Pesquisa Quantitativa

Professora: Anna Portugal

➔ Pesquisa - “Procedimento racional e sistemático de investigação que visa

proporcionar respostas específicas a um conjunto de problemas propostos” (Gil,
2002) ➡ A pesquisa depende de um problema.
➔ O método é o meio de solução do problema e voga da pesquisa. Ferramenta que
permite a exploração de fenômenos ou objetos, descrever possíveis relações entre
objeto e outro objeto/fenômeno. Também permite explicar condições originadas do
fenômeno ou objeto. É por meio de métodos que evidências encontradas em uma
pesquisa podem ser replicadas.
➔ “Quanto mais antigo o problema , mais explicações existem sobre o fenômeno. Por
oposição , quando o problema de pesquisa é novo na ciência , apenas é possível
explorar suas relações”

TIPOS DE PESQUISA

→ EXPLORATÓRIA ←
→ DESCRITIVA ←
→ EXPLICATIVA ←
➔ Variáveis = características que podem assumir qualquer valor e desejam medir.
Podem ser independentes ou dependentes.

Tipos de variáveis

1. Variável Independente: Supõe-se que ela tenha algum efeito / gere alguma
consequência. Permite ter controle sobre. Também chamada de variável de
agrupamento, pois divide as amostras da pesquisa em grupos. Exemplo: Tipo
de escola (particular, pública), sexo (masculino e feminino)
2. Variável Dependente: É uma função gerada pela variável independente.
Engloba tudo que foi medido dentro de uma pesquisa. Exemplo: taxa de
aprovação, níveis de cáries.
3. Variável de controle: Fatores que são controlados para que não causem
interferência. É possível identificar e controlar variáveis externas/estranhas
que eram confundidas anteriormente. Exemplo: somente uma turma, turma
homogênea.
4. Variável de confundimento: Variáveis externas/estranhas que podem afetar a
relação entre as variáveis dependente e independente e, muitas vezes, não.
Exemplo: barulho, clima, motivação, etc.
 NÍVEIS DE MEDIDA

Níveis de Medida

● Mais primitiva.
● É uma escala onde as variáveis são simplesmente
“nomeadas” ou rotuladas, sem nenhuma ordem
específica.
● O número atribuído a um determinado objeto ou evento
deve ser exclusivo, não sendo possível atribuir um
Nominal mesmo número a diferentes eventos ou objetos. Os
números atribuídos a essa escala são arbitrários e
apenas identificam objetos ou eventos.
● Possível apenas trabalhar com contagens e
proporções.
● Exemplo: sexo - feminino ou masculino; Animais -
cachorro, gato, pássaro, coelho.
Categóricos/
Discretos ● Tem todas as suas variáveis em uma ordem específica,
além de simplesmente nomeá-las. Exemplo:
escolaridade, preferência de doces.
● Os números respeitam uma relação de ordem
ranqueada.
● É a regra pela qual os números são atribuídos aos
Ordinal eventos e objetos.
● Além da contagem, proporções e moda, é também
possível identificar mínimo, máximo e amplitude
● Exemplo: escolaridade - fundamental, médio, superior;
Ordem de animais favoritos; Escala likert - muito ruim
ruim, bom, muito bom

● Os números aqui assumem um aspecto propriamente

quantitativo.
● Quase sempre o número não segue nem uma relação
arbitrária, nem tampouco uma convenção informal.
● É obtido a partir de um processo em que se contou com a
utilização de instrumentos de medida.
● As distâncias entre as categorias são iguais, apesar do
Intervalar valor zero ser uma conveniência.Aqui, o 0 não significa
ausência de fenômeno/valor.
● Nessa escala, além da contagem, proporções, moda,
Numéricos/ identificar mínimo, máximo e amplitude, é possível tirar
Contínuos diferenças e fazer adições, bem como calcular a média,
a variância e o desvio-padrão dos resultados
● Exemplo: temperatura.

● Contém zero absoluto, ou seja, o 0 significa ausência de

valor/fenômeno
● Raramente utilizado em psicologia
● É possível implementar propriedades multiplicativas
De razão ● É importante novamente alertar que mesmo que essa
medida tenha um 0 absoluto (por exemplo, uma pessoa
não apertou nenhum botão ao fim de um minuto), isso
não significa em nada que o fenômeno psicológico
subjacente seja inexistente ou ausente.
● Exemplo: peso.
 GRÁFICOS

➔ A escolha do gráfico adequado vai depender do número de variáveis e da

classificação das variáveis.

Variáveis quantitativas

Classificação Nível de medida Definição

Discreta = Categórica Nominal ou ordinal valores possíveis são enumerados e resultam de

(transformado em número) uma contagem

Contínua = numérica Intervalar ou de Razão valores possíveis pertencem a um intervalo,

resultando de medições.

Quantidade de variáveis Classificação Variável Gráfico

Setor
Discreta
Colunas/Barras
1 VARIÁVEL
Histograma

Contínua Densidade

Boxplot

Barras

Discreta Colunas

2 VARIÁVEIS Boxplot

Linhas
Contínua
Dispersão

Discreta + Contínua Dispersão

 TEORIA DOS ERROS

➔ Relação entre teoria e realidade: identificar possíveis ruídos em uma pesquisa.

➔ Falso positivo = erro do tipo 1 ⇾⇾⇾ Rejeita a H0 quando na verdade a H0 é
verdadeira, ou seja, dizer que há diferença entre fenômenos quando na verdade não
há. Dizer que há sinal quando não tem.
➔ Falso negativo = erro do tipo 2 ⇾⇾⇾ Não rejeita H0 quando na verdade H0 é falsa,
ou seja, dizer que não há diferença entre fenômenos quando na verdade há
fenômeno. Dizer que não há sinal quando há.
➔ Para detectar os erros, é preciso ter hipóteses.
◆ H0 = hipótese nula = não há diferença entre fenômenos.
◆ H1 = hipótese da pesquisa = geralmente contrária à hipótese nula, ou seja,
indica que há diferença entre fenômenos.

➔ Para saber se há diferença significativa, deve-se separar ruídos de sinais.

Análise da fórmula: Quanto maior o T, maior a chance de rejeitar a H0, e menor será
p valor. n é quantidade de observações e deve possuir um valor alto pois quanto
maior o n, maiores as chances do ruído ser menor.

H0 é falsa H0 é verdadeira

Rejeita H0 Verdadeiro positivo Falso positivo (∝)*

Falha em rejeitar H0 Falso negativo Verdadeiro Negativo

* ∝ = 95% de chance de estar certo e p-valor é 5% de estar errado;
obs: ciência exata p-valor é 0,01 e ciência biológica p-valor é 0,05.

VALOR DE P

➔ Valor aceitável de erro para que se possa fazer inferência para a população.
➔ É uma probabilidade que compreende um valor entre 0 e 1.
➔ Seu valor indica a compatibilidade dos resultados obtidos e os esperados
assumindo a hipótese nula verdadeira;
➔ Como encontrar o P-valor? Seu valor é obtido através de um modelo
estatístico mais adequado à pesquisa, como Teste T, ANOVA, Regressão e
Correlação.
➔ REGRA FUNDAMENTAL:
Valor de P baixo, p≤0,05 ➡ Rejeitar H0 (portanto, há diferença significativa)
Valor de P alto, p>0,05 ➡ Falha em rejeitar H0
➔ Intervalo de confiança (∝) é de 95%. Nenhum modelo estatístico está isento
de erros.
➔ Amostras populacionais pequenas refletem no valor de p, interferindo em
resultados. Portanto, amostra deve ser significativa e levar em conta tamanho
e variabilidade da amostra.

➔ Medidas:
a) Tamanho de efeito (D de Cohen): é uma medida contínua sobre a
relevância da diferença. oferece a relevância da diferença clínica.
Portanto, pode haver diferença, porém, não necessariamente essa
diferença indica relevância clínica.
b) Valor de P: é uma medida binária (rejeita ou falha em rejeitar H) fala da
probabilidade de erro no resultado

Portanto, p-valor oferece significância da diferença e D de Cohen oferece a

relevância dessa diferença;
➔ Tipos de pesquisas estatísticas:
 a) Estatística Inferencial: utilizar eventos conhecidos para falar de eventos
desconhecidos; Estudar amostra para entender características de uma
população (investigar e analisar porque fenômeno estudado acontece,
como acontece, etc). Necessita de mais dados e amostras
significativas. Permite a generalização do resultado encontrado para a
população inteira, ou seja, inferência para a população. Conta sempre
com nível de erro (p-valor).
b) Estatística Descritiva: descrição total da amostra; objetivo é apresentar
o perfil, descrever a amostra e não possui muitos dados. Não é
possível estabelecer p-valor.
➔ Inferência estatística:
1. Parâmetro: valor que descreve uma característica da população. Esse
valor é fixo e desconhecido. Sua representação é feita em letras
gregas.
2. Estatística: Valor que descreve uma característica da amostra. Esse
valor é aleatório e calculado através dos dados coletados. É
apresentado por letras romanas.
3. Inferência: procura pela qual através de modelos estatísticos se tiram
conclusões sobre características da população a partir de dados
amostrais e permite fazer generalizações e previsões a respeito da
população.
4. Modelo Estatístico: Sistema de equações que descreve ou representa
o possível processo gerador de dados de conjunto de dados em
análises.

Teste T

➔ Utilizado quando há 2 grupos ou mesmo grupo em dois momentos diferentes.

➔ É um teste paramétrico pois realiza comparação de médias
➔ Variável dependente para utilizar o Teste T deve ser contínua
➔ Classificação:
 a) Teste T de amostras independentes: comparar duas médias amostrais
de dois grupos excludentes/diferentes;
b) Teste T de amostra dependente: Teste T de amostra dependente
(pareado): comparar duas médias de uma mesma amostra que foi
investigada em dois momentos do tempo. É pareado pois o grupo é o
mesmo. Exemplo: verificar se uma intervenção farmacológica diminui
os níveis de ansiedade de uma amostra.
c) Teste T de uma amostra (ONE SAMPLE): requer média esperada da
população para a variável. Portanto, compara a média da amostra com
a média da população. Exemplo: comparar peso de recém nascido
com o peso esperado; valor de QI de uma pessoa com o QI esperado
da população (100).
➔ Pressupostos do Teste T:
◆ Dados são aleatórios e representativos da população
◆ A variável dependente é necessariamente contínua/numérica
◆ Os resíduos do modelo são normalmente distribuídos
◆ Ambos os grupos devem ser independentes (exaustivos ou
excludentes)
◆ A variância residual deve ser homogênea (princípio da
homocedasticidade)

Tamanho de Efeito

➔ Toda análise estatística gera p-valor. O p-valor é influenciado pelo n

(tamanho amostral). Uma das manipulações possíveis realizadas em
pesquisas é a exclusão de resultados coletados que atrapalhem o
objetivo da pesquisa, por oferecer resultados não esperados pelos
pesquisadores. Porém, isso é proibido.
➔ Tamanho de efeito não leva em consideração o tamanho amostral, o n.
Portanto, tamanho de efeito oferece a relevância clínica da diferença
(magnitude de um efeito observado);
➔ Quanto mais informação sobre o fenômeno, maior é o tamanho de
efeito.
➔ Tamanho de efeito do Teste T é D de Cohen:
◆ Resultados significativos não são informativos em relação ao
tamanho de efeito. A significância é obtida pelo p-valor.
◆ D de Cohen é uma medida que objetiva e padroniza a
magnitude de um efeito observado, independente da
significância estatística.
◆ É um indicador de relevância clínica dos grupos, cujo uso é
sempre importante em pesquisas nas áreas de psicologia e
saúde.
◆ P-valor é medida binária (rejeita ou falha em rejeitar a H0), o D
de Cohen é uma medida sobre a relevância da diferença.
◆ Valores: D de Cohen menor que 0,2 é baixo, entre 0,3 e 0,5 é
moderado e maior que 0,8 é alto, e raro dentro da psicologia.
◆ Possibilidades dentro de uma pesquisa: p-valor e tamanho de efeito
podem variar ➡
a) p < 0,05 e tamanho de efeito baixo = rejeita H0 mas não
há relevância clínica.
b) p > 0,05 e tamanho de efeito alto = falha em rejeitar H0
porém há relevância clínica. Nesse caso deve-se
aumentar n, pois tamanho de efeito evidenciou relevância
clínica alta.
 Família GLM

Generalized Linear Model

Análise estatística
Teste T VD contínua VI categórica, até dois
grupos
ANOVA VD contínua e VI categórica com mais
de dois grupos
Correlação de Pearson e Regressão VD contínua VI contínua

ANOVA
➔ Teste paramétrico que compara médias de dois ou mais grupos, podendo ser
considerado como um super teste T.
➔ Pressupostos:
◆ Os dados são aleatórios e representativos da população;
◆ A variável dependente (VD) é contínua;
◆ VI é categórica com mais de grupos;
◆ A distribuição da VD é normalmente distribuídos;
◆ Os grupos são independentes uns dos outros;
◆ Variâncias homogêneas entre os grupos;
➔ Tipos de ANOVA: vias

◆ A ideia de via refere-se à quantidade de variáveis independentes.

◆ Assemelha-se ao que foi visto no Teste T, com a condição de ter a
necessidade de 3 grupos para casos de ANOVA one way. Exemplo:
escolaridade conta com 3 grupos: fundamental, médio e superior.
◆ Quando há mais de duas variáveis independentes, chamamos de
ANOVA 2 vias;
◆ Interação refere-se às combinações entre as variáveis independentes;
➔ Experimentos fatoriais:
◆ Simbologia (η): 2x3x5 = três fatores; O primeiro fator tem dois níveis, o
segundo fator tem três níveis, o terceiro tem cinco níveis.
◆ Efeito principal: Cada fator independente dos outros fatores; Exemplo:
Qual o efeito das drogas, independente do sexo do participante, na
depressão;
◆ Efeito da interação: Condição simultânea entre os fatores; Exemplo:
Como o efeito de doses (dose 1, dose 2, dose 3, dose 4) de uma droga
ocorre em função do sexo do participante;
◆ Efeito simples: Efeito de um nível específico da VI na VD;
1) ANOVA one way (1 via):

2) ANOVA two way (2 vias):

3) ANOVA de medida repetida:

 POST HOC

1. Alfa (Erro do Tipo I);

2. DSM (Em inglês, LSD). Esta técnica não particiona o alfa, sendo
uma técnica liberal.
3. Bonferroni. Ajusta o valor de P pela quantidade de análises.
4. SIDAK. Ajusta o valor de P pela potência da quantidade de
análises.
5. Dunnett. Compara um grupo contra o controle

CORRELAÇÃO

➔ Este tipo de análise estatística não compara grupos. Oferece dados para
quando um fenômeno ocorre, o que acontece.
➔ Não indica causalidade, ou seja, além de não haver VD e VI, não é suficiente
para dar relação de causalidade entre fenômenos. Responde questões como:
um fator pode influenciar outro? Fala sobre estágio descritivo de uma
pesquisa.
➔ É capaz de estudar a relação entre duas variáveis contínuas. Exemplo:
consome de uma pessoa x sua renda.
 ➔ Coeficiente limitado entre -1 e +1; o algarismo diz sobre a força e o sinal diz
sobre a natureza. 0 significa ausência de correlação.
➔ É simétrica (relação da variável com ela mesma é 1) e adimensional (porque
dá apenas R² ou RHO)
➔ Sensível a outliers (valores discrepantes)
➔ Natureza diretamente proporcional = 2 fenômenos aumentam ou diminuem
juntos.
➔ Natureza inversamente proporcional = 1 fenômeno aumenta ou diminui, ao
contrário do outro.

Coeficiente (+) (-)

0,1 fraca positiva fraca negativa

0,3 moderada positiva moderada negativa

0,5 forte positiva forte negativa

➔ Diagramas de dispersão:
 MODELOS DE REGRESSÃO

➔ Modelos estatísticos que visam predizer o comportamento de uma variável

dependente (y) como uma função de uma ou mais variáveis independentes
(x).
➔ Eles substituem os outros testes paramétricos. Dessa maneira, Teste T,
Anova e Correlação são casos especiais de regressão.

VI e VD VD DISCRETA VD CONTÍNUA

VI DISCRETA Regressão logística Regressão logística

VI CONTÍNUA Regressão logística Regressão logística

➔ Família GLM (modelo linear geral): família de modelos estatísticos que

permite verificar a relação entre uma variável dependente (y) contínua e
variáveis independentes (x) contínuas ou não.