observações.

• Modelo teórico:
► Simplificação útil da realidade, salienta aspectos relevantes para os
objetivos da pesquisa.
► Podem ser mais abstratos (parcimoniosos e generalistas) ou mais
específicos (maior número de variáveis e dificuldade de
generalização).

• Os modelos explicativos permitem testes.

17
Modelos explicativos em métodos quantitativos
• Necessidade de estabelecer relações causa-efeito.

• Variáveis:
► Variável dependente (Y): variável ou fenômeno a ser explicado.
► Variável independente (X): variáveis explicativas (causais).
o Podem ser variáveis de interesse e de controle.

• Modelo: Y = F(X1; X2; ...Xn)

► F é uma função matemática (linear, exponencial, quadrática, de magnitude
mutável...)

• Contudo, relações causais nem sempre podem ser determinadas

com precisão em fenômenos sociais.
► Múltipla causalidade.
► Causa pode ser condição necessária, mas não suficiente.
► Seqüência temporal nem sempre ocorre: antecipação, expectativa.
18
Métodos quantitativos
Pontos fortes
• Capacidade de generalização.
• Possibilidade de replicação.
• Procedimentos e técnicas
padronizados para coleta de
dados e análise.
• Credibilidade junto a alguns
públicos.
• Desenho de pesquisa claro e
formalizado.
Limites
• Falta de flexibilidade.
• Necessita de modelos
explicativos claros.
• Perda de informação e
dificuldade de captar
informações sutis.
• Risco de simplificações e
comparações equivocadas.
19
Formalização de uma pesquisa quantitativa
1. Definição do problema e questões de pesquisa.

2. Formalização de modelo explicativo  teorias.

3. Definição de hipótese a ser testada.

4. Definição de testes estatísticos a serem usados e de níveis de

confiança.

5. Operacionalização das variáveis, conceitos, amostragem...

► Proxys; limitações; imprecisões; comparabilidade; viés...

6. Processamento e teste das hipóteses.

7. Análise dos resultados.

20
 EXEMPLO DE UMA ANÁLISE
QUANTITATIVA DO SÉCULO XIX

21
Contaminação
por cólera em
Londres (1849,
1854)

Uma das crenças da

época era que a
contaminação se dava
pela inalação de
vapores tóxicos, não

Fonte: “On the mode of communication of cholera. John Snow (1854). PP 62-63
pela água.

John Snow
considerava que a água
era uma das principais
fontes de
contaminação. Para
isso, desenvolveu uma
análise espacial dos
óbitos de cólera.

22
Modelo e operacionalização da pesquisa
Lógica da pesquisa
Formalização do modelo explicativo
Definição de hipótese a ser testada
Definição de testes estatísticos a serem
usados e de níveis de confiança
Operacionalização das variáveis,
conceitos, amostragem...
Processamento e teste das hipóteses
Análise dos resultados
Operacionalização
A contaminação por cólera é função da fonte de
água, que serve de cultura e forma de transmissão
para o vírus.
Uma fonte contaminada aumenta a presença de
casos de cólera em seu entorno.
Análise gráfica georeferenciada.
Contaminação: óbito por cólera.
Fonte de água: localização das bombas.
Plotagem dos casos fatais de cólera em seus
endereços e localização das fontes de água. Cada
traço representa um óbito.
Relação forte entre a proximidade de uma
determinada bomba d’água e de grande número
de casos de óbito por cólera.
23
A relação entre
contaminação por
cólera e a fonte de
água fica mais
evidente?

A análise permitiu
localizar uma
possível fonte da
epidemia (bomba
d’água na Broad
Street) e levou ao
seu fechamento.

24
A parte pelo todo?
• Se queremos saber algo sobre a população, porque não
medimos todos os seus elementos?

• Pode ser:
► Trabalhoso
► Caro
► Inviável
► Porque queremos incluir elementos inacessíveis (passado, futuro...)
► Porque não é uma população no seu sentido tradicional (ex.: vitórias
do partido X, tempo de espera em filas...)
► Porque não é necessário

25
Vamos ver três tipos de estatística
• Descritiva: visa sintetizar grandes quantidades de dados em números
informativos (contagens, médias, desvio-padrão...) e/ou em
visualizações (gráficos, diagramas...).  “O que temos aqui?”

• Exploratória: objetiva gerar hipóteses, aprofundar no conhecimento e

análise dos dados.  “O que esses dados parecem querer dizer?”

• Inferencial: busca fazer afirmações sobre populações a partir de

amostras, fazer predições.  “O que podemos afirmar com base nesses dados?”
► Estimativas de parâmetros
► Testes de hipóteses
► Previsões

• Trataremos apenas de análises com uma variável independente

(explicativa). Para o estudo de fenômenos com múltiplas variáveis são
utilizados métodos de análise multivariada.

26
Exemplos de técnicas estatísticas
• Análises gráficas • Regressão
► Simples
• Comparação de (para uma ou ► Múltipla Técnicas
várias populações): ► Logística multivariadas
► Médias
► Medianas • Análise de componentes
principais
• Testes não paramétricos:
► Aderência, independência, • Análise de clusters
homogeneidade
► Wilconox
► Teste dos sinais
• Análise discriminante
► Kruslal-Wallis
• Análise fatorial
• ANOVA (várias populações)
• Séries temporais

27
Apresentação grupos: dia 10/02 (terça)
• Definir:
► Dados
► Microdados
► Metadados

• Apresentar pelo menos 15 bancos de dados públicos, com

indicação das principais informações disponíveis.

Principais indicadores e Observações (se

Banco e endereço Área(s)
dados disponíveis aplicável)

28