TRANSTR1

COOPERAO CE - PALOP
Programa PIR PALOP II Projecto CONSOLIDAO DAS CAPACIDADES DA ADMINISTRAO PBLICA

N. IDENTIFICAO N. CONTABILSTICO ACORDO DE FINANCIAMENTO : REG/7901/013 : 8 ACP MTR 5 * 8 ACP TPS 126 : 6520/REG
Manual de Tcnicas e Mtodos Quantitativos

Tomo - I
CO-FINANCIAMENTO
COMISSO EUROPEIA Fundo Europeu de Desenvolvimento 4,8 Milhes de Euros
GOVERNO PORTUGUS Instituto Portugus de Apoio ao Desenvolvimento 1,2 Milhes de Euros
INA Instituto Nacional de Administrao
COOPERAO CE PALOP Programa PIR PALOP II / Projecto Consolidao das Capacidades da Administrao Pblica
Manual de Tcnicas e Mtodos Quantitativos (Tomo 1)
Ficha Tcnica
Autor: Rui Brites Resumo biogrfico: Rui Brites Mestre em Sociologia, rea de Comunicao, doutorando em Sociologia (ISCTE). Professor Auxiliar Convidado do Departamento de Mtodos Quantitativos do ISCTE. Investigador do CIES/ISCTE-Centro de Investigao e Estudos de Sociologia e membro do GIESTA/ISCTE-Grupo de Investigao Estatstica e Anlise de Dados. Foi coordenador do Centro de Informao sobre a Droga e a Toxicodependncia do IPDT-Instituto Portugus da Droga e Toxicodependncia (Agosto 2000-Julho 2002). Participa e tem participado em diversos projectos de investigao e investigao-aco, como coordenador das reas metodolgicas e de anlise de dados. Ttulo do manual:
Manual_Mtodos Quantitativos_Tomo_1.doc
Ms e Ano de elaborao: Junho de 2007 Coordenao do projecto: Cabo Verde Unidade de Gesto do Projecto Coordenadora Josefa Lopes Assistncia Tcnica e Pedaggica Portugal Instituto Nacional de Administrao INA Gestor de Projecto Manuel Clarote Lapo ISBN: (nmero internacional integrante do sistema ISBN (International Standard Book Number), a solicitar pela entidade responsvel pela edio do documento, se possvel).
Lisboa, Junho de 2007
ndice
Pg.
Estruturao dos captulos Introduo Captulo 1 Amostragem Objectivos Palavras-chave Contedo temtico 1.1. Noes de amostragem 1.2. Mtodos de amostragem 1.3. Seleco das unidades amostrais 1.4. Margens de erro e intervalos de confiana Avaliao Bibliografia Captulo 2 Introduo ao SPSS Objectivos Palavras-chave Contedo temtico 2.1. Editor de dados do SPSS 2.2. Output do SPSS 2.3. Menus SPSS 2.4. Criao de bases de dados 2.5. Tratamento Preliminar de dados 2.5.1. Transformao algbrica de variveis 2.5.2. Transformao lgica de variveis 2.5.3. Inverso da escala de uma varivel 2.5.4. Variveis de contagem de ocorrncias 2.6. Seleco de casos Avaliao Referncias 5 6 7 7 7 8 10 11 12 15 15 16 16 16 17 18 19 22 22 23 28 29 30 31 35 36
Pg.
Captulo 3 Estatstica aplicada com SPSS Objectivos Palavras-chave Contedo temtico 3.1. Anlise de dados univariada 3.1.1. Frequncias 3.1.2. Estatsticas descritivas e grficos de perfil 3.1.3. Testes de aderncia (para 1 amostra) 3.1.3.1. (Qui-quadrado)
2
37 37 37 38 38 41 44 44 45 46 47
2
3.1.3.2. Kolmogorov-Smirnov 3.1.3.3 Teste t de Student 3.2. Anlise de dados bivariada 3.2.1. Cruzamentos e teste de independncia (Qui-quadrado) 3.2.2. Testes no paramtricos procedimento Non Parametric Tests 3.2.2.1. Duas amostras independentes (Mann-Whitney e Kolmogorov-Smirnov) 3.2.2.2. K amostras independentes (Kruskal-Wallis) 3.2.3. Testes no paramtricos procedimento Compare Means 3.2.3.1. Duas amostras emparelhadas (t de Student amostras emparelhadas) 3.2.3.2. Duas amostras independentes (t de Student de independncia) 3.2.3.3. k amostras independentes (Anlise de Varincia Simples Paramtrica ANOVA) 3.2.4. Correlao linear simples 3.3. Modelos de previso 3.3.1. Anlise de Regresso Simples 3.3.2. Anlise de Regresso Mltipla 3.4. Anlise de dados multivariada 3.4.1. Anlise das Componentes Principais 3.4.2. Anlise de Clusters 3.4.2.1. Anlise hierrquica de Clusters 3.4.2.2. Anlise no hierrquica de Clusters mtodo de optimizao (K-Means) 3.4.3. Articulao entre a Anlise das Componentes Principais r a Anlise de Clusters Avaliao Bibliografia Anexo 1: Testes de inferncia estatstica mais utilizados em Anlise bivariada Anexo 2: European Social Survey (round 1 - 2002) - Questionrio adaptado
47 50 50 52 54 54 55 56 59 61 61 63 66 66 71 72 76 76 79 79 80 83
Estruturao dos captulos

Em cada captulo ou contedo temtico, o participante visualizar uma estrutura que apresentar as seguintes subdivises, a saber: Objectivo(s) especfico(s), no qual cada participante conhecer a proposta de aprendizagem a ser alcanada no final dessa mesma (sub)temtica e que servir de referncia para a auto-avaliao;
Objectivos
Palavras-chave, que pela sua relevncia para a temtica e como realce da ateno do participante para determinada designao ou conceito, que ter a sua definio e explicitao, no final do captulo, no espao reservado em Glossrio.
Palavras
Contedo programtico, onde se procurar desenvolver, de modo claro, objectivo e com rigor tcnico, a (sub)temtica em apreo, referenciando-se os elementos de substncia, julgados mais significativos e de interesse para a aprendizagem do(a) participante(a).
Contedo
Avaliao. Neste espao ser indicada a forma de avaliao do captulo e includa a respectiva ficha de exerccio.
Avaliao
Referncias. Nesta subdiviso poder-se- encontrar uma lista de elementos bibliogrficos referentes: s citaes efectuadas ao longo do texto; s obras consultadas pelo(s) autor(es), i. , livros, artigos, monografias, trabalhos acadmicos, endereos electrnicos, etc., que podero ajudar no trabalho de pesquisa ou de aprofundamento de saberes de cada participante(a).
Referncias
Introduo
O Manual de Tcnicas e Mtodos Quantitativos (Tomo 1) tem como objectivo principal orientar os formandos na utilizao do SPSS, constituindo-se simultaneamente como um guio da matria leccionada e de uma ficha tcnica para realizao dos exerccios propostos no mbito do Programa PIR PALOP II e do Projecto Consolidao das Capacidades da Administrao Pblica. Pretende-se, deste modo, disponibilizar aos formandos um guio que lhes permita acompanhar a sequncia dos pontos do programa e as respectivas aulas. Nesse sentido, este manual no dispensa a necessidade de se tirar apontamentos nas aulas, nem a leitura e consulta de outra bibliografia, que permitir o aprofundamento dos temas, na medida em que aqui se situam apenas os principais tpicos e as balizas das matrias abordadas. A sua utilidade para os formandos, para alm da j referida, assenta ainda no facto de poder servir de apoio elaborao de novo guio para futuras aces de formao que venham a coordenar, j como formadores. Procurou-se por isso apresentar o contedo dos vrios pontos de uma forma clara, simples e sinttica, de maneira a que o essencial seja captado neste manual, podendo ser aprofundado a partir das referncias indicadas. De acordo com o programa, este manual divide-se em trs captulos, que esto obviamente relacionados intimamente: O primeiro pretende fornecer aos formandos elementos que lhes permitam construir uma amostra representativa e proceder seleco aleatria das unidades amostrais. O segundo tem como objectivo familiarizar os formandos com o SPSS, permitindo-lhes criar, importar e manipular bases de dados, bem como proceder ao tratamento preliminar dos dados, recodificar variveis e construir novas variveis a partir das variveis originais. O terceiro tem como objectivo dotar os formandos de competncias tcnicas e estatsticas que lhes permitam proceder anlise de dados univariada, bivariada e multrivariada, com SPSS.
Captulo
1
Captulo 1 Amostragem
Objectivos
No final deste captulo os formandos devero ser capazes de: 1. seleccionar os tipos de amostra mais adequados a cada contexto; 2. calcular a dimenso da amostra e a margem de erro; 3. seleccionar as unidades amostrais.
Palavras
Amostra Erro amostral Unidades amostrais
1.1. Noes de amostragem
Em Estatstica1, amostra o conjunto de elementos extrados de um conjunto Contedo maior, chamado Populao. um conjunto constitudo de indivduos (famlias ou outras organizaes), acontecimentos ou outros objectos de estudo que o investigador pretende descrever ou para os quais pretende generalizar as suas concluses ou resultados. Principais razes para se trabalhar com uma amostra: A populao infinita, ou considerada como tal, no podendo portanto ser analisada na ntegra; Custo excessivo do processo de recolha e tratamento dos dados, como resultado da grande dimenso da populao ou da complexidade do processo de caracterizao de todos os elementos da populao; Tempo excessivo do processo de recolha e tratamento dos dados, conduzindo obteno de informao desactualizada; As populaes so dinmicas, de onde resulta que os elementos ou objectos da populao esto em constante renovao, de onde resulta a impossibilidade de analisar todos os elementos desta populao;
Se a constituio da amostra obedecer a determinadas condies, a anlise das caractersticas da amostra pode servir para se fazerem inferncias sobre a populao. Nota: A dimenso da amostra significativamente inferior dimenso da populao, de forma a justificar a constituio da amostra. A amostragem , por sua vez, um conjunto de procedimentos atravs dos quais se selecciona uma amostra de uma populao. Pode-se dividir as tcnicas de amostragem em vrio tipos: Amostragem probabilstica - procedimento em que todos os elementos da populao tm uma probabilidade conhecida e superior a zero de integrar a amostra; Amostragem no probabilstica: Amostragem intencional - amostragem no probabilstica subordinada a objectivos especficos do investigador; Amostragem no intencional - amostragem no probabilstica regida por critrios de convenincia e/ou de disponibilidade dos inquiridos.
Amostra (estatstica) . In Infopdia [Em linha]. Porto: Porto Editora, 2003-2008. [Consult. 2008-01-15]. Disponvel na www: <URL: http://www.infopedia.pt/$amostra-(estatistica)>.
Questes prvias ao processo de amostragem pr de natureza quantitativa

1. Definio clara dos objectivos do estudo 2. Quem dever ser entrevistado 3. Quantos devero ser entrevistados 4. Como sero seleccionados O que se pretende saber/conhecer melhor/compreender Populao alvo* e populao a inquirir Dimenso da amostra Mtodo de seleco da amostra (escolha das unidades amostrais)
*Designa-se por populao alvo a totalidade dos elementos sobre os quais se deseja obter determinado tipo de informao
7
Representao de uma Amostra* Representa

Universo Hipottico
(praticamente infinito)
Universo ou Populao, N
(finito)
Amostra, n
(unidades de observao)
Unidades que poderiam ser observadas

Conjunto de unidades existentes s quais se aplica a teoria
* in: Bravo, Sierra: Tcnicas de Investigacin Social, Madrid, Editorial Paraninfo, 1989
Desenvolvimento de um plano amostral*

Populao alvo Populao a inquirir
Processo amostral Dimenso da amostra
Mtodo de recolha de dados
Amostra final
* in: Reis, Melo, Andrade e Calapez: Estatstica aplicada, vol. 2, Lisboa, Slabo, 1999
1.2. Mtodos amostrais

Mtodos de seleco da amostra* selec
Amostragem aleatria simples Amostragem sistemtica Amostragem estratificada Amostragem por clusters Amostragem multi-etapas Amostragem multifsica Amostragem por convenincia Amostragem intencional Amostragem snowball Amostragem sequencial Amostragem por quotas
10
Mtodos probabilsticos (amostragem casual)
Mtodos no probabilsticos (amostragem dirigida)
10
1.3. Seleco das unidades amostrais

Mtodos de seleco da amostra (cont)* cont) selec
Mtodos probabilsticos - amostragem aleatria
Aleatria simples Casual sistemtica Estratificada Clusters Multi-etapas
Cada elemento da populao tem a mesma probabilidade de ser seleccionado Clculo do rcio K=N/n; seleco aleatria do primeiro elemento da populao e sequencial dos restantes Separao dos elementos da populao em estratos e seleco aleatria dos elementos dentro de cada estrato A populao encontra-se dividida em clusters que so seleccionados aleatoriamente, constituindo as unidades amostrais Idntico ao anterior mas em que as unidades amostrais so seleccionadas aleatoriamente dentro de cada cluster Numa 1 fase recolhem-se dados sobre determinadas caractersticas dos respondentes (comportamentos e frequncia de consumos, variveis demogrficas, etc.) e da sua disponibilidade para responder novamente a um inqurito. ento retirada desta fase uma sub-amostra que ser inquirida na 2 fase.
11
Multi-fsica
Amostra estratificada*
rea Sector (Braga e Porto)
Norte 180 150 1260 1070 2 660
Universo
(Coimbra, Aveiro e Leiria)
Centro
(Lisboa, Setbal e Santarm)
Sul
(Restantes distritos)
Outros 200 50 190 170 610
Total 850 500 2700 2450 6500 Total 85 50 270 245 650
12
Produto A Produto B Produto C Produto D Total
160 70 550 610 1390

(Coimbra, Aveiro e Leiria)
310 230 700 600 1840

(Lisboa, Setbal e Santarm)
Amostra (10% da populao)
rea Sector
(Braga e Porto)
Norte 18 15 126 107 266
Centro
Sul
(Restantes distritos)
Outros 20 5 19 17 61
Produto A Produto B Produto C Produto D Total
16 7 55 61 139
31 23 70 60 184
* Adaptado de: Reis, Melo, Andrade e Calapez: Estatstica aplicada, vol. 2, Lisboa, Slabo, 1999
11
Mtodos de seleco da amostra (cont)* cont) selec

Mtodos no probabilsticos - amostragem dirigida
Amostragem por A amostra seleccionada em funo da disponibilidade e acessibilidade dos elementos que constituem a populao alvo convenincia Amostragem intencional Amostragem snowball Amostragem sequencial Amostragem por quotas
A escolha dos elementos a incluir na amostra baseia-se na opinio de uma ou mais pessoas que conhecem muito bem as caractersticas especficas da populao em estudo, que se pretende analisar Numa 1 fase os inquiridos so escolhidos aleatoriamente, sendo, numa segunda fase, os inquiridos adicionais escolhidos com base na informao dos primeiros Semelhante ao mtodo multi-fsico. A realizao da fase seguinte s decidida depois de analisados os resultados da fase anterior. Equivalente amostragem aleatria estratificada. As propores dos vrios sub-grupos reflectem a sua distribuio dentro da populao. Cada entrevistador dispe das caractersticas que os entrevistados devero satisfazer, terminando as entrevistas quando as quotas estiverem preenchidas.
13
1.4. Erro amostral

Determinao da margem de erro em funo do n de elementos* Determina fun n
in: Bravo, Sierra: Tcnicas de Investigacin Social, Madrid, Editorial Paraninfo, 1989
14
12
Determinao n de elementos em funo da margem de erro * Determina n fun
15
13
Determinao n de elementos em funo da margem de erro e da dimenso da populao *
16
14
A avaliao deste captulo consiste num exerccio escrito, de resposta s seguintes questes
Avaliao
Exerccio de avaliao:
1) Depois de se identificar os dados que devero ser recolhidos e o instrumento (questionrio estruturado, por exemplo) a utilizar para essa recolha, o passo seguinte consiste em definir um processo de amostragem adequado ao tipo de dados e ao instrumento de anlise2 Diga, sucintamente em que consistem os seguintes mtodos de mostragem: - Amostra aleatria simples; - Amostra Estratificada; - Amostra por quotas. 2) O problema da Inferncia Indutiva , do ponto de vista da Estatstica, encarado da seguinte forma: a finalidade da investigao descobrir algo sobre determinada populao ou universo.3 Comente a frase e diga quais os procedimentos para seleccionar as unidades amostrais (sujeitos) numa amostra estratificada.
Referncias
Bravo, R. S. (1988), Tcnicas de investigacin social, 5 ed. corrigida y ampliada, Madrid, Paraninfo (Seco 1). Reis, E., P. Melo; R. Andrade e T. Calapez (1999) Estatstica Aplicada volume 2, Lisboa, Slabo, 3 edio revista. Vicente, P.; E. Reis; F. Ferro (2002), Sondagens-A amostragem como factor decisivo de qualidade, Lisboa, Edies Slabo.
2 3
Reis, E., P. Melo; R. Andrade e T. Calapez (1999) Estatstica Aplicada volume 2, Lisboa, Slabo, 3 edio revista. Idem.
15
Captulo
2
Captulo 2 Introduo ao SPSS
O objectivo geral deste captulo o de familiarizar os formandos com o SPSS, nomeadamente no que se refere: Janelas e menus; Criao e manipulao de bases de dados; Tratamento preliminar dos dados.
Objectivos
Varivel Nvel de medida
Palavras
16
2.1. Editor de dados do SPSS

O pakage estatstico SPSS para Windows um poderoso sistema de anlises Contedo estatsticas e manuseamento de dados, em que a utilizao mais frequente, para a maioria das anlises a efectuar, se resume seleco das respectivas opes em menus e caixas de dilogo O editor de dados do SPSS (Data Editor) composto por duas janelas sobrepostas: Data View e Variable View. A funo da primeira Data View a de introduzir os dados e da segunda Variable View criar a estrutura da base de dados. Muda-se de uma para outra clicando no respectivo separador. O Data Editor do SPSS um programa do tipo de folha de clculo que permite facilmente criar ou editar ficheiros de dados. Abre automaticamente quando se entra no SPSS. O seu aspecto o seguinte: Janela Data View:
17
Janela Variable View:
2.2. Output do SPSS (Output Viewer)

nesta janela que so apresentados todos os resultados estatsticos. Abre automaticamente sempre que um determinado procedimento gera resultados. possvel editar as tabelas e grficos produzidos, clicando duas vezes com a tecla esquerda do rato e modificar a sua aparncia. Janela Output Viewer:
18
2.3. Menus do SPSS

Os menus das janelas principais Data Editor e Outpur Viewer - so idnticos e tm o seguinte aspecto visual:
Principais funcionalidades dos menus
File
Criar, abrir, ler, exportar, gravar e imprimir ficheiros.
Edit
Configurao/parametrizao do SPSS (Options), inserir novas variveis e novos casos.
19
View
Activar/desactivar barras de comandos, fontes, grelha, barra de status e mostrar etiquetas (labels) definidas.
Data
Alterao global dos dados; Ordenar a base; Juntar ficheiros (Merge Files); Dividir a anlise por grupos (Split File); Criar subconjuntos de casos para anlise (Select Cases); Activar ponderadores (Weight Cases).
Transform
Criar novas variveis com base nas variveis originais; Recodificar variveis.
20
Analyse
Procedimentos de anlise estatstica.
Graphs
Criar grficos.
Utilities
Informao sobre as variveis.
Window
Comuta entre janelas; Minimizar janelas
Help
Ajuda em linha; Tutorial.
21
2.4. Criao de bases de dados

As bases de dados so criadas na janela Variable View, devendo a estrutura das variveis obedecer s seguintes regras:
Name
Type Width Decimals Label Values Missing Columns Align Measures
- Mximo 64 caracteres (verses anteriores 13, apenas 8); - Deve comear por uma letra; os restantes caracteres podem ser letras (maisculas ou minsculas so iguais), algarismos, ou os smbolos @, #, _, $. - No se podem usar espaos em branco, nem os seguintes caracteres: !, ?, , , *, +, -, %, vrgula, ponto e vrgula, \, /, >, < - Evitar terminar o nome com o caracter _ (underscore); - Evitar usar caracteres acentuados ou com til. Por defeito numrico, pode alterar-se para outro tipo, por exemplo carcter (string), data, etc N de caracteres do campo. Por defeito, 8. Pode ser aumentado no caso das variveis string, at 255. Define o nmero da casas decimais. Etiquetas dos nomes (name) das variveis. Admite o mximo de 128 caraecteres. Etiquetas dos valores (cdigos) das variveis nominais ou ordinais. Define os cdigos das respostas no vlidas (no sabe, no responde, no tem que responder) que sero excludas da anlise. Largura da coluna de introduo de dados. Por defeito, 8. Permite alinhar os dados esquerda, centro ou direita. Define o nvel de medida das variveis: nominal, ordinal ou scale.
A introduo dos dados processa-se na janela Variable View aps ter sido criada a estrutura da base.
2.5. Tratamento Preliminar de dados

Nota: A base de dados que vamos utilizar um extracto da base de dados do European Social Survey (round 1)4 com os resultados da aplicao do questionrio em Portugal (ficheiro ESS-Portugal 2002 (base1).sav).
A base de dados original est disponvel em http://www.europeansocialsurvey.org/.
22
2.5.1. Transformao algbrica de variveis Exemplo 1: Recodificao de variveis Pretende-se criar duas novas variveis: a varivel idade a partir da varivel f3 (data de nascimento) e recodific-la, criando uma nova varivel - idade2 - com 4 escales: at 30 anos; 31 50 anos; 50 65 anos e > 65 anos. a) Criao da varivel idade:
23
A varivel idade acrescentou-se base de dados. Vamos agora proceder sua recodificao, criando uma nova varivel idade2 com 4 escales5:
A varivel idade2 acrescentar-se- base e dever ser completada com a alterao do nvel de medida (scale para ordinal) e a definio dos respectivos value labels. O resultado ser o seguinte:
Idade Frequency 341 505 315 350 1511 Percent 22.6 33.4 20.8 23.2 100.0 Valid Percent 22.6 33.4 20.8 23.2 100.0 Cumulative Percent 22.6 56.0 76.8 100.0
Valid
At 30 anos 31 - 50 anos 51 - 65 anos > 65 anos Total
Nota: na recodificao de variveis recomendvel manter as variveis originais e criar novas variveis recodificadas, escolhendo para o efeito a opo Into diferent variable.
24
b) Recodificao da varivel escolaridade: Pretende-se recodificar a varivel escolaridade (f7) criando uma nova varivel (escol) com 3 escales: at 9 anos; 10 12 anos e > 12 anos.
A varivel escol acrescentar-se- base e dever ser completada com a alterao do nvel de medida (scale para ordinal) e a definio dos respectivos value labels. O resultado ser o seguinte:
Escolaridade Frequency 1046 251 212 2 1511 Percent Valid Percent 69.2 69.2 16.6 16.6 14.0 14.0 .1 .1 100.0 100.0 Cumulative Percent 69.2 85.8 99.9 100.0
Valid
At 9 anos 10 - 12 anos > 12 anos NR Total
25
c) Recodificao da varivel autoposicionamento poltico: Pretende-se recodificar a varivel autoposicionamento poltico (b28) criando uma nova varivel (b28r) com 3 escales: esquerda; centro e direita.
A varivel b28r acrescentar-se- base e dever ser completada com a alterao do nvel de medida (scale para ordinal) e a definio dos respectivos value labels. O resultado ser o seguinte:
Autoposicionamento poltico Frequency 296 620 294 1211 304 1515 Percent Valid Percent 19.6 24.5 41.0 51.2 19.4 24.3 79.9 100.0 20.1 100.0 Cumulative Percent 24.5 75.7 100.0
Valid
Missing Total
Esquerda Centro Direita Total System
26
Exemplo 2: criao de ndices sintticos Pretende-se criar dois ndices sintticos: Confiana social (variveis a8, a9 e a10) e Confiana institucional (variveis b7, b8, b9 e b10).
As 2 variveis acrescentaram-se base6:
Os resultados so os seguintes:
Descriptive Statistics ndice sinttico de Confiana social ndice sinttico de Confiana institucional Valid N (listwise) N 1480 1338 1319 Minimum .0 .0 Maximum 10.0 9.3 Mean Std. Deviation 4.316 1.7469 4.097 1.7603
Nota: tratando-se de variveis rcio, devero ter casas decimais (1 ou 2).
27
2.5.2. Transformao lgica de variveis Exemplo: pretende-se criar uma varivel - sexid - atravs da transformao lgica das variveis f2 e idade2, com 4 categorias: homens at 30 anos, homens com mais de 30 anos, mulheres at 30 anos e mulheres com mais de 30 anos.
Nota: repetir o comando para as restantes categorias, cujas expresses numricas so as seguintes: Categoria 2: f2 = 1 & idade2 > 2 Categoria 3: f2 = 2 & idade2 = 3 Categoria 4: f2 = 2 & idade2 > 4 A varivel sexid acrescentar-se- base e dever ser completada com a alterao do nvel de medida (scale para ordinal) e a definio dos respectivos label e value labels. O resultado o seguinte:
Sexo e Idade Frequency 158 472 183 698 1511 Percent Valid Percent 10.5 10.5 31.2 31.2 12.1 12.1 46.2 46.2 100.0 100.0 Cumulative Percent 10.5 41.7 53.8 100.0
Valid
Homens at 30 anos Homens com mais de 30 anos Mulheres at 30 anos Mulheres com mais de 30 anos Total
28
2.5.3. Inverso da escala de uma varivel Exemplo: pretende-se criar uma nova varivel (ib1) com a inverso da escala da varivel interesse pela poltica (b1) de modo a que 1 corresponda a nenhum interesse e 4 a muito interesse:
O resultado o seguinte:
b1
Qual o seu interesse pela poltica Frequency 117 456 441 489 1503 6 2 8 1511 Percent 7.7 30.2 29.2 32.4 99.5 .4 .1 .5 100.0 Valid Percent 7.8 30.3 29.3 32.5 100.0 Cumulative Percent 7.8 38.1 67.5 100.0
Valid
Missing
Muito interesse Algum interesse Pouco interesse Nenhum interesse Total Recusa No sabe Total
Total
ib1
Qual o seu interesse pela poltica Frequency 489 441 456 117 1503 2 6 8 1511 Percent 32.4 29.2 30.2 7.7 99.5 .1 .4 .5 100.0 Valid Percent 32.5 29.3 30.3 7.8 100.0 Cumulative Percent 32.5 61.9 92.2 100.0
Valid
Missing
Nenhum interesse Pouco interesse Algum interesse Muito interesse Total No sabe Recusa Total
Total
29
2.5.4. Variveis de contagem de ocorrncias Exemplo: pretende-se criar uma varivel partciv que traduza o ndice de participao cvica, que integre (conte) apenas os inquiridos que responderam sim (1) s questes b15 a b24.
A varivel partciv acrescentar-se- base. O resultado o seguinte:
ndice sinttico de Participao cvica Frequency 1174 145 85 39 30 16 9 11 1 1 1511 Percent Valid Percent 77.7 77.7 9.6 9.6 5.6 5.6 2.6 2.6 2.0 2.0 1.1 1.1 .6 .6 .7 .7 .1 .1 .1 .1 100.0 100.0 Cumulative Percent 77.7 87.3 92.9 95.5 97.5 98.5 99.1 99.9 99.9 100.0
Valid
0 1 2 3 4 5 6 7 9 10 Total
A interpretao a seguinte: 77,7% (1174) inquiridos no assinalaram nenhum indicador, 9,6% (145) assinalaram apenas 1, 5,6% (85) assinalaram 2, etc.
30
2.6. Seleco de casos Exemplo 1: seleco de uma sub-amostra Pretende-se seleccionar (filtrar) apenas os inquiridos da regio de Lisboa e Vale do Tejo (regiao=3).
Na base de dados (Data View) os registos no seleccionados (filtrados) aparecem tracejados, mantendo-se assim at que se anule a seleco (filtro). A barra de status informa que a base est filtrada:
Nota muito importante: no esquecer de desactivar o filtro quando no for necessrio:
31
Exemplo 2: Seleco de uma amostra aleatria simples Pretende-se seleccionar uma amostra de 5% dos casos, aproximadamente:
Na base de dados (Data View) os registos no seleccionados (filtrados) aparecem tracejados, mantendo-se assim at que se anule a seleco (filtro). A barra de status informa que a base est filtrada: Nota muito importante: no esquecer de desactivar o filtro quando no for necessrio:
32
Exemplo 3: Separar a anlise por grupos Pretende-se separar a anlise pelas 4 categorias (sub-amostras) da varivel sexid (sexo e idade). possvel obter os resultados na mesma tabela, seleccionando a opo Compare groups ou em tabelas diferentes, com a opo Output by groups:
No primeiro caso, os resultados so os seguintes:

Descriptive Statistics Sexo e Idade ndice sinttico de Confiana social Homens at 30 anos ndice sinttico de Confiana institucional Valid N (listwise) ndice sinttico de Confiana social Homens com mais ndice sinttico de Confiana institucional de 30 anos Valid N (listwise) ndice sinttico de Confiana social ndice sinttico de Confiana institucional Mulheres at 30 anos Valid N (listwise) ndice sinttico de Confiana social ndice sinttico de Confiana institucional Valid N (listwise) N Minimum Maximum 156 1.0 9.0 147 .0 8.5 145 456 .0 10.0 440 .0 9.3 430 182 .0 9.3 168 .0 8.0 167 686 583 577 .0 .0 10.0 9.3 4.153 4.075 1.7629 1.7401 Mean Std. Deviation 4.859 1.4670 4.248 1.7428 4.259 4.066 4.604 4.116 1.8100 1.8441 1.6277 1.6234
Mulheres com mais de 30 anos
33
No segundo caso seriam produzidas 4 tabelas, uma por cada categoria da varivel colocada em split:
Descriptive Statisticsa N ndice sinttico de Confiana social ndice sinttico de Confiana institucional Valid N (listwise) 156 147 145 Minimum 1.0 .0 Maximum 9.0 8.5 Mean 4.859 4.248 Std. Deviation 1.4670 1.7428
a. Sexo e Idade = Homens at 30 anos

a Descriptive Statistics
N ndice sinttico de Confiana social ndice sinttico de Confiana institucional Valid N (listwise) 456 440 430
Minimum .0 .0
Maximum 10.0 9.3
Mean 4.259 4.066
Std. Deviation 1.8100 1.8441
a. Sexo e Idade = Homens com mais de 30 anos

Minimum .0 .0
Maximum 9.3 8.0
Mean 4.604 4.116
a. Sexo e Idade = Mulheres at 30 anos

Minimum .0 .0
Maximum 10.0 9.3
Mean 4.153 4.075
a. Sexo e Idade = Mulheres com mais de 30 anos
34
Avaliao deste mdulo consiste em criar uma base de dados para o excerto do seguinte questionrio:
Avaliao
35
Pereira, A. (1999), SPSS-Guia Prtico de Utilizao, Anlise de Dados para Cincias Sociais e Psicologia, Lisboa, Edies Slabo, 6 Referncias edio revista e corrigida. - Vinacua, B. V. (2002), Anlisis Estadstico con SPSS para Windows. Volumen I. Estadstica bsica, Madrid, McGraw-Hill, 2 edicin.
36
Captulo
3
Captulo 3 Estatstica aplicada com SPSS
Objectivos O objectivo geral deste captulo o de proceder anlise estatstica de dados,
nomeadamente: o Anlise univariada frequncias e distribuies; o Anlise bivariada Cruzamentos, testes de hipteses e inferncia estatstica; o Anlise multivariada: Previso - Regresso linear simples e mltipla; Detectar dimenses latentes - Anlise das componentes principais; Segmentao: Anlise de Clusters Frequncias Cruzamentos Testes de hipteses Inferncia estatstica Margem de erro Intervalo de confiana Significncia estatstica
Palavras
37
3.1. Anlise de dados univariada

3.1. 1. Frequncias a) Utilizando o comando Frequencies7
Contedo
Variveis de caracterizao social:
Sexo Frequency 630 881 1511 Percent 41.7 58.3 100.0
Idade Frequency 341 505 315 350 1511 Percent 22.6 33.4 20.8 23.2 100.0 Valid Percent 22.6 33.4 20.8 23.2 100.0 Cumulative Percent 22.6 56.0 76.8 100.0
Valid
Masculino Feminino Total
Valid Percent 41.7 58.3 100.0
Cumulative Percent 41.7 100.0
Valid
Anos de escolaridade concludos Frequency 1046 251 212 1509 2 1511 Percent 69.2 16.6 14.0 99.9 .1 100.0 Valid Percent 69.3 16.6 14.0 100.0 Cumulative Percent 69.3 86.0 100.0
Valid
Missing Total
At 9 anos 10 - 12 anos > 12 anos Total NR
Nota: as tabelas geradas pelo procedimento Frequencies so em formato rascunho destinando-se apenas ao controlo e validao da base de dados, com o objectivo de eliminar erros de introduo de dados.
38
b) Utilizando o comando Tables
Os resultados so os seguintes8:
N Sexo Masculino Feminino Total At 30 anos 31 - 50 anos 51 - 65 anos > 65 anos Total At 9 anos 10 - 12 anos > 12 anos NR Total 630 881 1511 341 505 315 350 1511 1046 251 212 2 1511 % 41.7 58.3 100.0 22.6 33.4 20.8 23.2 100.0 69.2 16.6 14.0 .1 100.0
Idade
Anos de escolaridade concludos
Nota: o quadro foi modificado no respectivo editor, a que se acede clicando duas vezes sobre o mesmo.
39
c) Quadro de frequncias (%) dos indicadores das questes d18 a d24
Concorda totalmente As pessoas que vm viver e trabalhar para c fazem com que os salrios baixem As pessoas que vm viver e trabalhar para c, em regra, prejudicam mais as expectativas econmicas dos pobres do que dos ricos As pessoas que vm viver e trabalhar para c ajudam a preencher lugares em que h falta de trabalhadores Se as pessoas que vieram viver e trabalhar para c estiverem desempregadas por muito tempo deviam ser obrigadas a ir embora As pessoas que vieram viver para c devem ter os mesmos direitos do que todas as outras pessoas As pessoas que vieram viver para c cometerem um crime grave, devem ser obrigadas a ir embora As pessoas que vieram viver para c cometerem qualquer crime, devem ser obrigadas a ir embora 11.7 14.1 Nem concorda nem 15.1 19.4 Discorda totalmente 6.5 4.3
Concorda 41.3 46.1
Discorda 25.4 16.2
Total 100.0 100.0
13.7
53.7
16.7
12.3
3.6
100.0
14.3 25.9 43.3 26.6
42.3 54.0 40.1 38.5
22.1 12.5 9.3 19.0
16.2 6.0 6.2 13.2
5.2 1.6 1.0 2.7
100.0 100.0 100.0 100.0
40
3.1. 2. Estatsticas descritivas e grfico de perfil Nota muito importante: A anlise estatstica, excepto nos quadros de frequncias, deve incidir apenas nas respostas vlidas. Assim, antes de efectuar qualquer anlise estatstica, torna-se necessrio definir e activar os respectivos missing values (no responde/no sabe/no se aplica) na coluna missing da base de dados. a) Utilizando o comando Descriptives9 Indicadores das questes d10 a d17:
Descriptive Statistics Ter qualificaes profissionais de que o pas precisa Querer adaptar-se ao mesmo modo de vida do pas Ser rico Ter familiares prximos a viver c Ter boas qualificaes acadmicas Saber falar a lngua oficial do pas Ter formao crist Ser branco Valid N (listwise) N 1448 1449 1447 1454 1416 1466 1440 1451 1330 Minimum 0 0 0 0 0 0 0 0 Maximum 10 10 10 10 10 10 10 10 Mean Std. Deviation 7.46 2.241 7.11 2.442 6.81 2.807 6.48 2.425 6.06 2.536 6.05 2.633 3.79 2.971 2.85 2.874
Nota: as tabelas geradas pelo procedimento Descriptives so em formato rascunho destinando-se apenas ao controlo e validao da base de dados, com o objectivo de eliminar erros de introduo de dados.
41
b) Utilizando o comando Tables
Mdia Ter boas qualificaes acadmicas Ter familiares prximos a viver c Saber falar a lngua oficial do pas Ter formao crist Ser branco Ser rico Ter qualificaes profissionais de que o pas precisa Querer adaptar-se ao mesmo modo de vida do pas 6.1 6.5 6.1 3.8 2.8 6.8 7.5 7.1 Desvio-padro 2.5 2.4 2.6 3.0 2.9 2.8 2.2 2.4
42
c)
Grfico de perfil10:
7.1 Querer adaptar-se ao mesmo modo de vida do pas 7.5 Ter qualificaes profissionais de que o pas precisa 6.8 Ser rico 2.8 Ser branco 3.8 Ter formao crist 6.1 Saber falar a lngua oficial do pas 6.5 Ter familiares prximos a viver c 6.1 Ter boas qualificaes acadmicas Nenhuma importncia
0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0
Muita importncia
10
Para obter um grfico interactivo de linhas, o procedimento o seguinte: Graph/Interactive/Line, seleccionam-se todas as variveis em simultneo pressionando a tecla Ctrl e arrastam-se para horizontal. O grfico do exemplo foi editado e transformado, tendo-se alterado a escala para o formato real e a cor da linha e acrescentado as etiquetas (valores e mnimo e mximo), a grelha e a linha de referncia.
43
3.1.3. Testes de aderncia (para 1 amostra) 3.1.3.1. 2 (Qui-quadrado) Exemplo 1: Pretende-se testar se a classe social (classe2) tem uma distribuio uniforme11 no universo. Como a varivel nominal, o procedimento consiste em realizar o teste de aderncia do 2 (All categories equal):
Classes sociais (ACM) prprio Observed N Expected N Empresrios, dirigentes e profissionais liberais Profissionais tcnicos e de enquadramento Trabalhadores independentes Empregados executantes Operrios Total 175 191 81 413 423 1283 256.6 256.6 256.6 256.6 256.6 Residual -81.6 -65.6 -175.6 156.4 166.4
Test Statistics Classes sociais (ACM) prprio 366.123 4 .000
Chi-Square a df Asymp. Sig.
a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 256.6.
Interpretao: A varivel classe social no segue uma distribuio uniforme no universo (2(4)=366,123; p=0,000).
11
Testando se as frequncias observadas so iguais s frequncias esperadas.
44
3.1.3.2. Kolmogorov-Smirnov Exemplo: Pretende-se testar se o interesse pela poltica (ib1) segue uma distribuio normal ou uniforme no universo. Como a varivel ordinal, o procedimento consiste em realizar o teste de aderncia de Kolmogorov-Smirnov para as duas distribuies:
One-Sample Kolmogorov-Smirnov Test Qual o seu interesse pela poltica 1503 2.13 .961 .206 .206 -.198 8.001 .000
One-Sample Kolmogorov-Smirnov Test 2 Qual o seu interesse pela poltica 1503 1 4 .325 .325 -.078 12.613 .000
N Normal Parameters a,b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Mean Std. Deviation Absolute Positive Negative
N Uniform Parameters a,b Minimum Maximum Most Extreme Absolute Differences Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Uniform. b. Calculated from data.
a. Test distribution is Normal. b. Calculated from data.
Interpretao: A varivel interesse pela poltica no segue uma distribuio normal (K-S=8,001; p=0,000) nem uniforme (K-S=12,613; p=0,000) no universo.
45
3.1.3.3 Teste t de Student Exemplo: Pretende-se testar se a confiana social adere mdia que corresponde ao centro da escala (5)12 dos indicadores que compem a varivel (confsoc). Como a varivel quantitativa, o procedimento consiste em realizar o teste t de aderncia (One-Sample T-Test), comparando se a mdia observada difere significativamente de 5:
One-Sample Statistics N ndice sinttico de Confiana social 1480 Mean 4.316 Std. Deviation 1.7469 Std. Error Mean .0454
One-Sample Test Test Value = 5 95% Confidence Interval of the Difference Mean Difference Lower Upper -.684 -.774 -.595
t ndice sinttico de Confiana social -15.073
df 1479
Sig. (2-tailed) .000
Interpretao: A mdia observada 4,3, diferindo significativamente da mdia de referncia (t(1479)= -15,073; p=0,000).
12
A escala de medida dos indicadores de confiana social varia entre 0=nenhuma e 10=toda.
46
3.2. Anlise de dados bivariada

3.2.1. Cruzamentos e teste de independncia 2 (Qui-quadrado) Exemplo 1: Pretende-se saber se h relao entre o sexo e o facto de ter comprado produtos por razes de ordem poltica, tica ou ambiental. O procedimento consiste em cruzar as variveis sexo (f2) e (b22) e solicitar o teste de independncia do 2*. a) Utilizando o comando Crosstabs
Sexo * Comprou produtos por razes de ordem poltica, tica ou ambiental Crosstabulation % within Sexo Comprou produtos por razes de ordem poltica, tica ou ambiental Sim No 7.2% 92.8% 7.7% 92.3% 7.5% 92.5%
Chi-Square Tests Value .121b .062 .122 .121 1495 df 1 1 1 1 Asymp. Sig. (2-sided) .728 .804 .727 .728 Exact Sig. (2-sided) Exact Sig. (1-sided)
Sexo Total
Masculino Feminino
Total 100.0% 100.0% 100.0%
Pearson Chi-Square Continuity Correction Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases
.766
.404
a. Computed only for a 2x2 table b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 46.75.
Para a seleco dos testes estatsticos, ver o Anexo 1.
47
Interpretao: As mulheres compram ligeiramente mais que os homens mas as diferenas no so estatisticamente significativas (2 (1)=0,121; p>0,05). b) Utilizando o comando Tables
48
Comprou produtos por razes de ordem poltica, tica ou ambiental Sim No Total 7.2 92.8 100.0 7.7 92.3 100.0 7.5 92.5 100.0
Sexo
Masculino Feminino Total
Pearson Chi-Square Tests Comprou produtos por razes de ordem poltica, tica ou ambiental .121 1 .728
Sexo
Chi-square df Sig.
Results are based on nonempty rows and columns in each innermost subtable.
49
3.2.2. Testes no paramtricos (procedimento Non Parametric Tests) 3.2.2.1. Duas amostras independentes (Mann-Whitney e Kolmogorov-Smirnov) Exemplo 1: Pretende-se testar se h relao entre o sexo (f2) e o interesse pela poltica (ib1). O procedimento consiste na realizao do teste no paramtrico para 2 amostras independentes (Mann-Whitney)13.
Test Statisticsa
Ranks Qual o seu interesse pela poltica Sexo Masculino Feminino Total N 628 875 1503 Mean Rank 815.82 706.19 Sum of Ranks 512336.00 617920.00
Qual o seu interesse pela poltica Mann-Whitney U 234670.000 Wilcoxon W 617920.000 Z -5.058 Asymp. Sig. (2-tailed) .000 a. Grouping Variable: Sexo
Interpretao: a mdia das ordenaes (Mean Rank) superior nos homens. Ou seja, os homens referem que tm mais interesse pela poltica do que as mulheres. As diferenas so estatisticamente significativas (M-W=234670; p=0,000).
13
Consultar o Anexo 1.
50
Exemplo 2: Pretende-se testar se h relao entre o sexo (f2) e o grau de escolaridade (escol). O procedimento consiste na em fazer o cruzamento entre as 2 variveis e realizar do teste no paramtrico para duas amostras independentes (Kolmogorov-Smirnov)14.
14
51
Anos de escolaridade concludos 10 - 12 At 9 anos > 12 anos Total anos Masculino 67.9 18.9 13.2 100.0 Feminino 70.3 15.0 14.7 100.0 Total 69.3 16.6 14.0 100.0
Test Statisticsa Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Grouping Variable: Sexo Absolute Positive Negative Escolaridade .025 .025 -.014 .476 .977
Sexo
Interpretao: Tanto no grau de escolaridade intermdio como no superior, verifica-se que h mais homens do que mulheres, observando-se o inverso no grau de escolaridade mais baixo. No entanto, as diferenas no so estatisticamente significativas (K-S=0,476; p>0,05).
3.2.2.2. K amostras independentes (Kruskal-Wallis) Exemplo: Pretende-se testar se h relao entre a idade (idade2) e o interesse pela poltica (ib1). O procedimento consiste na realizao do teste no paramtrico para k amostras independentes (Kruskal-Wallis)15.
15
52
Qual o seu interesse pela poltica Pouco Algum Muito interesse interesse interesse 33.6 31.9 7.1 28.8 32.9 10.3 30.4 29.7 9.3 25.1 25.6 3.5 29.3 30.3 7.8
Idade
Nenhum interesse 27.4 28.0 30.7 45.8 32.5
Total 100.0 100.0 100.0 100.0 100.0
Test Statisticsa,b
Ranks Qual o seu interesse pela poltica Idade At 30 anos 31 - 50 anos 51 - 65 anos > 65 anos Total N 339 504 313 347 1503 Mean Rank 777.35 803.46 768.74 637.38
Chi-Square df Asymp. Sig.
Qual o seu interesse pela poltica 36.088 3 .000
a. Kruskal Wallis Test b. Grouping Variable: Idade
Interpretao: A mdia das ordenaes (Mean Rank) mais elevada nos que tm entre 31 e 50 anos, sendo este escalo, por conseguinte, que refere ter mais interesse pela poltica, enquanto os mais velhos so os que revelam menos interesse. As diferenas so estatisticamente significativas (K-W (3)=36,088; p=0,000).
53
3.2.3. Testes paramtricos (procedimento Compare Means) 3.2.3.1. Duas amostras emparelhadas (t de Student para amostras emparelhadas) Exemplo: Pretende-se testar se a mdia da confiana social (confsoc) idntica, ou no, mdia da confiana institucional (confinst). O procedimento consiste na realizao do teste paramtrico para duas amostras emparelhadas (Paired-Samples T-Test)16.
Paired Samples Statistics Mean Pair 1 ndice sinttico de Confiana social ndice sinttico de Confiana institucional 4.313 4.087 N 1319 1319 Std. Deviation 1.7165 1.7606 Std. Error Mean .0473 .0485
Paired Samples Correlations N Pair 1 ndice sinttico de Confiana social & ndice sinttico de Confiana institucional 1319 Correlation .310 Sig. .000
Paired Samples Test Paired Differences 95% Confidence Interval of the Difference Lower Upper .115 .336
Mean Pair 1 ndice sinttico de Confiana social ndice sinttico de Confiana institucional .225
Std. Deviation 2.0428
Std. Error Mean .0562
t 4.009
df 1318
Sig. (2-tailed) .000
16
54
Interpretao: A mdia da confiana social (4,313) ligeiramente superior mdia da confiana institucional (4,087). A correlao entre as duas variveis mdia fraca (0,310) e estatisticamente significativa (p=0,000), sendo igualmente estatisticamente significativa a diferena entre as duas mdias (t (1318)=4,009; p=0,000).
3.2.3.2. Duas amostras independentes (t de Student de independncia) Exemplo: Pretende-se testar se h relao entre o sexo (f2) e a confiana social (confsoc). O procedimento consiste na realizao do teste paramtrico para duas amostras independentes (Independent-Samples T-Test)17.
Group Statistics Sexo Masculino Feminino N 612 868 Mean Std. Deviation 4.412 1.7476 4.248 1.7442 Std. Error Mean .0706 .0592
ndice sinttico de Confiana social
Independent Samples Test Levene's Test for Equality of Variances
t-test for Equality of Means 95% Confidence Interval of the Difference Lower Upper -.0167 .3448 -.0167 .3449
ndice sinttico de Confiana social
Equal variances assumed Equal variances not assumed
F .182
Sig. .669
t 1.781 1.780
df Sig. (2-tailed) 1478 .075 1313.926 .075
Mean Difference .164 .164
Std. Error Difference .0921 .0922
17
55
Interpretao: Os homens (4,412) revelam mais confiana social que as mulheres (4,248) 18 , embora a diferena no seja estatisticamente significativa, (t (1480)=1,808; p> 0,05).
3.2.3.3. k amostras independentes (Anlise de Varincia Simples Paramtrica ANOVA)
Exemplo: Pretende-se testar se h relao entre a idade (idade2) e a confiana social (confsoc). O procedimento consiste na realizao da Anlise de Varincia Simples Paramtrica (One-way Anova)19.
Descriptives ndice sinttico de Confiana social 95% Confidence Interval for Mean Lower Bound Upper Bound 4.555 4.889 3.911 4.206 3.864 4.273 4.319 4.718 4.226 4.405
N At 30 anos 31 - 50 anos 51 - 65 anos > 65 anos Total 338 497 312 333 1480
Mean Std. Deviation 4.722 1.5585 4.058 1.6747 4.068 1.8340 4.519 1.8500 4.316 1.7469
Std. Error .0848 .0751 .1038 .1014 .0454
Minimum .0 .0 .0 .0 .0
Maximum 9.3 9.3 10.0 10.0 10.0
18 19
O ndice de confiana social varia entre 0=nenhuma confiana e 10=toda a confiana. Consultar o Anexo 1.
56
Test of Homogeneity of Variances ndice sinttico de Confiana social Levene Statistic 4.050 df1 3
ANOVA ndice sinttico de Confiana social Sum of Squares 121.466 4391.954 4513.420 df 3 1476 1479 Mean Square 40.489 2.976 F 13.607 Sig. .000
df2 1476
Sig. .007
Between Groups Within Groups Total
Interpretao: So os mais novos (4,722), seguidos dos mais velhos (4,519) que mais confiam. Os escales intermdios 31-50 anos (4,058) e 51-65 anos ( (4,068) confiam um pouco menos. As diferenas so estatisticamente significativas (F (3)=13,787; p=0,000). Nota: sendo as diferenas estatisticamente significativas, importa saber quais os grupos que diferem uns dos outros. Para o efeito realiza-se um teste posteriori (Post Hoc). O SPSS disponibiliza vrios testes para este fim, sendo os mais utilizados, o teste de Scheffe20, no caso de as varincias serem iguais, e o teste Games-Howell no caso de serem diferentes. Neste caso, uma vez que se rejeita a hiptese de as varincias serem iguais (p=0,007), vamos solicitar o teste Games-Howell:
20
Que tambm o mais conservador,
57
Multiple Comparisons Dependent Variable: ndice sinttico de Confiana social Games-Howell Mean Difference (I-J) .664* .654* .203 -.664* -.010 -.460* -.654* .010 -.450* -.203 .460* .450* 95% Confidence Interval Lower Bound Upper Bound .372 .308 -.137 -.955 -.340 -.785 -.999 -.320 -.824 -.544 .135 .076 .955 .999 .544 -.372 .320 -.135 -.308 .340 -.076 .137 .785 .824
(I) Idade At 30 anos
31 - 50 anos
51 - 65 anos
> 65 anos
(J) Idade At 30 anos 31 - 50 anos 51 - 65 anos > 65 anos At 30 anos 31 - 50 anos 51 - 65 anos > 65 anos At 30 anos 31 - 50 anos 51 - 65 anos > 65 anos At 30 anos 31 - 50 anos 51 - 65 anos > 65 anos
Std. Error .1133 .1340 .1321 .1133 .1282 .1262 .1340 .1282 .1451 .1321 .1262 .1451
Sig. .000 .000 .415 .000 1.000 .002 .000 1.000 .011 .415 .002 .011
*. The mean difference is significant at the .05 level.
Interpretao: os grupos que diferem estatisticamente entre si esto assinalados com um *. O quadro seguinte sintetiza as diferenas significativas entre os quatro escales etrios At 30 anos At 30 anos 31-50 anos 51-65 anos > 65 anos X X X X 31-50 anos X 51-65 anos X > 65 anos X X
58
3.2.4. Correlao linear simples A correlao linear simples permite obter uma medida (coeficiente de correlao r de Pearson) atravs da qual se determina a fora ou intensidade de uma associao linear entre duas ou mais variveis quantitativas ou tratadas como tal (escalas tipo Likert). O coeficiente de correlao varia entre 1 e 121 e deve ser interpretado da seguinte forma: 0: ausncia de correlao; +/- ]0 0,25]: correlao muito fraca; +/- ]0,25 0,40] correlao fraca; +/- ]0,40 0,60] correlao mdia; +/- ]0,60 0,75] correlao mdia forte; +/- ]0,75 0,90] correlao forte; +/- ]0,90 1[ correlao muito forte; +/- 1 correlao perfeita Exemplo: Correlao entre as variveis satisfao com a vida (b29), com a economia (b30), com o Governo (b31), com a democracia (b32), com a educao (b33) e com os servios de sade (b34):
21
O sinal significa uma correlao negativa e a ausncia de sinal uma correlao positiva.
59
Correlations Satisfao com a vida em geral Satisfao com a vida em geral Economia Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Servios de Sade
Economia
Governo
Democracia
Educao
Governo
Democracia
Educao
Servios de Sade
.339** .000 1441 .280** .000 1413 .348** .000 1371 .205** .000 1429 .195** .000 1489
.578** .000 1392 .403** .000 1353 .361** .000 1389 .396** .000 1440
.507** .000 1339 .289** .000 1367 .340** .000 1412
.300** .000 1338 .294** .000 1370
.537** .000 1433
**. Correlation is significant at the 0.01 level (2-tailed).
Interpretao: as correlaes so positivas e significativas entre todas as variveis ; (p=0,000), sendo a menor entre a satisfao com a vida e com a educao (0,209e a maior entre a satisfao com o Governo e com a economia (0,577
60
3.3. Modelos de previso

3.3.1. Anlise de Regresso Simples A regresso linear, como referem Bryman e Cramer, um poderoso instrumento para resumir a natureza da associao entre variveis e para fazer previses acerca dos valores da varivel dependente.22 Na regresso linear simples, o objectivo sintetizar a associao entre duas variveis (independente e dependente), produzindo uma linha (recta de regresso) que se aproxime dos dados recolhidos. Ou seja, prever Y (varivel dependente) a partir de X (varivel independente). Exemplo: pretende-se saber em que medida que a confiana social (confsoc) varivel independente explica a confiana institucional (confinst) varivel dependente. O procedimento consiste na realizao da Anlise de regresso linear simples entre as duas variveis:
22
Alan Bryman e Duncan Cramer, op.cit.: 212
61
Model Summary Model 1 R R Square .096 Adjusted R Square .095 Std. Error of the Estimate 1.6746
.310a
a. Predictors: (Constant), ndice sinttico de Confiana social

ANOVAb Model 1 Sum of Squares 392.354 3693.263 4085.617 df 1 1317 1318 Mean Square 392.354 2.804 F 139.912 Sig. .000a
Regression Residual Total
a. Predictors: (Constant), ndice sinttico de Confiana social b. Dependent Variable: ndice sinttico de Confiana institucional
Coefficients a Unstandardized Coefficients B Std. Error 2.716 .125 .318 .027 Standardized Coefficients Beta .310
Model 1
(Constant) ndice sinttico de Confiana social
t 21.778 11.828
Sig. .000 .000
a. Dependent Variable: ndice sinttico de Confiana institucional
Interpretao: A correlao entre as variveis fraca (R=0,310) e o coeficiente de determinao muito fraco (R2=0,096)23. Ou seja, apenas 9,6% da variao da confiana institucional varivel dependente explicada pela variao da confiana social varivel independente. O teste F (quadro Anova) d-nos informao sobre a adequabilidade do modelo, testando a hiptese do coeficiente de determinao R2 ser 0 na populao. Neste caso (F (1)=141,178; p=0,000), rejeita-se a hiptese de isso acontecer. Os testes t (no quadro dos Coefficients), testam a nulidade dos coeficientes. No primeiro caso (t=115,605; p=0,000) testa a probabilidade de a constante (recta de regresso na origem) ser 0, e no segundo caso testa a probabilidade do coeficiente de regresso ser 0. A recta da regresso24, neste caso, a seguinte: Confiana institucional = 2,716 + 0,318 confiana social.
O coeficiente de determinao quantifica a percentagem de variao da varivel dependentes que explicada pela variao da varivel independente. 24 A equao simplificada da recta da regresso a seguinte: Yi = 0 + 1 Xi, em que Yi a varivel dependente, 0 a ordenada na origem, 1 o coeficiente de regresso e Xi a varivel independente.
23
62
3.3.2. Anlise de Regresso Mltipla A regresso, como referem Bryman e Cramer, um poderoso instrumento para resumir a natureza da associao entre variveis e para fazer previses acerca dos valores da varivel dependente.25 No nosso exemplo vamos usar a anlise de regresso mltipla em concreto a linear para modelar a relao entre as variveis independentes e a varivel dependente26. Exemplo: com base nos dados do ESS, pretende-se saber se os nveis de satisfao com o estado da Economia portuguesa (b30), com a forma como o Governo tem governado (b31), com a qualidade da Democracia (b32), com o estado da Educao (b33) e com os Servios de Sade (b33) so, ou no, predictores da satisfao com a vida em geral (b29): Varivel dependente Variveis independentes
(b30, b31, b32, b33 e b34)
Mtodo: Stepwise
(Neste mtodo entram no modelo apenas as variveis independentes com significncia estatstica, por ordem de importncia.) Nota: habitual usar-se o mtodo ENTER quando se pretende testar um modelo e o mtodo Stepwise em contextos exploratrios, como o caso.
25 26
Bryman, A. e D. Cramer, Anlise de Dados em Ciencias Sociais, Oeiras, Celta, 2003. Quando se associa s variveis o estatuto de independentes e dependente pretende-se analisar mais do que a associao entre elas (entenda-se variao conjunta), descrever e explicar uma relao de dependencia que dever ser tericamente fundamentada.
63
Procedimentos seleccionados:
Informao sobre a significncia estatstica da mudana de R2; Informao sobre multicolinearidade; Intervalo de confiana para cada um dos coeficientes de regresso
Resultado:
Variables Entered/Removed a Model 1 2 Variables Entered Democracia Economia Variables Removed . . Method Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100). Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).
Variveis que entraram nos modelos
a. Dependent Variable: Satisfao com a vida em geral

ANOVAc Model 1 Sum of Squares 760.940 5610.899 6371.839 1051.123 5320.716 6371.839 df 1 1289 1290 2 1288 1290 Mean Square 760.940 4.353 525.562 4.131 F 174.812 Sig. .000a
Regression Residual Total Regression Residual Total
127.224
.000b
a. Predictors: (Constant), Democracia b. Predictors: (Constant), Democracia, Economia c. Dependent Variable: Satisfao com a vida em geral
O objectivo do teste F verificar se a varivel independente influencia a varivel dependente no universo. O que equivale a detectar se o modelo ajustado ou no significativo. Permite inferir sobre a adequabilidade do modelo linear para explicar a relao entre as duas variveis.
Model Summary Change Statistics Model 1 2 R .346a .406b R Square .119 .165 Adjusted R Square .119 .164 Std. Error of the Estimate 2.086 2.032 R Square Change .119 .046 F Change 174.812 70.245 df1 1 1 df2 1289 1288 Sig. F Change .000 .000
a. Predictors: (Constant), Democracia b. Predictors: (Constant), Democracia, Economia
Coeficiente de correlao mltipla em mdulo
% de variao da satisfao com a vida em geral explicada pelas variveis independentes que entraram no modelo
Nota: Em modelos com mas do que 1 varivel independente deve interprtarse o R2 ajustado
Contributo das variveis independentes para a mudana verificada no R2;
Teste F e respectiva significncia estatstica
64
Coefficientsa Unstandardized Coefficients B Std. Error 4.221 .133 .350 .026 3.841 .254 .276 .137 .028 .033 Standardized Coefficients Beta .346 95% Confidence Interval for B Lower Bound Upper Bound 3.960 4.481 .298 .402 3.572 .199 .212 4.110 .309 .341 Collinearity Statistics Tolerance VIF 1.000 1.000
Model 1
(Constant) Democracia Economia (Constant) Democracia Economia
t 31.764 13.222 28.013 9.002 8.381
Sig. .000 .000 .000 .000 .000
.251 .234
.835 .835
1.197 1.197
a. Dependent Variable: Satisfao com a vida em geral
Coeficientes de regresso standardizados e no standardizados que permitem escrever a equao da recta: Satisfao com a vida = 3,841 + 0,254 satisfao com a democracia + 0,276 satisfao com a economia.
Quando a tolerncia baixa, a correlao mltipla elevada e existe a possibilidade de multicolinearidade. Com estes valores, a probabilidade de isso acontecer baixa. Varia entre [0, 1] e quanto mais perto de 0 maior ser a multicolinearidade entre certa varivel independente e as outras variveis independentes.
65
3.4. Anlise de dados multivariada

3.4.1. Anlise das Componentes Principais A Anlise das Componentes Principais um dos mtodos de reduo de dados mais comum no marketing e em pesquisas de mercado. uma tcnica de anlise exploratria multivariada que transforma um conjunto de variveis correlacionadas entre si num conjunto menor de variveis independentes, combinaes lineares das variveis originais, designadas por componentes principais27. No essencial, o seu objectivo identificar novas variveis, em nmero menor que o conjunto inicial, mas sem perda significativa da informao contida neste conjunto28. No nosso exemplo, pretendemos identificar as componentes principais latentes nos 8 indicadores relativos s atitudes face imigrao (d10 + d11 + d12 + d13 + d14 + d15 + d16 + d17). Vamos comear por solicitar uma ACP com a extraco das componentes por defeito (critrio de Kaiser: valor prprio das componentes a 1).
Seleco das variveis;
27 28
Moroco, J. Anlise Estatstica com utilizao do SPSS, Lisboa, Slabo, 2003: 231. Reis, E., Anlise factorial das componentes principais: um mtodo de reduzir sem perder informao, Lisboa Giesta/Iscte, 1990.
66
Kaiser-Meyer-Olkin: quantifica o nvel de intercorrelaes entre as variveis; Testa a hiptese de a matriz de correlaes na populao ser a matriz identidade.
Critrio de Kaiser de extraco das componentes que o SPSS usa por defeito. So extradas as componentes com valores prprias superiores a 1. Cada componente deve contribuir para a varincia, como se de uma varivel de input se tratasse.
Rotao das componentes e respectiva matriz.

Nota: tem o objectivo de ajudar a interpretar as componentes
Ordena a matriz rodada por ordem decrescente da contribuio de cada varivel para a componente;
67
Adequabilidade da ACP:
KMO 1 0,9 0,8 0,9
.812 3474.721 28 .000
KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig.
Qualidade da ACP Muito boa Boa Mdia Razovel M Inaceitvel
0,7 0,8 0,6 0,7 0,5 0,6 >0,5
De acordo com os resultados da estatstica KMO (0,812) e do teste de esfericidade de Bartlett (p=0,000), a adequabilidade da ACP boa.
Total Variance Explained Component 1 2 3 4 5 6 7 8 Initial Eigenvalues Total % of Variance Cumulative % 3.518 43.975 43.975 1.283 16.043 60.018 .978 12.230 72.248 .539 6.739 78.987 .493 6.165 85.153 .419 5.244 90.396 .391 4.885 95.282 .377 4.718 100.000 Extraction Sums of Squared Loadings Total % of Variance Cumulative % 3.518 43.975 43.975 1.283 16.043 60.018 Rotation Sums of Squared Loadings Total % of Variance Cumulative % 3.007 37.587 37.587 1.795 22.432 60.018
Extraction Method: Principal Component Analysis.
Como podemos observar, por defeito foram extradas duas componentes, que explicam cerca de 60% da varincia total. Verificando-se que a terceira componente tem uma valor prprio prximo de 1 (0,984) e que aumenta a varincia explicada em 12,3%, vamos forar a sua extraco e gravar as trs componentes extradas como novas variveis:
68
Cria novas variveis compostas pelos scores factoriais das componentes extradas.
Descriptive Statistics Mean Ter boas qualificaes acadmicas 6.11 Ter familiares prximos a viver c 6.44 Saber falar a lngua oficial do pas 6.01 Ter formao crist 3.77 Ser branco 2.82 Ser rico 6.77 Ter qualificaes profissionais de que o pas precisa 7.45 Querer adaptar-se ao mesmo modo de vida do pas 7.07 Std. Analysis Deviation N 2.527 1330 2.407 1330 2.615 1330 2.906 1330 2.825 1330 2.812 1330 2.247 1330 2.448 1330
KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig. .812 3474.721 28 .000
Communalities Ter boas qualificaes acadmicas Ter familiares prximos a viver c Saber falar a lngua oficial do pas Ter formao crist Ser branco Ser rico Ter qualificaes profissionais de que o pas precisa Querer adaptar-se ao mesmo modo de vida do pas Extraction Method: Principal Component Analysis.
Total Variance Explained Component 1 2 3 4 5 6 7 8 Initial Eigenvalues Total % of Variance Cumulative % 3.518 43.975 43.975 1.283 16.043 60.018 .978 12.230 72.248 .539 6.739 78.987 .493 6.165 85.153 .419 5.244 90.396 .391 4.885 95.282 .377 4.718 100.000
Initial Extraction 1.000 .590 1.000 .788 1.000 .719 1.000 .756 1.000 .786 1.000 .722 1.000 .749 1.000 .669
As Comunalidades representam a proporo de varincia da varivel explicada pelas componentes. Variveis com comunalidades reduzidas (0,3 ou inferior) so pouco explicadas pelas componentes e contribuem pouco para a sua definio.
Extraction Sums of Squared Loadings Total % of Variance Cumulative % 3.518 43.975 43.975 1.283 16.043 60.018 .978 12.230 72.248
Rotation Sums of Squared Loadings Total % of Variance Cumulative % 2.152 26.898 26.898 1.951 24.389 51.287 1.677 20.961 72.248
Extraction Method: Principal Component Analysis.
69
a Rotated Component Matrix
Ter qualificaes profissionais de que o pas precisa Querer adaptar-se ao mesmo modo de vida do pas Ser rico Ter familiares prximos a viver c Saber falar a lngua oficial do pas Ter boas qualificaes acadmicas Ser branco Ter formao crist Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 4 iterations.
Component 1 2 .361 .785 .244 .775 -.014 .771 .110 .880 .260 .741 .487 .587 .124 .011 .094 .305
3 -.053 .089 .358 .047 .319 .090 .878 .809
Foram extradas 3 componentes (factores), que explicam 72,25% da varincia total. A matriz rodada29 ajuda-nos a identificar e a designar as componentes: Componente 1: recursos profissionais e econmicos; Componente 2: facilidades de integrao; Componente 3: caractersticas raciais e religiosas. Caracterizao social das trs Componentes Principais
0,05
0,20
mdia
mdia
Feminino
0,00
0,00
-0,05
-0,20
Recursos profissionais e econmicos Facilidades de integrao Caractersticas raciais e religiosas Sexo Masculino
Recursos profissionais e econmicos Facilidades de integrao Caractersticas raciais e religiosas Idade At 30 anos 31 - 50 anos 51 - 65 anos > 65 anos
29
O SPSS utiliza vrias formas de rotao, sendo a mais usada a rotao Varimax, de modo a permitir uma mais fcil interpretao dos factores, pois torna os loadings elevados ainda mais elevados e os loadings baixos ainda mais baixos. Para a interpretao das componentes consideram-se os loadings mais correlacionados com as mesmas. Em geral, consideram-se bons os loadings maiores ou iguais a 0,5, por serem pelo menos responsveis por 25% da varincia. (cfr. Pestana e Gageiro, Anlise de Dados para as Cincias Sociais A complementaridade do SPSS, Lisboa, Slabo, 3 edio, 2003: 504.
70
0,10
0,10
mdia
0,00
-0,10
mdia
0,00
-0,20
-0,30
-0,10
-0,40
Recursos profissionais e econmicos Facilidades de integrao Caractersticas raciais e religiosas Escolaridade At 9 anos 10 - 12 anos > 12 anos
Autoposicionamento poltico
Esquerda Centro Direita
Recursos profissionais e econmicos Facilidades de integrao Caractersticas raciais e religiosas
3.4.2. Anlise de Clusters De acordo com Moroco, 30 a anlise de Clusters uma tcnica multivariada que no possui slidos fundamentos tericos e que procura agrupar objectos mais ou menos homogneos segundo critrios mais ou menos heursticos. A classificao dos sujeitos em cada um dos clusters , regra geral, mais rigorosa nos mtodos no-hierrquicos do que nos hierrquicos, podendo a validade das solues obtidas com os mtodos hierrquicos segundo Elizabeth Reis tornar-se bastante limitada. Alguns autores propem, por isso, a utilizao de mtodos no-hierrquicos de optimizao que permitam a partio dos indivduos num nmero pr definido de grupos. A questo de determinao do nmero de grupos pr definido , no entanto, um dos principais problemas a resolver numa anlise de clusters. Uma forma simples a anlise do Dendrograma que, no entanto, s est disponvel no mtodo hierrquico, resumindo-se a sua utilidade apenas em amostras de pequena dimenso. Quando no esse o caso, ou se se pretende usar um mtodo nohierrquico, poder-se- utilizar primeiro um mtodo hierrquico aglomerativo para determinao do nmero de grupos e depois utilizar um mtodo no-hierrquico para optimizar a soluo encontrada. Uma forma de obviar limitao do dendrograma na determinao do nmero de grupos, proceder representao grfica dos coeficientes de aglomerao mais elevados31, que denotam,
30
Cfr. Reis, Elizabeth, A Anlise de Clusters e as Aplicaes s Cncias Empresariais: Uma Viso Crtica da Teoria dos Grupos Estratgicos, in Elizabeth Reis e Manuel Alberto M. Ferreira (eds.) Temas em Mtodos Quantitativos 1, Lisboa, Slabo, 2000: 206-238 e Moroco, Joo, Anlise Estatstica com utilizao do SPSS, Lisboa, Slabo, 2003 31 Estes coeficientes so o valor numrico para o qual vrios indivduos ou grupos se unem para formarem um novo grupo e so disponibilizados pelo SPSS no mtodo hierrquico (Aglomeration Schedule).
71
por conseguinte, maiores distncias, onde a escolha ptima do nmero de grupos coincidir com uma marcada horizontalidade da curva32.
3.4.2.1. Anlise hierrquica de Clusters (Hierarquical Cluster) Exemplo: pretende-se seleccionar e criar clusters com base nos 8 indicadores relativos s atitudes face imigrao (d10 + d11 + d12 + d13 + d14 + d15 + d16 + d17)
Seleco das variveis; Para obter os coeficientes de aglomerao Desactivar Plots, pois o Dendrograma seria demasiado extenso para poder ser interpretado.
Escolha do Mtodo
Betwen-groups linkage (Distncia mdia entre grupos): a distncia do 1 cluster aos restantes objectos a mdia das distncias de cada um dos elementos que constituem o cluster a cada um dos restantes objectos. Melhor performance com dados com grande disperso; Influenciado por outliers; Tendncia para produzir clusters com varincias homogneas. Within-groups linkage: Este mtodo semelhante Distncia mdia entre grupos mas os clusters so unidos de modo a que a variabilidade dentro dos grupos seja mnima. Nearest Neighbor (Vizinho mais prximo): a distncia do 1 cluster aos restantes objectos, a menor das distncias de cada um dos elementos que constituem o cluster a cada um dos restantes objectos. Tendncia para formar clusters alongados; Menos influenciado por outliers; Furthest Neighbor (Vizinho mais distante): a distncia do 1 cluster aos restantes objectos, a maior das distncias de cada um dos elementos que constituem o cluster a cada um dos restantes objectos. Menos influenciado por outliers; Centroid clustering: a distncia entre dois grupos a diferena entre as suas mdias para todas as variveis. Pior performance com dados com grande disperso Menos influenciado por outliers; Median clustering (Distncia mediana): A distncia entre dois objectos a mediana das distncias de cada um dos elementos que constituem o cluster a cada um dos restantes objectos.
Escolhemos o Wards method, pois, sendo um dos mtodos mais usado, tem tendncia para
32
Reis, op.cit.
72
constituir grupos com dimenses idnticas.
Wards method: optimiza a varincia mnima dentro dos grupos, agrupando os objectos que provoquem um aumento mnimo da soma dos quadrados dos erros. Boa performance com dados com grande disperso; Influenciado por outliers Tendncia para produzir clusters com dimenso semelhante.
Para a identificao do n de clusters, vamos representar graficamente (em Excel) as diferenas entre os 30 coeficientes de aglomerao com valor mais elevado, produzidos pelo SPSS (Agglomeration schedule).
73
Optamos por uma soluo de 4 clusters.33 Deveremos agora repetir os procedimentos anteriores no SPSS, desactivar Statistics34 e solicitar a opo Save, assinalando o n de clusters que pretendemos:
A varivel CLU4-1 (primeira soluo com 4 clusters) acrescentou-se base de dados, tendo sido completada com os respectivos label.
O n de elementos em cada cluster o seguinte:

CLU4_1 Clusters d10 a d17 (Ward Method) Frequency 498 299 423 110 1330 181 1511 Percent Valid Percent 33.0 37.4 19.8 22.5 28.0 31.8 7.3 8.3 88.0 100.0 12.0 100.0 Cumulative Percent 37.4 59.9 91.7 100.0
Valid
Missing Total
Cluster 1 Cluster 2 Cluster 3 Cluster 4 Total System
Pois so os que apresentam maior distncia entre si. No entanto, seria sempre possvel ensaiar solues com mais clusters. No essencial, mais clusters significam mais homogeneidade entre os seus elementos e menos clusters menos homogeneidade. 34 Uma vez que j no necessitamos dos coeficientes de aglomerao.
33
74
3.4.2.2. Anlise no-hierrquica de Clusters - Mtodo de optimizao (K-Means Cluster)
Exemplo: pretende-se seleccionar e criar clusters com base nos 8 indicadores relativos s atitudes face imigrao (d10 + d11 + d12 + d13 + d14 + d15 + d16 + d17) 1. Seleco das variveis; 2. Indicao do n de Clusters pretendidos (vamos
indicar 4, de acordo com o processo anterior)
3. Criao de uma nova varivel que regista a pertena de cada observao ao cluster respectivo
A varivel QCL_1 (primeira soluo com 4 clusters) acrescentou-se base de dados, tendo sido completada com os respectivos label.
QCL_1 Clusters d10 a d17 (K-Means) Frequency 334 459 324 213 1330 181 1511 Percent Valid Percent 22.1 25.1 30.4 34.5 21.4 24.4 14.1 16.0 88.0 100.0 12.0 100.0 Cumulative Percent 25.1 59.6 84.0 100.0
Valid
Missing Total
Cluster 1 Cluster 2 Cluster 3 Cluster 4 Total System
75
3.4.3. Articulao entre a Anlise das Componentes Principais e a Anlise de Clusters Para este exemplo interessa saber, no entanto, que a anlise de clusters uma tcnica multivariada que no possui slidos fundamentos tericos e que procura agrupar objectos mais ou menos homogneos segundo critrios mais ou menos heursticos 35. Exemplo: Pretende-se criar trs clusters (grupos homogneos) com base nas trs componentes principais obtidas no exerccio anterior. Trata-se de um mtodo de classificao (classifica indivduos), cujo procedimento, que vai ser descrito detalhadamente no captulo 5, o seguinte: a) Criao dos clusters
Acrescentou-se base de dados uma nova varivel com 3 categorias, que designmos de Cluster 1, Cluster 2 e Cluster 3, que agrupa os indivduos com valores semelhantes nas trs Componentes36
35 36
Moroco, J. Anlise Estatstica com utilizao do SPSS, Lisboa, Slabo, 2003. Nota: como se torna evidente, os valores so mais ou menos semelhantes quantos mais ou menos clusters criarmos. Ou seja, mais clusters significa mais homogeneidade entre os clusters.
76
O n de elementos em cada cluster o seguinte:

Clusters Fac1_1+Fac1_2+Fac1_3 (Ward Method) Frequency 480 624 226 1330 181 1511 Percent Valid Percent 31.8 36.1 41.3 46.9 15.0 17.0 88.0 100.0 12.0 100.0 Cumulative Percent 36.1 83.0 100.0
Valid
Missing Total
Cluster 1 Cluster 2 Cluster 3 Total System
b) Caracterizao dos clusters segundo as variveis de input
1.00
0.50
(Mdias)
0.00
-0.50
-1.00
Cluster 1 Cluster 2 Cluster 3
-1.50
Recursos profissionais e econmicos Facilidades de integrao Caractersticas raciais e religiosas
Interpretao: Cluster 1: d importncia abaixo da mdia aos recursos profissionais e econmicos e s caractersticas raciais e religiosas e acima da mdia s facilidades de integrao; Cluster 2: d importncia acima da mdia aos recursos profissionais e econmicos e s caractersticas raciais e religiosas e mdia s facilidades de integrao; Cluster 3: d importncia mdia aos recursos profissionais e econmicos e abaixo da mdia s facilidades de integrao e s caractersticas raciais e religiosas.
77
c) Caracterizao social dos clusters

Cluster 1 N % 211 44.0 269 56.0 480 100.0 148 30.8 179 37.3 88 18.3 65 13.5 480 100.0 272 56.7 100 20.8 108 22.5 480 100.0 111 27.3 211 52.0 84 20.7 406 100.0 Cluster 2 N % 252 40.4 372 59.6 624 100.0 117 18.8 197 31.6 147 23.6 163 26.1 624 100.0 470 75.4 102 16.4 51 8.2 623 100.0 117 22.5 265 50.9 139 26.7 521 100.0 Cluster 3 N % 106 46.9 120 53.1 226 100.0 51 22.6 93 41.2 44 19.5 38 16.8 226 100.0 150 66.4 39 17.3 37 16.4 226 100.0 47 27.6 89 52.4 34 20.0 170 100.0 Total N % 569 42.8 761 57.2 1330 100.0 316 23.8 469 35.3 279 21.0 266 20.0 1330 100.0 892 67.1 241 18.1 196 14.7 1329 100.0 275 25.1 565 51.5 257 23.4 1097 100.0
Masculino Feminino Sexo Total At 30 anos 31 - 50 anos 51 - 65 anos Idade > 65 anos Total At 9 anos Anos de 10 - 12 anos escolaridade > 12 anos concludos Total Esquerda Autoposicionamento Centro poltico Direita Total
d) Distribuio dos indivduos pelos clusters, segundo caractersticas sciodemogrficas

Cluster 1 N % 211 37.1 269 35.3 480 36.1 148 46.8 179 38.2 88 31.5 65 24.4 480 36.1 272 30.5 100 41.5 108 55.1 480 36.1 111 40.4 211 37.3 84 32.7 406 37.0 Cluster 2 N % 252 44.3 372 48.9 624 46.9 117 37.0 197 42.0 147 52.7 163 61.3 624 46.9 470 52.7 102 42.3 51 26.0 623 46.9 117 42.5 265 46.9 139 54.1 521 47.5 Cluster 3 N % 106 18.6 120 15.8 226 17.0 51 16.1 93 19.8 44 15.8 38 14.3 226 17.0 150 16.8 39 16.2 37 18.9 226 17.0 47 17.1 89 15.8 34 13.2 170 15.5 Total N % 569 100.0 761 100.0 1330 100.0 316 100.0 469 100.0 279 100.0 266 100.0 1330 100.0 892 100.0 241 100.0 196 100.0 1329 100.0 275 100.0 565 100.0 257 100.0 1097 100.0
Masculino Feminino Sexo Total At 30 anos 31 - 50 anos 51 - 65 anos Idade > 65 anos Total At 9 anos Anos de 10 - 12 anos escolaridade > 12 anos concludos Total Esquerda Autoposicionamento Centro poltico Direita Total
78
A avaliao deste captulo consiste na avaliao da participao nas aulas e da realizao dos exerccios que compem o seu contedo.
Avaliao
Aranaz, M. F. (2001), SPSS para Windows. Anlise Estadstico, Madrid, McGraw-Hill. Bryman, A. e D. Cramer (2003), Anlise de Dados em Cincias Sociais Introduo s Tcnicas Utilizando o SPSS para Windows, Lisboa, Celta (3 edio). Referncias Moroco, J. (2003) Anlise Estatstica com utilizao do SPSS, Lisboa, Edies Slabo, 3 edio. Pereira, A. (1999), SPSS-Guia Prtico de Utilizao, Anlise de Dados para Cincias Sociais e Psicologia, Lisboa, Edies Slabo, 6 edio revista e corrigida. Pestana, M. H. e J. N. Gageiro (2000), Anlise de Dados para as Cincias Sociais A Complementaridade do SPSS, Lisboa, Slabo, 2 edio revista e aumentada. Rada, Vidal Daz (2002), Tcnicas de Anlise Multivariante para Investigacin Social e Comercial, Madrid, RA-MA. Reis, E., Anlise factorial das componentes principais: um mtodo de reduzir sem perder informao, Lisboa Giesta/Iscte, 1990. Vaus, D (2004), Analysing Social Science Data, London, Sage Publications. Vinacua, B. V. (2002), Anlisis Estadstico con SPSS para Windows. Volumen I. Estadstica bsica, Madrid, McGraw-Hill, 2 edicin. Vinacua, B. V. e J. C. M Canas (2002), Anlisis Estadstico con SPSS para Windows. Volumen II. Estadstica multivariante, Madrid, McGraw-Hill, 2 edicin.
79
ANEXO 1
Testes de inferncia estatstica mais utilizados em Anlise de dados bivariada
80
82
ANEXO 2
European Social Survey (round 1 - 2002) Questionrio adaptado http://www.europeansocialsurvey.org/
84
85
86
87

TRANSTR1

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

TRANSTR1

Enviado por

Direitos autorais:

Formatos disponíveis

COOPERAO CE - PALOP

Programa PIR PALOP II Projecto CONSOLIDAO DAS CAPACIDADES DA ADMINISTRAO PBLICA

Manual de Tcnicas e Mtodos Quantitativos

COMISSO EUROPEIA Fundo Europeu de Desenvolvimento 4,8 Milhes de Euros

GOVERNO PORTUGUS Instituto Portugus de Apoio ao Desenvolvimento 1,2 Milhes de Euros

INA Instituto Nacional de Administrao

Manual de Tcnicas e Mtodos Quantitativos (Tomo 1)

Lisboa, Junho de 2007

INA Instituto Nacional de Administrao

INA Instituto Nacional de Administrao

INA Instituto Nacional de Administrao

Estruturao dos captulos

INA Instituto Nacional de Administrao

INA Instituto Nacional de Administrao

Amostra Erro amostral Unidades amostrais

INA Instituto Nacional de Administrao

1.1. Noes de amostragem

INA Instituto Nacional de Administrao

Questes prvias ao processo de amostragem pr de natureza quantitativa

Representao de uma Amostra* Representa

Unidades que poderiam ser observadas

INA Instituto Nacional de Administrao

Desenvolvimento de um plano amostral*

Processo amostral Dimenso da amostra

Mtodo de recolha de dados

1.2. Mtodos amostrais

Mtodos probabilsticos (amostragem casual)

Mtodos no probabilsticos (amostragem dirigida)

INA Instituto Nacional de Administrao

1.3. Seleco das unidades amostrais

Norte 180 150 1260 1070 2 660

(Coimbra, Aveiro e Leiria)

(Lisboa, Setbal e Santarm)

Outros 200 50 190 170 610

Produto A Produto B Produto C Produto D Total

160 70 550 610 1390

310 230 700 600 1840

Amostra (10% da populao)

Norte 18 15 126 107 266

Produto A Produto B Produto C Produto D Total

INA Instituto Nacional de Administrao

Mtodos de seleco da amostra (cont)* cont) selec

1.4. Erro amostral

INA Instituto Nacional de Administrao

Determinao n de elementos em funo da margem de erro * Determina n fun

INA Instituto Nacional de Administrao

Determinao n de elementos em funo da margem de erro e da dimenso da populao *

INA Instituto Nacional de Administrao

INA Instituto Nacional de Administrao

Varivel Nvel de medida

INA Instituto Nacional de Administrao

2.1. Editor de dados do SPSS

INA Instituto Nacional de Administrao

Janela Variable View:

2.2. Output do SPSS (Output Viewer)

INA Instituto Nacional de Administrao

2.3. Menus do SPSS

Principais funcionalidades dos menus

Criar, abrir, ler, exportar, gravar e imprimir ficheiros.

Configurao/parametrizao do SPSS (Options), inserir novas variveis e novos casos.

INA Instituto Nacional de Administrao

INA Instituto Nacional de Administrao

Procedimentos de anlise estatstica.

Informao sobre as variveis.