Escola de Verão em Métodos Avançados de Análise de Dados

Escola de Verão em Métodos Avançados de Análise de Dados

Local: 
Salas Polivalente, 1 e 3
Data: 
09/07/2019 a 26/07/2019
Horário: 
10:00 - 17:30
Idioma: 
Português, com possibilidade de uso do inglês
Créditos: 
5 ECTS

 

Este ano oferecemos três módulos que manterão o padrão pedagógico dos anos anteriores. Neste sentido, os módulos terão uma componente teórica acompanhada de uma forte componente prática em que os participantes terão a oportunidade de desenvolver competências na análise de dados usando o MPlus e R project.

Os participantes são convidados a trabalhar sobre os seus problemas de pesquisa utilizando os seus próprios dados e a desenvolver os seus próprios modelos de análise.

Destinatários

A Escola de Verão em Métodos Avançados destina-se a todos os interessados em actualizar e/ou aprofundar os seus conhecimentos em métodos quantitativos aplicados às ciências sociais. Assim, os cursos que propomos este ano são destinados a estudantes de pós-graduação, investigadores, docentes universitários, e quadros da administração pública e privada.

Curso I | Análise Multinível com MPlus | 9 a 12 Julho Sala Polivalente

Cicero Pereira (Univ. Federal da Paraíba) | Doutorado em Psicologia Social pelo Instituto Universitário de Lisboa (ISCTE-IUL) com uma tese sobre a relação entre o preconceito e a discriminação em contextos anti-preconceito. Desenvolveu estudos pós-doutorais no Instituto de Ciências Sociais da Universidade de Lisboa, onde foi até Fevereiro de 2015 investigador auxiliar. Leccionou estatística na Faculdade de Psicologia da UL. É atualmente Professor de Métodos de Psicologia Social e Métodos Avançados de Análise de Dados na Universidade Federal da Paraíba. Tem diversas publicações com utilização de análise multinível.

Curso II | Análise Multivariada  (com R) |16 a 19 Julho Sala 1

Sérgio Moreira (FPCE-UL) | Doutorado em Psicologia Social pelo ISCTE-IUL. Professor convidado de estatística na Faculdade de Psicologia da UL e consultor privado em métodos de investigação e análise de dados em ciências sociais. Atualmente, a sua atividade profissional divide-se entre o ensino universitário, coordenação de projetos de consultoria, e a participação como investigador em projetos académicos.

Curso III | Big Data (com R) | 23 a 26 Julho Sala 3

Cláudia Abreu Lopes (POLIS, University of Cambridge) | Psicóloga Social, Doutorada em Métodos de Investigação pela London School of Economics. Lecciona Métodos de Investigação e Estatística no Departamento de Política e Relações Internacionais da Universidade de Cambridge e é Directora de Investigação da start-up Africa’s Voices Foundation. Investigadora Associada no ICS.

Curso I | Análise Multinível com MPlus | 9 a 12 Julho Sala Polivalente

Dia 1

Introdução à análise de dados

Desafios na análise de dados hierarquizados;

Tipos básicos de dados hierarquicamente estruturados;

Modelos de Regressão (ANOVA e ANCOVA) e Modelos Multiníveis.

Introdução à análise de dados no Mplus

Ambiente e linguagem Mplus;

Especificação e Estimação de modelos de regressão.

Interpretação de outputs.

Dia 2

O significado e a centralidade do intercepto

O Modelo Nulo: Especificação e métodos de estimação;

A interpretação do intercepto;

A correlação intra-classe (ICC);

Interpretação de outputs

O significado do coeficiente de regressão

Análise multinível com preditores individuais;

Análise multinível com preditores contextuais;

Estimação da variância explicada em cada nível de análise;

Interpretação de outputs.

Dia 3

O significado do efeito de interacção

Análise de efeitos de interacção multinível;

Interpretação da interação: simple slopes e efeitos condicionais;

Interpretação de outputs.

Análise de efeitos de interacção multinível;

A abordagem multinível em desenhos com medidas repetidas

A estrutura da base de dados;

A especificação e estimação do modelo;

Interpretação de outputs.

Dia 4

Discussão de modelos preparados pelos participantes

Especificação dos modelos

Interpretação de outputs.

Sugestões de análises alternativas

Curso II | Análise Multivariada  (com R) |16 a 19 Julho Sala 1

Dia 1

A abordagem de comparação de modelos

Revisão dos conceitos estatísticos básicos, com R. Dados, modelo e erro. Modelos I: VD contínua e VI dicotómica (regressão linear com uma dummy e teste t)

Criação e gestão de uma base de dados em R. Estatística descritiva numérica e visual com R. Execução do modelo I.

Dia 2

Modelos com uma VI

Modelos II: sem VD’s (correlações) e com VD e VI contínuas (regressão linear). Modelos III: VD contínua e VI categórica (regressão linear com duas dummies e one-way Anova)

Execução dos modelos II e III e representação gráfica.

Dia 3

Modelos com mais de uma VI

Modelos IV: VD contínua e duas VI’s categóricas (regressão múltipla com termos de interação, contrastes, simple slopes e Anova factorial).

Modelos V: VD contínua, uma VI categórica e uma VI contínua (regressão múltipla com termos de interação, contrastes, simple slopes e Ancova factorial)

Execução dos modelos IV e V e representação gráfica.

Dia 4

Pressupostos da análise paramétrica

Casos extremos (outliers). Normalidade dos parâmetros e dos erros. Homogeneidade das variâncias. Multicolineriedade.

Execução dos diagnósticos e representação gráfica.

Curso III | Big Data (com R) | 23 a 26 Julho Sala 3

Dia 1

Questões conceptuais e éticas nas aplicações de big data

O que é big data; tipos de big data; para que serve; exemplos de aplicações; questões epistemológicas e éticas.

Recolha e manuseamento de dados digitais (Twitter e SMS)

Dia 2

Introdução à preparação e visualização de big data

Passos no processamento de big data; procedimentos de verificação de missings e detecção de outliers;  codificação de texto através de expressões regulares; introdução ao R stringr.

Processamento e visualização de big data com recurso ao Tableau e ao R (ggplot e ggraph).

Dia 3

Técnicas de análise de big data: statistical/machine learning

Problemas de agrupamento e classificação; introdução ao R Data Miner.

Análise de big data através de métodos de machine learning. Elaboração de projectos de grupo.

Dia 4

Integração de bases de dados (e.g., inquéritos e big data)

Aplicações e exemplos de integração de bases de dados orgânicas com inquéritos.

Apresentação dos projectos de grupo dos participantes.

Requisitos

Os requisitos de admissão dependem do módulo a frequentar, mas, tratando-se de um curso avançado recomenda-se um conhecimento prévio dos princípios básicos de estatística para as ciências sociais.

Os módulos são independentes podendo cada aluno frequentar os que quiser. Cada curso ocupa uma semana, de terça-feira a sexta-feira.

Inscrições

Propinas:

Inscrições até 16/05/19: 1 curso 125€; 2 ou mais cursos 100€/curso 
Inscrições após 16/05/19: 1 curso 150€; 2 ou mais cursos 125€/curso 

Pagamento no ato da inscrição: 30€ (deduzido da propina)
A Comunidade ICS-ULisboa: 50% de desconto no valor total das propinas

O valor pago no acto da inscrição não é reembolsável

A escola só se realizará caso seja atingido o quórum necessário para o efeito.

 

Coordenador