Módulo I - Introdução aos métodos de investigação quantitativa

Tipos de Conhecimento

1) RELIGIÃO

 Conhecimento baseado na “fé”.

Características:

 Não empírico.

 Não racionalista.

2) METAFÍSICA

 Crenças obtidas através da reflexão sistemática acerca da realidade e causalidade

últimas, com o objectivo de encontrar a sua essência, assim como os princípios
básicos da sua origem, existência e destino.
Ex: “O que é a realidade?”.
“Como se define o carácter moral de um comportamento?”.
“O ‘Bom’ é uma entidade natural?”.

Características:

 Questões que não posso resolver através do conhecimento científico  Noções de

prescrição e deontologia.
3) CONHECIMENTO CIENTIFICO

 Conjunto de conceitos e esquemas conceptuais desenvolvidos através da

observação sistemática, controlada, empírica e crítica de proposições hipotéticas
sobre relações presumidas entre fenómenos. (Kerlinger, 1973)

 O cientista não tenta evitar a demonstração de que as regras estão erradas. O

progresso e excitação estão exatamente no oposto. Ele tenta provar que está
errado o mais rapidamente possível… quanto mais especifica uma regra é, mas
interessante se torna… Na ciência não estamos interessados de onde uma regra
provém. Não existe autoridade que decida o que é uma boa ideia… não há
interesse no passado do autor ou o seu interesse na sua exposição. Ouve-se e
parece algo que vale a pena testar. (Feynman, 1998)

Características:

 Objectivo, ou seja, descreve a realidade.

 Empírico, ou seja, é baseado na experiência.

 Racional, ou seja, é fundamentado na lógica.

 Sistemático, ou seja, é um corpo organizado, coerente e consistente de

conhecimentos, passível de ser integrado em esquemas mais amplos.

 Metódico, ou seja, é obtido a partir de planos metodológicos rigorosos e

procedimentos aceites pela comunidade.

 Comunicável, ou seja, é calo, preciso, reconhecível e aceite pela comunidade

cientifica.

 Analítico, ou seja, procura captar a globalidade e complexidade dos fenómenos

(extensivo e intensivo).

 Cumulativo, ou seja, desenvolve-se a partir de uma base de dados acumulada de

estudos anteriores.

 Falsificável, isto é, um critério demarcador (Popper, 1939).

 Uma boa teoria é clara acerca do conjunto de resultados que a falsificaram.

 Uma teoria que apenas prevê diferenças na população é pobre. Uma teoria que
prevê um sentido nas diferenças é mais falsificável. Uma teoria que prevê um
determinado tamanho de efeito é mais testável.

 Uma teoria que prevê tudo não é científica.

4) SENSO COMUM

 Sistema de crenças não sistematizadas, baseadas em observações empíricas,

grandemente acríticas (lugares comuns, crenças populares…).
Ex: “Calor e vento, bombeiro atento”.

Provoca:

 Limitações de atenção e memória operatória.

 Memória pouco fiável.

 Calculo numérico lento.

 Falta de precisão e utilização de heurística no julgamento e tomada de decisão.

Os seres humanos podem ser descritos como procurando soluções satisfatórias (vs.
óptimas) nos seus processos mundanos de tomada de decisão.

Características:

 Crenças infundadas.
Ex: “Os psicopatas são mais inteligentes”.

 Disponibilidade.
Ex: “É mais perigosos viajar 1000km de avião ou 1000km de carro?” – vividez,
recência.
“Há mais palavras com r na primeira letra ou na terceira letra?” – evocação.

 Entendimento incorreto das probabilidades.

Ex: “Que sequência é mais provável no euromilhões?” – 43-25-1-6-34/ 1-2-3-4-5.

 Confirmação de hipóteses (confirmation bias).

Ex: “Posso vs. Devo acreditar nisto?”.

 Correlação ilusória, ou seja, não há relação entre as duas variáveis.

Ex: “15% das mulheres que conduzem na VCI têm um acidente”.
“35% das mulheres que conduzem na VCI falam ao telemóvel”.

 Causalidade. Sendo que, a correlação não implica causalidade, pois uma variável
pode não afetar a outra, por isso a correlação só responde à causalidade quando
manipulo uma variável.
Ex: “O Erasmus aumenta a probabilidade de emprego”.
“Criminosos têm maior
prevalência de lesões pré-
frontais”.
 Nota: Para haver causalidade não pode haver uma terceira variável que afete
as outras.

Ciência vs. Senso Comum

Procura confirmar
uma observação.

Procura verificar/
testar uma
observação.

Uma das características distintivas do conhecimento científico é a forma como este é

produzido:

 Modelos epistemologicamente fundamentados, formas sistemáticas e perguntar e

formas controladas de recolher respostas, com regras previamente estabelecidas.

 Formas de controlo do ruído:

- Isolamento laboratorial.
- Distribuição aleatória de sujeitos por condições.
- Eliminação ou controlo estatístico de elementos parasitas.
 Investigação quantitativa

Os objectivos últimos da ciência são a descrição, compreensão, predição e controlo

dos fenómenos sob estudo.

TIPOS DE ESTUDO DA CIÊNCIA:

 O tipo de estudo depende do objectivo da investigação, dos fenómenos e variáveis

a estudar, e das condições de maior ou menor controlo em que a investigação
decorre.

DESCRITIVOS CORRELACIONAIS EXPERIMENTAIS

Descreve amostras sem Encontrar uma relação entre É o investigador que causa a
preocupação de encontrar as variáveis, sem manipular diferença, manipulando a
relações entre as variáveis. nenhuma delas. variável.
- Descreve fenómenos. - Relação entre variáveis. - Procura de relações
- Identifica variáveis de causais (manipulação).
- Interações.
interesse.
- Predizer e controlar
- Diferenciar grupos.
- Inventaria factos. fenómenos.
- Estabelecer leis.
Ex: Tipos mais frequentes Ex: Relação entre auto- Ex: Manipulação de auto-
de transgressões auto- controlo e transgressão controlo  Efeito no
reportadas no grande Porto. numa amostra populacional. comportamento de
transgressão.

Há sempre uma variável

manipulada, ou seja,
manipula-se a variável
independente para medir os
efeitos na variável
dependente.
 Os dados encontrados confirmam
ou falsificam a hipótese?

CICLO/ ETAPAS DA INVESTIGAÇÃO QUANTITATIVA

Se a teoria não se confirmar, tira-se

conclusões e reformula-se a teoria.

Há um ajuste dos dados em

relação à minha hipótese?

Formulação da questão de investigação:

Uma questão de investigação não é uma hipótese

 A definição clara do problema orienta a pesquisa da informação relevante para lhe

dar resposta e fundamenta a selecção de modelos teóricos, métodos de estudo,
definições de hipóteses, definição de variáveis.

 Formular o problema de forma lógica, clara e coerente.

 Fazer boas perguntas.

Identificação clara do problema:

 Delimitação do fenómeno.

 Identificar a pertinência do seu estudo.

 É passível de investigação científica.

O que já sei sobre o problema?

 Meus trabalhos/ experiência anterior.

 Consulta de especialistas.

Consulta de bases de dados.

Selecção de papers mais relevantes:

 Pesquisa bibliográfica.
- Que modelos existem?
- Qual o alcance destes modelos?
- Quais as anomalias nestes modelos?
- Quais os métodos mais utilizados?
- Quais as principais críticas levantadas aos
estudos existentes?

Tenho meios para estudar este problema?

Hipóteses:

 “Proposição testável que pode vir a ser a solução do problema”.

Toda a investigação experimental parte da formulação de hipóteses.

H0: A população submetida a um determinado programa de intervenção não
demonstrará níveis de delinquência inferiores à população controlo.

 Especifica aquilo que eu devo encontrar se não houver efeito quando manipulamos
a variável independente, quando não há relação entre as duas variáveis.

 Nós queremos rejeitar H0.

H1: A população submetida a um determinado programa de intervenção demonstrará

níveis de delinquência inferiores (em X unidades) à população controlo.

Diferença entre hipóteses, juízos de valor, leis e questões:

Os delinquentes são estúpidos O resultado obtido numa escala de delinquência auto-
(JUÍZO DE VALOR). revelada está positivamente correlacionado com o
resultado obtido na WAIS.
A saliência da norma previne a Participantes numa experiência em que é possível ser
transgressão (LEI) desonesto serão menos desonestos após evocarem
os dez mandamentos do que após evocarem dez
nomes de filmes.
Será que o programa de treino Os participantes num programa estruturado de
de empatia promove a pró- promoção da empatia ajudarão mais velhinhas a
sociabilidade? (QUESTÃO) atravessar a rua do que participantes num programa
controlo.

Dados e hipóteses (lógica da inferência estatística – Neyman-Pearson):


Probabilidade objetiva como frequência acumulada a longo prazo (von Mises, 1928):
- Probabilidade de ocorrência num número infinito de eventos.
- O conjunto infinito de eventos (lançamentos no caso da moeda) denomina-se
classe de referência ou colectivo.
- A probabilidade aplica-se ao colectivo e não ao evento único. Não posso falar
da probabilidade do próximo evento. O próximo evento é cara ou coroa.
 - Um evento pode ser membro de diferentes colectivos.
- Da mesma forma uma hipótese é verdadeira ou falsa. Não posso falar da
probabilidade de uma hipótese ser verdadeira, uma vez que a hipótese não é um
colectivo.

 Posso, no entanto, falar da probabilidade de obter determinados dados, dada uma

hipótese.
P(D|H)

Ex: P (obter 5 três em 25 lançamentos de um dado | o dado é justo).

Colectivo  em cada evento lanço um dado não viciado 25 vezes e cálculo o

número de 3. Posso considerar um número infinito de eventos e calcular a
proporção no qual o número de 3 é 5.

 Não posso calcular P (o dado é justo | obtive 5 três em 25 lançamentos), o dado é

justo ou não é.

P(D|H) >< P(H|D)

EX: P (estar morto em dois anos | ser comido por um tubarão) = 1

P (ser comido por um tubarão | estar morto em dois anos) ≈ 0

 Não faz sentido, em termos Neyman-Pearsonianos, falar da probabilidade

objectiva de uma hipótese.

Teste de hipóteses:

 Procedimento de aceitação ou rejeição de uma hipótese de forma a que não me

“engane muito” a longo prazo.
 Região de rejeição – valores de diferença tão extremos que a probabilidade de os
encontrar num evento é menor que um valor pré-determinado (α).

 Por conveniência α = 5% (nível de significância)  se corrermos a experiência um

número infinito de vezes nesta população, rejeitaremos H0 5% das vezes.

Tipos de variáveis:

Estatuto das variáveis

Estatuto
Variável Independente (V.I)
Variável Dependente (V.D)
Variável Moderadora
Variável Parasita
Definição
Factor ou característica que o investigador manipula (se
é uma VI activa) ou evoca (se é uma VI atributiva ou
natural) para estudar o seu efeito noutra variável.
Factor ou característica que varia quando por efeito da
manipulação efectuada na VI.
Variável em cujos níveis o efeito de uma VI sobre uma
VD é diferente (variável que influencia a relação entre as
outras duas).
Variável que, quando associada à VI, pode afectar os
resultados observados junto da VD, contaminando-os.
Manipulação da Variável Independente

Ex: H0 – A indução de um estado emocional de medo não provoca um aumento do

nível de ativação periférica.

Variável Independente – Estado emocional (medo; neutro).

Variável Dependente – Ativação periférica.

Operacionalização (especificação das operações que vão fazer para manipular o

estado emocional e medir a ativação periférica).

(2 grupos de pessoas diferentes) (a mesma pessoa é estimulada pelas

duas condições experimentais)

- Precisa-se de mais pessoas.

- Os grupos podem não ser - Cada sujeito é um em si mesmo.
equivalentes. - Os grupos são equivalentes.
- Contaminação das variáveis.
- Há experiências que não se pode
utilizar o plano intra-sujeitos.

Variável Moderadora

Ex: A indução de um estado emocional de medo não provoca um aumento da ativação

periférica nos psicopatas.

Variável Parasita – Procedimento de controlo

 Identificar.

 Sempre que possível, eliminar.

 Se não é possível eliminar, então manter constantes em todas as condições.

  Ou, efectuar o balanceamento nas diferentes condições (distribuição equitativa nas
diferentes condições).

 Contrabalancear as várias condições experimentais.

 Distribuir aleatoriamente os sujeitos pelos grupos e condições.

 Ou, emparelhar os sujeitos dos diferentes grupos.

Módulo II – Operacionalização. Construção de instrumentos de pesquisa

Operacionalização

O que é a operacionalização?

 Especificação das operações necessárias à mensuração ou manipulação dos

conceitos.

 À operacionalização correspondem hipóteses acessórias.

Ex: A psicopatia primária está inversamente relacionada com a empatia. Hipótese

Conceptual

Score na PCL F1 operacionaliza A imitação facial espontânea

a psicopatia primária. operacionaliza a empatia.

Sujeitos no tercil mais elevado do Factor 1 da PCL apresentarão um grau mais Hipótese
diminuído de imitação facial espontânea do que sujeitos no primeiro tercil. Operacional

Definições operacionais:

 Clarificação da metodologia.

 Definição dos elementos a observar relativamente ao teste das hipóteses.

 Especificação das variáveis.

  Não esgotam os conceitos. Sendo que, a mensuração de qualquer constructo
envolve erro. Por isso, a medida não dever ser confluída com o conceito.

 Devem concordar com outras definições operacionais da literatura – Validade.

 Devem mediar a mesma coisa através do tempo e participantes, ou seja, se medir

hoje, se medira daqui a um mês, se medir eu ou se medir outra pessoa, os
resultados têm de estar relacionados – Fidelidade.

Instrumentos

TIPOS DE INSTRUMENTOS
Questionário

Novo Instrumento Instrumento já existente

Quando a investigação tem como Aplicação de um questionário já
objetivo um conceito ou conjunto de existente a uma amostra diferente, que
conceitos, para os quais ainda não pode envolver tradução ou adaptação.
tenham sido desenvolvidos
questionários.
Utilização de instrumentos já
existentes:
Considerar:
 Aplicar um instrumento existente a
 Questões a utilizar: um Universo diferentes
- Consulta da literatura. - Relevância, clareza e
compreensão das questões.
- Estudo prévio qualitativo
(entrevistas semi-estruturas e - Reflexão falada.
focus-groups).
- Reflexões faladas.  Traduzir e adaptar um instrumento:
- Estudo prévio quantitativo. - Obter autorização do autor.
- Tradução/ adaptação por 2 (3)
 Tipo de resposta adequada a cada elementos fluentes  versão
questão. consenso.

 Tipo de escala associada à - Retroversão.

resposta.
 Modo indicado para analisar dados

Objectivos das questões e tipo de informação (Hill & Hill, 2005):

CONSTRUÇÃO DO INSTRUMENTO
Questões Abertas vs. Questões Fechadas
- Não são fornecidas ao inquirido opções - Restringem-se as opções de resposta.
de resposta.
Ex: De uma forma geral, quais são, na sua - Mais possibilidades nos tratamentos
opinião, os benefícios que poderiam advir estatísticos.
de um programa de controlo da
criminalidade?
- Maior facilidade no tratamento.

- Permitem obter mais informação e

- As respostas são limitadas. Por isso,
informação inesperada.
devemos saber exatamente que tipo de
informação importa.
- Podem resultar em informação inútil.

- Requerem a interpretação e codificação

da resposta.

- Requerem acordo inter-cotadores.

- Mais difíceis de analisar estatisticamente.

Natureza Exploratória

Erros a evitar:

 Perguntas múltiplas
 Ex: Durante a sua cadeira de Matemática na Universidade estudou estatística
multivariada?

 Mistura de conjunções e disjunções

Ex: Durante a Universidade estudou SPSS e SAS ou Systat?

 Ausência de neutralidade
Ex: Depois do programa de intervenção esta área está mais segura? – S/N.

 Utilização de linguagem inapropriada

 Questões demasiadamente longas, com sintaxe completa

 Questões indefinidas
Ex: Qual a sua opinião sobre a criminalidade na área do Porto?

 Convidar a respostas socialmente desejáveis

Ex: É bom trabalhador? – S/N.

Tipos de Escalas de Mensuração:

1) NOMINAL

 Classificação qualitativa.

 O valor pertence a uma categoria ou outra (ou a mais do que uma)?

 Para apresentar descritivamente uma variável nominal faço-o com frequência

relativas ou absolutas.

2) ORDINAL

 Ordenação de diferenças, ou seja, uma

determinada categoria é mais ou menos que outra.
 Os intervalos entre categoria não são iguais, são
arbitrários pois não há uma razão constante
entre as diferentes categorias.

 Número de categorias a utilizar:

- Em questões atitudinais e de opinião é usual fornecer aos inquiridos mais do
que duas opções.
- Para populações menos escolarizadas devem-se usar menos categorias.
- Normalmente utilizam-se entre 5 e 7 categorias com um valor neutro (não
concordo nem discordo para os indecisos).

3) MÉTRICA

Métrica Intervalar

 Diferenças entre valores adjacentes indicam diferenças iguais na quantidade da

variável mediada. No entanto, não tem valor zero, ou seja, os rácios não são
constantes.

Métrica de Razão

 Diferenças entre valores adjacentes indicam diferenças iguais na quantidade da

variável mediada. No entanto, tem valor zero.

 A apresentação gráfica é um histograma.

 Construção de escalas e mensuração de consistência interna

CONSTRUÇÃO DE UMA ESCALA (MEDIÇÃO DE VARIÁVEL LATENTE):

Quando quero estimar um determinado constructo, normalmente para o

operacionalizar utilizo várias dimensões com diversos itens.
Ex:

Seleção de itens:

 A partir da literatura e modelos teóricos.

 A partir dos resultados de entrevistas não ou semi-estruturadas e questões abertas

em estudos anteriores.

 A partir de outros instrumentos.

Teste de itens:

 Compreensão, ou seja, os itens percebem-se?

 Ambiguidade, ou seja, as pessoa interpretam o item de que forma?

 Indução de valores omissos.

 Desejabilidade social, ou seja, as pessoas respondem de acordo com o que

acham que o investigador quer ouvir.
  Escalas desajustadas - Ceiling effects (efeitos de teto, respostas no 4) e floor
effects (efeitos no chão, respostas no 1).

 Variabilidade, ou seja, se toda a gente responde o mesmo, o item é mau.

 Capacidade discriminatória, ou seja, o item deve ser capaz de discriminar grupos.

Estrutura interna da escala:

 Análise Factorial, ou seja, técnica estatística que permite perceber que itens estão
relacionados entre si.

 Alpha de Cronbach, ou seja, este diz-nos até que ponto, uma serie de itens,
independentes entre si que são utilizados para medir um constructo, medem o
mesmo constructo (fidelidade de consistência interna).

Teoria do Valor Verdadeiro:

 O constructo pode ser indirectamente observado a partir das medidas utilizadas.

 Cada uma das medidas possui:

Uma componente relativa ao Uma componente específica

Constructo à medida
Comum às medidas Distinta das outras
SCORE VERDADEIRO (SV) ERRO

X = SV + ERRO

Aleatório Sistemático

 Não tem um efeito constante no  Erro que faz alterar o valor do

valor da variável, porque se item.
elimina entre participantes.
- Factores que afectam a medida
- Factores que afectam da variável de forma sistemática
aleatoriamente a medida ao longo  enviesamento.
da amostra.
Ex: Ruído fora da sala.
- Acrescenta variabilidade aos Formulação das questões.
dados mas não afecta os
- Afecta a média do score.
 Fiabilidade de Medida

Fiabilidade = Var(SV) / Var(X)

O que é a fiabilidade da medida?

 É uma razão entre aquilo que é o Score Verdadeiro, ou seja, aquilo que eu
realmente quero medir e a variação total da medida.

A medida é estável?
A medida é consistente?
A medida é independente do observador?

Uma medida fiável deve produzir o mesmo resultado para a mesma pessoa em
momentos diferentes (e com observadores diferentes).
Formas de Fiabilidade:
 Consistência inter-observadores, ou seja, a medida é independente dos
observadores.
- Acordos, ou seja, cálculo do número de acordos entre cotadores.
- Correlações, ou seja, calcula quão relacionados estão os observadores.

 Teste e re-teste, ou seja, passar os testes em momentos diferentes e ver se há

medidas consistentes no tempo.

 Formas paralelas, ou seja, usar duas versões do mesmo teste e muito

semelhantes, sendo que tem de haver muita correlação entre os testes.

 Consistência interna
- Estudo de diferentes itens/ indicadores de determinado constructo/escala estão
relacionados entre si e por isso com a mesma escala.
- Utiliza-se para medir a qualidade dos itens de uma escala e para perceber se há
itens que estão estragados (não correlaciona com os outros).

Média Correlação Inter-Item

(Perceber até que ponto os itens estão correlacionados entre si)

Média Correlação Item- Total

(Item tem de estar relacionado com a
média da escala)
 Split-half

Alpha de Cronbach (α)

(Semelhante à media das correlações de todos os split-half possíveis)

α = (.87 + .90 + .92) / 3 = .89
 Módulo III – Técnicas de Amostragem

Sondagem:

 O termo sondagem refere-se

a colecção sistemática de
dados de uma amostra
recolhida de uma
determinada população pré-
especifica.

 Sondagem (refere-se a uma

amostra) vs. Censo (refere-
se a toda a população).

Amostragem

População:
 Totalidade dos elementos em
conformidade com as especificações
estabelecidas (geográfica, temporal,
demográfica...).

Amostra:

 Sub-unidade da população.
Amostra representativa:
 Sub-unidade da população com características semelhantes ao Universo. Se a
amostra for representativa os resultados são passíveis de ser generalizados à
população.

Porquê amostrar?
 Impossibilidade de aceder a toda a população, devido ao tempo, custos e à área
geográfica. E quando a unidade é destruída depois da observação.

Passos da amostragem:
 Definir universo ou população
 Definir grau de erro máximo permitido
 Definir o tipo de amostragem
 Calcular o erro amostral
 Generalização

Tipos de Amostragem:

PROBABILISTICA OU ALEATÓRIA

Cada elemento da população tem uma probabilidade conhecida, e diferente de 0, de

ser seleccionado. Necessita de uma base de sondagem.

1) SIMPLES

 Cada elemento tem a mesma probabilidade de ser seleccionado.

 Para uma amostra de n elementos de uma população de N qualquer uma das

amostras possíveis tem a mesma probabilidade de ser seleccionada  a
probabilidade de qualquer elemento ser seleccionado é n/N.

Obtenção:

 Numerar consecutivamente os elementos da população de 1 a N.

 Escolher n elementos mediante um procedimento aleatório (lotaria, tabela de

números aleatórios ou geração aleatória de números).

Vantagens:

 Permite calcular o intervalo de confiança para as medidas.

Desvantagens:
 Custosa.

 Necessidade de uma lista completa de todos os elementos da população.

 Podem não assegurar representatividade, ou seja, se a amostra for pequena ou

existirem grupos minoritários.

2) ESTRATIFICADA

 Parte do conhecimento da distribuição de determinadas características na

população (variáveis de estratificação).
Ex: sexo, faixa etária, etnia, zona geográfica.

 Tentativa de assegurar proporcionalidade dessas características na amostra.

 Passam a existir L populações (estratos).

Em cada uma realiza-se uma amostragem independente.

Obtenção:

 Dividir a população em estratos de acordo com as variáveis de estratificação.

 Obter L bases de sondagem.

 Amostras estratificadas proporcionais:

- As amostras são seleccionadas respeitando as proporções da população.
Ex: Considerando uma população prisional N=200 em que 20 reclusos são
mulheres, 180 são homens. Sendo que, a proporção mulheres/homens na amostra
deverá ser de 1:9.

 Amostras estratificadas não proporcionais:

- Sobre-amostragem de grupos minoritários (necessário quando se pretende
comparar grupos). Necessário aplicar ponderações caso se queira generalizar.
3) SISTEMÁTICA (OU QUASI-ALEATÓRIA)

 Selecciona aleatoriamente um elemento entre os primeiros k (N/n) elementos.

 Adiciona sucessivamente k, seleccionando os k-ésimos elementos.

Ex: Amostra n = 50 em população N = 500

K = 500/50 = 10
J= aleatório (1,50) = 6

Amostra = (6,16,26,36,46,56,…,496).

 Entrevistador selecciona n-esimo indivíduo.

4) POR CLUSTERS

 A população é dividida em clusters (unidade amostral primária).

 Seleccionam-se aleatoriamente clusters e incluem-se todos os elementos dos

clusters seleccionados.

 Após se seleccionarem clusters podem aplicar-se outros processos de

amostragem.

5) MULTI-ETAPAS

 Combinação de estratégias de amostragem (estratificada, clusters, aleatória

simples…).

Ex: Retirar uma amostra aleatória de clusters; Dentro de cada cluster retirar uma
amostra aleatória de elementos.
Ex: Inquérito nacional sobre Criminalidade - 1º estratificar por região  2º seleccionar
concelhos em cada região  3º seleccionar casas aleatoriamente  4º seleccionar
aleatoriamente o elemento dentro de casa.

6) MULTI-FASES

 Diversas fases de amostragem sempre com a mesma unidade amostral.

NÃO PROBABILISTICA
Alguns elementos do universo não têm possibilidade de ser escolhidos. Por isso, não
permite calcular grau de confiança com que os resultados são generalizáveis à
população.

1) INTENCIONAL

 Elementos seleccionados deliberadamente pelo investigador porque se considera

que têm características interessantes (ou representativas da população).

Ex: Localidades representativas das eleições; Donas de casa para um focus-group

sobre o TIDE.

 Indicada quando a amostra disponível é muito reduzida, quando é impossível

conseguir uma amostra aleatória ou quando se tenciona intencionalmente obter
uma amostra enviesada.
2) BOLA DE NEVE (SNOW-BALL)

 Acesso a um grupo de indivíduos com as características desejadas ou que

conheçam indivíduos que tenham essas características.
 Após a entrevista é solicitado ao inquirido que indique outros indivíduos que
possam ter as mesmas características.
 Indicado para populações “difíceis”.

3) POR CONVENIÊNCIA OU ACIDENTAL

 Seleccionam-se os elementos que se encontram no local onde os dados são

recolhidos.
 Inquéritos de rua, passar questionários a amigos e conhecidos, colocar inquérito
no facebook, fórum TSF…
 Análise de sentimentos.
Ex: A partir do Twitter.

4) QUOTAS (ESTRATIFICADA NÃO ALEATÓRIA)

 Divide-se a população em categorias.

 Selecciona-se um número de elementos de cada categoria (de forma não
aleatória).
 Parte-se do pressuposto que as variáveis de controlo (que definem as cotas)
explicam toda a variação da característica em estudo.
 Rapidez (um individuo indisponível é substituído por outro)
 Não há indivíduos pré-seleccionados.
 A selecção é da responsabilidade do inquiridor.

Enviesamento

5) RANDOM-ROUTE (ITENERÁRIO ALEATÓRIO)

 Selecção aleatória de um ponto de partida geográfico.

 Estabelecimento de um conjunto de regras.

Ex: vira à direita, depois à esquerda….

 Selecciona o lado direito na primeira rua e o lado esquerdo na segunda…

 Selecciona o número da porta a partir de uma regra aleatória.

 Selecciona a habitação seguindo uma regra aleatória.

Tamanho da Amostra:

 O tamanho da amostra é calculado com base na variação esperada da

característica e no grau de erro pretendido.
Erro = f (variação/n)

 Deve ter-se em conta a frequência esperada da característica que se quer estudar.

 Na generalidade dos casos para N>10.000, o N não é relevante no cálculo do

tamanho amostral.

 Precisão vs. Tempo e dinheiro.

 Se a amostra não for representativa, o tamanho amostral é irrelevante para efeitos

de generalização das estimações à população (só faz sentido generalizar
resultados à população representada pela amostra).

 Amostragem probabilística aumenta a probabilidade de a amostra ser

representativa.

Efeito de amostras reduzidas:

 Lei dos pequenos números.

- Amostras grandes são mais precisas do que amostras pequenas.

- Amostras pequenas são mais propícias a resultar em estimações extremas.

 Módulo IV – Validade Interna

Validade Interna

Validade das inferências causa efeito, ou seja, validade subjacente ao mecanismo que
atua nas experiências que fazemos. Isto é, até que ponto a experiência está preparada
para estabelecer relações causa efeito?

Critérios para a relação causal:

1. Precedência temporal

2. Covariação
 3. Ausência de explicações alternativas

Ameaças à Validade Interna:

Esquema experimental - esquema pré-teste, pós-teste, ou seja, aplica-se a medição,

faz-se o tratamento e aplica-se medição.
Plano

1) HISTÓRIA – Efeito explicado por factor histórico que concorre com o tratamento.

2) MATURAÇÃO – Efeito explicado pela evolução natural da amostra.

3) TESTING – Efeito explicado pela experiência dos sujeitos com o instrumento de

teste.
≠
4) INSTRUMENTAÇÃO – Efeito explicado pela alteração do instrumento de medida.

5) MORTALIDADE EXPERIMENTAL – Efeito explicado pela perda de elementos da

amostra, de forma não aleatória.

6) REGRESSÃO À MÉDIA – Efeito explicado pela tendência dos resultados de

convergir em volta do valor médio, ou seja, tendência de determinados resultados
extremos convergir, numa segunda testagem, para a média.

7) SELECÇÃO – Os grupos não são equivalentes em variáveis relevantes antes do

tratamento. Assim, a selecção influência no momento 1, a história, maturação,
 testing, instrumentação, mortalidade experimental, regressão à média…

8) AMEAÇAS SOCIAIS (ameaças especificas quando se comparam grupos)

 DISFUSÃO OU IMITAÇÃO DO TRATAMENTO – O grupo de controlo imita o

comportamento do grupo experimental.

 COMPENSAÇÃO POR RIVALIDADE – O grupo de controlo compreende o

programa e compete para obter melhores resultados.

≠
 DESMORALIZAÇÃO RANCOROSA (variação do screw you effect) – O grupo
de controlo compreende o programa e evolui no sentido oposto ao efeito do
tratamento.

 COMPENSAÇÃO POR EQUALIZAÇÃO DE TRATAMENTO – Os responsáveis

pelo estudo sentem-se forçados a compensar o grupo de controlo.

Nota:

 O grupo de controlo passa por tudo o que o grupo experimental passa, excepto a
manipulação da variável, ou seja, o tratamento.

 Pode haver mais planos do que o O x O.

Controlo Experimental:

 Atribuição aleatória de sujeitos a condições.

 Isolamento dos grupos.

 Controlo estatístico de diferenças iniciais.

 Ingenuidade dos experimentadores e técnicos relativamente ao estatuto dos
grupos e hipóteses experimentais.

 Treino aos técnicos de implementação dos programas acerca da importância de

preservar os grupos e não instituir acções de equalização.

 Consciência acerca das limitações de validade interna e de generalização de

resultados.

Designs experimentais e controlo de ameaças à validade interna e externa:

 Estudos transversais e longitudinais

1) ESTUDOS CROSS-SECCIONAL (TRANSVERSAIS)

 Estudo de um grupo num momento (normalmente numa amostra representativa) –

associações entre variáveis.

2) ESTUDOS LONGITUDINAIS

 Estudo de uma população ao longo do tempo (2 ou mais recolhas).

- Séries temporais, isto é, observação de uma variável em múltiplos pontos

temporais.
- Séries temporais múltiplas.
- Designs contrabalanceados.

Ex: Estudos de Sampson & Laub (1990)

 Efeito da desviância juvenil no comportamento criminal na idade adulta.

 Amostra de indivíduos do sexo masculino entre os 10-17 anos, monitorizados até à

idade adulta.
- Comportamento auto-revelado.
- Registos criminais.

 Resultados: as crianças que tinham passado por escolas correccionais tinham

maior probabilidade de cometer crimes na idade adulta. 61% tinham sido
condenados em idades entre 25-32 anos vs 14% no grupo que não tinham estado
nessas escolas.
 Associação e ordem cronológica, mas não causalidade.

Estudos de cohort

 A amostra estudada nos diferentes momentos provém do mesmo cohort (grupo de

indivíduos que experienciaram o mesmo evento ou que têm o mesmo ponto de
início) – ex: birthcohort
Ex: Estudos das ilhas Maurícias.
 Módulo V – Medidas da Criminalidade

Medidas da Criminalidade

1) ESTATISTICAS OFICIAIS
Medem o número de infrações cometidas num determinado período de tempo e
espaço.

 Indicadores:
- Públicos e privados.
- Nacionais e internacionais.
- Policiais, judiciários, penitenciários.
Tipos de Criminalidade existentes:
Criminalidade vs. Criminalidade Legal vs. Criminalidade
Aparente ou Registada Real ou Efectiva
É registada pelas instâncias Refere-se ao número de É toda a criminalidade que
policiais, ou seja, é a condenações do tribunal. existe, aquela a que nunca
criminalidade que vamos conseguir chegar.
conhecemos.

Cifras Negras:
Desfasamento entre a Criminalidade Aparente e a Criminalidade Real.

 Factores que contribuem:

- Só quem praticou o crime é que sabe (problemas de incidência e prevalência).
Nº de crimes cometidos
Nº de pessoas que cometeu esse crime
- Não denúncia das vítimas.
- Queixas não registadas.
- Polícia é a instância de selecção.

Efeito Funil:
Fenómeno que ocorre no âmbito das Estatísticas Oficiais e caracteriza-se por uma
perda de casos ao longo do sistema judicial.

crimes cometidos
2) INQUÉRITOS DE DELINQUÊNCIA AUTORREVELADA

Inquérito que consiste em questionar a uma amostra de indivíduos se já cometeu

algum tipo de crime ou desvio num determinado período de tempo.

 Estes inquéritos, aplicados na curva idade-crime (15 aos 25 anos), têm limitações:
- Falta de honestidade, memória, capacidade de resposta dos inquiridos (utilização
de escalas de mentira e impression management).
- Desenhos de investigação fracos.
- Má escolha de settings ou participantes.
- Instrumentos inconsistentes, ou seja, preocupação com fiabilidade e validade.

3) INQUÉRITOS DE VITIMAÇÃO

Inquérito que consiste em perguntar a uma amostra da população se foram vítimas de

um determinado crime num determinado período de tempo.

 Estes inquéritos, aplicados na curva idade-crime (15 aos 25 anos), têm limitações.
- Custos (grande variabilidade, baixa incidência  grandes amostras).
- Falsos testemunhos.
- Testemunho enviesado (ou enganado) –“perdi a minha carteira, mas acho que
me furtaram”.
- Falibilidade da memória.
- Telescoping – há uma alteração ou deslocamento do crime no tempo, pois não
se tem a noção exata de quando ocorreu o crime.
- Desejabilidade social (querer agradar ao inquiridor).
- Erro de amostragem (sub-amostragem de grupos minoritários, turistas).
- Sub-amostragem de homicídios (por razões óbvias).
 - Pobre operacionalização de alguns crimes como violações.
- Fiabilidade e validade dos instrumentos.

Tipos de Validade

1) VALIDADE FACIAL

 O instrumento parece medir o que eu quero medir (não empírica)?

Ex: Os comportamentos incluídos são comportamentos delinquentes?

2) VALIDADE DE CONTEÚDO

 Os itens incluídos medem o conceito?

Ex: Necessidade de incluir um largo conjunto de actos delinquentes (mais e menos
graves, mais e menos frequentes),

3) VALIDADE DE CONSTRUCTO OU CONCEITO

 O instrumento mede o constructo que foi desenhado para medir?

 Tem de haver um ajuste entre a teoria e a operacionalização.

Ex: Estou a medir o comportamento criminal ou delinquente?

4) VALIDADE DE PRAGMÁTICA (validação por critério)

 O instrumento funciona pragmaticamente?

Validade corrente vs. Validade preditiva

A escala tem a capacidade de medir o A escala tem valor preditivo para

constructo no seu estado actual (cruzar ocorrências futuras.
5) VALIDADE CONVERGENTE-DESCRIMINANTE (triangulação)

 Utilização de múltiplos métodos para medir o mesmo fenómenos, ou seja, para

medir múltiplos traços.

“Usar diferentes métodos (entrevistas, questionários, observação) para medir um

constructo deve resultar em resultados semelhantes, enquanto utilizar o mesmo
método para medir constructos diferentes deve resultar em resultados
dissemelhantes”.