Graduação em Administração – 1º trimestre de 2022

DISCIPLINA: Estatística Multivariada

IDIOMA: Português
PROFESSOR(ES): Diego de Faveri
CARGA HORÁRIA: 30h
PRÉ-REQUISITO: Não existe
CONTATOS/HORÁRIO DE ATENDIMENTO: Horário a combinar

PLANO DE ENSINO

1. Ementa
Regressão linear múltipla: Multicolinearidade e Análise Outliers. Modelo de interação em regressão
linear múltipla: moderação. Regressão logística. Análise Fatorial Exploratória (EFA). Análise de
agrupamentos.

2. Objetivos da disciplina
O curso tem como objetivo preparar os estudantes para o uso de métodos quantitativos para a tomada
de decisão.

Mais especificamente busca:

 Instrumentalizar o aluno para a análise de dados com o uso de modelos de dependência: análise
de regressão com variável dependente quantitativa (linear) e qualitativa (logística);
 Instrumentalizar o aluno para a análise de dados com o uso de modelos de interdependência:
Análise Fatorial Exploratória (EFA).
 Desenvolver habilidades de análise com apoio do software estatístico Python.

3. Objetivos de aprendizagem

3.1 –Objetivos centrais de aprendizagem

É esperado que, ao final do curso, os alunos serão aptos a identificar a técnica estatística mais adequada
que pode contribuir para a resolução de um problema organizacional, avaliar as fontes de dados
necessárias para aplicação da técnica, analisar os resultados, e comunicar os resultados de maneira clara
e precisa.

3.2 - Objetivos complementares de aprendizagem:

É esperado que, ao final do curso, os alunos deverão ser aptos a aplicar as técnicas apresentadas no
software estatístico Python.

1
4. Procedimentos de ensino (metodologia)

Aulas expositivas, resolução de estudo de caso e listas de exercícios. O curso pressupõe que o aluno
realizará também atividades fora da sala de aula: coleta de dados, exercícios e leitura de material de
apoio.

5. Conteúdo programático detalhado

Atividades [1] (indicação de

bibliografia, atividades de
Data Tópicos avaliação, seminários, etc)
Apresentação da disciplina. Modelo de interação em regressão Levine (Cap 14.6, p.519-522). Caso
07/02/2022
linear múltipla: moderação. Harvard Advertising.
Multicolinearidade: Levine (Cap
14/02/2022 Regressão linear múltipla: Multicolinearidade. Análise Outliers. 15.3, p.544-545). Outliers: Slides.
Caso Harvard Advertising.
Premissas: Levine (Cap 13.4-13.5,
Regressão linear múltipla: Verificação das premissas do modelo
21/02/2022 p.463-467); Caso Harvard
(análise de resíduos).
Advertising.
28/02/2022 Feriado Carnaval
Regressão logística: Introdução. Teste de hipótese e HAIR, J. F. (2009, cap. 5);
07/03/2022
Interpretação dos coeficientes. MALHOTRA (2019, cap. 18)
Regressão logística: Ajuste do modelo (Curva ROC, Matriz de
HAIR, J. F. (2009, cap. 5);
14/03/2022 Classificação, Hosmer-Lemeshow Test e Pseudo R-quadrado).
MALHOTRA (2019, cap. 18)
Previsão.
Análise fatorial exploratória:Análise de Componentes Principais. HAIR, J. F. (2009, cap. 3);
21/03/2022
Determinação do número de fatores. Rotação de Fatores MALHOTRA (2019, cap. 19)
Análise fatorial exploratória: Interpretação dos fatores. Carga HAIR, J. F. (2009, cap. 3);
28/03/2022
Fatorial. Fração da Variância Extraída. Comunalidade. MALHOTRA (2019, cap. 19)
Análise de agrupamentos (cluster analysis): Medidas de distância
04/04/2022 e de similaridade. Algoritmos de agrupamento. Técnicas HAIR, J. F. (2009, cap. 8);
hierárquicas e não-hierárquicas de agrupamento. MALHOTRA (2019, cap. 20)
11/04/2022 Prova

6. Procedimentos de avaliação

A avaliação terá dois componentes, todos individuais:

 Participação (peso 15% da nota final): presença nas aulas e respostas aos questionamentos do
professor ao longo do curso (quizzes ou direcionadas ao aluno).

2
  Resolução de lista de exercícios e estudo de caso em grupo (25% da nota final).

 Prova Final (peso 60% da nota final): caberá ao aluno utilizar os modelos discutidos durante o
curso para a resolução das questões. O aluno deverá ter o domínio do software Python. As
questões abertas devem ser respondidas diretamente no e-class e o código do Python postado
também no e-class.

7. Orientações gerais do curso de graduação 1

Como orientação relacionada aos princípios éticos e normas de conduta que deverão nortear o
ambiente acadêmico, a EBAPE dispõe:
- Autonomia e responsabilidade correspondem aos valores que, transformados em ações, destacam
a importância da missão da EBAPE de produzir e disseminar conhecimento em Administração.
Neste sentido, é de responsabilidade do professor a realização da chamada em todas as aulas, sendo
que faltas só serão justificadas conforme dispõe a legislação em vigor (ver detalhes no manual do
aluno).
- Orienta-se a não utilização, sem a devida autorização do professor, em sala de aula, de qualquer
aparelho de comunicação como telefones celulares, rádios e outros semelhantes, bem como
notebooks ou equipamentos afins, que porventura venham a prejudicar o processo de ensino e
aprendizagem do corpo discente.
- O uso de qualquer meio fraudulento pelo estudante, em qualquer avaliação, acarretará na
atribuição de nota zero e o imediato encaminhamento do caso à coordenação do curso para
apuração dos fatos . 2

8. BIBLIOGRAFIA OBRIGATÓRIA

HAIR, J. F., BLACK, W. C., BABIN, B. J., ANDERSON, R. E., & TATHAM, R. L. Análise
Multivariada de Dados. 6. ed. Porto Alegre, Bookman, 2009.
Acesso via e-class: https://integrada.minhabiblioteca.com.br/#/books/9788577805341

LEVINE, D. M., STEPHAN, D. F., SZABAT, K. A. Estatística: Teoria e Aplicações. 7. ed. Rio de
Janeiro, LTC, 2017.
Acesso via e-class: https://integrada.minhabiblioteca.com.br/#/books/9788521631972/

1
Aprovadas pelo colegiado do curso de graduação em reunião realizada no dia 04/10/2011 e em conformidade com a Lei de
Diretrizes e Bases da Educação, com o Regimento da FGV/EBAPE e com o regulamento do curso de graduação.
2
Ao estudante é garantido o direito a ampla defesa conforme disposto no Regimento e Regulamento escolares.
3
MALHOTRA, N. K. Pesquisa de Marketing: Uma Orientação Aplicada. 7. ed. Porto Alegre:
Bookman, 2019.
Acesso via e-class: https://integrada.minhabiblioteca.com.br/#/books/9788582605103

MCKINNEY, Wes. Python para análise de dados: Tratamento de dados com Pandas, NumPy e
IPython. São Paulo, Novatec Editora, 2019.

9. BIBLIOGRAFIA COMPLEMENTAR

AGRESTI, A., FINLAY, B. Métodos Estatísticos para as Ciências Sociais. 4. ed. Porto Alegre,
Penso Editora, 2012.
Acesso via e-class: https://integrada.minhabiblioteca.com.br/#/books/9788563899651/

FIELD, A. Descobrindo a Estatística usando o SPSS. 2. ed. Porto Alegre, Artmed, 2009.
Acesso via e-class: https://integrada.minhabiblioteca.com.br/#/books/9788536320182

GUJARATI, D. N., PORTER, D. C. Econometria Básica. 5. ed. Porto Alegre, AMGH, 2011.
Acesso via e-class: https://integrada.minhabiblioteca.com.br/#/books/9788580550511/

LEVIN, J., FOX, J. A., FORDE, D. R. Estatística para Ciências Humanas. 11. ed. São Paulo,
Pearson Education do Brasil, 2012.
Acesso via e-class: https://plataforma.bvirtual.com.br/Leitor/Publicacao/3280

MCCLAVE, J. T., BENSON, P. G., SINCICH, T. Estatística para Administração e Economia. 10.
ed. São Paulo, Pearson Prentice Hall, 2009.
Acesso via e-class: https://plataforma.bvirtual.com.br/Acervo/Publicacao/402

WARNER, R. M. Applied Statistics: From bivariate through multivariate techniques. 2. ed.

Thousand Oaks, Sage Publications, 2012.

4
10. Minicurrículo do(s) Professor(s)

Diego de Faveri
Professor Adjunto da FGV/EBAPE. Doutor em Administração pela FGV/EBAPE
(2016). Mestre em Economia Aplicada pela ESALQ/USP (2011). Graduado em
Ciências Econômicas pela Universidade de Sorocaba (2006). Trabalhou como
consultor em modelagem estatística para organizações públicas e organizações
internacionais incluindo World Bank/BIRD, International Finance Corporation
(World Bank/IFC), Serviço Nacional de Aprendizagem Rural (SENAR), Ministério
do Desenvolvimento Agrário, CAPES, entre outros. Tem interesse em estudos que
envolvam métodos quantitativos aplicados à administração pública e de empresas,
avaliação de impacto políticas públicas, economia do trabalho, efeitos da pós-
graduação e carreira.
Lattes: http://lattes.cnpq.br/3258823229916732