Análise Multivariada Aplicada a Experimentos e
Transcrição
Análise Multivariada Aplicada a Experimentos e
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO PLANO DE ENSINO I – IDENTIFICAÇÃO: ADP251- Análise Multivariada Aplicada a Experimentos e Surveys (Eletiva) Pré-Requisito: ADD010 - Métodos Estatísticos ou equivalente Professor: Vinícius Andrade Brei ([email protected]) Carga Horária: 60 h/aula Créditos: 4 Dias de aula: quintas-feiras, 14h às 18h Sala: a definir II – SÚMULA/EMENTA Revisão de conceitos básicos de análise uni e multivariada. Teoria de mensuração (tipos de escalas, validade, confiabilidade). Significância e poder estatístico. Teste de hipóteses. Effect sizes. Análise e preparação dos dados. Principais métodos de análise utilizados em Surveys e Experimentos. Análise de Regressão Linear Múltipla. Análises de diferenças entre grupos: ANOVA, ANCOVA, MANOVA e MANCOVA. Análise Conjunta, Análise de Clusters e Escalonamento Multidimensional. Análises estruturais e modelos causais: Análise Fatorial Exploratória (revisão), Análise Fatorial Confirmatória, Path Analysis e Modelagem em Equações Estruturais. Análise de Mediação e Moderação. III – OBJETIVOS O objetivo geral da disciplina é fornecer instrumental analítico e metodológico que possibilite ao aluno planejar, executar e avaliar pesquisas em marketing e/ou outras áreas administração e demais ciências sociais aplicadas, principalmente surveys e experimentos, que usem análises estatísticas multivariadas. O foco da disciplina recai sobre análises multivariadas usualmente realizadas em surveys e experimentos. IV – CONTEÚDO PROGRAMÁTICO 1. Apresentação da disciplina e conceitos básicos de análise uni e multivariada (revisão) 2. Teoria de mensuração (revisão): tipos de escalas, validade, confiabilidade, significância e poder estatístico, teste de hipóteses, effect sizes 3. Análise e preparação dos dados (acurácia dos dados, estatísticas descritivas univariadas, checagem visual dos dados, missing data, outliers, normalidade, linearidade, homocedasticidade, multicolinearidade, transformação dos dados) 4. Análise de Regressão Linear Múltipla: regressão linear simples (revisão), estratégias de regressão múltipla, interações entre variáveis contínuas, variáveis dummy, interações com variáveis categóricas, análise discriminante múltipla e regressão logística 5. Análise Conjunta, Análise de Clusters e Escalonamento Multidimensional 6. Análises de diferenças entre grupos: ANOVA (single factor, factorial design), ANCOVA, MANOVA e MANCOVA 7. Análises estruturais e modelos causais: Análise Fatorial Exploratória (revisão), Análise Fatorial Confirmatória, Path Analysis e Modelagem em Equações Estruturais. Análise de Mediação e Moderação 8. Exercício final/prova _________________________________________________________________ PPGA/UFRGS - Av. Washington Luis N.º 855 CEP 90.040-160 Porto Alegre/RS ( ( 51) 316-3536 FAX: (51) 316-3991 E-MAIL: [email protected] 1 UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO V – MÉTODO DE TRABALHO (PRINCIPAIS ATIVIDADES) A disciplina será desenvolvida por meio da utilização dos seguintes recursos didáticos: • Aulas expositivas-dialogadas pelo professor • Análise de artigos e livros com aplicações do conteúdo • Coordenação de seminários • Análise de dados em sala de aula (softwares R, SPSS e AMOS) • Exercícios para casa, a serem apresentados em sala de aula • Trabalho final/prova O professor fornecerá uma base de dados de uma pesquisa real coletada por ele para a prática das análises abordadas ao longo do curso. Ao utilizar esta base, o(a) aluno(a) se compromete a usá-la APENAS para os fins didáticos desta disciplina. EM HIPÓTESE ALGUMA o(a) aluno(a) poderá publicar e/ou fazer outros usos da base de dados fornecida. Provavelmente serão utilizadas outras bases de dados, como as disponibilizadas no livro de Tabachnick e Fidell (2013) (http://www.pearsonhighered.com/tabachnick/). O professor também sugere que os alunos usem as bases de dados que coletaram em suas próprias pesquisas. Os trabalhos serão realizados, principalmente, no software SPSS, mas o professor recomenda fortemente que os alunos usem o máximo possível o software R. Quando submeter trabalhos no Moodle, por favor use a seguinte sintaxe para o nome dos arquivos: “Assignment#_SeuNome.docx”. Exemplo: “Assignement#1_Brei.docx”. Sempre inclua a sintaxe utilizada (SPSS e R) no Apêndice. Todas as submissões devem ser feitas até o prazo dado. VI – Procedimentos e/ou critérios de avaliação: participação (20%); exercícios em sala e para casa (30%); trabalho final (50%). Os alunos que fizerem os exercícios/análises no software R e no SPSS, comparando os resultados e apresentando a sintaxe utilizada em ambos os programas receberão um bônus na nota dos exercícios e do trabalho final. VII – BIBLIOGRAFIA BÁSICA Byrne, B. M. Structural equation modeling with Amos: Basic concepts, applications, and programming. 2. Ed. New York, NY: Taylor and Francis Group, 2010. Cohen, J., Cohen, P., West, S.G., Leona, S.A. Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences. 3 ed. New Jersey: Lawrence Erlbaum Associates, Publishers, 2003. Field, Andy. Discovering statistics using IBM SPSS Statistics. 4 ed. Sage, London, 2013. Hair, J. F.; Black, W.C.; Babin, B. J.; Anderson, R.E. Multivariate Data Analysis. 7. Ed. Essex: Person, 2014. Nunnaly, Jim; Bernstein, Ira (1994). Psychometric Theory. 3 ed. New York: McGraw-Hill. Pallant, Julie. SPSS Survival Manual: A step by step guide to data analysis using SPSS. Open University Press, 2011. Pedhazur, Elazar J.; Liora Pedhazur Schmelkin. Measurement, Design, and Analysis: An Integrated Approach, Hillsdale, NJ., Lawrence Erlbaum Associates, 1991. Schumacker, R. E.; Lomax, R.G. A Beginner's Guide to Structural Equation Modeling. 3. Ed. Lawrence Erlbaum Associates, 2010. Tabachnick, B.G., Fidell, L.S. Using Multivariate Statistics. 6 ed. Boston: Pearson, 2013. _________________________________________________________________ PPGA/UFRGS - Av. Washington Luis N.º 855 CEP 90.040-160 Porto Alegre/RS ( ( 51) 316-3536 FAX: (51) 316-3991 E-MAIL: [email protected] 2 UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO VIII – BIBLIOGRAFIA COMPLEMENTAR Antonakis, J., Bendahan, S., Jacquart P., and LaLive, R “On Making Causal Claims: A Review and Recommendations,” The Leadership Quarterly, 21: 1086-1120, 2010. Baron, Reuben M.; David A. Kenny. The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. Journal of Personality and Social Psychology, v. 51, n. 6, p. 1173-1182, 1986. Brei, V. A.; Liberali, G. O uso da técnica de modelagem em equações estruturais na área de Marketing: Um estudo comparativo entre publicações no Brasil e no exterior. RAC. Revista de Administração Contemporânea, v. 10, p. 131-151, 2006. Calder, Bobby; Lynn Phillips; Alice Tybout. The concept of External Validity. Journal of Consumer Research, v. 9, December, p. 240, 1982. Cumming, G. Understanding The New Statistics: Effect Sizes, Confidence Intervals, and MetaAnalysis. New York: Routledge, 2012. Estes, W. K.. On the communication of information by displays of standard errors and confidence intervals. Psychonomic Bulletin and Review, 4, 330–341, 1997. Faul, Franz, et al. Statistical power analyses using G* Power 3.1: Tests for correlation and regression analyses. Behavior research methods, 41, 4, p. 1149-1160, 2009. Fitzsimons, G. J. Editorial: Death to Dichotomizing. Journal of Consumer Research, v. 35, n. 1, 5-8, 2008. Goodwin, C. J. Research in Psychology: Methods and Design. Wiley, 2010. Hair, J. F.; Ringle, C. M.; Sarstedt, M. PLS-SEM: indeed a silver bullet. The Journal of Marketing Theory and Practice, v. 19, n. 2, p. 139-152, 2011. Hayes, Andrew F. Introduction to mediation, moderation, and conditional process analysis : a regression-based approach. The Guilford Press, 2013. Holland, P. W. Statistics and causal inference. Journal of the American Statistical Association, 81, 945970, 1986. Jaccard, J., and Turrisi, R. Interaction effects in multiple regression. Newbury Park: Sage, 2003. Kelley, K., & Preacher, K. J. On effect size. Psychological Methods, 17, 137-152, 2012. Keppel, Geoffrey; Wickens, T. Design and Analysis: A Researcher’s Handbook. 3. Ed., Prentice Hall, 1991. Kutner, Michael H.; Christopher J. Nachtsheim; John Neter; William Li. Applied Linear Statistical Models. 5 ed. McGraw-Hill/Irwin, 2005. Loftus, Geoffrey. Analysis, Interpretation, and Visual Presentation of Experimental Data. In: Pashler, Hal; Wixted, John (eds.). Stevens’ handbook of experimental psychology. 3. Ed., p. 339-390. John Wiley & Sons, 2002. Lynch, Jr, John G. On the External Validity of Experiments in Consumer Research. Journal of Consumer Research, v. 9, n. 3, p. 225-239, 1982. Maxwell, Scott E., Ken Kelley, and Joseph R. Rausch. "Sample size planning for statistical power and accuracy in parameter estimation." Annual Review of Psychology 59, p. 537-563, 2008. Mills, C Wright. The Sociological Imagination, Oxford: Oxford University Press, 1959. Muller, Dominique, Charles M. Judd and Vincent Y. Yzerbyt, “When Moderation is Mediated and Mediation is Moderated,” Journal of Personality and Social Psychology, v. 89, n. 6, p. 852-863, 2005. Petty, R. E.; Fabrigar, L. R.; Wegener, D. T.; Priester, J. R. Understanding data when interactions are _________________________________________________________________ PPGA/UFRGS - Av. Washington Luis N.º 855 CEP 90.040-160 Porto Alegre/RS ( ( 51) 316-3536 FAX: (51) 316-3991 E-MAIL: [email protected] 3 UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO present or hypothesized. Psychological Science, v. 7, n. 4, p. 247-252, 1996. Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003), “Common method biases in behavioral research: A critical review of the literature and recommended remedies,” Journal of Applied Psychology, 88 (5), 879-903. Rosenthal, R.; Rosnow, R. Essentials of Behavioral Research: Methods and Data Analysis. 2. Ed. New York: McGraw-Hill, 1991. Rosnow, R. L.; Rosenthal, R. "Some things you learn aren't so": Cohen's paradox, Asch's paradigm, and the interpretation of interaction. Psychological Science, v. 6, n. 1, 3-9, 1995. Rosnow, R. L.; Rosenthal, R. Definition and Interpretation of Interaction Effects. Psychological Bulletin, v. 105, n. 1, p. 143-146, 1989. Rosnow, R. L.; Rosenthal, R. Effect Sizes for Experimenting Psychologists. Canadian Journal of Experimental Psychology, v. 57, n. 3, p. 221-237, 2003. Rosnow, R. L.; Rosenthal, R. If You're Looking at the Cell Means, You're Not Looking at Only the Interaction (Unless All Main Effects Are Zero). Psychological Bulletin, v. 110, n. 3, 574-576, 1991. Ross, W. T.; Creyer, E. H. Interpreting Interactions: Raw Means or Residual Means? Journal of Consumer Research, v. 20, n. 2, p. 330-338, 1993. Sawyer, Alan G; J. Paul Peter. The significance of Statistical Significance Tests in Marketing Research, Journal of Marketing Research, 20, 122-133, 1983. Schmidt, Frank L. "Statistical significance testing and cumulative knowledge in psychology: Implications for training of researchers." Psychological methods 1, no. 2 (1996): 115. Shadish, W. R.; Cook, T. D.; Campbell, D. T. Experimental and Quasi-Experimental Designs: For Generalized Causal Inference. New York: Houghton Mifflin, 2002. Shavelson, R. J. Statistical Reasoning for the Behavioral Sciences. 3. Ed. Pearson, 1996. Spiller SA, Fitzsimons GJ, Lynch JG, McClelland GH. Spotlights, floodlights, and the magic number zero: Simple effects tests in moderated regression. Journal of Marketing Research 50(2):277–288, 2013. Winship, C., & Morgan, S.L. The estimation of causal effects from observational data. Annual Review of Sociology, 25:659-707, 1999. Zhao, X., Lynch, J. G., Jr, & Chen, Q. Reconsidering Baron and Kenny: Myths and truths about mediation analysis. Journal of Consumer Research, 37, 197–206, 2010. OUTRAS FONTES INTERESSANTES: - Nature Methods: http://www.nature.com/nmeth/index.html - Mediação e Moderação: http://www.afhayes.com/introduction-to-mediation-moderation-andconditional-process-analysis.html - StatLib (dados, softwares sobre estatística): http://lib.stat.cmu.edu - Statistics and Statistical Graphics Resources (links, softwares,bases): http://www.math.yorku.ca/SCS/StatResource.html - OpenMx Advanced Structural Equation Modeling: http://openmx.psyc.virginia.edu/sem-resources - R (software): https://www.r-project.org e RStudio (https://www.rstudio.com) concomitante com o R. - Ótimo site para ajuda com o R: http://www.statmethods.net - Livros sobre R: http://www.statmethods.net/about/books.html - Multivariate Normality: Para testar a normalidade multivariada, use as macros do NORMTEST para SPSS e artigos sobre o tema disponíveis aqui http://www.columbia.edu/~ld208/normtest.sps. _________________________________________________________________ PPGA/UFRGS - Av. Washington Luis N.º 855 CEP 90.040-160 Porto Alegre/RS ( ( 51) 316-3536 FAX: (51) 316-3991 E-MAIL: [email protected] 4
Documentos relacionados
EHP7512 - Análise Multivariada de Dados - PPAC
KAUFMAN, Leonard; ROUSSEEUW, Peter J. Finding groups in data: an introduction to cluster analysis. New Jersey: John Wiley & Sons, 2005.
Leia maisMestrado e Doutorado – Prof. Vinicius Brei (PPGA
Kutner, Michael H.; Christopher J. Nachtsheim; John Neter; William Li. “Chapter 15: Introduction to Design of Experimental and Observational Studies.”. Applied Linear Statistical Models. 5 ed. McGr...
Leia mais