2. Por que os psicólogos fazem
experimentos
Testar
• Hipóteses derivadas de teorias
• A efetividade de tratamentos e programas
Terceiro objetivo da pesquisa psicológica
• Explicação
Investigar as causas do comportamento
Abordagem multimétodos
• Busca validade convergente para resultados de
pesquisa com métodos diferentes
3. Pesquisa experimental
Um experimento deve conter
• Variável indepentente (VI)
• Variável dependente (VD)
Variável independente
• Manipulada (controlada) pelo experimentador
• Pelo menos 2 condições (níveis)
“Tratamento” e “Controle”
4. Pesquisa experimental
Variáveis dependentes
• Medidas pelo experimentador
• Usadas para determinar o efeito da VI
Os pesquisadores geralmente medem diversas
variáveis dependentes para avaliar o efeito da VI.
5. Validade interna
Diferenças no comportamento (VD) podem
ser atribuídas sem ambiguidades ao efeito
da variável independente (VI)
3 condições para inferência causal
• Covariação
• Relação de ordem temporal
• Descartar explicações causais alternativas
(confusões)
6. Validade interna, continuação
Confusões
• VI covaria com uma variável diferente e
potencialmente independente
• Explicações alternativas para os resultados
de um estudo
• Experimento livre de confusões tem
validade interna
Técnicas de controle para eliminar
confusões
• Manter as condições constantes, balancear
7. Exemplo: imagem do corpo em garotas
pequenas (Dittmar, Halliwell, & Ives, 2006)
Hipótese de pesquisa
• Garotas pequenas expostas à imagem de um
corpo muito magro terão mais insatisfação
com seus corpos do que garotas que são
expostas a imagens corporais realistas ou
neutras.
VI: versão de livro ilustrado com 3 níveis
Barbie (imagem de corpo muito magro)
Emme (imagem de corpo realista)
Neutra (sem imagens corporais)
8. Imagem do corpo em garotas pequenas,
continuação
Variáveis dependentes
• Diversas medidas da imagem corporal e
insatisfação com o corpo
• Child Figure Rating Scale
Avaliar percepção de forma corporal
Avaliar forma corporal ideal
Obter escore para a diferença
• Escore negativo: desejo de ser mais magra
9. Técnicas de controle
Manipulação
• VI: participantes nas condições têm
experiências diferentes
Exemplo: Barbie, Emme, ou imagens neutras
Mantendo condições constantes
• VI é o único fator que difere sistematicamente
entre os grupos
• Dittmar et al. (2006) mantiveram constante
Todas as garotas ouviram as mesmas instruções e
história
Todas responderam as mesmas perguntas após a
história
10. Técnicas de controle, continuação
Balanceamento
• A designação aleatória a condições serve
para balancear as características dos
sujeitos, em média.
• Os grupos são equivalentes antes da
manipulação da VI.
• Todas as variáveis dos sujeitos são
balanceadas.
Peso corporal, número de Barbies, nível
preexistente de insatisfação com o corpo, etc.
11. Desenho de grupos independentes
Indivíduos diferentes participam de cada
condição do experimento.
• Não há sobreposição de participantes entre
as condições
Três tipos
• Desenho de grupos aleatórios
• Desenho de grupos correspondentes
• Desenho de grupos naturais
12. Desenho de grupos aleatórios
Os indivíduos são designados
aleatoriamente a condições da VI.
Lógica da inferência causal
Se os grupos forem equivalentes no começo de
um experimento (por balanceamento) e as
condições forem mantidas constantes,
quaisquer diferenças entre os grupos em
relação à variável dependente serão
causadas pela variável independente
manipulada.
13. Desenho de grupos aleatórios,
continuação
Randomização em blocos
• Bloco: ordem aleatória de todas as condições
do experimento
• Designar os sujeitos aleatoriamente a um
bloco de cada vez.
• Vantagens
Cria grupos de mesmo tamanho
Controla eventos temporais que ocorrem durante o
experimento
14. Ameaças à validade interna
A capacidade de fazer inferências causais
é ameaçada quando
• São usados grupos intactos de sujeitos
• As variáveis externas não são controladas
Manter condições constantes
• A perda seletiva de sujeitos ocorre
Perda mecânica de sujeitos não é problema
• Características de demanda e efeitos do
experimentador não são controlados
Usar controle com placebo e procedimentos duplo-
cegos
15. Análise e interpretação de resultados
experimentais
Usar análise estatística para
• Afirmar que VI gerou efeito em VD
• Descartar a explicação alternativa de que o
acaso produziu algum efeito observado
Replicação
• Melhor maneira de determinar se resultados
são fidedignos
• Repetir experimento e ver se os mesmos
resultados são obtidos
16. Análise de desenhos experimentais
Três passos
• Verificar os dados
Erros? outliers?
• Descrever os resultados
Estatísticas descritivas, como média, desvio-
padrão, tamanho do efeito
• Confirmar o que os dados revelam
Estatísticas inferenciais
17. Análise de experimentos, continuação
Estatísticas descritivas
• Média (tendência central)
Escore médio em VD, calculado para cada condição
Interesse não é em cada escore individual, mas em como as
pessoas respondem em média em uma condição
• Desvio-padrão (variabilidade)
Distância média de cada escore em relação à média de um
grupo
Nem todos respondem do mesmo modo a uma condição
experimental
18. Análise de experimentos, continuação
• Tamanho do efeito
Medida da intensidade da relação entre a VI e a
VD
d de Cohen
diferença entre médias do tratamento e controle
variabilidade média para os escores dos participantes
Diretrizes para interpretar d de Cohen:
efeito pequeno da VI: d = 0,20
efeito médio da VI: d = 0,50
efeito grande da VI: d = 0,80
19. Análise de experimentos, continuação
Meta-análise
• Sintetizar tamanhos de efeitos entre muitos
experimentos que investigaram a mesma VI
ou VD.
• Selecionar experimentos com base em sua
validade interna e outros critérios.
• Permitir que os pesquisadores desenvolvam
confiança em princípios psicológicos gerais.
20. Análise de experimentos, continuação
Confirmar o que os dados revelam
• Usar estatísticas inferenciais para determinar
se a VI teve um efeito fidedigno sobre a VD.
• Descartar a possibilidade de resultados se
deverem ao acaso (variação do erro).
• Dois tipos de estatísticas inferenciais
Teste de significância da hipótese nula
Intervalos de confiança
21. Análise de experimentos, continuação
Teste de significância da hipótese nula
• Procedimento estatístico para determinar se a
diferença média entre as condições é maior
do que poderia ser devido ao acaso (variação
do erro)
• O efeito de uma VI sobre uma DV é
estatisticamente significativo quando a
probabilidade de os resultados observados se
deverem ao acaso for baixa.
• p < 0,05
22. Análise de experimentos, continuação
Passos para o teste da hipótese nula
(1) Pressupor que a hipótese nula seja
verdadeira.
As médias populacionais para os grupos no
experimento são iguais.
Exemplo
• A média populacional para insatisfação com o corpo
após ver imagens da Barbie é igual à média
populacional para imagens da boneca Emme e imagens
neutras.
23. Análise de experimentos, continuação
(2) Usar médias amostrais para estimar médias
populacionais.
Exemplo
insatisfação corporal média para Barbie = -0,76
insatisfação corporal média para Emme = 0,00
insatisfação corporal média para imagem neutra = 0,00
diferença entre Barbie e Emme/neutra = -0,76
A diferença observada entre as médias (-0,76) é
maior do que a esperada quando consideramos
que a hipótese nula seja verdadeira (zero)?
24. Análise de experimentos, continuação
(3) Calcular a estatística inferencial apropriada.
Teste t: testa a diferença entre duas médias
amostrais
Teste F (ANOVA): testa a diferença entre três ou
mais médias amostrais
(4) Identificar a probabilidade associada à
estatística inferencial
o valor de p é fornecido no resultado do
computador ou pode ser encontrado em tabelas
estatísticas
25. Análise de experimentos, continuação
(5) Comparar a probabilidade observada com o
nível de significância (alfa) observado, que
geralmente é p < 0,05
• Se o valor observado para p for maior que
0,05, não rejeitamos a hipótese nula de que
não há diferença
• Concluir que a VI não teve um efeito
fidedigno
26. Análise de experimentos, continuação
• Se o valor observado para p for menor que
0,05, rejeitamos a hipótese nula de que não
há diferença.
• Concluir que VI teve um efeito fidedigno
• A versão dos livros ilustrados (Barbie, Emme,
neutro) causou diferenças na insatisfação de
garotas pequenas com seus corpos
27. Análise de experimentos, continuação
Intervalos de confiança
• Médias amostrais estimam médias
populacionais
• O intervalo de confiança para uma média
proporciona a faixa de valores que contém a
média populacional verdadeira.
com um grau de probabilidade, geralmente 0,95
28. Análise de experimentos, continuação
• Calcular intervalo de confiança ao redor da média
amostral em cada condição.
Se os intervalos de confiança não se sobrepõem, temos
confiança de que as médias populacionais para as
condições são diferentes
- ou seja, a VI causa um efeito.
Se os intervalos de confiança se sobrepõem levemente, não
temos certeza sobre a diferença real entre as médias.
Se os intervalos se sobrepõem de modo que a média de um
grupo esteja dentro do intervalo de outro grupo, concluímos
que as médias populacionais não diferem.
29. Validade externa
Validade externa
• Nível em que os resultados de um
experimento podem ser generalizados para
descrever indivíduos, situações e condições
além dos limites de um experimento
específico.
Qualquer experimento tem validade externa
limitada
A validade externa dos resultados aumenta
quando são replicados em um novo experimento
30. Validade externa, continuação
Questões ligadas à validade externa
• Os mesmos resultados ocorreriam
Em diferentes situações?
Em diferentes condições?
Com diferentes participantes?
• Pesquisas com estudantes universitários
costumam ser criticadas por sua baixa
validade externa.
• Teste de teorias: amostra muitas vezes não
importa
31. Validade externa, continuação
Aumentar a validade externa
• Incluir características de situações, condições
e população para os quais os pesquisadores
querem generalizar
• Replicações parciais
• Experimentos de campo
• Replicações conceituais
32. Desenhos de grupos independentes
adicionais
Desenho de grupos correspondentes
• A designação aleatória exige grandes
amostras para balancear as características
dos sujeitos.
• Às vezes, existem apenas amostras
pequenas disponíveis.
• No desenho de grupos correspondentes,
Os pesquisadores selecionam 1 ou 2 diferenças
individuais para a correspondência
33. Desenho de grupos correspondentes
Procedimento
• Selecionar variável correspondente
relacionada com resultado ou variável dependente
• Formar duplas (ou trios, quádruplos, etc.,
dependendo do número de condições) de
escores idênticos ou semelhantes.
• Designar participantes aleatoriamente dentro
de cada combinação para as diferentes
condições da VI.
• Grupos não são equivalentes para todas as
variáveis de diferenças individuais.
34. Desenhos de grupos naturais
Desenhos de grupos naturais
• Os psicólogos fazem perguntas sobre como os
indivíduos diferem, e como essas diferenças
individuais estão relacionadas com resultados
importantes.
Diferenças individuais (variáveis do sujeito)
• características ou traços que variam entre os
indivíduos (p.ex., sexo masculino ou feminino)
Não é possível designar participantes
aleatoriamente a esses grupos.
35. Desenhos de grupos naturais,
continuação
Desenhos de grupos naturais
• Classificar indivíduos em grupos com base em
variável do sujeito e medir VDs.
• Selecionar VIs de diferenças individuais
• Pesquisa correlacional
• Descrever e prever o uso de relações entre
variáveis de grupos naturais e VDs
• Melhorar as inferências causais: estudar
variáveis de diferenças individuais em
combinação com VIs manipuladas.