Estatística e Análise de Dados

Modelos multinível para dados aninhados

Analisar dados em que observações se agrupam em pessoas, turmas ou clínicas.

Desenvolvido com IA, revisado por Luis Anunciação
Este curso está em preparação. O conteúdo abaixo pode mudar antes do lançamento.

Como este curso foi feito

O conteúdo deste curso foi desenvolvido com o apoio de Claude, da Anthropic, um modelo de linguagem de inteligência artificial, e foi revisado e aprovado por Luis Anunciação, professor responsável, em 2026-07-24.

Nesta parceria, a inteligência artificial redige e organiza o material, e o professor revisa, corrige e assume a responsabilidade acadêmica pelo conteúdo, assim como um professor faz com o trabalho de um assistente. As referências citadas são artigos reais, revisados por pares e indexados na PubMed.

Como citar a ferramenta: Anthropic. (2026). Claude (modelo Fable 5) [modelo de linguagem de grande porte]. https://www.anthropic.com

Sobre o curso

Curso sobre modelos multinível, também chamados de modelos de efeitos mistos, usados quando as observações estão aninhadas, por exemplo alunos dentro de turmas ou medidas repetidas dentro de pessoas. As aulas cobrem interceptos e inclinações aleatórios, a partição da variância entre níveis e a modelagem de dados longitudinais.

É voltado a quem trabalha com dados agrupados ou de medidas repetidas e quer respeitar a estrutura dos dados. A prova final e o certificado estão em preparação.

Conteúdo do curso

0 aulas · 14 horas · a primeira aula é gratuita

Referências

Artigos revisados por pares, indexados na PubMed, que embasam o curso. Estão disponíveis para download na seção Material, ao lado.

  1. Atkins, D. C. (2005). Using multilevel models to analyze couple and family treatment data: basic and advanced issues. Journal of family psychology : JFP : journal of the Division of Family Psychology of the American Psychological Association (Division 43), 19(1), 98-110. https://doi.org/10.1037/0893-3200.19.1.98. PMID: 15796656. Acessar
  2. Blozis, S. A., & Craft, M. (2023). Alternative covariance structures in mixed-effects models: Addressing intra- and inter-individual heterogeneity. Behavior research methods, 56(3), 2013-2032. https://doi.org/10.3758/s13428-023-02133-1. PMID: 37231325. Acessar
  3. Cudeck, R., & Klebe, K. J. (2002). Multiphase mixed-effects models for repeated measures data. Psychological methods, 7(1), 41-63. https://doi.org/10.1037/1082-989x.7.1.41. PMID: 11928890. Acessar

Certificado incluído

Ao assistir a 100% das aulas você libera a prova final. Acertando pelo menos 50%, seu certificado de 14 horas é emitido automaticamente em PDF, com código único e página pública de verificação.
A prova deste curso está sendo preparada.

Sobre o professor

Dr. Luis Anunciação

Dr. Luis Anunciação

PhD em Psicometria. Professor associado na PUC-Rio e professor por cortesia na University of Oregon

Professor associado do Departamento de Psicologia da PUC-Rio, onde ensina métodos quantitativos, psicometria e análise de dados na graduação e na pós-graduação, e integra o Laboratório de Métodos Quantitativos e Psicometria. É também professor por cortesia na University of Oregon. Doutor em Psicometria e Teoria de Resposta ao Item Multidimensional pela PUC-Rio, com estágio internacional na University of Oregon, mestre em Saúde Pública pela UERJ e pós-doutorado em modelagem estatística aplicada à avaliação psicológica. Publicou mais de 80 artigos em periódicos revisados por pares.

  • Professor associado do Departamento de Psicologia da PUC-Rio
  • Professor por cortesia na University of Oregon
  • Doutor em Psicometria pela PUC-Rio, com estágio internacional na University of Oregon
  • Mestre em Saúde Pública pela UERJ e pós-doutor em modelagem estatística

Publicações e experiência

  • Mais de 80 artigos publicados em periódicos revisados por pares
  • Autor do livro Dictionary of Psychometrics (2025)
  • Autor do livro Statistical Concepts and Analyses Using R and JASP (2022)
  • Coeditor de Critical Issues in Special Education for School Rehabilitation Practices (IGI Global, 2021)
  • Google Scholar: https://scholar.google.com/citations?user=dPoJxfoAAAAJ
  • ORCID: 0000-0001-5303-5782

Perguntas frequentes

Os cursos têm certificado?

Sim. Todo curso pago termina com uma prova final de múltipla escolha, com nota mínima de 50% e tentativas ilimitadas; ao ser aprovado, você recebe um certificado digital com carga horária e código público de verificação.

Preciso saber programar para acompanhar?

Não. Os cursos partem do zero e todos os scripts em R, Python ou SPSS são fornecidos comentados e prontos para rodar.

Qual a diferença entre comprar um curso e assinar?

A compra avulsa dá acesso vitalício àquele curso. A assinatura libera todos os cursos pagos enquanto estiver ativa.

Posso cancelar a assinatura quando quiser?

Sim, pelo seu painel. Você mantém o acesso até o fim do período já pago e não há cobrança seguinte.

E se eu não gostar do curso?

Você tem 7 dias para solicitar reembolso integral, conforme o direito de arrependimento previsto no art. 49 do Código de Defesa do Consumidor. Basta pedir pelo seu painel.

O que acontece se o pagamento da renovação falhar?

Seu acesso continua por mais 3 dias (período de carência) para você regularizar. Depois disso, o acesso aos cursos por assinatura é bloqueado até a regularização.