Métodos Estatísticos em Neuropsicologia
1
2023-2024
02039878
Estatística
Português
Presencial
Semestral
6.0
Opcional
2º Ciclo - Mestrado
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)
NãoPrograma
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.
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 (2nd Edition). New York: Psychology Press.
Hayes, A. F. (2017). Introduction to Mediation, Moderation and Conditional Process Analysis (2nd 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.