METODOLOGIA AVANÇADA DE INVESTIGAÇÃO ECONÓMICA
(DIE142 H)
Docente
Prof. Dr. Ni Nyoman
Yuliarmi, S.E., M.P.
Artigo:
POPULAÇÃO
E AMOSTRA EM PESQUISA
Pelo:
Manuel Coutinho Carmo Bucar Corte Real
2090611002
DOUTORAMENTO EM CIÊNCIA
DA ECONOMIA
FACULDADE DE ECONOMIA
E NEGÓCIOS
UNIVERSIDADE DE
UDAYANA
DENPASAR
2022
Prefácio
Louvado
o autor por escalar perante Deus Todo-Poderoso, porque para as Suas bênçãos,
misericórdia e orientação, o autor pode completar um trabalho intitulado
"População e Sanpel em pesquisa de pesquisa" no curso de Metodologia
de Investigação Económica Avançada no Programa de Estudos Doutorais em
Economia, Faculdade de Economia e Negócios da Universidade Udayana em 2022.
O
objetivo dos investigadores que criam este trabalho é fornecer referências
adicionais e adicionar uma nova compreensão da População e da Sanpel na
pesquisa de pesquisa. Esta teoria discute como
fazer um estudo de pesquisa de uma atividade económica, determinando uma
amostra representativa, para que os resultados do estudo possam ajudar a
resolver os problemas económicos enfrentados.
O autor
está plenamente consciente de que na elaboração deste trabalho ainda existem
muitas deficiências causadas pelas limitações das capacidades e experiência do
autor. No entanto, espera-se que este documento proporcione benefícios aos
interessados, tanto no interior como nos partidos externos.
Denpasar,
24 Outubro de 2022
O
Escritor
Ao compilar um artigo científico como uma
dissertação, será confrontado com sub-capítulos de população e amostras. Embora
não seja o capítulo inicial que precisa de ser escrito, mas esta parte da
população e da amostra deve ser pensada desde o início da formulação de um
estudo, porque a população e a amostra são uma das partes importantes da
investigação. Os dois termos têm, na verdade, significados diferentes, mas
ambos são usados para representar os objetivos do estudo. Além disso, as
populações e as amostras também estão realmente interligadas, porque as
amostras são essencialmente parte da população.
As populações e as amostras serão cruciais porque
determinam os resultados e a validade do estudo. Por conseguinte, é necessário
ter cuidado na determinação da população e da amostra no estudo. Porque se
houver uma desorientação na seleção de populações e amostras, os resultados
também serão diferentes e teme-se que seja diferente do objetivo principal do
estudo.
1)
Qual
é a definição de população e amostra?
2)
Como
determinar o tamanho da amostra?
3)
Como
determinar a técnica de amostragem?
2.1.
População e Amostra em
pesquisa
A população é a totalidade ou generalização de unidades, indivíduos,
objetos ou sujeitos que têm uma determinada quantidade e característica a
estudar, que podem ser sob a forma de pessoas, objetos, instituições, eventos,
e outros em que podem ser obtidos ou fornecer informações de investigação
(dados) que podem ser então tiradas conclusões.
As populações não são apenas pessoas ou seres vivos, mas também outros
objetos naturais. A população também não é apenas o número que existe no objeto
ou sujeito que está sendo estudado, mas inclui todas as características, traços
possuídos pelo objeto ou sujeito. Até uma pessoa pode ser usada como população,
porque uma pessoa tem várias características, por exemplo, como estilo de fala,
disciplina, personalidade, passatempos, e assim por diante.
Num estudo, a população deve ser claramente definida; o que ou quem,
onde ou quando. O que ou quem é mais sobre o conteúdo da pesquisa, enquanto
onde é interpretado como a extensão da pesquisa, e quando se destina a ser o
tempo.
Aqui estão as definições e
definições da população de investigação de várias fontes de livros:
- De acordo com Uma Sekaran
e Roger Bougie (2016), a População refere-se a todo o grupo de pessoas, eventos ou coisas de
interesse que o investigador quer investigar. São grupos de pessoas
interessantes, eventos ou coisas que o investigador quer criar (com base
em estatísticas de amostras). (A população refere-se a
todo o grupo de pessoas, eventos ou coisas de interesse que o investigador
deseja investigar. É o grupo de pessoas, eventos ou coisas de interesse
para as quais o investigador quer fazer inferências (com base em
estatísticas de amostras)).
- De acordo com Djarwanto
(1994), a população é a soma das unidades totais ou indivíduos cujas
características devem ser estudadas, e estas unidades são chamadas
unidades de análise, podem ser pessoas, instituições, objetos, etc.
- De acordo com Handayani
(2020), a população é a totalidade de cada elemento a ser estudado que tem
as mesmas características, pode ser um indivíduo de um grupo, evento, ou
algo a ser estudado.
- De acordo com Ismiyanto
(2003), a população é o tema inteiro ou total do sujeito de investigação
que pode ser; pessoas, coisas, coisas em que podem ser obtidas e ou podem
fornecer informações (dados) pesquisa.
- De acordo com Sugiyono
(2006), a população é uma área generalizada composta por objetos ou
indivíduos que têm uma certa quantidade e características definidas pelo
investigador para serem estudadas e, em seguida, tirar conclusões.
2.1.2.
Definição de amostra na investigação
Uma amostra é representativa ou parte de uma população que tem os mesmos
traços e características que representam e descreve a população de modo a que
seja considerada representativa de todas as populações estudadas. As técnicas
de amostragem são úteis para ajudar os investigadores na generalização das
populações representadas.
Uma amostra é uma pequena parte de uma população recolhida de acordo com
um procedimento específico que pode ser representativo da sua população. As
amostras são usadas se a população em estudo for grande, e é improvável que o
investigador estude toda a população. Estes obstáculos podem ocorrer devido a
custos limitados, energia e tempo que os investigadores têm. A amostra a
utilizar da população deve ser verdadeiramente representativa da população em
estudo.
Segue-se a definição e
compreensão de amostras de investigação de várias fontes de livros:
- De acordo com Uma Sekaran
e Roger Bougie (2016), as amostras fazem parte da população. É constituída por vários membros
eleitos. Por outras palavras, alguns, mas não todos, elementos da
população formam uma amostra. (Uma amostra é um
subconjunto da população. É composto por alguns membros selecionados a
partir dele. Por outras palavras, alguns, mas não todos, elementos da
população formam a amostra).
- De acordo com Djarwanto
(1994), uma amostra é uma parte da população cujas características devem
ser estudadas. Uma boa amostra, cujas conclusões podem ser impostas à
população, é uma amostra representativa ou que pode descrever as
características da população.
- De acordo com Siyoto et
al (2015), uma amostra é uma parte do número e características possuídos
pela população, ou uma pequena parte dos membros da população recolhidos
de acordo com um determinado procedimento para que possa representar a sua
população.
- De acordo com Arikunto
(2006), uma amostra é parcial ou representativa da população em estudo. Se
vamos pesquisar apenas uma parte da população, então o estudo chama-se
pesquisa de amostras.
- De acordo com Sudjana e
Ibrahim (2001), a amostra é uma parte da população acessível que tem os
mesmos traços que a população.
2.2.
Determinação
do tamanho da amostra
2.2.1.
Razões para a amostragem
A amostragem é a atividade de determinação de uma amostra. Um estudo não
precisa de envolver todas as populações. Com considerações académicas e não
académicas, a população pode ser representada por um subconjunto dos seus
membros chamados amostras. No entanto, os resultados do estudo não diminuirão
em peso e precisão porque a amostra tem o mesmo carácter que a população, de
modo que a informação desenterrado da amostra é a mesma que o carácter que se
aplica à população.
A amostragem não reduz o peso
dos resultados da investigação. O peso dos resultados do estudo continuará
garantido desde que a amostragem seja efetuada corretamente, tal como descrito
noutras secções do presente capítulo. Isto está em consonância com a noção de
que as amostras são valores que descrevem as características da amostra como o
valor estatístico dessa amostra. Isto significa que os resultados inferidos com
base nos dados obtidos a partir da amostra serão representativos da população.
Por outras palavras, a inferência estatística garantirá o peso dos resultados
da investigação.
De acordo com Winarno (2013),
algumas das razões para a consideração do uso da investigação e da amostragem
são as seguintes:
a. Poupança de Custos
A dimensão do número de membros
da amostra no estudo tem implicações no custo. O envolvimento de um grande
número de membros de uma população requer um custo maior do que o envolvimento
de um pequeno número de membros da população. Tomando uma parte da população,
pode ser feita uma poupança de custos. Quanto menos membros faziam a amostra,
mais poupanças se podem fazer.
b. Economia de tempo
Através da amostragem, o tempo
gasto a realizar a pesquisa pode ser salvo. O tempo utilizado em estudos que
utilizavam amostras era inferior ao tempo de estudos que não utilizavam
amostras. Também significa que quanto menos amostras envolvidas, mais tempo
pode poupar.
c. Poupança de Energia
Utilizando a amostragem, a
energia necessária para a investigação com amostragem é inferior à que não é
amostragem. Quanto menos amostras estiverem envolvidas, menos energia é
necessária.
d. Garantia de precisão e peso dos resultados
No que diz respeito à garantia
de precisão, a amostragem permite que os resultados dos trabalhos de
investigação sejam mais intensos e mais minuciosos em comparação com nenhuma
amostragem. As atividades de investigação, chegando a um pequeno assunto,
permitem obter muita informação relativamente aprofundada em comparação com um
grande tema de investigação.
O processo de amostragem é útil para ajudar os investigadores na
generalização da população representada para que a amostra seja definida como a
parte da população a partir da qual os dados são recolhidos diretamente. A
generalização é o desenho de uma conclusão de uma coisa cujo número de
elementos é menos amostrado, para uma coisa cujo número de elementos é mais ou
mais vasto na população.
De acordo com Handayani
(2020), há três etapas que devem ser passadas no processo de amostragem,
nomeadamente:
- Defina a população alvo. A população-alvo já
deveria ter sido descoberta pelo investigador quando descobriu o problema
e o problema do estudo. Uma população-alvo é uma coleção ou elemento que
tem informação de pesquisa. Os resultados da investigação da população
produzirão uma conclusão inferencial para o grupo ou população.
- Defina o quadro da
amostra. Uma moldura de amostra é um representante de um conjunto ou
elemento da população-alvo. Por exemplo, um mapa de uma província com o
nome de um distrito ou uma bibliografia com o título do livro e seu
autor.
- Especifique o número de
amostras. É o elemento que será incluído na amostra. O tamanho da amostra é
muito influenciado por vários fatores, incluindo o propósito do estudo. Se
o estudo for descritivo, geralmente requer um grande número de amostras.
Mas se for apenas para testar a hipótese, o número de amostras não precisa
de ser grande. Quanto maior for o número de amostras, maior é o poder
estatístico. Por outro lado, quanto menor for o número de amostras,
naturalmente, menor será o poder estatístico, de modo a afetar os
resultados do estudo.
De acordo com a técnica de amostragem de Handayani (2020) ou vulgarmente
referida como amostragem é o processo de seleção de vários elementos da
população em estudo para serem usados como amostras, e compreender os vários
traços ou caracteres dos indivíduos usados como amostras, que podem ser
generalizados a partir de elementos da população.
Existem duas partes da técnica de
amostragem, nomeadamente a
amostragem de probabilidade e a
amostragem não-probabilidade. A explicação e os tipos de
técnicas de amostragem são os seguintes:
1. Técnica
de amostragem de probabilidade
De acordo com Kuntjojo (2009),
a técnica de amostragem de probabilidade ou amostragem aleatória é uma técnica
de amostragem que é realizada proporcionando oportunidades ou oportunidades
para que todos os membros da população se tornem amostras. Assim, espera-se que
a amostra obtida seja uma amostra representativa. Esta técnica de amostragem é
mais capaz de generalizar os resultados da investigação. Mas geralmente é feito
para populações cujos membros podem ser contados.
Os tipos de técnicas de
amostragem, na probabilidade, são os seguintes:
- Simples
amostragem aleatória. Diz-se que é simples porque a amostragem
de membros da população é realizada aleatoriamente, sem ter em conta os
estratos contidos na população. Este tipo de técnica de amostragem é
realizado se os membros da população forem pequenos e forem considerados
homogéneos. O método mais popular usado num simples processo de amostragem
aleatória é através de uma lotaria. Os resultados do estudo têm um elevado
grau de generalização, mas não são tão eficientes como a amostragem estratificada.
Exemplo:
1.
Se tivermos um
esboço de amostra de 500 indivíduos, rotulados de 0 a 499, use grupos de três
dígitos de uma tabela de números aleatórios para selecionar amostras. Assim, se
os três primeiros números da tabela de números aleatórios forem 094, selecione
o indivíduo com a etiqueta "94", e assim por diante.
2.
Umasimples
amostra aleatória é uma seleção aleatória de 25 alunos de uma
turma de 60 alunos. Cada aluno tem a mesma oportunidade de ser selecionado.
Aqui a probabilidade de seleção é de 1/60.
- Amostragem sistemática. É quase o mesmo que uma
amostragem aleatória, exceto que seleciona sistematicamente números
aleatórios da tabela. Este procedimento é sob a forma de amostragem
tomando cada caso (número de sequência) que é o primeiro da lista
populacional. Este tipo de amostragem é fácil de usar quando a amostra
enquadra a população é boa. A desvantagem é que há um preconceito bastante
elevado.
Exemplo: Um caso de utilização de amostras
estratificada onde os supermercados querem aprender sobre os hábitos de compra
dos seus clientes. Utilizando amostras sistemáticas, conseguiram selecionar
cada 10 ou 15 clientes que entraram no supermercado e realizaram um estudo
destas amostras.
- Amostragem aleatória estratificada proporcional. Uma das técnicas
utilizadas se a população tem membros ou elementos que não são homogéneos
e proporcionalmente estratificados. O método de recolha pode ser feito por
sorteio ou sistematicamente. População deve ser interpretada de acordo com
o seu segmento: A proporcional é retirada dos membros reais da população A
população é retirada de outros membros da população.
Exemplo: O caso de utilização de amostras
estratificadas, por exemplo, se 3 0% da população tiver formação universitária e 70% da população nunca tiver ido para a faculdade, 30% da amostra é
selecionada aleatoriamente a partir de
um subconjunto da população universitária e 70% da amostra é selecionada
aleatoriamente da população não universitária. Manter uma relação ao selecionar uma amostra aleatória é a
chave para a amostragem estratificada.
- Amostragem de
agrupamento. Há alturas em que os investigadores não
conhecem exatamente as características da população que querem ser objeto
de investigação porque a população está espalhada por uma área muito
grande. Por esta razão, os investigadores só podem determinar amostras
regionais, sob a forma de grupos de agrupamentos que são determinados por
etapas. Este tipo de técnica de amostragem é chamado de amostragem de
cluster ou amostragem em várias fases. Esta técnica de amostragem é
utilizada para determinar a amostra se o objeto a ser estudado ou a fonte
de dados é muito amplo, como os residentes de um país, província ou de um
distrito.
Porexemplo: Se o
governo dos Estados Unidos quiser avaliar o número de imigrantes que vivem em
grandes ilhas dos EUA, podem dividi-los em grupos por estados como Califórnia,
Texas, Florida, Massachusetts, Colorado, Havai, entre outros. O inquérito será
mais eficaz porque os resultados serão organizados nos Estados e fornecerão
dados de imigração perspicazes.
b. Técnica
de amostragem sem probabilidade
De acordo com Kuntjojo (2009),
uma técnica de amostragem sem
probabilidade é uma técnica de amostragem que é descoberta ou determinada
pelo próprio investigador ou de acordo com considerações de peritos. Esta
amostragem é uma técnica que não proporciona uma igualdade de oportunidades
para que cada elemento ou membro da população seja selecionado como amostra.
Os tipos de técnicas de
amostragem de forma não probabilidade são os seguintes:
- Amostragem sistemática.
Uma técnica de amostragem baseada na ordem dos membros da população a quem
foi atribuído um número de sequência.
- Amostragem de quotas. Uma
técnica para determinar amostras derivadas de populações que têm
determinados traços até ao número de quotas desejado. Por exemplo, o
número de amostras masculinas é de 70 pessoas, então a amostra feminina
também é de 70 pessoas.
Exemplo: Os
entrevistadores foram convidados a selecionar 2 5 homens adultos, 25 mulheres adultas, 15 mulheres jovens e 15 adolescentes para que pudessem entrevistá-los
sobre os seus programas de televisão. Idealmente, a quota selecionada
representará proporcionalmente as características da população subjacente.
Embora esta tenha a vantagem de ser relativamente fácil e potencialmente
representativa, a amostra selecionada não pode representar outras
características não consideradas (uma consequência da natureza não aleatória da
amostragem).
- Amostragem
axidental. Uma técnica de determinação de amostras com base no acaso, isto
é, qualquer pessoa que encontre acidentalmente um investigador pode ser
usada como uma amostra, se se ver que a pessoa que por acaso é encontrada
é adequada para ser usada como fonte de dados.
Exemplo: As startups e as ONG costumam fazer
amostras em centros comerciais para distribuir panfletos para eventos ou
atividades ou promoções de algo. Fazem-no parado à entrada do centro comercial
e distribuindo panfletos aleatoriamente aos visitantes do centro comercial.
- Amostragem
purposiva. Uma técnica de determinação de amostras com determinadas
considerações ou seleção especial. Por exemplo, se pesquisar crimes numa
determinada cidade ou área, então leva informadores, nomeadamente o chefe
de polícia da cidade ou da área, um criminoso e uma vítima de crime
naquela cidade.
Exemplo: Se queremos compreender o processo de
pensamento das pessoas que estão interessadas em prosseguir um doutoramento ,
então o critério de seleção é "Está interessado num Mestrado em ..?"
As pessoas que darem a resposta "Não" serão excluídas da amostra que
iremos analisar mais.
- Amostragem saturada. Uma
técnica de determinação da amostra se todos os membros da população forem
utilizados como amostras. Isto é muitas vezes feito se a população é
relativamente pequena ou pequena, ou seja, menos de 30 pessoas, ou seja,
uma investigação que quer fazer generalizações com erros relativamente
pequenos.
- Amostragem de bola de
neve. A técnica de determinação de amostras que são primeiro pequenas ou
pequenas em número, depois ampliadas. Ou uma amostra baseada numa pesquisa
da amostra anterior. Por exemplo, a investigação sobre casos de corrupção
que a fonte do primeiro informador leva ao segundo informador e depois ao
informador assim por diante.
Exemplo: Esta técnica é geralmente usada em
situações de temas altamente sensíveis, como a SIDA para o VIH, onde as pessoas
não discutem e participam abertamente em inquéritos para partilhar informações
sobre a SIDA.
2.3.1. Desenhos
de amostragem de probabilidade e não probabilidade
|
Design
de amostragem |
Descrição |
Vantagem |
Desvantagem |
|
a. Amostragem
de probabilidade |
|||
|
1. Amostragem aleatória simples |
Todos os elementos da população
são considerados e cada elemento tem a mesma chance de ser selecionado como
um assunto. |
Alta generalização dos
resultados. |
Não tão eficiente como a
amostragem estratificada. |
|
2. Amostragem sistemática |
Cada elemento nº da população é
selecionado a partir de um ponto aleatório na moldura de amostragem. |
É fácil de utilizar se
estiverem disponíveis quadros de amostragem. |
O enviesamento sistemático é
possível. |
|
3. Amostragem aleatória
estificada (Str.R.S.) Desproporcional Str.R.S. Str.R.S. Str.R.S. |
A população foi dividida pela
primeira vez em vários segmentos significativos; Depois disso, o sujeito é
desenhado proporcionalmente ao seu número original na população. Com base em
critérios diferentes do número de nativos. |
Mais eficiente entre todos os
projetos de probabilidade. Todos os grupos foram devidamente amostrados e as
comparações entre grupos foram possíveis. |
A estratificação deve ser
significativa. Mais demorado do que uma simples amostragem aleatória ou uma
amostragem sistemática. A moldura de amostragem de cada estrato é muito
importante. |
|
4. Amostragem de agrupamento |
Os grupos que têm membros
heterogéneos são identificados pela primeira vez; em seguida, vários são
escolhidos aleatoriamente; Todos os membros de cada um dos grupos
selecionados aleatoriamente foram estudados. |
Nos clusters geográficos, os
custos de recolha de dados são baixos. |
Os mais pouco fiáveis e
eficientes entre todos os desenhos de amostragem de probabilidades porque os
subconjuntos de aglomerados são mais homogéneos do que heterogéneos. |
|
5. Amostragem de área |
Amostragem de agrupamento
dentro de uma área ou localidade específica. |
Custos eficazes. Útil para
decisões relativas a uma localização específica. |
Leva tempo para recolher dados
de uma área. |
|
6. Dupla amostragem |
A mesma amostra ou um
subconjunto da amostra são estudados duas vezes. |
Oferece informações mais
detalhadas sobre o tema do estudo. |
O preconceito original, se
houver, será levado. Os indivíduos
podem não gostar de responder uma segunda vez. |
|
b. Amostragem
sem probabilidade |
|||
|
7. Amostragem conveniente |
O membro mais acessível é
escolhido como sujeito. |
Rápido, conveniente, mais
barato. |
Não pode ser generalizada. |
|
8. Amostragem de avaliação |
Os sujeitos são selecionados
com base na sua experiência no assunto sob investigação. |
Às vezes, a única maneira
significativa de investigar. |
As generalizações são
questionáveis; não pode ser
generalizada a toda a população. |
|
9. Amostragem de quotas |
Os indivíduos são facilmente
selecionados de grupos-alvo de acordo com algum montante ou quota
pré-determinado. |
Muito útil quando a
participação minoritária num estudo é muito importante. |
Não é fácil generalizar. |
|
Fonte:
Métodos de Investigação para Negócios. Uma abordagem de construção de
habilidades. P.249-2050 |
|||
2.3.2.
Fórmula e Número de Amostragem
De acordo com Priyono (2016),
existem várias coisas que afetam a dimensão da colheita de uma amostra,
nomeadamente:
- Heterogeneidade
da população. Quanto mais heterogénea for a população, maior é o número de
amostras colhidas para que todas as características da população possam
ser representadas.
- O
número de variáveis usadas. Quanto mais número de variáveis existir,
maior o número de amostras colhidas. Isto porque existe um requisito de
teste de relacionamento (por exemplo, com um teste de chi_square independente
que não permite a presença de células com um valor esperado inferior a 1
que no cálculo é influenciado pelo tamanho da amostra).
- Técnicas
de amostragem usadas. Se utilizarmos uma simples técnica de
amostragem aleatória, o número automático de amostras tem pouco efeito em
comparação com a utilização de técnicas de amostragem aleatórias em
camadas. Mais camadas requerem amostras maiores.
A fórmula de amostragem para
uma população cujos números já são conhecidos pode usar a fórmula Slovin
(Priyono, 2016), nomeadamente:
Discrição:
n : Número de amostras.
N : População total.
e2 : Valor crítico desejado (limite de precisão) (por cento de
margem de manobra de imprecisão devido a erros de amostragem).
1.
A população é a totalidade, totalidade ou
generalização de unidades, indivíduos, objetos ou sujeitos que têm uma
determinada quantidade e característica a estudar, que podem ser sob a forma de
pessoas, objetos, instituições, eventos, e outros em que podem ser obtidos ou
fornecer informações de investigação (dados) que podem ser então tiradas
conclusões. Enquanto um s ampelous é um
representante ou parte de uma população que
tem os mesmos traços e características é representativo e descreve a população
de modo a que seja considerada representativa de todas as populações estudadas.
As técnicas de amostragem são úteis para ajudar os investigadores na
generalização das populações representadas.
2. Existem quatro (4) razões para considerara
utilização e a amostragem da investigação, nomeadamente: a. Economia de custos; b. Economia de tempo; c. Poupança de energia
e d. Garantia de rigor e peso dos resultados.
3.
Existem duas partes da técnica de amostragem,
nomeadamente a amostragem de probabilidade e a amostragem não-probabilidade. A
amostragem de probabilidade é constituída por vários tipos, nomeadamente: a. Simples
amostragem
aleatória; b. Amostragem sistemática; c. Amostragem aleatória
estratificada proporcional; e d.
Amostragem
de agrupamento. Enquanto a técnica de
amostragem não de probabilidade consiste em
a. Amostragem
sistemática; b. Amostragem
de quotas; c. Amostragem axidental; d. Amostragem purposiva; e. amostragem saturada; e f.
Amostragem de bola de
neve.
Arikunto, Suharsimi. 2006. Procedimentos de investigação: Uma abordagem prática. Jakarta: Rineka Cipta.
O Djarwanto. 1994. Princípios
dos Métodos de Investigação e Orientação Técnica para a Escrita de Tese.
Yogyakarta: Liberdade.
Handayani, Ririn. 2020.
Metodologia de Investigação Social. Yogyakarta: Trussmedia Grafika.
O Ismiyanto. 2003. Métodos de
Investigação. Semarang: FBS UNNES Jamaluddin.
O Kuntjojo. 2009. Metodologia
de Investigação. Kediri: Universidade de Nusantara PGRI
O Priyono. 2016. Métodos de
Investigação Quantitativa. Sidoarjo: Editora Zifatama.
Sekaran, Uma e Roger Bougie, Métodos
de Investigação para Negócios. Uma abordagem de skill-building sétima edição.
Copyright © 2016, 2013 John Wiley & Sons Ltd.
Siyoto, Sandu e Sodik, M. Ali.
2015. Base da Metodologia de Investigação. Yogyakarta: Literacia editorial dos
media.
Sudjana, Nana e Ibrahim. 2001.
Investigação e Avaliação Educativa. Bandung: Sinar Baru Algesindo.
O Sugiyono. 2006. Métodos de
Investigação Quantitativa Qualitativa e I&D. Bandung: Alfabeta.
O Winarno. 2013. Metodologia
de Investigação em Educação Física. Malang: UM Press.
