Métodos Estatísticos em Neuropsicologia

Conhecimentos de Base Recomendados

É recomendado alguns conhecimentos básicos de estatística, como por exemplo medidas de centralidade e dispersão, testes de hipóteses (e.g. testes-t, ANOVA e qui-quadrado) e os conceitos de correlação e regressão.

Métodos de Ensino

Nesta unidade curricular utilizar-se-ão estratégias e atividades diversificadas, com recurso à exposição oral, exposição dialogada, trabalho de grupo e discussão, resolução de problemas e análise de dados com recurso ao software estatístico R e RStudio, ambos de livre utilização, e análise crítica de aplicações das diferentes metodologias abordadas.

Resultados de Aprendizagem

Esta unidade curricular introduz métodos de análise estatística avançados no contexto de trabalho com medidas empíricas de construtos abstratos/instrumentos e análises multivariadas. O seu principal objetivo é proporcionar aos alunos a compreensão dos diferentes métodos estatísticos que lhes permitirão escolher estratégias de análise de dados apropriadas, presentes nos múltiplos cenários em neuropsicologia.

Estágio(s)

Não

Programa

Esta unidade curricular tratará os seguintes conteúdos:

- Estatística Bayesiana,

- Modelos de regressão semi e não-paramétricos,

- Modelos de processos condicionais: mediação, mediação moderada, moderação e moderação mediada,

- Fiabilidade e validade de construtos/instrumentos,

- Análise fatorial exploratória e confirmatória,

- Modelos de equações estruturais,

- Modelos de curvas de crescimento.

O software principal usado no curso será o R (https://www.r-project.org/) e, em particular, o RStudio (https://rstudio.com/), ambos softwares de distribuição gratuita.

Docente(s) responsável(eis)

Bruno Cecílio de Sousa

Métodos de Avaliação

Avaliação
Trabalho laboratorial ou de campo: 50.0%
Frequência: 50.0%

Bibliografia

Adams,K.,& Waldron-Perrine,B.(2014).Psychometrics, test design, and essential statistics. In K. Stucky et al (Eds.),Clinical neuropsychology study guide & Board Review (pp.79-114).NY: OUP.

Brown, T. (2006). Confirmatory factor analysis for applied research. NY: The Guilford Press.

Duncan, T. E., Duncan, S. C.  & Strycker, L. A.  (2004). An introduction to latent variable growth curve modeling: concepts, issues, and application (2^nd Edition). New York: Psychology Press.

Hayes, A. F. (2017). Introduction to Mediation, Moderation and Conditional Process Analysis (2^nd ed.). New York: Guilford.

Kline, R. B. (2005). Principles and practice of structural equation modeling (2nd ed.). New York: The Guilford Press.

Snijders, T. A. B. & Bosker, R. J. (2012). Multilevel analysis: An introduction to basic and advanced multilevel modeling (2nd ed.). London: SAGE.

Tabachnick, B. & Fidell, L. (2007). Using multivariate statistics (5th ed.). Boston: Allyn & Bacon.