Métodos e Técnicas de Análise da Informação para Planejamento

208 visualizações

Publicada em

Hipoteses
Métodos de Pesquisa Social
Modelos
Apresentação disponível em: https://youtu.be/ZSp4_-hzb8s

Publicada em: Educação
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
208
No SlideShare
0
A partir de incorporações
0
Número de incorporações
1
Ações
Compartilhamentos
0
Downloads
11
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Métodos e Técnicas de Análise da Informação para Planejamento

  1. 1. Apresentação do Curso (MTI) BH1350 – Métodos e Técnicas de Análise da Informação para o Planejamento Prof. Vitor Vieira Vasconcelos Junho de 2016
  2. 2. Apresentação  Professsor: Vitor Vieira Vasconcelos  Email: vitor.v.v@gmail.com  Telefones:  31-99331-1593 (Tim – Whatsapp)  11-96603-6153 (Claro)  Skype: amfeadan / Vitor Vieira Vasconcelos (amfeadan@outlook.com)  Facebook: https://www.facebook.com/vitor.vieiravasconcelos?fref=ts  Linkedin: http://br.linkedin.com/pub/vitor-vieira-vasconcelos/29/338/574  Currículo Lattes: http://lattes.cnpq.br/8151243279050980  Academia: https://ufabc-br.academia.edu/VitorVasconcelos  Research Gate: https://www.researchgate.net/profile/Vitor_Vasconcelos2  Scribd: http://pt.scribd.com/amfeadan  Google Scholar: http://scholar.google.com.br/citations?user=k8Y-3xYAAAAJ&hl=pt-BR
  3. 3. Análise da Informação: Etapa fundamental em pesquisas que busquem um aumento da compreensão de problemas e questões no nosso campo de interesse Métodos e Técnicas de Análise da Informação para o Planejamento….
  4. 4. Descobrindo Coisas Novas: O Processo de Pesquisa Dados Observação Inicial (Perguntas: Será que…?) Formulação de Teoria/Hipóteses Identificação de Variáveis Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/gráfica/ espacial • Construção de Modelos Análise dos Dados Corrobora/Refuta Hipóteses (Re)formula Teoria
  5. 5. Descobrindo Coisas Novas: O Processo de Pesquisa Dados Observação Inicial (Perguntas: Será que…?) Formulação de Teoria/Hipóteses Identificação de Variáveis Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/gráfica/ espacial • Construção de Modelos Análise dos Dados Envolve observação de dados, senso comum, conhecimento prévio Corrobora/Refuta Hipóteses (Re)formula Teoria
  6. 6. Uma pesquisa costuma partir de ideias que temos da realidade, ou seja, de hipóteses. As hipóteses são frequentemente expressas em uma afirmação da relação entre duas ou mais variáveis, no mínimo, uma variável independente e uma variável dependente. Por exemplo: Famílias pobres são mais expostas à violência. Hipóteses
  7. 7. Descobrindo Coisas Novas: O Processo de Pesquisa Dados Observação Inicial (Perguntas: Será que…?) Formulação de Teoria/Hipóteses Identificação de Variáveis Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/gráfica/ espacial • Construção de Modelos Análise dos Dados Definir variáveis e coletar dados Característica de interesse que é medida em cada elemento da amostra ou população. Seus valores variam de elemento para elemento. Influência do nosso MÉTODO DE PESQUISA
  8. 8. A pesquisa social pode assumir muitas formas. Entre os métodos de pesquisa, podemos citar:  Experimento  Pesquisa tipo survey  Análise de conteúdo  Observação Participativa  Análise Secundária Métodos de Pesquisa Social
  9. 9.  Possui um nível de controle  Pesquisadores manipulam variáveis (independentes) às quais seus indivíduos estão expostos.  O pesquisador designa a variável independente a um grupo de pessoas (chamado grupo experimental), mas retira de outro grupo de pessoas (chamado grupo de controle)  Idealmente, todas as outras diferenças iniciais entre grupos experimentais e de controle são eliminadas, atribuindo-se sujeitos aleatoriamente às condições experimentais e de controle. Experimento
  10. 10.  Pesquisa de levantamento  É retrospectiva – os efeitos das variáveis independentes sobre as variáveis dependentes são registrados depois de terem ocorridos.  Não possuem controles rígidos dos experimentos: as variáveis não são manipuladas e indivíduos não são designados para grupos de maneira aleatória. Assim, é muito mais difícil estabelecer CAUSA e EFEITO Pesquisa do tipo Survey
  11. 11. Exemplo: Uma pesquisa que avalie a percepção de (in)segurança. O pesquisador quer investigar se entrevistados de bairros com menor investimento em segurança tendem a ser mais temerosos. Como a variável “investimentos em segurança” não foi manipulada, não podemos chegar à conclusão de que os investimentos em segurança alteram a percepção de segurança. Uma explicação alternativa de que a condição de vizinhança (pobreza, número de ocorrências, etc.) altera a percepção quanto à criminalidade nas ruas é igualmente plausível. Pesquisa do tipo Survey
  12. 12. Vantagens  Em comparação com experimentos, essas pesquisas podem investigar um número muito maior de variáveis independentes importantes em relação à variável dependente.  Como não estão confinadas a um ambiente de laboratório no qual uma variável independente pode ser manipulada, também podem ser mais representativas – seus resultados podem ser generalizados a um número maior de pessoas Pesquisa do tipo Survey
  13. 13.  Método de pesquisa por meio do qual um pesquisador busca descrever de forma objetiva o conteúdo de mensagens produzidas anteriormente  Não precisam observar, de forma direta, comportamentos ou questionar uma amostra de entrevistados  Normalmente estudam o conteúdo de livros, revistas e jornais, filmes, transmissões de rádios, etc.  É comum a análise numérica da frequência de ocorrência de determinados termos, construções e referências em uma dada comunicação/texto. Análise de Conteúdo
  14. 14.  Gráficos revelam como estavam as redes sociais durante a votaçãodo impeachment na Câmara (http://www.hypeness.com.br/2016/04/graficos-revelam-como-estavam-as-redes-sociais-durante-a-votacao-do-impeachment-na-camara/ ) Análise de Conteúdo Azul: Pró-impeachmen Vermelho: Contra impeachman Laranja: neutro Atores politicos mencionados durante o período
  15. 15. O pesquisador “participa” da vida cotidiana das pessoas sendo estudadas, seja abertamente no papel de pesquisador, seja veladamente em algum papel disfarçado, observando o que ocorre, ouvindo o que é dito e questionando-as por um período de tempo. Riscos: Subjetividade do pesquisador, devido ao seu envolvimento pessoal com o objeto; Possibilidade de que sua presença perturbe o normal decurso da interação social Observação Participativa
  16. 16.  É possível que o pesquisador não colete os próprios dados, mas utilize conjuntos de dados previamente coletados ou reunidos por outros pesquisadores.  Em relação à coleta de dados em primeira mão, a análise secundária tem a vantagem de ser mais rápida e fácil, mas mesmo assim explora dados que podem ter sido reunidos de maneira cientificamente sofisticada.  Por outro lado, o pesquisador é limitado ao que está disponível e não tem voz ativa sobre como as variáveis são definidas e medidas. Análise Secundária
  17. 17. IPEADATA
  18. 18. Fundação SEADE
  19. 19. Pesquisa Origem e Destino
  20. 20. Atlas do Desenvolvimento Humano no Brasil
  21. 21. Descobrindo Coisas Novas: O Processo de Pesquisa Dados Observação Inicial (Perguntas: Será que…?) Formulação de Teoria/Hipóteses Identificação de Variáveis Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/gráfica/ espacial • Construção de Modelos Análise dos Dados FOCO DESTE CURSO!!! Corrobora/Refuta Hipóteses (Re)formula Teoria
  22. 22. Este curso trata da Análise Exploratória de dados e da construção/utilização de MODELOS Mas o que são modelos? Métodos e Técnicas de Análise da Informação….
  23. 23. Modelos Representações simplificadas de um objeto, estrutura, ideia ou sistema. Estas representações atendem a algum propósito!!! São menores, menos detalhados, menos complexos, ou tudo isso junto… Yi = 0 + Xi 1
  24. 24. MODELO = VISÃO REDUZIDA
  25. 25. Modelos nos auxiliam na representação e compreensão de alguns aspectos do mundo real… Este curso trata principalmente de Modelos baseados em Métodos Estatísticos Ferramentas importantes para análises de dados que subsidiem processos de tomada de decisão!!!
  26. 26. “O Grito” (1893) Edvard Munch
  27. 27. Vocês já estão acostumados a lidar com modelos! (inclusive estatísticos) Um exemplo simples e cotidiano…
  28. 28. Média como um modelo estatístico Média do número de habitantes por domicílio Nos ajuda a representar simplificadamente (modelar) este aspecto particular da realidade Digamos que eu tenha uma amostra de 5 domicílios, cada qual com os seguintes números de habitantes: Em média temos 2,6 habitantes por domicílio 1 2 3 3 4
  29. 29. Censos: Residentes por Domicílio 4.63 4.19 3.76 3.31 3.0 3.2 3.4 3.6 3.8 4.0 4.2 4.4 4.6 4.8 1980 1991 2000 2010 Número de residentes por domicílio ocupado (média)
  30. 30. Média como um modelo estatístico Média do número de habitantes por domicílio Em média temos 3,31 habitantes por domicílio (dados do censo de 2010) Mas é impossível ter 3,31 habitantes em um domicílio!!! A média é um valor hipotético, um MODELO criado para resumir nossos dados
  31. 31. Descobrindo Coisas Novas: O Processo de Pesquisa Dados Observação Inicial (Perguntas: Será que…?) Formulação de Teoria/Hipóteses Identificação de Variáveis Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/gráfica/ espacial • Construção de Modelos Análise dos Dados Envolve observação de dados, senso comum, conhecimento prévio
  32. 32. Exemplos Trabalho de Geoprocessamento – 2015/1 – Gustavo Oliveira & Roger Gustavo A instalação de novos campus em diversos municípios através do programa REUNI está relacionada a alterações do perfil socioeconômico destes municípios?
  33. 33. Exemplos Trabalho de Geoprocessamento – 2015/1 Fernanda Gomes, Rafael Costa & Rafael Cabral
  34. 34. Exemplos Trabalho de Geoprocessamento – 2014/1 – Cecília Kohara
  35. 35. Exemplos Trabalho de Geoprocessamento – 2015/1 – Joyane Ferreira Silva
  36. 36. Exemplos Trabalho de Geoprocessamento – 2014/1 – Victor Mendes Del Prete
  37. 37. Descobrindo Coisas Novas: O Processo de Pesquisa Dados Observação Inicial (Perguntas: Será que…?) Formulação de Teoria/Hipóteses Identificação de Variáveis Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/gráfica/ espacial • Construção de Modelos Análise dos Dados Definir variáveis e coletar dados Característica de interesse que é medida em cada elemento da amostra ou população. Seus valores variam de elemento para elemento.
  38. 38. Exemplos Trabalho de Geoprocessamento – 2014/1 – Victor Mendes Del Prete Análise Secundária (Dados do Censo Demográfico 2010) Identificação de Variáveis
  39. 39. Exemplos Trabalho de Geoprocessamento – 2014/1 – Victor Mendes Del Prete Identificação de Variáveis
  40. 40. Exemplos Trabalho de Geoprocessamento – 2014/1 – Victor Mendes Del Prete Identificação de Variáveis
  41. 41. Descobrindo Coisas Novas: O Processo de Pesquisa Dados Observação Inicial (Perguntas: Será que…?) Formulação de Teoria/Hipóteses Identificação de Variáveis Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/gráfica/ espacial • Construção de Modelos Análise dos Dados FOCO DESTE CURSO!!! Corrobora/Refuta Hipóteses (Re)formula Teoria
  42. 42. Existe uma relação entre consumo de água e renda no país? Como esta relação pode ser caracterizada? O crescimento populacional não é o único fator relacionado ao aumento do consumo de recursos naturais novos padrões de consumo
  43. 43. Consumo de Água per Capita (resposta) X Renda per capita (preditora) CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS. Distribuição espacial de consumo residencial de água e renda da população em 2010. Fonte: SNIS (2010) e IBGE (2010). Análise Exploratória
  44. 44. ConsumodeÁguaperCapita (m3/dia/ano) Renda per Capita (R$) Análise Exploratória
  45. 45. Consumo de Água per Capita (resposta) X Renda per capita(preditora) Variável β Desvio Padrão Estatística t (constante) 4,25.(10-3 ) 4,55.(10-4 ) 9,3 RENDA 41.(10-6 ) 8,2.(10-7 ) 49 Coeficiente de determinação: R2 = 0,36 Teste F: F = 2499,1 MODELO DE REGRESSÃO LINEAR GLOBAL
  46. 46. Mas será que esta relação, entre consumo de água e renda, ocorre da mesma maneira em todo o país??? O ESPAÇO IMPORTA!!!
  47. 47. GWR – Geographically Weighted Regression Consumo de Água per Capita (resposta) X Renda per capita(preditora) GWR: CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS.
  48. 48. GWR – Geographically Weighted Regression Consumo de Água per Capita (resposta) X Renda per capita(preditora) CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Águ no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS. Os menores coeficientes estimados para a variável RENDA foram observados em municípios do Estado do Rio Grande do Sul ... ....e os maiores em Alagoas.
  49. 49. GWR – Geographically Weighted Regression Consumo de Água per Capita (resposta) X Renda per capita(preditora) CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Águ no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS. Região do Município de Traipu (AL)  maior coeficiente estimado Um aumento de R$ 1 na renda per capita da população está associado a um incremento do consumo de água de 100,3 ml/dia/hab. Região do município de Floriano Peixoto (RS)  um dos menores coeficientes significativos (t-valor > 1,96): Um aumento de R$ 1 na renda per capita da população está associado a um aumento do consumo de 10,22 ml/dia/hab. Hipóteses???
  50. 50. Descobrindo Coisas Novas: O Processo de Pesquisa Dados Observação Inicial (Perguntas: Será que…?) Formulação de Teoria/Hipóteses Identificação de Variáveis Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/gráfica/ espacial • Construção de Modelos Análise dos Dados Corrobora/Refuta Hipóteses (Re)formula Teoria
  51. 51. CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS. De maneira geral, as regiões apresentadas como aquelas onde a elevação da renda está relacionada a um maior incremento do consumo (áreas mais escuras) tendem a coincidir com as áreas onde o aumento do poder de consumo – que acompanhou o recente processo de estabilização econômica, crescimento econômico e ampliação dos programas redistributivos – apresentou os maiores impactos na redução da pobreza e extrema pobreza do país. Considerações sobre os Resultados
  52. 52. CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS. São regiões onde a redução da pobreza ampliou de maneira expressiva o acesso a recursos básicos para a manutenção de vida desta população, entre eles a água potável. Já em regiões como a Sul, caracterizada por níveis mais elevados de renda, um aumento na renda tende a gerar um impacto menor no aumento do consumo de bens essenciais como a água e, provavelmente, maior no consumo de bens de outra natureza. Considerações sobre os Resultados
  53. 53. OBJETIVO DO CURSO Oferecer um panorama geral de distintas ferramentas de análise de dados, com ênfase em técnicas de inferência estatística clássica e espacial e sua aplicabilidade em estudos que subsidiem o processo de planejamento territorial. Através da construção de experimentos, os alunos deverão ser vivenciar diferentes possibilidades de análise quantitativa de dados e ser capazes nde explorar um problema de pesquisa aplicado ao planejamento territorial com o auxílio dos métodos e técnicas apresentados em sala de aula.
  54. 54. CONTEÚDO CURSO 1. Inferência Estatística: Conceitos Básicos PRÁTICA: O Ambiente SPSS
  55. 55. Ambiente SPSS
  56. 56. CONTEÚDO CURSO 1. Inferência Estatística: Conceitos Básicos 2. Análise Exploratória de Dados (incluindo análise gráfica e espacial) PRÁTICA: Explorando dados com o SPSS
  57. 57. CONTEÚDO CURSO 1. Inferência Estatística: Conceitos Básicos 2. Análise Exploratória de Dados (incluindo análise gráfica) 3. Correlação (Clássica & Espacial) PRÁTICA no SPSS (correlação clássica) e no GeoDa (correlação espacial)
  58. 58. CONTEÚDO CURSO 1. Inferência Estatística: Conceitos Básicos 2. Análise Exploratória de Dados (incluindo análise gráfica) 3. Correlação (Clássica & Espacial) 4. Análise de Regressão (Clássica & Espacial) PRÁTICA no SPSS (regressão clássica) e no GeoDa (regressão espacial)
  59. 59. CONTEÚDO CURSO 1. Conceitos Básicos de Estatística (Nivelamento) 2. Análise Exploratória de Dados (incluindo análise gráfica) 3. Correlação (Clássica & Espacial) 4. Análise de Regressão (Clássica & Espacial) 5. Outras Técnicas: Análise de Agrupamentos (Clássica & Espacial)
  60. 60. BIBLIOGRAFIA BÁSICA CAPÍTULOS 1 a 5 CAPÍTULOS 1, 2, 4 e 9
  61. 61. BIBLIOGRAFIA BÁSICA CAPÍTULOS 1 e 5 VOLUME 1 - CAPÍTULOS 12 e 14 VOLUME 2 – CAPÍTULO 5
  62. 62. BIBLIOGRAFIA BÁSICA CAPÍTULOS 1, 2, 7, 8, 18, 19, 22, 24, 25
  63. 63. BIBLIOGRAFIA COMPLEMENTAR CAPÍTULOS 1-3 e 10-16
  64. 64. AULA Conteúdo Leitura Prévia (07/06) T Apresentação do Curso O Processo de Pesquisa, Métodos de Pesquisa Social, Modelos - Visão Geral (09/06) Q Dados Espaciais: Uma Breve Introdução Estruturas de Dados Espaciais, Fontes de Dados Espaciais Druck, S.; Carvalho, M.S.; Câmara, G.; Monteiro, A.V.M. (eds) "Análise Espacial de Dados Geográficos". Brasília, EMBRAPA, 2004. Capítulo 1. (14/06) T Conceitos Básicos de Estatística I Medidas de tendência central, Medidas de Variabilidade, Distribuição de Frequência e Probabilidade, Curva Normal e Probabilidade, Introdução ao Ambiente SPSS FIELD, A. Descobrindo a estatística usando o SPSS. Edição digital: ARTMED, 2009. Capítulos 1 (parcialmente, p. 31 a 44) e 2 (completo). (16/06) Q Conceitos Básicos de Estatística II Amostras e Populações, Intervalos de Confiança, Exercícios no SPSS FIELD, A. Descobrindo a estatística usando o SPSS. Edição digital: ARTMED, 2009. Capítulo 1 (parcialmente, p. 44 a 59) (21/06) T Análise Exploratória de Dados no SPSS Estatísticas Descritivas, Gráficos, Transformação de Dados. FIELD, A. Descobrindo a estatística usando o SPSS. Edição digital: ARTMED, 2009. Capítulo 3 (23/06) Q Cartografia e Geoprocessamento Bancos de dados espaciais, Cartografia Temática, Exercícios no QGIS CARVALHO, E.A.; ARAÚJO, P.C. Leituras Cartográficas e Interpretações Estatísticas. UFRN, 2011. Vol 1. Capítulos 12 e 14. Vol II – Capítulo 5 (28/06) T Discussão sobre Propostas para o Trabalho Final + Apresentação dos Dados Espaciais
  65. 65. AULA Conteúdo Leitura Prévia (30/06) Q Correlação Covariância, Coeficientes de Correlação, Teste de Significância, Exercícios no SPSS FIELD, A. Descobrindo a estatística usando o SPSS. Edição digital: ARTMED, 2009. Capítulo 4 (05/07) T Análise de Dados Espaciais: Autocorrelação Espacial A Natureza dos Dados Geográficos (Proximidade, Estacionariedade e Heterogeneidade), Autocorrelação Espacial: Conceitos, Matriz de Vizinhança, Medidas Globais e Locais (Índice de Moran), Diagramas de Espalhamento, Testes de Pseudo-Significância. Druck, S.; Carvalho, M.S.; Câmara, G.; Monteiro, A.V.M. (eds) "Análise Espacial de Dados Geográficos". Brasília, EMBRAPA, 2004. Capítulo 5. (07/07) Q Autocorrelação Espacial: Prática no GeoDa Preparação dos Dados, Análise Exploratória de Dados Espaciais, Construção de Matrizes de Vizinhanças, Cômputo do Índice Global e Local de Moran. ANSELIN, L. Exploring Spatial Data with GeoDa: A Workbook. Spatial Analysis Laboratory. Department of Geography, University of Illinois, Urbana-Champaign, 2005. Cap. 1, 2, 7, 8, 18, 19
  66. 66. AULA Conteúdo Leitura Prévia (12/07) T Regressão - Parte I Introdução à Análise de Regressão, Método dos Mínimos Quadrados, Avaliação do Ajuste do Modelo, Interpretação do Modelo, Exercícios com o Software SPSS FIELD, A. Descobrindo a estatística usando o SPSS. Edição digital: ARTMED, 2009. Capítulo 5 (parcialmente, p. 156 a 158) (14/07) Q Regressão - Parte II Introdução à Regressão Múltipla, Métodos de Regressão, Interpretação da Regressão Múltipla, Diagnósticos e Generalização do Modelo de Regressão, Etapas da Análise de Regressão. FIELD, A. Descobrindo a estatística usando o SPSS. Edição digital: ARTMED, 2009. Capítulo 5 (parcialmente, p. 168 a 184) (19/07) T Regressão: Prática no SPSS Construção de um modelo de Regressão Múltipla: Análise Exploratória, Seleção e Preparação das Variáveis, Escolha e Ajuste do Modelo, Diagnósticos. FIELD, A. Descobrindo a estatística usando o SPSS. Edição digital: ARTMED, 2009. Capítulo 5 (parcialmente, p. 184 a 220) (21/07) Q Assessoramento dos Trabalhos (26/07) T Apresentação dos Resultados Parciais do Trabalho Final / Prova Oral
  67. 67. AULA Conteúdo Leitura Prévia (28/07) Q Regressão de Dados Espaciais Modelos de Regressão Espacial Globais: Spatial Lag e Spatial Error, Modelos de Regressão Espacial Locais: Regimes Espaciais e Regressão Geograficamente Ponderada (GWR) RIGHETTO, A.J., TACHIBANA, V.M. "Análise de regressão linear: abordagem tradicional e espacial em um estudo de caso." , 19º SINAPE, São Pedro–SP (2010). (02/08) T Regressão de Dados Espaciais Construção de Modelos de Regressão Espaciais no Software GeoDa e Construção de Modelos de Regressão Geograficamente Ponderados no Software GWR ANSELIN, L. Exploring Spatial Data with GeoDa: A Workbook. Spatial Analysis Laboratory. Department of Geography, University of Illinois, Urbana-Champaign, 2005. Capítulos 22, 24, 25 NAKAYA, T. GWR4 User Manual. Ritsumeikan University. 2009. (04/08) Q Análise de Agrupamentos Prática com o Software SPSS HAIR, J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Análise multivariada de dados. Porto Alegre: Bookman, 2005. Capítulo 9 (parcialmente, p. 381-389) (09/08) T Análise de Agrupamentos: Regionalização de Áreas Prática com o Software TerraView INPE. TerraView. Aula 8. Operações de Análise Espacial. Seção 8.8. Regionalização de Áreas: o Método SKATER. (11/08) Q Assessoramento dos Trabalhos (16/08) T Assessoramento dos Trabalhos (18/08) Q Apresentação dos Trabalhos Finais / Prova Oral (23/08) T Apresentação dos Trabalhos Finais / Prova Oral (25/08) Q Síntese e Avaliação do Curso
  68. 68. AVALIAÇÕES 1. Fichamentos e participação (15%) 2. Listas de Exercícios & Trabalhos Práticos (30%) 3. Proposta de Trabalho/ Resultados Parciais/Presença nos Assessoramentos (15%) 4. Trabalho Final – Apresentação/Prova Oral (20%) & Trabalho Escrito (20%) Presença??? Eu cobro! Não pode faltar!
  69. 69. Fichamentos Individual, para os textos de cada aula Mínimo de 1 página Cabeçalho com nome do texto, nome do aluno e data O fichamento deve ser encaminhado em meio digital, impresso ou escrito a mão até início da aula sobre o tema. Notas de Aula Antes do início da aula seguinte, as anotações da aula anterior devem ser escaneadas (ou fotografadas) e encaminhadas em meio digital. Em cada nota de aula, deve constar o tema da aula, a data e o nome do aluno. Mínimo de 1 página A4 de anotações, ou 2 páginas tamanho A5
  70. 70. Pontuação extra  Comparecimento a eventos extracurriculares (seminários, simpósios, palestras) de ao menos 1 hora e meia de duração  Encaminhamento de relatório até 23/08  Mínimo de 1 página por evento  Folha tamanho A4, Margens de 2 cm  Espaçamento entre linhas 1,15, sem espaço extra entre parágrafos  Fonte Arial, de tamanho 11  Cabeçalho com nome do aluno, nome do evento, data e local  Incluir no relatório o conteúdo apresentado/discutido e uma reflexão pessoal
  71. 71. Atendimentos Alunos Prof. Vitor Vieira Vasconcelos– vitor.v.v@gmail.com Horário Atendimento: Terças, 17h00 às 19h00 [Marcar por e-mail]
  72. 72. Material do curso  TIDIA  Temporiamente  Site da disciplina: http://mit2016ufabc.webnode.com/  Material de leitura e Artigos: https://app.box.com/s/ksf6uyubka5huxduaw0sev5kk8 dq3k18  Entrega de atividades online mti2016ufabc@gmail.com Modelo de arquivo: nomedoaluno_nomedaatividade.pdf
  73. 73. Lista de Exercícios (1) 1. O que são modelos? 2. Por que uma simples média estatística pode ser considerada um modelo? Dê outros exemplos de modelos. 3. Identifique alguns temas de pesquisa do seu interesse e descreva um possível processo de pesquisa Dicas: (a) Visite os portais de dados apresentados na aula (b) No site da disciplina, visite os artigos disponibilizados na pasta “Artigos”
  74. 74. Será que os procedimentos de cobrança do IPTU desfavorecem imóveis de menor valor no mercado?
  75. 75. Trabalhos Alunos Camila Brito, Sabrina Nascimento e Renan Telles
  76. 76. Trabalhos Alunos Cristiane Nagaka
  77. 77. Seminário Internacional “Desenvolvimento e Governança Regional – Diagnósticos e Perspectivas a partir da Região Metropolitana de São Paulo” http://seminariopdrabc.consorcioabc.sp.gov.br/.

×