Métodos Quantitativos em Ciências Sociais, Empresariais e Humanas

A estatística, e mais genericamente os métodos quantitativos, têm um impacto direto nas ciências sociais, empresariais e humanas.

Permitem obter uma informação mais detalhada acerca das preferências, comportamentos e expectativas dos clientes.

A análise quantitativa tem como objetivo organizar, sistematizar e estruturar os dados em categorias com significado, para facilitar a sua leitura.

Através da recolha, exploração, descrição, análise e interpretação dos dados.

É possível descrever e compreender as relações entre as variáveis e ajudar no processo de tomada de decisão.

A população ou universo diz respeito ao conjunto de elementos que têm alguma característica em comum, que se pretende estudar.

Neste caso, seriam todas as pessoas que já ficaram hospedadas nos hotéis Hilton.

Cada elemento da população denomina-se unidade estatística.

Por várias razões (e.g., físicas, económicas, tempo disponível), nem sempre é possível estudar toda a população. Nestes casos, recorre-se a uma amostra, subconjunto representativo da população (e.g., sexo, idade) que permite obter dados que caracterizam essa população.

A dimensão da amostra é o número de representantes que a compõe e, habitualmente, é representada pela letra n. A amostragem divide-se em dois grandes tipos: Amostragem probabilística ou aleatória (qualquer hóspede pode fazer parte do estudo) e Amostragem não probabilística ou não aleatória (apenas os hóspedes que ficam no hotel mais que três dias).

Na amostragem aleatória, há maior probabilidade de os elementos escolhidos serem representativos da população.

Na amostragem probabilística ou aleatória, a probabilidade de cada elemento da população fazer parte da amostra é igual para todos os elementos.

Os tipos mais comuns de amostragem probabilística são:

Amostragem Aleatória Simples: Todos os elementos são selecionados completamente ao acaso (e.g., bolas numeradas num saco, cartões numa tômbola). Apesar de ser simples e, de uma forma geral, ser representativa da população, nem sempre serve para os objetivos do estudo.

Amostragem Aleatória Estratificada: A população em estudo é dividida em subgrupos homogéneos (e.g., estado civil, faixa etária). A amostra final é constituída por elementos pertencentes a cada um dos subgrupos de forma proporcional.

Amostragem Aleatória Sistemática: Elementos são selecionados de acordo com algum tipo de ordem aleatória. Exemplo: selecionar uma pessoa em cada cinco que passe à porta do hotel; assim, participariam as pessoas que passassem em 2º, 7º, 12º, 17º, 22º.

Na amostragem não probabilística ou não aleatória, a probabilidade de um determinado elemento pertencer à amostra não é igual à dos restantes elementos. O problema deste tipo de amostras é que podem não ser representativas da população em estudo. Apesar da amostragem probabilística ou aleatória ser preferível, em muitos casos não é possível devido a limitações de tempo ou aos elevados custos.

Os principais tipos de amostragem não probabilística são:

Amostragem Acidental ou de Conveniência: Os elementos são selecionados de acordo com a conveniência do investigador (e.g., colegas de turma, familiares) ou acidentalmente (e.g., todas as pessoas que passam na rua do investigador).

Amostragem Heterogénea ou de Diversidade: A amostra é constituída de modo a que todas as características estejam presentes, independentemente da proporção em que as mesmas se encontram na população. Exemplo: alunos do INP - Turismo, Gestão Comercial e Vendas, Relações Públicas.

Amostragem Snowball: Quando a amostra pretende incluir sujeitos pouco acessíveis ou com atributos difíceis de encontrar. Geralmente, são recomendados por pessoas com as mesmas características ou interesses comuns (e.g., pessoas com doenças raras que frequentam o mesmo grupo de apoio).

Amostras Independentes: Quando não existe nenhum tipo de relação ou fator unificador entre os elementos da amostra. A probabilidade de um sujeito pertencer a mais que uma amostra é nula (e.g., homens/mulheres; altos/baixos; grandes/pequenos).

Amostras Emparelhadas: São constituídas pelos mesmos sujeitos e os dados são recolhidos em mais que um momento, de acordo com determinado critério (e.g., os dados são recolhidos antes e depois das pessoas fazerem uma formação; antes e depois de fazerem um tratamento de emagrecimento).

Uma variável é um símbolo que representa determinada característica de uma população ou amostra, que é suscetível de ser estudada.

Variáveis Qualitativas: Estão relacionadas com características/categorias que apenas podem ser classificadas ou ordenadas. Nominais: São meras designações, não podem ser ordenadas (e.g., sexo, profissão, clube). Ordinais: Podem ser ordenadas, mas não quantificadas (e.g., nível de escolaridade).

Variáveis Quantitativas: Dizem respeito às características que apresentam valores numéricos e, como tal, podem ser medidas (e.g., peso, altura, comprimento). Discretas: Quando assumem números inteiros (e.g., número de filhos, não existe 0.5 filhos). Contínuas: Podem assumir qualquer valor num intervalo de números reais (e.g., salário).

Variáveis podem ser medidas numa escala intervalar ou de razão.

Variáveis Quantitativas Contínuas - Escala Intervalar: Assume valores quantitativos, mas não possuem zero absoluto, ou seja, o zero não significa ausência de atributo. Uma temperatura de zero graus não significa ausência de temperatura, pois não tem uma origem fixa.

Variáveis Quantitativas Contínuas - Escala de Razão: Assume valores quantitativos e o zero significa ausência de atributo, pois é uma escala com origem fixa. Um salário de zero euros significa a ausência do mesmo.

Variáveis qualitativas nominais - dados classificados por categorias não ordenadas, ex.: sexo.

Variáveis qualitativas ordinais - dados classificados por categorias ordenadas, ex.: nível de escolaridade.

Variáveis quantitativas intervalar - dados expressos numa escala numérica com origem fixa, ex.: salário.

A forma como as variáveis são trabalhadas define o tipo de estudo de investigação. Estudos não experimentais: o investigador limita-se a observar as variáveis e não tem qualquer tipo de controlo ou intervenção sobre as mesmas (e.g., grupos com determinada característica versus grupos que não apresentam essa característica).

Estudo Experimental: O investigador controla ou manipula as variáveis independentes que, por hipótese, são responsáveis por determinado comportamento da variável dependente.

Variável Independente: É a variável que determina, influencia ou afeta outra variável; é a condição ou a causa para certo resultado, efeito ou consequência (e.g., sexo, idade, habilitações literárias).

Estudo Quase-Experimental: Quando não é possível controlar todas as variáveis independentes que podem ter algum efeito sobre as variáveis dependentes.

Estatística Descritiva: Consiste na recolha, organização, análise e interpretação de dados empíricos (experimentais), através da criação de instrumentos adequados (e.g., indicadores numéricos, quadros, gráficos) que visam descrever uma amostra ou uma população.

Estatística Inferencial: Consiste em retirar conclusões para a população em geral com base na análise dos resultados obtidos para uma ou mais amostras. Exemplo: verificar se os homens e mulheres têm opiniões diferentes em relação ao tipo de destino de férias que escolhem.

A estatística descritiva tem como objetivo: observar, registrar, classificar, descrever.

A estatística univariada trata cada variável isoladamente.

Na estatística bivariada, estabelecem-se relações entre duas variáveis.

Um dos objetivos da estatística descritiva é caracterizar os dados através de valores únicos que permitam tirar conclusões sobre as variáveis em estudo.

As medidas de estatística descritiva podem ser divididas em três grupos:

• Medidas de localização - Caracterizam a ordem de grandeza das observações.
• Medidas de dispersão - Analisam a variabilidade dos valores observados.
• Medidas de forma (assimetria e achatamento) - Visam sintetizar a deformação ou a assimetria da distribuição.

As medidas descritivas devem ter as seguintes propriedades:

• Objetividade para que observadores diferentes cheguem à mesma conclusão.
• Depender de todas as observações para que representem a informação contida no conjunto de todas as observações.
• Ter um significado concreto para ter uma fácil interpretação.

Distribuição de Frequências: Num estudo estatístico, os dados obtidos, geralmente, apresentam-se de uma forma desordenada. Estes dados são designados de dados simples ou dados não classificados.

• Quando a dimensão da amostra é muito grande.
• Existem poucas ocorrências para cada atributo/valor.
• Muitas possibilidades de resposta.

É necessário agrupar os dados, passando os mesmos a ser denominados de dados agrupados ou em classes.

Dados simples: Frequência absoluta simples (ni)* - Indica o número de vezes que cada elemento quantitativo ou qualitativo se repete (é observado) num determinado número (n) de observações. *ni (n = número de vezes; i = variável).

Frequência relativa simples (fi) - Indica o número de vezes que uma determinada categoria é observada em relação ao número total de observações (proporções) e é interpretada em termos percentuais. fi = ni/n.

Para dados discretos qualitativos e quantitativos utilizam-se gráficos de barras e gráficos circulares.

Para dados quantitativos utiliza-se o histograma ou o polígono de frequências.

Frequência absoluta acumulada (Ni) - Corresponde ao número de elementos que possuem o valor da característica igual ou inferior à modalidade em causa. N1 = n1; N2 = N1 + n2.

Frequência relativa acumulada (Fi) - Proporção de elementos observados que possuem o valor da característica igual ou inferior à modalidade em causa. F1 = f1; F2 = F1 + f2.

Média: Medida de localização mais usada. Valor único que equilibra a distribuição, dado que a soma dos desvios de todas as observações em relação à média é zero. Depende do valor de todas as observações. É afetada por valores extremos. Obtém-se através da soma de todos os valores observados a dividir pelo número de observações.

Mediana: Valor que divide a distribuição em duas metades iguais. O número de observações inferiores ou iguais à mediana é igual ao número de observações superiores ou iguais à mediana. Não é afetada por valores extremos. Depende apenas das posições ocupadas pelas observações. Em distribuições simétricas, o valor da média e da mediana coincidem. Corresponde ao percentil 50 (P50) ou ao segundo quartil (Q2).

Moda: Valor mais frequente na distribuição. Centro de concentração da distribuição. Depende apenas da frequência das observações. Não é afetada por valores extremos. Quando não existe moda, diz-se que a distribuição é amodal. Se existir uma única moda, a distribuição é unimodal. Se existir mais do que uma moda, a distribuição é multimodal. Para variáveis categorizadas (e.g., nominais, ordinais), a moda corresponde à categoria com a frequência mais elevada e denomina-se classe modal.

Média = Mediana = Moda -> Distribuição simétrica.

Média > Mediana > Moda -> Distribuição assimétrica positiva.

Média < Mediana < Moda -> Distribuição assimétrica negativa.

Amplitude = Valor máximo - Valor mínimo

Medidas de Dispersão:

Coeficiente de variação (S/X)x100

Estatística descritiva bivariada: Tabelas de contingência: Contêm informação sobre duas variáveis qualitativas e a existência ou não de relação entre elas. Frequências relativas (marginais): Proporção de casos de uma modalidade relativamente a cada uma das várias frequências marginais absolutas. Frequências absolutas (marginais): Frequências totais de cada modalidade de uma variável: totais em linha (X) e totais em coluna (Y). Calcula-se dividindo as frequências absolutas pelo total da amostra.