Capítulo 19 Tamanho do efeito e P-valor
19.1 Tamanho do efeito
19.1.1 O que é o tamanho do efeito?
- Tamanho do efeito quantifica a magnitude de um efeito real da análise, expressando uma importância descritiva dos resultados.200
19.1.2 Quais são os tipos de tamanho do efeito?
Diferenças padronizadas entre grupos:187,200
Cohen’s d
Glass’s \(\Delta\)
Razão de chances (\(RC\) ou \(OR\))
Risco relativo ou razão de risco (\(RR\))
-
Coeficiente de correlação de Pearson (\(r\)), ponto-bisserial (\(r_{s}\)), Spearman (\(\rho\)), Kendall (\(\tau\)), Cramér (\(V\)) e \(\phi\).
Coeficiente de determinação (\(R^2\))
19.1.3 Como converter um tamanho de efeito em outro?
- .200
O pacote effectsize201 fornece diversas funções para conversão de diferentes estimativas de tamanhos de efeito.
19.1.4 Como interpretar um tamanho do efeito?
- Tamanhos de efeito podem ser comparadores entre diferentes estudos.187
O pacote effectsize201 fornece a função rules para criar regras de interpretação de tamanhos de efeito.
O pacote effectsize201 fornece a função interpret para interpretar os tamanhos de efeito com base em uma lista de regras pré-definidas.
O pacote pwr189 fornece a função cohen.ES para obter os tamanhos de efeito “pequeno”, “médio” e “grande” para diversos testes de hipóteses.
19.6 Efeito de interação
19.6.1 O que é efeito de interação?
A interação - representada pelo símbolo * - é o termo estatístico empregado para representar a heterogeneidade de um determinado efeito.203
.202
Figura 19.1: Análise de efeito de interação (direta) entre grupos e tempo. Retas paralelas sugerem ausência de efeito de interação.
Figura 19.2: Análise de efeito de interação (inversa) entre grupos e tempo. Retas paralelas sugerem ausência de efeito de interação.
O pacote emmeans206 fornece a função emmeans para calcular as médias marginais dos fatores e suas combinações de um modelo de regressão misto linear.
19.9 P-valor
19.9.1 O que é significância estatística?
- A expressão “significância estatística”210 ou “evidência estatística de significância” sugere apenas que um experimento merece ser repetido, uma vez que um baixo P-valor (calculado a partir dos dados, modelos e demais suposições do estudo) sugere ser improvável que os dados coletados sejam coletados no contexto de que a hipótese nula \(H_{0}\) assumida é verdadeira.211
19.9.2 Como justificar o nível de significância estatística de um teste?
- .REF?
O pacote Superpower191 fornece a função optimal_alpha para calcular e justificar o nível de significância \(\alpha\) por balanço dos erros tipo I e II.
O pacote Superpower191 fornece a função ANOVA_compromise para calcular e justificar o nível de significância \(\alpha\) por balanço dos erros tipo I e II em análise de variância (ANOVA).
19.9.3 O que é o P-valor?
P-valor é a probabilidade, assumindo-se um dado modelo estatístico, de que um efeito calculado a partir dos dados seria igual ou mais extremo do que o seu valor observado.212
P-valor é uma variável aleatória que possui distribuição uniforme quando a hipótese nula \(H_{0}\) é verdadeira.213
19.9.4 Como interpretar o P-valor?
P-valores abaixo de um nível de significância estatística pré-especificado representam que um experimento merece ser repetido, com a rejeição da hipótese nula \(H_{0}\)) justificada apenas quando experimentos adicionais frequentemente reportem igualmente resultados positivos (rejeição da hipótese nula \(H_{0}\)).194
P-valor resulta da coleta e análise de dados, e assim quantifica a plausibilidade dos dados observados sob a hipótese nula \(H_{0}\).214
P-valores podem indicar quantitativamente a incompatibilidade entre os dados obtidos e o modelo estatístico especificado a priori (geralmente constituído pela hipótese nula \(H_{0}\)).212
P-valores menores/maiores do que o nível de significância estatístico pré-estabelecido não devem ser utilizados como única fonte de informação para tomada de decisão em ciência.212
19.9.5 O que o P-valor não é?
P-valor não representa a probabilidade de que a hipótese nula \(H_{0}\)) seja verdadeira, nem a probabilidade de que os dados tenham sido produzidos pelo acaso.212
P-valor não mede o tamanho do efeito ou a relevância da sua observação.212
P-valor sozinho não provê informação suficiente sobre a evidência sobre um modelo teórico. A sua interpretação correta requer uma descrição ampla sobre o delineamento, métodos e análises estatísticas aplicados no estudo.212
Evidência estatística de significância não provê informação sobre a magnitude do efeito observado e não necessariamente implica que o efeito é robusto.148,213