Causalidade Aleatorizacao Validade Interna (MIP 5)

3.015 visualizações

Publicada em

Causalidade Aleatorizacao Validade Interna (MIP 5)

0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
3.015
No SlideShare
0
A partir de incorporações
0
Número de incorporações
26
Ações
Compartilhamentos
0
Downloads
0
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Causalidade Aleatorizacao Validade Interna (MIP 5)

  1. 1. Causalidade, aleatorização e validade Métodos de Investigação em Psicologia Universidade Autónoma de Lisboa Professora Doutora Célia M.D. Sales 1 Célia Sales - UAL Mar-10
  2. 2. Conteúdos: Paradigma Experimental 1. Conceitos básicos: • Relação causa-efeito • Níveis da Variável Independente; Condições experimentais • Variáveis parasitas 2. Aleatorização: • Da população à amostra • Da amostra às condições experimentais 3. Validade: • Conceito, Tipologia, Ameaças à validade interna 2 Célia Sales - UAL Mar-10
  3. 3. Causalidade  Estabelecer uma relação de causa-efeito entre duas variáveis  Que condições são necessárias?  Exemplo:  Hipótese: Estudar Psicologia faz crescer as unhas 3 Célia Sales - UAL Mar-10
  4. 4. 4 condições para a causalidade (John Stuart Mill, 1885) Todas as outras Covariação explicações para (associação esta relação Ordem Lógica: causa-efeito têm estatística): temporal: Existe uma de ser Mudanças no A causa (VI) explicação lógica “derrotadas”: valor da VI são acontece antes para a relação segurança de que acompanhadas do efeito (VD) entre as variáveis a VI, e apenas a por mudanças no valor da VD VI, é a causa das mudanças na VD 4 Célia Sales - UAL Mar-10
  5. 5. Isolar a causa Mill propõe, para isolar a causa, que se comparem duas condições: Condição em que a causa está presente Grupo (Estuda Psicologia) EXPERIMENTAL Condição em que a causa está ausente Grupo de (Não estuda Psicologia) CONTROLE Criar, “artificialmente”, situações em que “activamos e desactivamos” a suposta causa. 5 Célia Sales - UAL Mar-10
  6. 6. Isolar a causa manipulação da VI  A causa (VI) é manipulada, i.e., faz-se variar de forma deliberada  As manipulações da VI = níveis da VI  A manipulação mais simples corresponde a fazer variar a VI entre presente e ausente (2 níveis): 1. Estudar Psicologia 2. Não estudar Psicologia  Pode haver mais níveis da VI: 1. Estudar Psicologia mais de 5 minutos por dia 3 níveis ou 2. Estudar Psicologia até 5 minutos por dia condições 3. Não estudar Psicologia experimentais 6 Célia Sales - UAL Mar-10
  7. 7. Teoricamente… Se os grupos forem exactamente iguais Se a única variação sistemática entre os grupos for a exposição ao tratamento (VI) As diferenças encontradas (na VD) depois da exposição ao tratamento, são um EFEITO CAUSADO pelo tratamento 7 Célia Sales - UAL Mar-10
  8. 8. Na realidade…  Não é possível a equivalência total dos grupos!  Porquê? 8 Célia Sales - UAL Mar-10
  9. 9. Variáveis envolvidas numa relação causa-efeito (Kish, 1987) Variáveis envolvidas na relação causa-efeito: São a variável de tratamento (ou VI) e a variável Explicativas de resposta (ou VD) Variáveis Estranhas ou Parasitas Variáveis que estão presentes e induzem o investigador em erro: influenciam a VD 9 Célia Sales - UAL Mar-10
  10. 10. Variáveis parasitas. Exemplo: (adaptado de Sani & Todman, 2006)  Hipótese: As pessoas de bom humor conseguem realizar melhor tarefas intelectuais  VD: Desempenho intelectual, medido por um teste de raciocínio lógico, após exposição ao tratamento  VI: Estado de humor. Dois grupos experimentais:  Grupo A (“bom humor”) –Vê um vídeo divertido  Grupo B (“humor neutro”) – vêum vídeo com conteúdo emocional neutro  Previsão: Se as pessoas de bom humor têm melhor desempenho em tarefas intelectuais, então o Grupo A terá mais respostas certas no teste do que o Grupo B. 10 Célia Sales - UAL Mar-10
  11. 11. Variáveis parasitas. Exemplo: (adaptado de Sani & Todman, 2006)  Imaginemos que por conveniência de horário, o Grupo A realizou-se de manhã e o Grupo B realizou-se depois do almoço (Sopa da Pedra e Cozido à Portuguesa, acompanhado com vinho tinto Dão; à sobremesa, arroz doce e farófias)  A variável “azia” será muito provavelmente uma variável parasita –Vai influenciar o desempenho no teste do grupo B...  As diferenças entre os dois grupos devem-se à VI (bom humor) ou à variável parasita “azia”?  Solução: CONTROLAR AS VARIÁVEIS PARASITAS, através de opções no desenho de investigação. 11 Célia Sales - UAL Mar-10
  12. 12. Variáveis envolvidas numa relação causa-efeito (Kish, 1987) V. VI e VD Explicativas Variáveis V. V. Estranhas Controladas ou parasitas V. Não controladas 12 Célia Sales - UAL Mar-10
  13. 13. Há variáveis parasitas que não podemos controlar através do desenho metodológico  Suponhamos que o estudo do exemplo anterior usava, como participantes, os estudantes do 1º ano de Psicologia da UAL. Por uma questão de facilidade, colocava os alunos de cada turma em cada grupo (Turma pós laboral=grupo A “bom humor”; Turma diurna=grupo B “humor neutro”)  Na noite anterior, a turma diurna foi fazer uma festa fantástica e não dormiu praticamente nada. No dia do estudo, os alunos não conseguiam concentrar-se para responder ao teste, devido ao cansaço. 13 Célia Sales - UAL Mar-10
  14. 14. Há variáveis parasitas que não podemos controlar através do desenho metodológico  O experimentador não teve conhecimento da variável “cansaço” que influenciou sistematicamente a performance do grupo B.  Como a desconhecia, não podia controlá-la  Haverá uma influência sistemática na VD (desempenho no teste) provocada por uma variável (cansaço) que não é a VI.  Erro sistemático  Vai influir significativamente nos resultados  Se os alunos tivessem sido distribuídos ao acaso entre os dois grupos, o efeito desta variável seria anulado  O erro continuaria a existir mas não seria sistemático 14 Célia Sales - UAL Mar-10
  15. 15. Problema grave!  Há tantos outros factores que podem contribuir para o desempenho numa prova de raciocínio lógico  Escolaridade, o stress…  Como podemos ter a certeza que foi o humor e não outro factor que aumentou a performance de raciocínio? NÃO PODEMOS!!!  No entanto, temos que ter a certeza de que, à partida, os dois grupos a comparar são iguais em tudo, excepto na VI… 15 Célia Sales - UAL Mar-10
  16. 16. Solução  Distribuir os participantes pelos grupos, seleccionando-os ao acaso (distribuição aleatória)  As infinitas características que afectam a VD (ex: stress, cansaço, escolaridade, etc) variam de forma não-sistemática  Tendencialmente, nenhuma característica prevalecerá sobre as outras Equivalência estatística dos grupos 16 Célia Sales - UAL Mar-10
  17. 17. Aleatorização (“randomization”) Permite:  Generalizar os resultados dos estudos  Garantir a igualdade das condições experimentais 17 Célia Sales - UAL Mar-10
  18. 18. Condições População Amostra Experimentais A B A = Selecção da amostra, a partir da população (amostragem) B = Distribuição dos participantes da amostra pelas condições experimentais 18 Célia Sales - UAL Mar-10
  19. 19.  A aleatorização significa fazer depender totalmente do acaso as decisões, tanto em A como em B. A = Selecção aleatória (“random selection”) = Seleccionar aleatoriamente, do total da população em estudo, os elementos que vão participar no estudo, i.e., a amostra Depois de obtida a amostra, procede-se a: B = Distribuição aleatória (“random assignment”) dos participantes pelas condições experimentais 19 Célia Sales - UAL Mar-10
  20. 20. Aleatorização Condições População Amostra Experimentais A B Garante que a amostra é estatisticamente equivalente (representativa) da população Garante que cada grupo é estatisticamente equivalente à amostra, logo, os grupos são equivalentes entre si 20 Célia Sales - UAL Mar-10
  21. 21. Distribuição aleatória nos desenhos experimentais  No delineamento de estudos experimentais, para se garantir a equivalência estatística dos grupos, o processo B é aleatório, i.e., faz-se depender do acaso  “A aleatorização geralmente implica uma distribuição similar das características dos sujeitos em cada grupo e, por tanto, facilita a inferência causal. Se o número de sujeitos é grande, é improvável que os grupos difiram com respeito a alguma característica que possa afectar os resultados em estudo” (Ato Garcia, pp. 52, 54) 21 Célia Sales - UAL Mar-10
  22. 22. Resumindo…  A aleatorização serve para garantir que, a partida os grupos a comparar são similares em todas as variáveis, excepto na variável de tratamento  Permite assumir a equivalência dos grupos, mesmo que não se possam controlar as variáveis “parasitas”  Transforma o erro sistemático, em erro aleatório (que não afecta significativamente os resultados) 22 Célia Sales - UAL Mar-10
  23. 23. Variáveis envolvidas numa relação causa-efeito (Kish, 1987) V. Explicativas VI e VD Variáveis V. Controladas V. Estranhas V. ou parasitas aleatorizadas V. Não controladas V. perturbadoras 23 Célia Sales - UAL Mar-10
  24. 24. Distribuição aleatória dos participantes pelas condições experimentais Exemplo da sua importância Lanarkshire Milk Experiment, 1930 Avaliação dos benefícios nutricionais de dar leite às crianças na escola (UK) Exemplo descrito em Field & Hole, 2003 24 Célia Sales - UAL Mar-10
  25. 25. Lanarshire Milk Experiment 20 000 crianças 10 000 10 000 Não recebem leite na Recebem leite diariamente na escola escola 5 000 5 000 Leite crú Leite pasteurizado Identifique: 1) variável dependente; 2) variável independente; 3) dimensão da amostra; 4) condições experimentais. 25 Célia Sales - UAL Mar-10
  26. 26. Lanarkshire Milk Experiment  Distribuição aleatória pelas condições experimentais, em cada turma, realizada pelo professor  No entanto, era permitido que o professor fizesse ajustamentos, se considerasse que havia demasiadas crianças mal-nutridas ou bem alimentadas num grupo ou noutro 26 Célia Sales - UAL Mar-10
  27. 27. Lanarkshire Milk Experiment  Resultados: O grupo de controle apresentou peso e altura superiores  Como interpreta este resultado? 27 Célia Sales - UAL Mar-10
  28. 28. Lanarkshire Milk Experiment  Haverá outra causa para este efeito? (que se “confunde” com o efeito da VI)  Com que confiança podemos inferir que é a VI (leite), e apenas a VI, que é responsável pelo efeito (menor crescimento)?.... VALIDADE DA INVESTIGAÇÃO 28 Célia Sales - UAL Mar-10
  29. 29. Validade  Validade da investigação: Segurança de que o efeito de tratamento é estável e generalizável  Validade interna: grau de confiança com que se pode inferir que é a VI, e apenas a VI, que é responsável pelo efeito (inferência causal)  Validade externa: grau de confiança com que se pode concluir se a relação causa-efeito encontrada é ou não representativa, ou seja, pode ser generalizada a outros contextos diferentes daquele utilizado pelo investigador 29 Célia Sales - UAL Mar-10
  30. 30. Resumo No paradigma experimental, a causalidade estabelece-se mediante três estratégias: 1. Controle ou manipulação activa de (pelo menos) uma variável independente ou de tratamento, através de diferentes condições experimentais 2. Aleatorização 3. Outras técnicas para aumentar a validade da investigação (técnicas para evitar as “ameaças à validade”) 30 Célia Sales - UAL Mar-10
  31. 31. Ameaças à validade interna  Hipóteses explicativas rivais à VI que, potencialmente, podem explicar os resultados.  Ficamos na dúvida: O efeito deve-se à VI OU deve-se a…. EFEITO CONFUNDIDO COM O EFEITO DA VI (Confoundind effect) 31 Célia Sales - UAL Mar-10
  32. 32. Ameaças à validade interna 32 Célia Sales - UAL Mar-10
  33. 33. História Acontecimentos na vida dos participantes, entre o pré-teste e o pós-teste, que podem causar efeitos que são confundidos com o efeito do tratamento. 33 Célia Sales - UAL Mar-10
  34. 34. Exemplo da história como fonte de confundido Férias Nível de conflito Nível de conflito no no casal casal 10 X 5 diminui 5 pontos O conflito de casal diminui devido à terapia (VI) ou devido às férias? Mar-10 Célia Sales - UAL 34
  35. 35. Maturação Processos de mudança internos do próprio participante, associados à passagem do tempo, que podem alterar a forma como responde no pré-teste e no pós-teste, sem no entanto se deverem ao efeito do tratamento.  Factores de desenvolvimento (crescimento, envelhecimento, doenças, etc)  Processos internos de curto prazo (fome, fadiga) 35 Célia Sales - UAL Mar-10
  36. 36. Exemplo da maturação como efeito de confundido 1 ano depois Nível dificuldade Nível dificuldade de leitura de leitura 10 X 5 diminui 5 pontos A leitura melhorou devido ao programa de estimulação (VI) ou devido ao desenvolvimento cognitivo natural das crianças? 36 Célia Sales - UAL Mar-10
  37. 37. Administração de provas (“testing”) A aplicação de uma prova, no pré-teste, pode influenciar a resposta dos participantes no post-teste. 37 Célia Sales - UAL Mar-10
  38. 38. Exemplo de Administração de provas como efeito de confundido Questionário Questionário sobre atitude activou a face à disponibilidade cooperação para ajudar? Cooperação social Disponibilidade para doação financeira X X = Vídeo de promoção de cooperação em África 38 Célia Sales - UAL Mar-10
  39. 39. Instrumentação Efeitos provocados pelo processo / instrumentos de medida, que se confundem com os efeitos do tratamento Podem existir mudanças entre o pré e post teste que são devidas a esta falta de precisão na medição, que se confundem com o efeito da VI  Flutuação na precisão do instrumento que é usado para medir a VD (Ex: balança descalibrada)  Se a medição é feita pelos investigadores (entrevistas, testes…), poderá haver alterações devido ao cansaço do entrevistador, devido ao treino de aplicação de testes, etc… 39 Célia Sales - UAL Mar-10
  40. 40. Exemplo de instrumentação como fonte de confundido Participantes não Agora já compreendem as compreendem perguntas perguntas do questionário Nível de conflito Nível de conflito no casal no casal 10 X 5 diminui 5 pontos 40 Célia Sales - UAL Mar-10
  41. 41. Mortalidade diferencial Corresponde à “perda” de sujeitos, entre o pré-teste e o post- teste. As diferenças entre o pré e o pós teste são devidas ao efeito da VI, ou devem-se à alteração do tamanho/natureza do grupo de respondentes? 41 Célia Sales - UAL Mar-10
  42. 42. Exemplo de mortalidade diferencial como fonte de confundido Pacientes que abandonam o tratamento não são medidos no pós-teste Nível de consumo Nível de consumo de droga de droga 10 X 5 diminui 5 pontos 42 Célia Sales - UAL Mar-10
  43. 43. Regressão à média Resultados extremos (muito elevados ou muito baixos) no pré- teste, tendem a aproximar-se da média numa medição posterior (e.g., pós-teste), devido ao acaso. 43 Célia Sales - UAL Mar-10
  44. 44. Exemplo da regressão à média como efeito de confundido  Seleccionar participantes para um programa com base nos seus resultados extremamente elevados ou extremamente baixos 44 Célia Sales - UAL Mar-10
  45. 45. Exemplo de regressão à média como efeito de confundido Ano com nº de acidentes Diminuição de acidentes devido ao particularmente elevado acaso (tendência a aproximar-se da média) Nº de acidentes de Nº de acidentes carro de carro 100 X 50 diminui 50% 45 Célia Sales - UAL Mar-10
  46. 46. Selecção enviezada Lanarkshire Milk Experiment 46 Célia Sales - UAL Mar-10
  47. 47. Interacção entre selecção e tratamento O tratamento só resulta num “tipo” de participantes 47 Célia Sales - UAL Mar-10
  48. 48. Reactividade a ser “avaliados”. 1. Efeito Hawthorne: Participantes “melhoram” porque se sentem especiais (“alguém se interessa por mim”) 2. Competição: “porque é que eles têm tratamento melhor que eu? Eu já lhes digo…” 3. Efeito de desejabilidade social: Participantes dão as respostas que são socialmente desejáveis 4. Apreensão da avaliação: As respostas dos participantes são afectadas pela sua ansiedade em relação a estarem a ser “testados ou avaliados” 48 Célia Sales - UAL Mar-10
  49. 49. Efeito do Experimentador O experimentador pode, inconscientemente, enviezar os resultados, pela forma como interage com os participantes Rosenthal (1966) Rosenthal & Rosnow (1969) 49 Célia Sales - UAL Mar-10
  50. 50. Reactividade e efeitos do experimentador: como evitar “double-bind technique” Nem experimentador, nem participantes conhecem:  as hipóteses experimentais  a condição experimental em que está o participante 50 Célia Sales - UAL Mar-10
  51. 51. Efeitos de ordem A ordem de aplicação de instrumentos / procedimentos de medida pode afectar as respostas de uma forma sistemática. Soluções técnicas:  Aleatorização da ordem de aplicação  “Counterbalancing” (Falaremos com maior detalhe quando abordarmos os desenhos experimentais) 51 Célia Sales - UAL Mar-10
  52. 52. Leituras de apoio  Ato García (1995). Conceptos básicos. In Maria Teresa Anguera et al. (Eds.), Métodos de investigación en Psicología (pp.45-58). Madrid: Sintesis.  Field, A., & Hole, G. (2003). How to design and report experiments (pp. 54-63). London: Sage. 52 Célia Sales - UAL Mar-10

×