estatistiva sem matematica para psicologia

DI73e

D,mcey. Christine P. Estatstica sem matemtica para psicologCl / Christine P. Reidy : traduo Lor Vali. Porto Alegre: Anmcd. 2006. 608 p. : i1. , 25 cm. ISBN 978-85-363-0688-9 I. Estatstica - Psicologia. L Reidy. John. II. Ttulo.

John

cm: 311:159.9'-A.H."'~'''''',''V

na publicao: Jlia Angst COclh" - CRB 10/1712

Christine P. DanceyUniversity of East London

John ReidyUniversity Sheffield Hallarn

,

ESTATISTICA .,.SEM MATEMATICA

PARA PSICOLOGIA

Usando SPSS para Windows3a edio

Traduo, consultoria e superviso desta edio:Lor Vial

Professor Titular da Faculdade de Matemtica da PUCRS Professor Adjunto do Instituto de Matemtica da UFRGS

Reimpresso 2007

2006

Pearson Education Limited 200.+ This tran,lation of Srarilrin l\rl/lilllll/arhs Education Limited. ISBN Q-13-12'+9"+I-X Capa: Puo/a iV!iilliw

psYCllOlog\'. 3 edition i, publi,hd hy arrangement with Pearson

Preparao do original: Kria Michelle Lopes Aires Leitura tlnal: Jlia Angsr Coelho Superviso editorial: Mnica Ba/ejo Canto Editorao eletrnica: Laser House

Reservados todos os direitos de publicao, em lngua portuguesa. it ART'\IIED') EDITORA S.A. Av. Jernimo de Omelas. 670 .. Santana 90040-340 Porto Alegre RS Fone (51) 3027-7000 Fax (5 I ) 3027-7070

proibida a duplicao ou reproduo deste volume, no todo ou em parte. sob quaisquer formas ou por quaisquer meios (eletrnico. mecnico. gra\ailo. fotocpia, distribuio na Web e outros). sem permisso expressa da Editora.SO PAULO Av. Anglica. 1.091 - Higienpolis 01227 -100 Silo Paulo SP Fone (II) 3665-1100 Fax (II) 3667-1333 SAC 0800 703-3444 r:VIPRESSO NO BRASIL PRIAIED lN BRAZIL

Christine dedica este livro a 1. Johnstone, pelo amor e apoio nos ltimos 18 anos. E tambm para Heike e Heinz Karsfens por seu carinhoso apoio. John dedica este livro para Lisa, 1.1.1)', Ollie e Arsenal. Obrigado a vocs por manter o sorriso em meu rosto,

Agradecimentos

Gostaramos de agradecer a valiosa contribuio feita s duas edies anteriores do Estatstica sem matemtica para psicologia pela equipe do curso de psicologia da Open Uni versiry Psycholog:y e particularmente por Martin Le Voi e Jarrod Hollis. Agradecimentos so tambm devidos a Elizabeth Attree, Lisa Heavey. Joan Painter, Mary Fox e Katja Lippert. Somos gratos a John Todman pelas informaes sobre pf(:~jetos pr e ps-teste e Barbara Alexander por nos fornecer os dados originais utilizados no Captulo 12. Gostaramos de agradecer, ainda, as seguintes pessoas por suas contribuies para a ter ceira edio deste livro: Aiden P.. Brian Everitt. Dr. Chong Ho (Alex) Yu e aos revisores annimos que gastaram seu tempo nos fornecendo um retorno de grande utilidade. Christine P. Dancey John Reidy

Agradecimentos do EditorSomos gratos s seguintes instituies pela permisso de reproduo de material prote gido por direitos autorais:

SPSS pela utilizao das imagens do programa. O SPSS uma marca registrada e os nomes de outros produtos so propriedades da SPSS lnc.: aos editores Lawrence Erlbaum Associados pela tabela da pgina 223 reproduzida de Statistical Power for BelU/l'iollraf Scien ces, segunda edio, de J. Cohen, 1988. A Sage Publications pela Tabela 6,4 reproduzida do artigo "Denial 01' depression as an independent correlate of coronary artery disease" de M. W. Ketterer e colaboradores, publicado no foumal of'Health Psycholog\. \. I. n. I. de 1996. A Taylor & Francis Ltda. pela Tabela 7.1 reproduzida do artigo de Maclean e colaboradores, de 2000, publicado no JOllrnal ofReproductive and Inf'allt Ps\'clwlog:r. \. 18. 11. 2. p. 153-162. Sociedade Britnica de Psicologia e ao autor S. Golombok pela Tabela 8.9 retirada do artigo "The role of coping strategies in protecting individuais against long-term tranquilizeI" publi cado no British fOllrnal of Medical Psychology. v. 69. n. 2. p. 10 1-15 em 1996. A Elsevier pela Tabela 9.6 reproduzida do artigo "Eating attitude'i and the irritable bowel syndrome" de Sullivan e outros e publicado no General Hospiw{ Pychiutry. v. 19 p. 62-4 em 1997. So ciedade Britnica de Psicologia e a M. R. Kebbell pela T~lbela 9.9 reimpressa do artigo "The nfluence of item difficulty on the relationship between confidence and accuracy" publicado no British JOllmal of' Psychologr. v. 87. p. 653-62 em 1996. A Taylor & Francis Ltda. pela Tabela 11.3 reproduzida do artigo publicado no Psychology aml Health, v. 12. n. 12, p. 265-275 de Emery e colaboradores em 1997. AEIsevier Inc. pela tabela da pgina 437 reproduzida do artigo publicado no P.\."c1wsomatc Resellrch.. v. 45, n. 2, p. 171-178 de Tang e outros em 1998. A Taylor & Francis Ltda. pela Tabela 15.4 reproduzida do artigo publicado no Psveholog\'. Health. mui lvfedicine. v. 7, n. 1, p. 99-112 de Sher e colaboradores em 1996. A Sage Publcations pela Tabela 15.7 reproduzida do artigo "An academic detalng interven tion to decrease esposure to HIV infection uf110ng health-care workers". publicado no fournal

viiiof Health Psyc!7o!ogy v. 1, n. 4 de Treloan e colaboradores em 1996. A Blackwell Publishing Ltda., pelo poema 'The problem, the implications ", de Robert Rosenthal, retirado do artigo "Cumulating Psychology: an apreciation", de Donald T Campell. publicado no Psychologi cal ScienCf, v. 2 de 1991. The Guardian Services Limited. por contedos do "Labour Website Spin Like Orwell's 1984", de David Walker, publicado no Tlle GlIardian de 08 de outubro de 2002.

Em alguns casos no conseguimos determinar o proprietrio do material protegido por direitos autorais. e apreciaramos qualquer informao que tornasse isto possvel.

Prefcio Primeira Edio

Escrevemos este livro primeiramente para nossos alunos, muitos dos quais no gostam de matemtica e no conseguem entender porque precisam aprender frmulas quando existem programas de computador para fazer isto. Eles no foram convencidos pelo argumento de que os clculos realizados servem para dar-lhes um maior entendimento do teste, alis, nem ns. Ns queremos que eles tenham um entendimento conceituai da estatstica e que gostem da anlise de dados. Durante a ltima dcada tivemos que adaptar nosso ensino a grandes gru pos, nos quais uma boa parte das pessoas no tinha um treinamento formal em matemtica. Encontramos dificuldade para recomendar a esses alunos alguns dos livros didticos tradicio nais de estatstica. Estes textos estavam cheios de frmulas matemticas e eram vistos pelos estudantes como difceis ou chatos, ou ento, forneciam meras "receitas", isto , mostravam apenas como fazer os clculos sem fornecer um entendimento conceituai de estatstica. Outro problema que tivemos ao recomendar livros-texto de estatstica foi a grande dependncia dos valores probabilsticos para a interpretao dos resultados. Encontramos di ficuldades para convenc-los a levar em considerao o tamanho do efeito e os intervalos de confiana quando os textos disponveis no faziam consideraes sobre testes de hipteses, mas simplesmente recomendavam que p < 0,05 significativo e que p > 0,05 no ! Espera mos que com este livro os leitores fiquem mais atentos a tais assuntos. Queremos ainda mostrar aos alunos como incorporar os resultados das suas anlises nos relatrios laboratoriais e como interpretar a seo de resultados de artigos de peridicos. At recentemente os livros de estatstica ignoravam este aspecto da anlise de dados. claro, en tendemos que a forma que escrevemos nosso exemplo "resultados da seo" ser diferente da forma que outros psiclogos o fariam. Os estudantes podem utilizar esta seo como forma de ganhar confiana para escrever seus prprios resultados e esperamos que eles o faam com o desenvolvimento dos seus cursos. Tentamos simplificar conceitos complexos, e, algumas vezes, bastante complexos. En tretanto, ao simplificar existe uma perda de acurcia. Estamos cientes disso e tentamos ser cuidadosos ao mximo possvel, enquanto tentamos dar, tambm, a explicao mais simples possvel. Alm disso, estamos cientes de que os estudantes no utilizam o SPSS em suas anlises de dados. O SPSS, no entanto, o pacote estatstico mais popular para as cincias so ciais e por isso que o texto est to ligado a esse programa. Os estudantes que no utilizam esse pacote devero achar o livro til de qualquer modo. Esperamos que os estudantes que leiam o livro no apenas aprendam com ele, mas tam bm apreciem nossas explicaes e exemplos.

Prefcio Segunda Edio

Desde que escrevemos a primeira edio de ESf({tr~fi('(/ sem matemti('(/ pura psicologia tivemos muito retorno, tanto em relao ao conledo quanto ao estilo e projeto do livro: como resultado desse retorno, revisamos e reescrevemos sees ,ubstanciais deste texto. Simpli ficamos e esclarecemos partes do material e acrescentamos tambm novos contedos. Cm novo captulo introduzindo Anlise de Fatores foi adicionado e a estatstca no-paramtrica tambm ganhou um captulo prprio. A reviso do lino proporcionou-nos a oportunidade de corrigir alguns dos erros tipogrficos que se infiltraram na primeira edio. Esta edio foi atualizada para o uso do SPSSPW verso 10. Esperamos que voc aprecie esta edio do Estatstica sem matemtica para psicologia. Os conjuntos de dados utilizados pelos autores no texto podem ser acessados no endere o: www.booksites.net/dancey.

Prefcio Terceira Edio

Desde a publicao da segunda edio do Estatstica sem matemtica para psico[()gia, tivemos um retorno bastante til dos leitores, sendo alguns annimos, outros no. Boa parte desse retorno tem sido positiva, e isto tem ajudado a confirmar nossa crena de que este um livro que apresenta um apelo bastante amplo. Um livro que objetiva ser simples, claro, no agrada a todos, mas mesmo o retorno negativo tem servido ele auxlio para tornar mais claras explicaes de alguns dos conceitos mais complicados. Gostaramos de agradecer a todos esses leitores pelos seus comentrios: percebemos que o texto teve melhorias por fora dos eomentrios de pessoas que lecionam estatstica. Algumas sugestes que recebemos foram para aumentar a acurcia matemtica. Ns levamos em conta esses conselhos sempre que possveL mas em alguns casos seguir as suge~tes significaria aumentar a complexidade das explicaes, o que fugiria ao objetivo principal do texto. Em alguns casos, fornecemos refe rncias para outras fontes, e, em outros, adicionamos notas de rodap. sempre conveniente lembrar que alguma matemtica pode ser perdida quando so dadas explicaes conceituais ou quando se simplifica contedos mais complicados. Esperamos ter conseguido um equilbrio razovel entre os dois propsitos. A forma de melhorar o entendimento das se onde os leitores melhor clareza foi incluir exemplos atualizados da literatura da rea da psieologia em conjunto com questes de mltipla escolha ao final de cada cap tulo. Esta edio foi, ainda, atualizada eom o SPSSPW verses II e 12; contudo, ela ainda adequada para LISO se voc estiver utilizando a verso lOdo programa. Esperamos que voc ache til esta terceira edio do Estatstica sem matemtica para psicologia e aumente seu encantamento com a estatstica e com a pesquisa em psicologia.

Sumrio

Panorama do captulo 1.1 1.2 1.3 IA

23

Por que ensinar estatstica sem frmulas matemticas'! Variveis Planejamento da pesquisa Delineamentos entre e dentre participantes SPSS para Windows (SPSSPW) Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

23 24 29 36 39 51 52 53 54

Panorama do captulo Amostras e populaes Medidas de tendncia central Erro amostral SPSSPW: obteno de medidas de tendncia central 2A Descrio grfica dos dados SPSSPW: gerao de descritivas grficas 2.5 Diagramas de disperso SPSSPW: gerao de diagramas de disperso 2.6 Erro de amostragem e relacionamento entre variveis 2.7 Distribuio normal 2.8 Variao ou disperso de distribuies SPSSPW: obteno de medidas de variao 2.9 Outras caractersticas da~ distribuies 2.10 Distribuie~ no-normais SPSSPW: gerao de curvas normais e histogramas 2.11 Obteno de estatsticas descritivas

56

2.1 2.2 2.3

56 58 63 66 70 80 82 84 86 88 90 93 95 95

101

102

14 SumrioResumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias 103 104

105

107

Panorama do captulo 3.1

108

108 I II

3.2 3.3 3.4

3.5 3.6 3.7 3.8

Probabilidade Distribuio normal padro Aplicao da probabilidade pesquisa Distribuies amostrais Intervalos de confiana e erro padro SPSSPW: obteno de intervalos de confiana Diagramas de barras de erros Sobreposio de intervalos de confiana SPSSPW: gerao de diagramas de barras de elTO Intervalos de confiana e outras estatsticas SPSSPW: uso do instrutor de resultados (ResuJr, COilch) Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

I! 8118

121 129

131 132 134

137

137

139 139 141

142

Panorama do captulo Outra forma de aplicar probabilidades pesquisa: teste de hip6teses Hiptese nula Lgica dos lestes de hipteses Nvel de significncia 4.5 Significncia estatstica 4.6 Interpretao correta do valor p 4,7 Testes estatsticos 4,8 Erro do Tipo I 4.9 Erro do Tipo II 4. J O Por que estabelecer a. = O,05? 4.11 Testes unilaterais e bilaterais 4,12 Hipteses subjacentes ao uso dos testes estatsticos SPSSPW: conselheiro estatstico (Swtisrics COilch) 4.1 4.2 4.3 4.4 Resumo Exerccios para o SPSSPW

143

143 148 149 151 152 154 155 157 158

160

1.60 165 169 173 173

Surr,aro

15176 17"

Questes de mltipla escolha Referncias

Panorama do captulo5.1Correlaes bivariadas SPSSPW: cOITelaes bivariadas - o rde Pearson SPSSPW: obteno uma matriz de diagramas de disperso Correlae~ de primeira e segunda ordens SPSSPW: correlaes parciais rde Pearson Padres de correlaes Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

178

5.2 5.3

178 192 201 205 206 212 213 214 215 218

Panorama do captulo6.1 Anlise de duas condies SPSSPW: para um teste t independente SPSSPW: delineamento de medidas repetidas para duas amostras: leste t pareado Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

219

220 231 238 244

244

246 248

Panorama do captulo7.1 7.2 7.3 7,4 7.5 7.6Critrios de significncia Tamanho do efeito Poder Fatores que intluenciam o poder Clculo do poder Intervalos de confiana Resumo Questes de mltipla escolha Referncias

249

250 251 252 253 258 261

262 263 266

16

Sumrio

Panorama do captulo 8.1 8.2 Freqncias (dados categricos) Varivell ou teste de aderncia SPSSPW: X2 de uma varivel SPSSPW: X2 de uma varivel. utilizando freqncia~ diferentes das esperadas sob a hiptese nula Teste para independncia: 2 x 2 SPSSPW: X' 2 x 2 2 Teste de independncia X ; rx c

267267 269 272277 281 284 290

8.3 8.4

i

Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

294 294 296 299

Panorama do captulo 9.1 9.2 9.3 9.4 9.5 9.6 9.7 Visualizao do delineamento Significado da anlise de varincia SPSSPW; execuo da ANOVA de uma classificao Estatsticas descritivas Comparaes planejadas Controle para mltiplos testes Testes post hoc ANOVA de medidas repetidas SPSSPW: instrues para a ANOVA de medidas repelidas Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

300301 302 307 309 311 311 312 315 317 323 323 324 328

Panorama do captulo 10.1 10.2 lO.3 10.4 Introduo Fontes de variao Delineamentos apropriados para uma ANOVA fatorial Terminologia da ANOVA

329329 330 331 333

Sumno

1733-1 3-+9 356 36-+ 367 37-+ 375 376 378 380

10.5 10.6 10.7

Duas variveis independentes entre participantes SPSSPW: anlise de dois fatores entre participantes Duas variveis dentre participantes SPSSPW: ANOVA, dentre participantes com dois fatores Uma varivel entre e outra dentre participantes SPSSPW: ANOVA com um fator entre participantes e um dentre participantes Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

Panorama do captuloI I. I Propsito da anlise de regresso SPSSPW: traando a linha de melhor aderncia SPSSPW: anlise de regre"so linear Regresso mltipla Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

381

381 385 398 405 415 415 416 419

I 1.2

Panorama do captulo12.1 12.2 12.3 12.4 12.5 12.6 12.7 12.8 12.9 12.10 12.11 12.12 12.13 12.14 Qual o objetivo da anlise de fatores') Principais tipos de anlise de fatores Uso da anlise de fatores na psicometria Visualizao de fatores O conceito de anlise de fatores Denominao de fatores Cargas de variveis em fatores Matriz das correlaes Matrizes com rotao e sem rotao Plotagem das variveis no espao dos fatores Rotao da matriz Execuo da anlise de fatores Uso de fatores ou componentes em outras anlises Significado das cargas SPSSPW: anlise de fatores anlise de componentes principais Resumo Questes de mltipla escolha Referncias

420

420 422 423 424 425 427 427 429 431 432 43-+ 435 -+-+1 -+-+21 .' -+4_"

-+:'2 -+52 .-+55

18 Sumrio

Panorama do captuloSPSSPW: obteno de um diagrama das linhas de regres:-,o 13.1 Grupos preexistentes 13.2 Delineamentos pr e ps-testes SPSSPW: obteno de resultados de uma ANCOVA Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

456458

463470 473 482

483 484486

Panorama do captulo14.1 14.2 14.3 14.4 J4.5 14.6 14.7 14.8 14.9 Estatsticas multivariadas Por que utilizar a anlise multivariada de variflllcl') Anlise multvariada de varincia A lgica da MANOVA Condies da MANOVA Qual o valor F'? Post-hoc: anlise de variveis dependentes indidualmente Varveis dependentes correlacionadas Como relatar essas anlises SPSSPW: execuo da MA NOVA com uma \ari\el independente entre participantes e duas variveis dependentes 14.10 Delineamentos dentre participantes SPSSPW: uma varivel independente dentre participantes e duas variveis dependentes Resumo Exerccios para o SPSSPW Questes de mltipla escolha Referncias

487

487 488 488 489 491 496 497 499 500 502 504 512 515 516 518

523

Panorama do captulo15.1 Aternativas ao r de Pearson: o p de Spearman SPSSPW: anlise de correlao o p de Spearman

524

525525

Passeio Guiado pelo Livro e Site*

Panorama dos captulos. cista

o que voc ceve entender ao final de cada captlilo.

2

Estatistica Descritiva

Caixas de atividades.Fornece oportu ~ idades adicionais para voc testar sua compreerso das teorias e idias discutidas.

Pontos de discusso.Exp:ora diferentes idias ou em detalhe.

Caixas de exemplos.Destaca as id.as chave que sendo discutidas para facilitar o entendimento.

Exemplos da literatura.Enriquece teonas mostrando outras reas de pesquisa Oli opinio

I

" )J.

de R. ~o endereo \vww,booksite..:;.nel/danct:y. o leitor encontrar mak'riai\ para ~!'>tl!do. LJue incluem: Que~tc~ de mltipla \colhu, que auxi liam a 1e~1ar ii aprendizagem: arqui\os de dado:.. do SPSSP\V: ~uj~j de estudo:.: hnks com Ou!ro\ sun relevantes. CONTEVDO EM INGLS,

Caixas de cuidado. Aolongo do texto servem de aVISO sobre possveis problemas ou questes a serem considerados.

I~AtM:\a(klU:i

tt&":'"';;"::l~;J1I

Diagramas e figuras. Servem

~~

..

"'.

de auxlio ao entendimento do texto .

Captura de telas comentadas.So dicas visuaiS que Ilustram exemplos prticos

Exerccios com o SPSSPW. Ao fina:de cada capitulo, fornecem VTl3 oportunidade testai a aprendizagem.

Sumrios de fim de captulo.Permitem uma reviso dos pontos prncpais cada caotulo.

Referncias.Fornecem opes leituras adicionais.

Arquivos de dados do

'-", ,--,----_ ....--:----_............................._-..,(",."".p

..

Statstics Wthout Maths for Psychology . To",:! ed""",

0."".,

'.

JohRoidr

SPSSPW.

M.lljfftcmmii#[email protected];'##bhrni ..

i.~ ~.Jpj.il

i.I

Questes de escolha mltipla adicionais.

Statistics Without Maths Cnn",,,,,P D'I1("" for Psychology ... T1",dedll'I' ~ JolmRoidy

Varibles Me:

,>omething tllatprcision.

r:.Jp.,

1

Variveis e Projeto de Pesquisa

Panorama do captuloNa tentativa de explicar como utilizar e entender estatstica, talvez seja melhor iniciar com o destaque dos principais tpicos para o delineamento de uma pesquisa. Descreveremos, ento, os aspectos mais importantes de um projeto de pesquisa com o objetivo de mostrar como ele influencia o uso da estatstica. Assim, neste captulo queremos ensinar a voc o seguinte:

variveis contnuas, discretas e categricas variveis dependentes e independentes projetos correlacionais, experimentais e quase-experimentais projetos entre e dentre participantes

1.1

Por que ensinar estatstica sem frmulas matemticas?A estatstica como um contedo tende a despertar medo em coraes e mentes de muitos estudantes de cincias sociais e em muitos palestrantes* tambm. Entender os conceitos estatsticos no deve, no entanto, ser mais difcil do que compreender qualquer outro conceito terico (por exemplo, o conceito de inteligncia). De fato, algum poderia pensar que entender um conceito bastante concreto tal como o de mdia aritmtica seria mais fcil do que compreender o conceito psicolgico, bem mais vago, de uma atitude. Ainda assim, a cada ano, parece que a maioria dos estudantes, que aparentemente percebem muitos conceitos no-estatsticos como um caso consumado, lutam para entender estatstica. No nosso modo de ver, muitas pessoas temem a estatstica porque os conceitos esto perdidos em meio s frmulas matemticas. Desta forma, procuramos explicar a estatstica de um modo conceitual, sem confundir os estudantes com frmulas matemticas desnecessrias isto , desnecessrias hoje em dia, na era dos pacotes computacionais. Se o estudante quer aprender estas frmulas para melhorar o seu conhecimento, que ponto de partida melhor do que um entendimento conceitual da estatstica? A estatstica tende a ter uma m reputao, como ilustra a mxima de Disraeli**: Existem trs tipos de mentiras: mentiras, mentiras deslavadas e estatsticas. Entretanto, o problema no da estatstica, mas sim da forma como ela utilizada. Com freqncia, particularmente na poltica, a estatstica utilizada fora de contexto. Esse problema claramente ilustrado no seguinte trecho extrado de um artigo publicado, em 2002, no Guardian***:* N. de T. O termo no original lecturer que uma categoria de professor nas universidades inglesas. ** N. de T. Benjamin Disraeli (1804-1881), primeiro ministro britnico em 1868 e 1874 a 1880. *** N. de T. Jornal britnico fundado em Manchester em 1821.

24

Christine P. Dancey & John Reidy

O site do partido gira como o 1984, de Orwell* Por David Walker O partido dos trabalhadores tem sistematicamente manipulado dados em seu site para mostrar melhorias na sade, escolaridade e outros servios, de acordo com um estudo no-publicado. Essa prtica foi iniciada no correr das eleies do ltimo ano e tem continuado desde ento, com o partido dos trabalhadores apresentando ao pblico estatsticas tendenciosas de crimes e desemprego, bem como de gastos com escolas e hospitais. Os nmeros tm sido manipulados para fornecer uma melhor impresso sobre o desempenho do partido em nvel local. Em um artigo de pesquisa circulando entre acadmicos, aps ter sido apresentado recentemente em uma conferncia de uma associao de estudos polticos, quatro renomados gegrafos se detiveram nos nmeros publicados no site para reas locais. Liderados pelos professores Danny Dorling da Universidade de Leeds e por Ron Johnston da Universidade de Bristol, a equipe verificou que o partido consistentemente ajustou e manipulou dados sem conhec-los. Em vez de fornecer a impresso de uma srie de meias verdades ocasionais, est comeando a parecer que este suprimento de valores distorcidos uma estratgia de longo prazo do partido, disse o jornal. O webmaster do partido comparado a Winston Smith, personagem do livro 1984 de George Orwel, que passava o seu tempo no ministrio do abastecimento reescrevendo a histria. Nenhum nmero individualmente falso no sentido estrito da palavra. a forma como so agrupados misturando e emparelhando reas e anos para dar a impresso de que as coisas melhoraram que no sincera como um todo. Por meio do cdigo postal, os visitantes do site do partido podem, ao que parece, acessar informaes detalhadas sobre o local onde vivem. No entanto, alguns dos nmeros apresentados referem-se ao Reino Unido ou Inglaterra como um todo, outros a regies inteiras, alguns rea de uma cidade ou municpio, mas muitos poucos a uma rea especfica e muito menos rua onde as pessoas vivem. Os visitantes do site so informados sobre o aumento de enfermeiras sem ser dito que os * * nmeros se referem s regies do NHS em vez de hospitais especficos. Melhorias na educao so anunciadas sem que o pblico seja informado que se referem a toda uma rea educacional a qual pode conter at 20 regies. As taxas de criminalidade no site no so especficas ao cdigo postal, mas a toda uma rea policial, algumas muito grandes ou at mesmo Inglaterra e ao Pas de Gales como um todo. 1 (Extrado do Guardian de 8 de outubro de 2002)

O estudo mencionado nesta reportagem foi de fato publicado em 2002 no The Political Quarterly (Dorling et al., 2002). Este artigo ilustra claramente a importncia de se colocar estatsticas em um contexto correto. Se for dito a voc, por exemplo, que a altura mdia de um adulto 173 cm, isto pode ser correto para um homem brasileiro, mas no necessariamente para um homem de uma tribo africana de pigmeus, na qual a altura mdia pode ser to baixa quanto 145 cm.

1.2

VariveisExplicamos um aspecto muito importante das estatsticas: elas s tem sentido em um contexto. Mas o que que a estatstica realmente faz? Essencialmente, a estatstica nos fornece informaes sobre fatores que podemos medir. Na pesquisa, as coisas que medimos so denominadas variveis.* N. de T. George Orwell (1903-1950), escritor ingls. ** N. de T. NHS (National Health Service) Servio Nacional de Sade. 1 Veja pgina 55 do Guardian.

Estatstica sem Matemtica para Psicologia

25

As variveis so o foco principal da pesquisa em cincias. Uma varivel simplesmente algo que pode variar, isto , pode assumir valores ou categorias diferentes. Alguns exemplos de variveis so gnero (sexo), velocidade de digitao, velocidade mxima de um carro, nmero de sintomas registrados de uma doena, temperatura, pblico em um festival de rock, nvel de ansiedade, nmero de gols em uma partida de futebol, inteligncia, nmero de encontros sociais ao levar o cachorro para passear, quantidade de violncia na televiso, ocupao e cores favoritas. Estes so exemplos de itens que se pode medir e registrar e que variam de uma situao ou pessoa para outra. Por que estamos interessados em variveis? Geralmente nos interessamos por variveis porque queremos entender o motivo da sua variao. De forma a compreender esta variao, devemos ter capacidade de medir e registrar as alteraes nestas variveis em qualquer situao dada.

1.2.1

Caractersticas das variveisPode ser notado nos exemplos de variveis dados que elas apresentam diferentes caractersticas. Enquanto se pode medir a temperatura em termos de graus Celsius ou Fahrenheit e atribuir um valor ao resultado, no se pode fazer o mesmo com o tipo de ocupao, por exemplo. Isso representa uma caracterstica importante das variveis: o quo precisamente podem ser avaliadas. No topo, mais preciso, da escala uma varivel dita contnua, ou seja, ela pode assumir qualquer valor em um intervalo dado. Dito de outra forma, a varivel no varia em passos discretos. Um exemplo de varivel contnua a temperatura. Ela contnua porque se pode medir a temperatura, digamos, como sendo 40 oC ou, ento, se pode medi-la de forma mais precisa como 40,2558 oC. Outro exemplo, menos bvio, a quantidade de violncia na televiso. Pode-se medi-la em termos da quantidade de tempo que aparece na tela por dia. Se avaliada desta forma, isto , em termos de tempo, a varivel pode assumir qualquer valor em termos de segundos ou partes de segundo, como 1000 s ou 1000,1235672 s por dia. A nica limitao na preciso da medida de tal tipo de varivel a acurcia do equipamento de medida. Com variveis contnuas, existe a hiptese implcita de que seja contnua mesmo que a forma de medi-la no o seja. Dos exemplos fornecidos anteriormente, temperatura, nvel de ansiedade, velocidade mxima de um carro, velocidade de digitao e inteligncia podem ser consideradas contnuas, enquanto as demais no (veja Tabela 1.1). Uma varivel pode, tambm, ser discreta, ou seja, ela pode assumir somente valores discretos dentro de um determinado intervalo. Um exemplo deste tipo de varivel o nmero de sintomas observados de uma doena que uma pessoa possui. Isso somente pode ser

Tabela 1.1Contnuas

Exemplos de variveis contnuas, discretas e categricasDiscretas

Categricas

Temperatura Velocidade mxima de um carro Velocidade de digitao Inteligncia Nvel de ansiedade

Nmero de sintomas registrados de uma doena Nmero de carros possudos Nmero de gols em uma partida de futebol Nmero de encontros sociais enquanto passeia com o cachorro Participantes de um festival de rock Nmero de lhos de uma famlia

Gnero (sexo) Ocupao Cor favorita Tipo de restaurante

26


registrado em termos de presena ou no do sintoma. Outro exemplo seria se escolhssemos medir a quantidade de violncia na televiso de acordo com o nmero de incidentes violentos por semana. No podemos medir esta varivel em termos de fraes de incidentes violentos por semana. Assim, o nmero de incidentes violentos semanais na televiso uma varivel discreta. Dos exemplos dados anteriormente, as variveis discretas mais bvias so o nmero de sintomas registrados de uma doena, o de encontros sociais enquanto passeia com o co, o de freqentadores de um festival de rock, o de carros possudos, o de filhos por famlia e o de gols em uma partida de futebol. Quando estudamos variveis discretas e contnuas, existe o perigo de confundir a varivel subjacente a varivel propriamente dita com a forma de mensur-la. Uma varivel pode ser teoricamente contnua, mas a forma de medi-la sempre discreta, no importa o grau de preciso da medida utilizada. Poderamos medir a ansiedade (uma varivel teoricamente contnua) utilizando um questionrio (p. ex., o Inventrio das Caractersticas e Estados da Ansiedade,* Spielberger et al., 1983) no qual o escore total no questionrio fornece uma indicao do nvel de ansiedade de uma pessoa. O escore total pode aumentar somente em unidades, digamos de 38 para 39 ou de 61 para 62. Assim, a forma de mensurao da ansiedade discreta, enquanto a varivel envolvida de fato contnua. Ademais, na anlise de variveis discretas, comum trat-las como contnuas. Muitos dos testes estatsticos usados indicam que estamos tratando com variveis contnuas. Freqentemente, quando uma varivel discreta pode assumir um grande nmero de valores dentro de certo intervalo (p. ex., pblico de um festival de rock pesado), pode, para efeitos prticos, ser tratada como se fosse contnua na utilizao do teste estatstico. Outro tipo de varivel a categrica: aquela em que os valores assumidos so categorias. Um bom exemplo gnero, que pode ter apenas dois valores: masculino e feminino. Variveis categricas podem, algumas vezes, apresentar muitos valores possveis, como o tipo de ocupao (p. ex., juiz, professor, advogado, engenheiro, etc.). Quando lidamos com dados categricos temos um grande nmero de variveis que gostaramos de investigar. Poderamos, se desejssemos, categorizar pessoas com base em se elas comeram ou no bolo de chocolate s 6h30min desta manh ou talvez (ou pouco mais bizarro) se elas deram ou no contribuies ao time de futebol Manchester United. Os nicos exemplos bvios de variveis categricas apresentadas na lista do incio desta seo so ocupao, gnero e cor favorita. Tente se assegurar de que voc entendeu os diferentes tipos de variveis que est medindo, pois isto importante quando se decidir como analisar os dados.

1.2.2

Dicotomizao de variveis contnuas e discretasExistem casos em que os pesquisadores convertem variveis discretas e contnuas em variveis categricas. Por exemplo, poderamos querer comparar a habilidade espacial de pessoas altas e baixas. Podemos fazer isto comparando pessoas que so mais altas do que 193 cm com aquelas que so mais baixas do que 147 cm em um teste de habilidade espacial. Desta maneira, escolhemos pontos na escala contnua (altura) e decidimos comparar aqueles participantes que esto acima e abaixo destes pontos (veja Figura 1.1). Outro exemplo poderia ser a comparao da habilidade de memria de pessoas ansiosas e no-ansiosas. Pode-se medir os nveis de ansiedade utilizando um questionrio, isto , uma

* N. de T. STAI (State-Trait Anxiety Inventory).


27

Valores da varivel categrica

Altura (cm) Alto200

Baixo

150

100

Valores da varivel contnua

Figura 1.1

Ilustrao da converso de variveis contnuas em categricas.

varivel contnua medida em uma escala discreta. Por exemplo, a escala hospitalar de ansiedade e depresso apresenta valores que variam de 0 a 21. Para convert-la em uma varivel categrica, iremos simplesmente comparar os escores superiores a certo valor (p. ex., digamos, 11) com aqueles abaixo deste mesmo valor. Essa dicotomizao (diviso em duas categoriais) de variveis discretas e contnuas comum na psicologia e permite que se encontrem diferenas entre grupos que podem estar nos extremos de variveis discretas ou contnuas, por exemplo, pessoas altas e baixas. No entanto, no recomendamos tal prtica, pois ela reduz a sensibilidade da anlise estatstica. Existe uma boa discusso de tais problemas em Streiner (2002) e Maxwell e Delaney (1993). Mencionamos isto aqui para que voc possa estar ciente do que ocorre na literatura cientfica e, assim, entenda o que o pesquisador fez.

PONTO DE DISCUSSO: DICOTOMIZAO DE VARIVEIS CONTNUASPor que os pesquisadores dicotomizam variveis? Streiner (2002) ressalta o fato de que muitas decises em psicologia, psiquiatria e medicina so binrias. Neste tipo de deciso, tm-se apenas duas escolhas, tais como se a pessoa apresenta ou no problema mental, se tem ou no uma determinada doena, se precisa ou no ser hospitalizada, ou se deve ou no receber alta do hospital. O argumento utilizado que, se estes profissionais precisam tomar decises binrias, ento legtimo investigar estes tipos de variveis. Tal raciocnio utilizado para dar suporte prtica disseminada de dicotomizar variveis contnuas. Streiner argumenta que no precisamos ver as decises que os mdicos tomam como binrias. Ele sugere que seria melhor pensar em uma doena mental, por exemplo, como um contnuo. Quantos mais sintomas algum apresenta mais afetado est. Devemos medir tais

28


constructos de forma contnua, e no dicotomiz-los. Assim, em vez de se utilizar questionrios para categorizar pessoas, poderamos us-los para obter uma medida na qual estejam em um contnuo. Tal informao pode ento ser utilizada na deciso de como tratar certas pessoas ou de alguma outra forma. Um exemplo pode ilustrar melhor a dicotomizao. Foi sugerido anteriormente que possvel categorizar pessoas em ansiosas e no-ansiosas com base em escores obtidos num questionrio. Pesquisadores investigando ansiedade utilizam regularmente questionrios desta forma. Aqueles participantes que apresentam altos escores so classificados como de alta ansiedade, enquanto os que tm pouca pontuao so classificados como de baixa ansiedade. O mtodo de diviso pela mediana muitas vezes utilizado com este propsito, categorizando os que ficaram acima da mediana como ansiosos e os que ficaram abaixo como no-ansiosos (p. ex., Egloff e Hock, 2003). Streiner argumenta que a prtica de dicotomizar variveis contnuas tende a diminuir o poder da pesquisa (o poder de um teste ser tratado nos Captulos 4 e 7). A razo disto que se perdem muitas informaes sobre os participantes. Por exemplo, suponha que duas pessoas tenham os escores de 20 e 38 em um teste de ansiedade e que, quando a varivel for dicotomizada, eles sero contados como de baixa ansiedade (os dois esto abaixo da mediana). Em qualquer anlise subseqente baseada na categorizao feita, ambos sero tratados como se possussem o mesmo nvel de ansiedade, isto , sero considerados no-ansiosos. Entretanto, de acordo com os escores originais, o nvel de ansiedade entre eles bastante diferente. Tratar estas duas pessoas como idnticas em termos de nveis de ansiedade no parece fazer sentido. Seria mais sensato tentar incluir os valores reais de ansiedade em qualquer anlise estatstica realizada. Alm disso, pode-se observar uma diferena muito maior entre os nveis de ansiedade das duas pessoas classificadas como no-ansiosas do que entre uma classificada como ansiosa e a outra no. Por exemplo, suponha que a mediana fosse 39, ento todos aqueles acima deste escore seriam classificados como ansiosos e todos os abaixo como no-ansiosos. Pode-se ver aqui que uma pessoa no-ansiosa que tenha um escore de 38 tem muito mais em comum com uma ansiosa cujo escore seja 41 do que com outra no-ansiosa cujo escore seja 20. Ainda em qualquer anlise posterior, os participantes com escores de 20 e 38 so classificados como idnticos em termos de ansiedade, e estes so classificados como diferentes de uma pessoa que tenha um escore de 41. Isso no faz sentido. Streiner ainda ressalta pesquisas que mostram que anlises utilizando variveis dicotmicas apresentam aproximadamente 67% da eficincia das que utilizam as variveis contnuas ou discretas originais. Isso uma grande perda de sensibilidade do estudo. Significa que voc tem apenas 67% de probabilidade de detectar relacionamentos entre variveis se estiver utilizando variveis contnuas ou discretas dicotomizadas. Isso uma sria desvantagem na conduo de uma pesquisa. Alm do mais, a perda de poder no o nico problema que surge quando variveis so dicotomizadas. Maxwell e Delaney (1993) mostraram que esta prtica pode levar a achados esprios na anlise estatstica. Conseqentemente, aconselhamos a no dicotomizar variveis contnuas.


29

Atividade 1.1Quais das seguintes variveis so categricas, discretas ou contnuas?

Velocidade do vento Tipos de ttulos oferecidos por uma universidade Nvel de extroverso Marcas de carros Times de futebol Nmero de peas de xadrez capturadas em um jogo Peso de pandas gigantes Nmero de pinturas expostas em galerias de arte

As respostas corretas podem ser encontradas no final do livro.

1.3

Planejamento da pesquisaExistem muitas tcnicas estatsticas que podem ser usadas para se analisar dados coletados em uma pesquisa. Neste livro sero apresentadas algumas das mais utilizadas. Muitas destas tcnicas apresentam frmulas matemticas complexas para calcular as estatsticas envolvidas. Estas frmulas no sero abordadas, pois preferimos fornecer ajuda para que voc entenda as tcnicas a partir de um ponto de vista conceitual. Um dos principais fatores na determinao de qual teste estatstico ser utilizado para analisar os dados a forma como o estudo foi projetado ou planejado. Existem vrias maneiras de projetar ou planejar um estudo, e a forma como este feito exercer grande influncia nos tipos de procedimentos estatsticos disponveis. Algumas vezes, os pesquisadores querem observar diferenas entre dois grupos de participantes em uma varivel particular. Em outra situao pode-se querer verificar se duas variveis apresentam algum tipo de relacionamento. Um exemplo de procura de diferenas entre dois grupos pode ser a pesquisa relatada por Nicholas e Collis (2000). No estudo, eles compararam o nmero de encontros sociais que pessoas tinham enquanto levavam o co para passear com a quantidade de encontros sociais sem o co. Constataram que caminhar com o co aumenta o nmero de encontros sociais. Um exemplo de pesquisa correlacional foi relatado por Walsh e Ugumba-Agwunobi (2002). Neste estudo, entre outras coisas, investigou-se o relacionamento entre ansiedade causada pelo estudo da estatstica e a procrastinao. Os autores verificaram que existem relaes entre vrios componentes da ansiedade causada pelo estudo da estatstica (doravante denominada ansiedade estatstica) (p. ex., temor do professor de estatstica) e a procrastinao. Os testes estatsticos que seriam utilizados nestes exemplos so denominados de testes de diferenas e testes correlacionais, respectivamente. A forma de planejar o estudo influenciar a deciso de qual destes testes ser utilizado. Nas sees seguintes sero apresentadas vrias maneiras de se planejar estudos e os tipos de testes disponveis para que o pesquisador analise os resultados.

30


1.3.1

Variveis de confuso*Caso se pense no exemplo da caminhada com o co, percebe-se que existem outros fatores, alm da posse do cachorro, que podem afetar o nmero de encontros sociais das pessoas enquanto caminham. Alguns destes fatores incluem a timidez de quem est caminhando, a atratividade, o gnero, a raa do co e diversas outras variveis. Todos so fatores que o pesquisador no levou em considerao, mas que podem ter influenciado a interao social. Esses fatores so denominados variveis de confuso. Em qualquer situao de pesquisa, quer em qumica, fsica, quer em psicologia, deve-se levar em conta a influncia destas variveis. Se elas forem negligenciadas, as concluses obtidas do estudo podem no ser confiveis. Assim, no estudo da caminhada com o cachorro, se as variveis de confuso no so controladas, no possvel dizer, ao certo, que as diferenas obtidas se devem propriedade do cachorro. As diferenas podem ocorrer por quaisquer outras combinaes das variveis mencionadas. A principal razo para se fazer pesquisa em condies de laboratrio tentar manter o controle sobre as variveis de confuso tanto quanto possvel. Poder ser notado que muitas das questes de pesquisa abordadas neste captulo foram projetadas com o objetivo de reduzir a influncia das variveis de confuso. Voc deve estar ciente de que para cada varivel medida existiro vrias outras que podem estar relacionadas a ela (veja Figura 1.2, por exemplo). Quando um estudo como o da caminhada com o cachorro conduzido, no possvel termos certeza se a existncia ou no do co responsvel pelas diferenas na interao social. Assim, precisamos tentar eliminar as outras variveis (as de confuso) como possveis razes para as alteraes observadas. Fazemos isto tentando controlar estas variveis, por exemplo, tentar combinar o mximo possvel os participantes com e sem o co nos aspectos timidez, atratividade e gnero. Ainda, pode-se assegurar que todos os participantes faam a caminhada com o mesmo tipo de co e que caminhem nos mesmos horrios e dias da semana. Uma vez que se tenha controlado estas variveis, ento possvel se ter mais confiana na concluso de que caminhar com um co exerce influncia sobre o nmero de interaes sociais que uma pessoa ter.

Tipo de co Caminhar com ou sem o co Nmero de interaes sociais em uma caminhada no parque Dia da semana e hora do dia da caminhada

Timidez

Gnero

Atratividade

Figura 1.2

Ilustrao das variveis que podem influenciar o nmero de interaes sociais de uma pessoa.

* N. de T. So tambm utilizados os termos varivel de confundimento ou confundidora.


31

1.3.2

Delineamentos correlacionaisExpusemos que o principal objetivo da cincia o entendimento das variveis. Mais especificamente, desejamos entender como e por que certas variveis esto relacionadas. Talvez a forma mais simples de examinar o relacionamento entre variveis seja a utilizao de delineamentos correlacionais. Em tais projetos, medimos a varivel de interesse e verificamos como cada varivel se altera em relao s mudanas provocadas na varivel de interesse. Um exemplo pode auxiliar a entender a situao. Anteriormente, nesta seo, descrevemos, de forma breve, o estudo de Walsh e Ugamba-Agwunobi (2002) investigando o relacionamento entre ansiedade estatstica e procrastinao. Neste estudo, os pesquisadores mediram a ansie* dade estatstica com a Escala de Ordenao da Ansiedade Estatstica (Cruise et al., 1985). A escala mede seis componentes da ansiedade estatstica, incluindo medo do professor de estatstica, autoconceito de habilidades computacionais, ansiedade em aulas e provas, medo de fazer perguntas, ansiedade de interpretao e valor da estatstica. Os autores realizaram uma anlise correlacional e descobriram que existem relaes entre procrastinao e trs componentes da ansiedade estatstica (medo dos professores de estatstica, medo de solicitar ajuda e ansiedade de interpretao). Os pesquisadores concluram que as variveis medo da estatstica e procrastinao estavam correlacionadas. Isto , se uma das variveis mudar a outra tambm mudar, ou ainda as duas variveis covariam. Deve-se notar que os termos relacionar, correlacionar e covariar so muitas vezes utilizados indistintamente. Outro exemplo excelente de pesquisa conduzida com a utilizao de desenho correlacional a que verifica a relao entre o hbito de fumar e o cncer. Tem sido geralmente verificado que, medida que aumenta o consumo de cigarros, o mesmo ocorre com a incidncia de cncer. Portanto, existe um relacionamento entre o nmero de cigarros consumidos e a chance de desenvolver cncer. Se voc usar um delineamento correlacional, ento o tipo de tcnica estatstica provavelmente utilizada ser o coeficiente de correlao momento-produto de Pearson** ou talvez o coeficiente de correlao r de Spearman.*** Tais coeficientes sero abordados nos Captulos 5 e 15, respectivamente.

Oh, no! Acho que lerei isto amanh.

Figura 1.3

Relao entre ansiedade estatstica e procrastinao.

* N. de T. STAR (Statistics Anxiety Ratings Scale, Cruise et al., 1985). ** N. de T. Karl Pearson (1857-1936). *** N. de T. Charles Edward Spearman (1863-1945).

Est ats tica

Estat stica co mate m mtic a

com ma tem tic a

32


1.3.3

CausaoA questo da causao problemtica em cincia, ainda mais quando utilizamos delineamentos correlacionais. Um dos principais objetivos da cincia, descobrir a causa dos acontecimentos. Em todos os ramos da cincia pesquisadores esto tentando determinar relaes causais entre variveis. Por exemplo, Newton* produziu uma teoria elegante para explicar o que causa a queda de mas. Estabeleceu uma relao causal entre a queda das mas e a gravidade. Em muitas pesquisas psicolgicas tambm tentamos estabelecer tal relao causal. Quando usamos delineamentos correlacionais, no entanto, difcil estabelecer se a alterao em uma varivel causa a mudana em outra varivel. Isso ocorre porque em tais delineamentos estamos simplesmente observando e registrando mudanas em variveis e tentando estabelecer se elas covariam de alguma forma que faa sentido. Em virtude de que estarmos apenas observando como as variveis mudam, difcil (para no dizer impossvel) estabelecer a relao causal entre elas. Para sermos capazes de fazer isto de forma mais fcil, necessrio manipularmos uma das variveis (mud-la sistematicamente) e ento observar o que acontece com a outra varivel. Esta abordagem ser discutida mais tarde nesta seo. Uma das regras de ouro do delineamento correlacional no se poder inferir causao a partir de uma correlao. A indstria do tabaco tem se valido desta fraqueza da correlao para argumentar que no existe evidncia de que o fumo cause cncer. Estritamente falando, isso pode estar correto, pois os estudos tm sido principalmente correlacionais. Todavia, considerado a quantidade de pesquisas feitas corroborando uma relao causal entre o hbito de fumar e o cncer, algum seria tolo em ignorar as pesquisas e acreditar nas pessoas que esto tendo lucro com a venda de tabaco. Descobrir que ansiedade estatstica e procrastinao esto relacionadas no nos informa muito sobre a relao causal entre estas duas variveis. Pode ser que o aumento na ansiedade estatstica aumente a procrastinao, ou ento que alteraes na procrastinao causem alteraes na ansiedade estatstica. De forma alternativa, podem existir outras variveis, tais como uma neurose, que pode causar mudanas tanto na ansiedade estatstica quanto na procrastinao (veja Figura 1.4). Voc pode ver, portanto, que a existncia de um relacionamento entre duas variveis no nos informa, necessariamente, muita coisa sobre causa e efeito.

Neurose

Ansiedade estatstica

Procrastinao

Figura 1.4

Possvel relao causal entre neurose, ansiedade estatstica e procrastinao.

* N. de T. Isaac Newton (1642-1727).


33

Um outro exemplo da limitao do delineamento correlacional o relacionamento entre ansiedade e depresso. Muitos estudos mostraram que ansiedade e depresso esto altamente relacionadas (veja Clark e Watson, 1991). Pessoas que apresentam altos nveis de ansiedade tambm apresentam altos nveis de depresso. Poderamos dizer, ento, que depresso causa ansiedade ou ansiedade causa depresso? No, no podemos. bastante provvel que alguma varivel interveniente esteja entre estes dois estados de humor. De fato, o que se tem verificado que a ansiedade e a depresso apresentam um elemento angustiante geral em comum, e ele que explica o alto valor do relacionamento entre as duas variveis (veja Figura 1.5). possvel estabelecer relacionamento causal utilizando delineamentos correlacionais, mas estas situaes so bem mais complexas do que os delineamentos indicados nesta seo e envolvem a medida das variveis em vrios pontos no tempo.

Angstia

Ansiedade

Depresso

Aqui no existe uma conexo causal direta

Figura 1.5

Ilustrao do elemento comum compartilhado por ansiedade e depresso e a ausncia de uma conexo causal entre eles.

1.3.4

Projeto experimentalPara estabelecermos relaes causais entre variveis com mais facilidade, precisamos manipular uma das variveis de modo sistemtico e ver qual o efeito obtido na outra varivel. Tal processo , essencialmente, o realizado no projeto experimental*. Um dos delineamentos ou projetos mais utilizado em cincia o projeto de experimentos, tambm denominado de experimento verdadeiro. Se voc lembrar de experimentos tpicos que realizou, na escola, em qumica ou fsica, perceber que eles representam o projeto de experimentos. Por exemplo, queremos ver o que ocorre com o sdio quando exposto ao ar e comparar isto com o resultado de sua exposio gua. Observaramos uma reao lenta na condio ar (a superfcie brilhante do sdio torna-se opaca) e uma reao rpida na condio gua (o sdio torna-se efervescente e pode entrar em combusto). Em um experimento temos uma varivel que estamos mensurando (o estado do sdio, denominada de varivel dependente) e queremos descobrir que efeito sofrer a outra varivel, denominada de varivel independente (por exemplo, ao que o sdio est exposto). A varivel manipulada pelo observador denominada de varivel independente, isto , o seu valor no dependente das outras variveis investigadas. A outra varivel do experimento denominada de varivel dependente. Ela denominada de* N. de T. Os termos em ingls so DOE (Design Of Experiments) e experimental design (utilizado pelos autores). No Brasil so utilizadas as verses: projeto de experimentos, desenho de experimentos ou ainda delineamento de experimentos.

34


dependente porque depende dos valores da varivel independente. De fato, o propsito de um experimento comprovar ou descartar tal dependncia. Podemos conduzir tal pesquisa em psicologia, por exemplo, se quisermos verificar que caminhar com o co de fato influencia o nmero de encontros sociais. Para conduzirmos tal estudo, tomamos um grupo de pessoas e aleatoriamente sorteamos alguns para caminhar com o co, enquanto os demais caminham sem o co. Poderamos prever que caminhar com o co acarretar mais encontros sociais do que caminhar sozinho. Dessa forma, estabelecemos uma hiptese que ser testada por meio da estatstica. Vamos supor que o experimento foi realizado e verificou-se que os que caminharam com o co tiveram mais encontros sociais do que aqueles que caminharam sozinhos. Este resultado confirmaria a nossa previso. Entretanto, existem vrios outros fatores que podem ter influenciado na verificao de uma diferena de encontros sociais entre as duas condies (veja Figura 1.2). Como saberemos que a diferena observada foi causada pela manipulao da varivel independente em vez de uma das possveis variveis de confuso? No sabemos. O que possvel fazer, neste caso, tentar limitar o impacto das variveis de confuso sobre o estudo, pela alocao aleatria dos participantes s condies da varivel independente. Por meio da alocao aleatria dos participantes s condies, pode-se reduzir a probabilidade de que os dois grupos difiram em aspectos como timidez, atratividade, gnero e, assim, eliminar estes fatores enquanto causas possveis da diferena no nmero de encontros sociais entre os dois grupos. Se a alocao dos participantes s condies for feita de forma aleatria, ento poderemos ter mais confiana na nossa habilidade para inferir um relacionamento causal entre a varivel independente e a varivel dependente (caminhar com ou sem co e nmero de encontros sociais). a alocao aleatria que torna o projeto de experimentos to til na determinao do relacionamento causal entre variveis. Dessa forma, uma das principais caractersticas definidoras de um projeto de experimentos a alocao aleatria dos participantes s condies. Para utilizar a alocao aleatria, no exemplo mencionado, atribui-se a cada participante um nmero, ao acaso, gerado em um computador. Pode-se, ento, solicitar a todos aqueles cujo nmero seja inferior a um determinado valor que caminhem com o co e aos demais que caminhem sozinhos. Assim, teremos alocado aleatoriamente os participantes a cada uma das duas condies do estudo. claro que a alocao aleatria mais til para controlar fatores interpessoais, tais como timidez. Existem, entretanto, outros fatores relacionados ao projeto de experimentos que no podem ser controlados pela alocao aleatria dos participantes s condies. D uma nova olhada na Figura 1.2 e ir notar que variveis de confuso, como a hora do dia e o tipo de co, no sero controladas pela alocao aleatria dos participantes s condies da varivel independente. Estas so questes que devero ser tratadas por outros aspectos do projeto de experimentos, como assegurar que variados tipos de co sejam utilizados no estudo e que as duas condies sejam realizadas na mesma hora do dia e no mesmo dia da semana.

1.3.5

Projetos quase-experimentaisMuitas vezes em psicologia queremos trabalhar com variveis que no podemos manipular diretamente. Se quisermos comparar homens e mulheres de alguma forma, no podemos manipular o grupo ao qual cada participante pertence. No possvel alocar aleatoriamente participantes s condies masculino e feminino. Assim, estritamente falando, no temos um projeto experimental. Para ressaltar o fato de que tais projetos no so estritamente experimentais, so denominados de projetos quase-experimentais. Como um exemplo, suponha que estejamos conduzindo o estudo da caminhada com o co mencionado anteriormente e que desejemos remover o gnero como varivel de confuso. Podemos conduzir um estudo no qual tentamos descobrir se as mulheres tm mais encontros sociais quando caminham sem co do que os homens. Pode-se ver que neste estudo


35

os participantes no so alocados aleatoriamente s condies, pois j so homens ou mulheres. Assim, temos um projeto quase-experimental. Se for verificado que as mulheres tm mais encontros sociais do que os homens, ento ser possvel argumentar que o fato de ser mulher encoraje mais a interao social. Um dos problemas com os projetos quase-experimentais a alocao no-aleatria das vrias condies que constituem a varivel independente. No podemos ter certeza de que a manipulao da varivel independente (ou deveramos dizer pseudomanipulao) a responsvel pelas diferenas entre as vrias condies. Assim, mais difcil inferir relaes causais de projetos quase-experimentais do que de projetos experimentais. Como ilustrao, o exemplo anterior pode apresentar algum fator, alm do gnero, que distingue os dois grupos (tamanho, por exemplo). Pode ser que as mulheres sejam vistas como menos ameaadoras em virtude de serem menores do que os homens. Desta forma, uma varivel de confuso importante infiltrou-se em nosso estudo. Em virtude do aumento do risco das variveis de confuso estarem associadas com estudos quase-experimentais, os estudos experimentais devem ser preferidos sempre que possvel. Caso voc no saiba se est lidando com um projeto experimental ou quase-experimental, observe a alocao aleatria dos participantes s condies. Se ela no for uma caracterstica do estudo, ento mais provvel que voc esteja lidando com um estudo quase-experimental. Outra razo importante para preferir estudos experimentais o fato de muitas das tcnicas estatsticas utilizadas indicarem que os participantes foram atribudos aleatoriamente s condies. Se a alocao no foi ao acaso, pode-se ter uma reduo na validade das concluses baseadas nestas tcnicas estatsticas. Na prtica este no um grande problema, mas voc precisa estar ciente de que ele existe. Se voc est utilizando um estudo experimental ou quase-experimental, ento algumas das tcnicas disponveis para voc so: o teste t, o teste U de Mann-Whitney*, o teste de Wilcoxon** e a anlise de varincia (ANOVA). Todos eles sero abordados mais adiante no livro.

1.3.6

Panorama dos delineamentos de pesquisaDescrevemos trs dos principais delineamentos de pesquisa e como eles influenciam os diferentes tipos de anlises estatsticas que podemos utilizar. A Tabela 1.2 fornece um breve sumrio das principais caractersticas destes delineamentos em conjunto com os testes estatsticos que seriam apropriados a cada tipo.Tabela 1.2 Panorama das principais caractersticas dos vrios delineamentos de pesquisaCaractersticas

Delineamento Experimental

Teste estatstico

Quase-experimental

Manipulao da varivel independente Alocao aleatria dos participantes aos diversos grupos Anlise por comparao entre os grupos Pseudomanipulao da varivel independente Alocao no-aleatria dos participantes Anlise por comparao entre os grupos Investigar o grau com que as variveis co-variam No se pode inferir causao a partir de correlao Analisar por meio de testes de correlao

Correlacional

Testes t ANOVA Teste U de Mann-Whitney Testes t ANOVA Teste U de Mann-Whitney Teste de Wilcoxon Correlao de Pearson de Spearman

* N. de T. Henry Berthold Mann (1905-2000) e Donald Ransom Whitney (1915- ). ** N. de T. Frank Wilcoxon (1892-1965).

36


Atividade 1.2Classifique os seguintes estudos em correlacionais, experimentais ou quase-experimentais: (a) Relao entre o consumo de cafena e a incidncia de dor de cabea (b) Diferena entre homens e mulheres na habilidade verbal (c) Efeito no desempenho em uma prova na qual participantes so alocados aleatoriamente a condies sem rudo e com alto rudo (d) Diferenas na auto-estima de pessoas altas e baixas (e) Relacionamento entre estresse e horas gastas trabalhando (f) Diferena em escores de ansiedade entre dois grupos de participantes aleatoriamente alocados, considerando que um grupo aprendeu tcnicas de relaxamento e o outro no

1.4

Delineamentos entre e dentre participantesOutra caracterstica importante dos delineamentos de pesquisa verificar se os participantes fazem parte de mais de uma condio. Retomando o exemplo da caminhada com o co e encontros sociais, temos um experimento no qual a varivel independente o participante estar caminhando com o co, e a varivel dependente o nmero de encontros sociais. Como podemos alocar os participantes s condies neste experimento?

Voc deve lembrar que se sugeriu como melhor alternativa alocar os participantes aleatoriamente s condies de caminhar com o co e sem o co. Existe, no entanto, a alternativa de que cada participante tome parte nas duas condies.

O primeiro procedimento denominado de delineamento entre participantes (algumas vezes tambm denominado de delineamento independente ou no-correlacionado); o segundo, de delineamento dentre participantes (algumas vezes denominado de medidas repetidas ou delineamento relacionado). Para decidir qual destes dois procedimentos utilizar, preciso levar em considerao as vantagens e desvantagens de cada um.

1.4.1

Delineamentos dentre participantesA principal vantagem de utilizarmos o delineamento dentre participantes podermos controlar muitas das variveis de confuso interindividuais. Quando utilizamos grupos diferentes de pessoas em cada condio, corremos o risco de que exista alguma varivel, alm da varivel independente, que influencie na diferena entre os grupos. Voc ter, se isto acontecer, uma varivel confundidora ou de confuso. Quando usamos o delineamento dentre participantes teremos um controle, muito maior, sobre tais variveis. Em virtude de termos as mesmas pessoas em todas as condies da varivel independente, existiro muito menos variaes externas entre as condies. Em geral a mesma pessoa trar os mesmos problemas ou vantagens para todas as condies da varivel independente. Uma segunda vantagem da utilizao deste tipo de delineamento a necessidade de trabalhar com menos participantes para realizar o experimento. Por exemplo, se existirem duas condies e necessitamos de um mnimo de 12 participantes por condio, o total necessrio para completar o estudo de 24 pessoas com o delineamento entre participantes, mas apenas 12 no delineamento dentre participantes. Se voc estiver realizando um estudo em que os custos envolvidos forem altos, ento este delineamento dever ser levado em considerao.


37

Entretanto, nem tudo so rosas no jardim do delineamento dentre participantes. Se voc pensar um pouco sobre o estudo da caminhada com o co, ser capaz de identificar alguns possveis problemas. Poder ocorrer, se utilizadas as mesmas pessoas em ambos os casos, que a familiaridade com o caminho e com outras pessoas, j encontradas, encoraje a interao. Assim, na segunda condio os participantes podem ter mais encontros sociais em virtude desta familiaridade do que pelo fato de ter o cachorro. Por outro lado, eles podem ficar aborrecidos ou cansados quando completarem a caminhada na segunda condio, e isto, talvez, afete o nmero de encontros sociais que teriam. Esses fatores sero variveis de confuso e podem dificultar a interpretao dos dados. Qualquer diferena no nmero de encontros sociais detectada entre as duas condies poder ter origem nesses fatores, em vez da manipulao experimental da varivel independente. Esses fatores so denominados de efeitos de ordem. Uma forma de eliminar os efeitos de ordem introduzir um contrabalano no estudo. Para contrabalanar, pode-se fazer metade dos participantes completar a primeira condio e em seguida a segunda condio, enquanto a outra metade segue o mesmo procedimento, mas na ordem contrria. Como forma de introduzir o contrabalano no estudo da caminhada com o co, preciso que a metade dos participantes caminhe primeiro com o co e depois sem o mesmo, enquanto a outra metade faz o contrrio. Qualquer efeito como fadiga ou tdio ser, desta maneira, distribudo entre as duas condies da varivel independente e no ser mais varivel de confuso (veja Figura 1.6). Voc ainda verificar que cada participante caminhar sob as duas condies, retendo, assim, as vantagens da utilizao do delineamento dentre participantes. Outra limitao do delineamento dentre participantes a maior probabilidade de os participantes perceberem o objetivo do experimento por terem tomado parte nas duas condies. Trata-se de um problema porque os participantes podem querer fazer o que o experimentador deseja que faam, e no o que normalmente fariam. Isso denominado de efeito de demanda. mais provvel que ocorra no delineamento dentre participantes porque cada participante exposto a mais condies experimentais do que no delineamento equivalente entre participantes. Em certo sentido, o contrabalanceamento pode reduzir, mas no necessariamente eliminar, os efeitos de demanda. Um problema adicional associado ao delineamento dentre participantes a impossibilidade de poder utiliz-lo em muitos projetos quase-experimentais. Por exemplo, se voc

Todos os participantes

Caminhando com o co

Caminhando sem o co

Todos os efeitos de ordem na condio sem o co

Delineamento dentre participantes sem contrabalanceamento Metade dos participantes Caminhando com o co Caminhando sem o co

Metade dos participantes

Caminhando sem o co

Caminhando com o co

Efeitos de ordem afetando igualmente as duas condies

Delineamento dentre participantes com contrabalanceamento

Figura 1.6

Ilustrao da forma de eliminar efeitos de ordem pela utilizao de contrabalanceamento.

38


quiser comparar encontros sociais de homens e mulheres enquanto esto caminhando, no ser possvel a utilizao do delineamento dentre participantes. No se pode ter uma pessoa que seja homem e mulher simultaneamente em duas ocasies separadas, e uma pessoa no pode tomar parte nas duas condies (a menos, claro, que faa uma mudana de sexo entre a participao nas duas condies).

Atividade 1.3Como voc introduziria o contrabalanceamento no seguinte estudo? Um estudo conduzido para testar os efeitos da motivao no desempenho na tarefa de desenhar sobre um espelho. Os participantes so solicitados a desenhar uma estrela utilizando o equipamento para desenho sobre o espelho. O tempo decorrido para desenhar a estrela e o nmero de erros so registrados. Os participantes devem, ento, realizar a tarefa novamente, mas desta vez ganharo R$ 30,00 se completarem a tarefa mais rpido e com menos erros.

1.4.2

Delineamentos entre participantesUma das mais importantes caractersticas positivas do delineamento entre participantes , em virtude de se ter grupos diferentes em cada condio das VI, cada participante estar menos sujeito a ficar chateado, cansado ou frustrado com o experimento. Como conseqncia, h maior probabilidade de apresentarem desempenho timo. De modo semelhante, o experimento ser menos suscetvel a efeitos prticos, e os participantes estaro menos propensos a racionalizar sobre os objetivos do estudo. Esse tipo de delineamento, portanto, reduz os efeitos de demanda e de ordem, e pode-se, de modo geral, eliminar do experimento esses fatores como variveis de confuso. O fator negativo a necessidade de um nmero maior de participantes do que em um experimento dentre participantes. Ainda, em virtude de cada uma das condies utilizar diferentes participantes, perde-se um certo grau de controle sobre as variveis de confuso interparticipantes. Por exemplo, suponha que voc est conduzindo o estudo sobre a caminhada com o co descrito previamente como um delineamento entre participantes. O que ocorre se realmente constatarmos que caminhar com o co leva a mais encontros sociais? Antes de podermos aceitar isso como verdadeiro, precisamos nos assegurar de que no existem variveis de confundimento. Uma varivel confundidora importante, em tal estudo, talvez seja a timidez dos que esto caminhando. Pode acontecer, por acaso, de os caminhantes sem o co serem mais tmidos, e, desta forma, o menor nmero de encontros se deve a esta varivel. Se tivssemos feito este experimento como um delineamento dentre participantes, teramos condies de controlar essa varivel de confuso, pois cada pessoa caminha com e sem o co. Isso significa que o nvel geral de timidez seria o mesmo sob as duas condies, e essa varivel de confuso no existiria. Da discusso referida voc pode ver que um problema do delineamento entre participantes pessoas diferentes trazerem caractersticas diferentes s condies do experimento. Quando estamos aleatoriamente alocando participantes s condies, podemos, por acaso,


39

alocar todos os participantes com uma determinada caracterstica a um grupo, e isso talvez confunda ou mascare os resultados. As tcnicas estatsticas que descrevemos neste livro daro indicaes da probabilidade de tais circunstncias aparecerem na nossa pesquisa. A Tabela 1.3 fornece um sumrio das vantagens e desvantagens dos delineamentos entre e dentre participantes. Deve ficar claro que as vantagens do delineamento dentre participantes tendem a ser desvantagens no delineamento entre participantes e vice-versa.Tabela 1.3 Sumrio das vantagens e desvantagens dos delineamentos entre e dentre participantesVantagens

Delineamento Entre participantes

Desvantagens

Dentre participantes

Ausncia relativa de efeitos prticos e de fadiga Participantes menos sujeitos a se comportarem de acordo com os objetivos do estudo Necessidade de um nmero maior de participantes Inexistncia de muito controle das variveis de confuso entre condies

Necessidade de um nmero menor de participantes Grande controle das variveis de confuso entre as condies Aumento da probabilidade de efeitos prticos e de fadiga Participantes com maior probabilidade de adivinhar os objetivos do estudo

Atividade 1.4Como voc projetaria um estudo para investigar a possvel relao entre cafena e habilidade matemtica?

SPSS para Windows (SPSSPW)Esta seo fornece uma breve introduo ao SPSS para Windows e explica como entrar e salvar dados em um arquivo. Explica ainda a diferena na entrada de dados para os delineamentos entre e dentre participantes.

O bsicoPrimeiro voc deve saber algumas coisas bsicas sobre programas. O Windows uma interface grfica que permite ao usurio manipular cones e informao textual na tela. Muitos programas, tais como o SPSS, apresentam diferentes janelas que voc poder manipular quando necessrio. Quando voc roda o SPSS para Windows verses 10, 11 e 12 (SPSSPW), ver uma janela perguntando o que quer fazer.

40


Botes de minimizar e reduzir/ampliar*

Barras e setas de rolagem

A primeira deciso que voc precisa tomar se quer abrir um arquivo de dados j existente ou criar um novo (entrar com novos dados). Para abrir um arquivo existente, selecione a opo Open an existing data source (Abrir uma fonte de dados j existente) da caixa de dilogo (janela) What would you like to do? (O que voc gostaria de fazer?). Voc deve, ento, selecionar o arquivo de interesse e clicar em OK para continuar. Se quiser inserir dados, ento voc deve selecionar a opo Type in data (digitar dados) e clicar em OK. Feito isso, aparecer a seguinte tela:Variveis = colunas Participantes (casos) = linhas

Painis (orelhas): Data View (Ver Dados) e Variable View (Visualizar Variveis)

* N. de T. Os autores no falam sobre o cone , que fecha a janela ativa e tambm no mencionam que os botes de reduzir e ampliar so um s e funcionam como uma chave liga/desliga.


41

Voc pode pensar que a janela ativa muito pequena para mostrar toda a informao disponvel. possvel aumentar o tamanho da janela ativa clicando nos botes Minimizar, Reduzir/Ampliar ( , ou ) no canto superior direito da janela ativa. Aqui, o boto minimiza a janela ativa; reduz uma janela ampliada, e aumenta uma janela reduzida. Minimizar a janela ativa consiste em reduzi-la a um cone que aparecer na parte inferior da tela. Se uma janela estiver reduzida, voc poder visualizar mais informaes se clicar no boto . Se a janela j estiver em seu tamanho mximo, ento, para se poder ver mais informaes, ela dever ser rolada (para cima ou para baixo) por meio da barra ou setas situadas no lado direito da janela.

Entrada de dadosAntes de executar qualquer anlise, voc precisa fornecer os dados. Note que existem clulas, que so o encontro das linhas com as colunas. Cada linha de dados que voc fornecer representar os dados de um participante, e cada coluna representar os dados de uma varivel. Por exemplo, suponha que voc deseja rodar um estudo que esteja procurando relaes da ansiedade estatstica com a procrastinao. Digamos que temos os seguintes dados de entrada: Participantes: P1 P2 P3 P4 P5 P6 Ansiedade estatstica: 55 59 48 60 62 50 Procrastinao: 125 132 94 110 140 96 A primeira coisa a fazer declarar as variveis no SPSSPW. Para determinar o nome e demais caractersticas das variveis, preciso selecionar o painel Variable View (Visualizar Variveis) no final esquerdo da tela. A tela mudar para uma na qual voc poder caracterizar as variveis do seu arquivo de dados.

Uma clula

Painis: Ver Dados e Visualizar Variveis

Na tela de visualizao de variveis (Variable View), as linhas representam variveis, e as colunas algum tipo de formatao da varivel. Voc precisa fornecer o nome de cada varivel na primeira coluna, denominada de Name (Nome). Clique na primeira linha desta coluna e digite o nome da varivel. Temos duas variveis para serem declaradas, a ansiedade estatstica

42


e a procrastinao. Digite no nome da primeira varivel: statsanxiety. Voc precisa levar em conta as seguintes regras quando quiser nomear variveis:

No se usa mais do que 16 caracteres. Por exemplo, statsanxiety vlido, mas statisticsanxiety no. Nas verses anteriores ao SPSS 12, o nome s pode ter at 8 caracteres. No possvel utilizar marcas de pontuao ou espaos. Por exemplo, statsanxiety vlido, mas stats anxiety no.* No preciso se preocupar com letras maisculas, pois o SPSSPW converter todo o nome para letras minsculas.

Uma vez que voc tenha digitado statsanxiety na primeira clula, clique na prxima clula abaixo e digite o nome da segunda varivel. Lembre que ele s pode ter at 16 caracteres (8 para as verses anteriores ao SPSS 12). Voc poder denomin-la procrastination. Quando tiver digitado o nome da segunda varivel, a tela dever ser semelhante seguinte.

Nomes das variveis

As variveis foram declaradas, ento voc pode agora entrar com os dados. Para fazer isso, voc precisa selecionar o painel (no fundo esquerdo da tela) Data View (Visualizar Dados), obtendo a seguinte tela:

* N. de T. Se quiser ou precisar separar o nome de uma varivel, utilize o underscore ( _ ).


43

Os dados da ansiedade estatstica devem ser digitados nesta coluna

Os dados da procrastinao devem ser digitados nesta coluna

Voc poder notar que as duas primeiras colunas esto rotuladas como statsanxiety e procrastination. Lembre-se que na tela de visualizao de dados (Data View) as colunas so variveis e as linhas so participantes. Desta forma, todos os dados da ansiedade estatstica (statsanxiety) devero ser digitados na primeira coluna, e os da varivel procrastinao (procrastination), na segunda. V adiante e entre com os dados apresentados anteriormente. Uma vez feito isso, a tela dever ser semelhante seguinte:

Menu File (Arquivo)

Voc pode visualizar aqui os dados que foram digitados.

44


Salvando os dadosAps ter fornecido os dados, uma boa idia salv-los em um arquivo. Isso evitar que tenha de digit-los novamente caso queira realizar outras anlises no futuro. Para salvar os dados, necessrio colocar o ponteiro do mouse sobre o item de menu File (Arquivo) e clicar com o boto esquerdo do mouse. O seguinte menu ser apresentado.

Selecione a opo Save As (Salvar Como)

Mova o ponteiro do mouse e clique na opo Save As... (Salvar Como) e ento a seguinte caixa de dilogo ir aparecer. Ela denominada de caixa de dilogo porque onde voc diz ao SPSSPW o que ele deve fazer. Digite o nome do arquivo na linha (em branco) denominada File name (Nome do arquivo) e clique no boto OK. Seus dados estaro salvos neste arquivo. Convm lembrar que o nome de um arquivo deve obedecer s seguintes regras:

A primeira parte um nome que faa sentido para voc (p. ex., statsanxiety). A segunda parte deve ser sempre SAV para um arquivo do SPSSPW (esta parte denominada de extenso do arquivo). A primeira e a segunda parte sero sempre separadas por um ponto.*

Assim, o nome do nosso arquivo de dados ser statsanxiety.sav. De fato, voc no digitou .sav nem precisar faz-lo, pois o SPSSPW faz isso automaticamente. Sempre que voc visualizar um nome de arquivo terminando em .sav, poder ter uma confiana razovel de que ele um arquivo de dados do SPSSPW. Se voc esquecer o nome do seu arquivo, procure entre os que apresentam a extenso .sav.

* N. de T. Variveis e projeto de pesquisa.


45

Digite o nome do arquivo aqui

Entrando com os dados para os delineamentos dentre e entre participantesDescrevemos como fornecer e salvar dados no SPSSPW. No entanto, diferentes delineamentos requerem diferentes entradas de dados. A maneira recm descrita para um delineamento correlacional. Se voc quiser fornecer dados para os delineamentos entre participantes, ento o procedimento o seguinte. Digamos que voc conduziu recentemente o estudo da caminhada com o co com um delineamento entre participantes. Suponha que os dados obtidos para a varivel nmero de encontros sociais sejam os seguintes: Caminhando com o co: 9 7 10 12 6 8 Caminhando sem o co: 4 5 3 6 5 1 Neste delineamento, caminhar com e sem o co a varivel independente, e o nmero de encontros sociais, a varivel dependente. Quando entrarmos com os dados no SPSSFW, precisamos determinar uma varivel independente e uma varivel dependente. A primeira coisa a ser feita nomear as variveis, na tela Variable View (Visualizar Variveis). Quando se declarar a varivel independente, necessrio prestar ateno, pois aqui que a maioria dos erros ocorre. Quando tivermos grupos diferentes de pessoas em cada condio da varivel independente, precisamos definir uma varivel de agrupamento (grouping variable) no SPSSPW. Devemos deixar o SPSSPW saber em qual dos dois grupos cada participante est. Defina a varivel conforme a seguinte ilustrao:

46


Clique nas reticncias

Se voc deixar as variveis como definidas pelo software, poder ter dificuldades para interpret-las, uma vez que no haver rtulos para identific-las de acordo com as diferentes condies da VI. Assim, uma boa idia detalhar os nomes das condies da VI. Voc deve notar que, quando clica na primeira clula da coluna rotulada como Values (Valores), reticncias aparecem. Isso indica que voc pode fornecer informaes adicionais para esta coluna. Clique nas reticncias e obter a seguinte caixa de dilogo.Digite o nmero do primeiro grupo aqui Digite o nome do grupo aqui Clique em Add (Adicionar) para confirmar os detalhes


47

Temos duas condies para a varivel independente, s quais precisamos atribuir nmeros. Iremos rotular o grupo caminhando com o co de grupo 1 e o grupo caminhando sem o co como grupo 2 (ou vice-versa). Digite 1 na linha (caixa) Value (Valor) e caminhando com o co (Walking with a dog) na linha (caixa) Value Label (Rtulo). Feito isso, clique em Add (Adicionar), e voc ver que os detalhes aparecem na ltima linha (caixa). Agora digite 2 na linha Value e caminhando sem o co (Walking without a dog) na linha Value Label e clique Add. A caixa de dilogo dever ser semelhante a esta:

Clique em OK para retornar tela Data View (Ver Dados). Sempre que desejar que o SPSSPW saiba os nomes dos grupos, voc pode fazer isso adicionando informaes na coluna Values (Valores). Agora vamos definir as variveis. Para entrar com os valores reais dos dados, clique no painel Data View (Visualizar Dados). Quando os dados forem postos na coluna group (grupo), digite 1 se a pessoa estiver no grupo com o co e 2 se a pessoa estiver no grupo sem o co. Assim, voc poder verificar que a primeira coluna conter apenas os valores 1 ou 2. Na segunda coluna, voc dever entrar com o nmero de encontros sociais de cada pessoa, como est na sua varivel dependente. Voc dever ser capaz, observando a tela de entrada, de ver que o participante nmero 4 est no grupo com o co (grupo 1) e que ele teve 12 encontros sociais. Tambm ver que o participante numero 12 est no grupo sem o co (grupo 2) e que teve uma caminhada solitria com apenas um encontro.

48


Varivel de agrupamento

Varivel dependente

Delineamentos dentre participantesQuando h um delineamento dentre participantes, temos que entrar com os dados de uma maneira diferente. Se utilizarmos o exemplo anterior, no delineamento dentre participantes cada pessoa completar a caminhada, tanto na condio com o co quanto sem o co. Os dados para este estudo tero a aparncia mostrada na tela seguinte:

Cada pessoa tem um escore nas duas condies


49

Voc pode estar se perguntando por que temos de entrar com os dados de forma diferenciada para cada um dos diferentes delineamentos. que cada linha da entrada de dados representa a informao de um participante. Se voc tem um delineamento entre participantes, precisa informar ao SPSSPW qual o escore de cada participante e a qual grupo pertence. Quando o delineamento dentre participantes, cada um atua sobre as duas condies, e desta forma, se tem dois escores. Voc precisa fazer com que o SPSSPW saiba o que ambos estes escores significam. Em virtude de cada participante atuar nos dois grupos, no ser necessrio informar ao SPSSPW o grupo, por meio de uma varivel de agrupamento. Voc pode perceber, assim, a diferena dos delineamentos dentre e entre participantes atravs da varivel de agrupamento. Se esta varivel existir, trata-se do delineamento entre participantes. Voc deve notar, a partir do detalhe da tela, que definimos duas variveis, uma para a condio com o co e outra para a condio sem o co. Ainda, em virtude de no haver a varivel de agrupamento, no temos de atribuir rtulos de grupos para qualquer varivel na tela Variable View (Visualizar Varivel). Definir as variveis para esse tipo de delineamento , dessa forma, mais simples do que para o delineamento entre participantes.

Utilizando as facilidades da ajuda (Help) do SPSSPW uma boa idia praticar utilizando as facilidades da ajuda do SPSS para Windows. Voc pode iniciar rodando o tutorial que est disponvel para voc. O tutorial pode ser iniciado sempre que se iniciar o SPSSPW. Voc pode notar que a primeira opo na primeira caixa de dilogo que voc v no SPSSPW rodar o tutorial (Run the tutorial).

Selecione esta opo para rodar o tutorial

Voc pode acessar o tutorial a qualquer hora durante uma sesso. Basta clicar no menu Ajuda (Help) e selecionar o tutorial (Tutorial) a partir da.

50


Botes de navegao

Uma vez iniciado o tutorial, voc estar na introduo s facilidades da ajuda do SPSSPW. Voc ir notar quatro cones no canto inferior direito da tela. Estes cones permitem que voc navegue da forma que desejar em torno dos tpicos do tutorial. O cone com a lupa fornece um ndice de tpicos. O cone com a casa leva voc aos contedos de cada tpico, enquanto os cones com as setas esquerda e direita levam para as telas anteriores e posteriores, respectivamente. Quando voc clica no cone de contedo (casa), obtm uma lista de assuntos. Voc deve ento clicar no tpico desejado para que o tutorial possa ajud-lo.


51

Clique no tpico para obter um tutorial sobre ele

Lembre que voc pode chamar o tutorial sempre que precisar.

ResumoNeste primeiro captulo expusemos os conceitos bsicos para um entendimento da pesquisa e do projeto de pesquisa. Voc aprendeu que:

Variveis se diferenciam em termos de preciso. Isto , elas podem ser: Contnuas quando assumem qualquer valor em dado intervalo (p. ex., 10 ou 10,2365) Discretas quando assumem apenas certos valores especicados dentro de um determinado intervalo (p. ex., 9 ou 10) Categricas quando os valores assumidos so categorias, em vez de valores puramente numricos (p. ex., gnero: masculino ou feminino). Existem trs principais delineamentos de pesquisa: Delineamentos correlacionais, que examinam as relaes entre variveis e no apresentam, num sentido estrito, variveis dependentes ou independentes. Voc no pode inferir causao a partir de correlaes. Delineamentos experimentais, que envolvem alocao aleatria de participantes s condies de varivel independente. Delineamentos quase-experimentais, que envolvem investigar grupos fechados, tais como homens e mulheres, e, desta forma, no utilizam alocao aleatria de participantes s condies. Nos experimentos, a varivel independente manipulada pelo pesquisador para vericar como ela afeta a varivel dependente. Os delineamentos entre participantes so aqueles nos quais ns temos participantes diferentes para cada condio da varivel independente. Os delineamentos dentre participantes so aqueles nos quais cada participante avaliado sob todas as condies da varivel independente.

52


Exerccios para o SPSSPWAs respostas de todos os exerccios e das questes de escolha mltipla podem ser encontradas em seo prpria ao final do livro.

Exerccio 1A Dra. Gnio realizou um estudo comparando a memorizao de adjetivos com a de substantivos. Ela alocou aleatoriamente 20 participantes a duas condies. Ento, apresentou a um dos grupos de 10 participantes uma lista de 20 adjetivos e ao outro grupo (tambm com 10 participantes) uma lista de 20 substantivos. Em seguida, solicitou a cada grupo que tentasse lembrar o nmero mximo possvel de palavras apresentadas. Ela obteve os seguintes resultados: Adjetivos: 10, 6, 7, 9, 11, 9, 8, 6, 9, 8 Substantivos: 12, 13, 16, 15, 9, 7, 14, 12, 11, 13 1. Qual a varivel independente neste estudo? 2. Qual a varivel dependente? 3. Este um delineamento dentre ou entre participantes? 4. um projeto experimental, quase-experimental ou correlacional? 5. Entre com os dados no SPSSPW de forma apropriada para o delineamento do experimento e salve os dados em um arquivo.

Exerccio 2Utilizando os dados do exerccio 1:

Se voc entrou com os dados como um delineamento dentre participantes, entre com os dados agora como um delineamento entre participantes. Se voc entrou com os dados como um delineamento entre participantes, entre com os dados agora como um delineamento dentre participantes.

Salve os dados em um arquivo utilizando um nome diferente do anterior.


53

QUESTES DE MLTIPLA ESCOLHA1. Qual das seguintes constitui uma varivel contnua? (a) Nmero de vezes que um escore de 180 alcanado em um jogo de dardos (b) Gnero (c) Temperatura (d) Todas as anteriores 2. O projeto experimental caracterizado por: (a) Menos do que duas condies (b) Sem controle das condies (c) Alocao aleatria dos participantes s condies (d) Nenhuma das anteriores 3. Em um estudo no qual o gnero a varivel a ser manipulada, a VI : (a) Dentre participantes (b) Correlacional (c) Entre participantes (d) Nenhuma das anteriores 4. Qual das seguintes assertivas verdadeira para o delineamento correlacional? (a) Ele no apresenta varivel independente nem varivel dependente (b) Procura relacionamentos entre variveis (c) No se pode inferir causao a partir de correlao (d) Todas as anteriores 5. Qual das seguintes pode ser considerada uma varivel categrica? (a) Gnero (b) Marca de carro (c) Cor do cabelo (d) Todas as anteriores 6. O delineamento dentre participantes pode ser: (a) Tanto quase-experimental quanto experimental (b) Somente experimental (c) Somente quase-experimental (d) Somente correlacional 7. Qual das seguintes declaraes verdadeira para experimentos? (a) A varivel independente manipulada pelo pesquisador (b) A varivel dependente assumida como dependente sobre a varivel independente (c) Os experimentos so difceis de serem realizados (d) Alternativas (a) e (b) 8. O projeto quase-experimental apresenta: (a) Uma varivel independente e uma varivel dependente

(b) Alocao no-aleatria dos participantes s condies (c) Nem varivel independente nem varivel dependente (d) Alternativas (a) e (b) 9. Qual assertiva descreve uma varivel contnua? (a) Pode assumir certos valores discretos em um faixa de valores (b) Pode assumir qualquer valor dentro de uma faixa de escores (c) Pode ser caracterizada por categorias (d) Nenhuma das anteriores 10. Quais dos seguintes so problemas associados com o delineamento dentre participantes? (a) Existe uma maior probabilidade de efeitos prticos e de fadiga (b) Os participantes apresentam maior probabilidade de perceber a natureza do estudo (c) No pode ser utilizado com projetos quaseexperimentais (d) Todas as anteriores 11. De acordo com Streiner (2002), qual a eficincia de estudos que dicotomizam variveis quando comparados com estudos que no o fazem? (a) (b) (c) (d) 100% 95% 67% 50%

12. Certo pesquisador acabou de conduzir um estudo correlacional investigando o

estatistiva sem matematica para psicologia

Documents