EXPERIMENTOS E INFERÊNCIA
CAUSAL
Capítulo 1 – Shadish , Cook e Campbell
(2002)
Páginas: 1-32
Objetivos
• Discutir a natureza do conceito de causa,
subjacente a experimentos.
• Explicar terminologia técnica especializada
– Experimentos aleatorizados
– Quase- experimentos
• Analisar o conceito de generalização a partir
de experimentos.
Definições de Causa, Efeito e Relacionamento Causal
Século XVII - Segundo Locke causa é:
“ A cause is that which makes any other thing, either simple
idea, substance , or mode, begin to be; effect is that, which
had its beginning from some other thing”.
Inus condition: Trata-se de uma porção insuficiente, mas não
redundante de uma condição não necessária , mas suficiente
para que um evento ocorra.
Ex: Situação: fogo na floresta. O fósforo aceso é uma inus
condition, pois é insuficiente para ocasionar fogo, é diferente
(não redundante) de outras condições (folhas secas e oxigênio)
que ocasionam o fogo. O fósforo é parte de um conjunto de
condições suficientes causar o fogo, mas há outras condições
similares (cigarro aceso) que possuem o mesmo tipo de
contribuição na explicação do incêndio. Em suma, o fósforo
aceso na floresta não é condição necessária, tampouco
suficiente para ocasionar o incêndio.
Definições de Causa, Efeito e Relacionamento Causal
•
A maior parte das causas podem ser chamadas de inus condition.
•
Geralmente são requeridos muito fatores para que um efeito ocorra, mas
raramente sabemos quais são eles e como eles esses fatores relacionam-se entre
si.
•
Relacionamentos causais não são compreendidos como condições que
determinam consequências, mas como condições que aumentam as chances de
que um efeito ocorra.
•
Por não um relacionamento determinístico, um dado relacionamento causal, que
ocorre em algumas situações, pode não ocorrer em todas as outras,
universalmente, para sempre, em todos os espaços, populações humanas, etc.
•
Em diferentes graus, todos os relacionamentos causais são dependentes do
contexto, de modo que a generalização de um experimento é sempre uma questão
problemática.
Definições de Causa, Efeito e Relacionamento Causal
• Modelo contrafactual de David Hume (sec. XVIII):
Em um experimento, observamos o que aconteceu
(did happen) com uma pessoa que recebeu um
determinado tratamento. Na situação
“contrafactual”, analisamos o que aconteceria
(would have happened) com a mesma pessoa se ela
não tivesse sido submetida ao tratamento.
• Um efeito seria definido, neste contexto, como a
diferença entre o que aconteceu e o que teria
acontecido com a pessoa.
• Nem sempre é possível observarmos o
contrafactual!!!
• A tarefa central do pesquisador é criar
aproximações à busca de evidências contrafactuais.
Geralmente essas aproximações são imperfeitas e
são analisadas qualitativamente.
Definições de Causa, Efeito e
Relacionamento Causal
• Para John Stuart Mill (sec. XIX),
um relacionamento causal existe
se:
1. a causa deve preceder o efeito;
2. a causa estiver relacionada com o
efeito e
3. não forem encontradas
explicações alternativas plausíveis
para esse efeito.
Definições de Causa, Efeito e
Relacionamento Causal
• Em experimentos são adotadas as seguintes
estratégias:
1. Manipulamos uma causa presumida e observamos
seus efeitos;
2. Verificamos se a variação na causa está relacionada
à variação observada no efeito;
3. Utilizamos vários métodos durante o experimento
para explorar a plausibilidade de outras explicações
para o efeito.
Causação X correlação
• Correlações (negativas ou positivas) não provam
relacionamento de causa e efeito.
• Não se sabe quais são as variáveis antececentes e
consequentes.
• Não possibilita a identificação de explicações alternativas
que confundem os resultados.
– Ex: salários e inteligência estão correlacionados com nível de
instrução. Se maior inteligência causa mais sucesso no trabalho
e maior nível de instrução, então pessoas inteligentes teriam
melhores salários e melhor nível de instrução. Entretanto, esse
relacionamento pode não totalmente causal, já que está sujeito
à influência de outra(s) variável (is), como status sócioeconômico da família.
Causas Manipuladas e Não
Manipuladas
•
Geralmente os experimentos manipulam variáveis para observar relacionamentos,
como: doses de remédios; a quantidade e o tipo de um tratamento psicoterápico,
número de estudantes em uma sala de aula.
•
Não são causas em experimentos variáveis não manipuláveis como: explosão de
uma supernova, idade, gênero, sexo biológico, etc.
•
Em experimentos todas as causas devem ser manipuláveis.
– Ex: A falha genética em casos de fenulcetonúria, após o nascimento, é variável não
manipulável. Dieta sem amidos para os acometidos da doença é variável manipulável, sujeita
e experimentação.
•
Causas não manipuláveis devem ser estudadas também. Uma das maneiras de
fazer esse tipo de estudo é por meio de experimentos análogos, nos quais são
manipulados agentes similares à causa de interesse.
• Ex : pode-se pigmentar a pele das pessoas para observar efeitos da cor da pele nas
interações sociais (valores, preconceitos, estereótipos) . Ex: experimento dos olhos
azuis.
Descrição e Explicação Causal
Descrições causais exprimem análises descritivas de efeitos de
tratamentos (causas) em experimentos.
Explicações causais descrevem e explicam as condições e os mecanismos
pelos quais um relacionamento causal ocorre.
1. Muitas explicações surgem de cadeias de relacionamentos entre
eventos , de modo que cada evento é causa do seguinte. Os
experimentos ajudam a testar cada link da cadeia.
2. Os experimentos possibilitam testar mediações e explicações
alternativas, bem como moderação entre variáveis.
Variável moderadora
• Variável moderadora é aquela que afeta a direção e a
magnitude do relacionamento entre uma variável
independente e a variável dependente.
• A moderadora pode ser não métrica (ex: sexo, nível de
instrução, profissão) ou métrica (ex: peso corporal, nível de
recompensa salarial, escores em testes de aprendizagem).
• Sob a ótica da ANOVA, um efeito moderador básico pode ser
representado por uma interação entre uma VI métrica e um
fator que especifica as condições sob as quais esse fator afetará
a VD.
Exemplo de Análise de Moderação entre
variáveis – Uso de Cinto de Segurança
Velocidade do
automóvel
Uso de cinto
de segurança
X
VI
X Moderadora
Gravidade dos
Ferimentos
Modelo esquemático de análise da
Moderação entre variáveis.
VI
Moderadora
VI
X Moderadora
VD
Uso do cinto de segurança – exemplo de variável
moderadora
A velocidade do automóvel (VI – variável métrica) afeta o grau de
prejuízo à saúde dos passageiros (VD – métrica) em caso de
acidente.
O uso de cinto de segurança (variável não
métrica) afeta esse relacionamento, moderando o
efeito da velocidade sobre a gravidade dos danos
à saúde do passageiro.
Na presença do cinto, observa-se um impacto menor de um acidente
sobre a vítima.
Mediação
Mediadora
b
a
Variável
Independente
c
Variável Dependente
Mediação
A variável é mediadora quando altera para mais ou para menos a
probabilidade de ocorrência de um efeito da VI sobre a VD. Outro aspecto
importante da mediação é que ela explica a forma (ou uma das formas) pela qual
a variável independente (antecedente) influencia a variável dependente
(critério), estando, portanto, sempre relacionada a ela, segundo Parkes (1994) e
Baron & Kenny (1986). A análise da mediação somente por ser realizada por
meio de regressões das variáveis uma a uma. Para testar essas relações, cada
variável independente e mediadora deve ser submetida a regressões individuais
com a VD. Abbad e Neiva (2009)
Uma variável é dita mediadora se estiverem presentes as seguintes condições:
a) a mediadora é um preditor estatisticamente significativo da variável
dependente;
b) a variável independente é preditor estatisticamente significativo do
mediador e
c) quando a variável independente e a mediadora estiverem presentes na
equação, a relação significativa anteriormente observada entre a variável
independente e a variável dependente decresce em magnitude, sendo que
a mais evidente demonstração de mediação ocorre, quando essa relação passa
a ser zero (Baron e Kenny, 1986).