Escolar Documentos
Profissional Documentos
Cultura Documentos
PowerPoint Presentation5
PowerPoint Presentation5
Bruno Ferman
Professor da FGV-SP
Pesquisador afiliado do J-PAL
Objetivos
2
Estrutura
3
O que é poder estatístico?
Incerteza e poder estatístico
5
Variabilidade amostral
6
Exemplo de variabilidade amostral
Suponha que queremos estudar o impacto de um programa
de formação profissional
Tratamento
9 10 6
12 9
População-alvo 9 9 10 10
9 6
8
6 6 Para baratear custos,
12
9 2 8
12 tomamos duas amostras
representativas: uma do
5 8 10 9 9 grupo de tratamento e
6 9 8 12
8 9
10
outra do grupo de
8 9
9 8 12
8
9 controle
Controle
Indicador: dias de desemprego
7
Exemplo de variabilidade amostral
Extraímos uma amostra entre o grupo de tratamento e uma do
grupo de controle, e assim verificamos:
Tratamento
10 66
12 9 9
Tratamento:
9 9 10 10
População alvo
9 6 6 6 9+8+6+6+2
8
12 = 6,2
9 22 12 5
8
5 8 10
9
9
6 9 Controle:
8 9 8 12
9 10 9 + 12 + 10 + 8 + 9
8 9 8 12
8
9 = 9,6
5
Controle
Indicador: dias de desemprego
Tratamento
10 66 Tratamento:
12 9 9
9 9 10 10
População alvo
9 6 66 6 9 + 10 + 6 + 8 + 12
8
12 = 9
9 22 12 5
8
55 8 10
9
9 Controle:
6
6 9 88
8 9
9 10
10
9 + 6 + 10 + 8 + 5
8 9 8 12 9 = 7.6
8 5
Controle
Indicador: dias de desemprego
10
Um cenário típico em que não há efeito percebido
Você está
grávido!
15
Dois tipos de erros estatísticos
CONCLUSÃO
Programa teve impacto
SIM
Programa
teve impacto
A
VERDADE
NÃO
Programa Concluímos que o
não teve programa teve impacto,
impacto quando na realidade não
teve
16
Dois tipos de erros estatísticos
CONCLUSÃO
Programa teve impacto
SIM
Programa
teve impacto
O que falta
A nesta tabela?
VERDADE
NÃO
Programa Concluímos que o
não teve programa teve impacto,
impacto quando na realidade não
teve
17
Dois tipos de erros estatísticos
CONCLUSÃO
Programa teve impacto Programa não teve impacto
SIM
Programa Concluímos que o programa não teve
teve impacto impacto, quando na realidade teve
(mas a amostra é muito pequena
A para detectar o impacto)
VERDADE
NÃO
Programa
não teve
impacto
Concluímos que o
programa teve impacto,
quando na realidade não
teve
18
Erro tipo I
CONCLUSÃO
Programa teve impacto Programa não teve impacto
SIM
Programa Concluímos que o programa não teve
teve impacto impacto, quando na realidade teve
(mas a amostra é muito pequena
A para detectar o impacto)
VERDADE
NÃO
Programa
não teve
impacto
Concluímos que o
programa teve impacto,
quando na realidade não
teve
Erro tipo I 19
Poder estatístico
Poder estatístico
CONCLUSÃO
Programa teve Programa não teve impacto
impacto
SIM
Programa
teve
impacto
Concluímos que o programa não
teve impacto, quando na realidade
teve
(mas a amostra é muito pequena
A para detectar o impacto)
VERDADE
NÃO
Programa
não teve
impacto
Concluímos que o
programa teve impacto,
quando na realidade não
teve
CONCLUSÃO
Programa teve Programa não teve impacto
impacto
SIM
Programa
teve
impacto
Concluímos que o programa não
teve impacto, quando na realidade
teve
(mas a amostra é muito pequena
A para detectar o impacto)
VERDADE
NÃO
Programa
não teve
impacto
Concluímos que o
programa teve impacto,
quando na realidade não
teve
21
CONCLUSÃO
Poder SIM NÃO
estatístico Programa teve impacto Programa não teve
impacto
Você não está
Você está grávida!
grávida!
Efeito
A VERDADE
22
Por que o poder estatístico é importante?
Risco de se
Alta
Avaliação com encerrar ou
probabilidade
baixo poder mudar um
de erro tipo II
estatístico programa que
(falso negativo)
é efetivo
22
Exemplo: Programa de microcrédito em Gana
Como diferentes taxas de juros afetam a
demanda por microcrédito?
23
Exemplo: Sensibilidade a taxa de juros (Gana)
A cada 100 donos de negócios…
24
Exemplo: Sensibilidade a taxa de juros (Gana)
Dos 15 participantes…
2 completaram o formulário
1 pediu o microcrédito
25
Exemplo: Sensibilidade a taxa de juros (Gana)
Baixa taxa de
Amostra Baixo poder Avaliação foi
participação nas
pequena estatístico cancelada
oficinas
26
Fatores que afetam o poder
estatístico
Fatores que afetam o poder estatístico
• Tamanho da amostra
• Tamanho do efeito
• Participação (take-up)
• Variância
• Proporções de alocação experimental
• Clusters
30
Tamanho da amostra
Amostragem aleatória
Amostra
População
29
Tamanho da amostra
Amostragem aleatória
População Amostra
30
Tamanho da amostra
31
Regra de ouro número 1
Poder
1
0.75
0.5
32
Regra de ouro número 1
Menos poder
Mais poder
33
Fatores que afetam o poder estatístico
• Tamanho da amostra
• Tamanho do efeito
• Participação (take-up)
• Variância
• Proporções de alocação experimental
• Clusters
37
Exemplo: Prova Brasil (Brasil)
• A avaliação, realizada pelo Instituto Nacional de Estudos e Pesquisas
Educacionais (Inep), é aplicada em todo o país, e é composta por uma
prova, realizada pelos alunos do quinto e do nono ano de escolas rurais
e urbanas
• Um programa tem como meta melhorar os resultados das escolas
tratadas em 20 pontos
• Outro programa visa melhorar os resultados em 1 ponto
É muito mais provável que meu grupo de tratamento seja, por um acaso,
aleatorizado com uma nota em média um ponto acima da média da
população do que com 20 pontos acima da população como um todo
35
2.5x
10x
Efeito grande
37
Fatores que afetam o poder estatístico
• Tamanho da amostra
• Tamanho do efeito
• Participação (take-up)
• Variância
• Proporções de alocação experimental
• Clusters
43
Participação e tamanho do efeito
39
Tamanho do efeito com 100% de participação
Tratamento Controle
* *
f f
* *
f f
f = receberam fertilizantes
* = utilizaram os fertilizantes recebidos 40
Tamanho do efeito com 50% de participação
Tratamento Controle
*
f f
*
f f
f = receberam fertilizantes
* = utilizaram os fertilizantes recebidos 41
Regra de ouro número 3
• Participação imperfeita implica um menor efeito e vai exigir uma amostra
maior para um nível de poder dado (regra de ouro número 2)
• Se já se antecipa que o programa terá uma participação imperfeita, é
necessário planejar uma amostra maior
* *
f f
Participação Exige uma amostra menor
perfeita * *
f f
*
Participação f f Exige uma amostra maior
imperfeita
*
f f
42
Fatores que afetam o poder estatístico
• Tamanho da amostra
• Tamanho do efeito
• Participação (take-up)
• Variância
• Proporções de alocação experimental
• Clusters
49
Variância
• Suponha que temos um programa de saúde para aumentar a altura de
crianças que vivem em extrema pobreza no Norte do Brasil
• Mas existe grande variância na altura da população
• Risco: podemos acabar com uma amostra que tem a maioria dos altos…
ou uma com a maioria de baixos
População Amostra
Amostragem aleatória
44
Variância
População Amostra
Amostragem aleatória
45
Implicações de maior variância
• Se no final do programa as crianças tratadas são mais altas que as crianças
do grupo de controle...
• É porque o grupo de tratamento tinha crianças mais altas ou é porque o
programa funciona?
Programa implementado
População Amostra
Tratamento
Amostragem aleatória
Controle
46
Implicações de maior variância
Se a população tem uma altura similar no início, seria fácil saber:
• É mais provável que tenhamos uma amostra representativa
• E a diferença que vemos no final deve ser explicada pelo programa
Programa implementado
População Amostra
Tratamento
Amostragem aleatória
Controle
47
Regra de ouro número 4
• Para um nível de poder estatístico, quanto maior a variância, maior
a amostra de que necessitamos
Maior
Precisamos de uma amostra
variância maior
48
Fatores que afetam o poder estatístico
• Tamanho da amostra
• Tamanho do efeito
• Participação (take-up)
• Variância
• Proporções de alocação experimental
• Clusters
56
Aumentar o tamanho da amostra aumenta o poder
estatístico, mas cada vez menos
Poder
1
0.75
0.5
50
Maximizando o poder em uma amostra
Controle (n=4)
52
Fatores que afetam o poder estatístico
• Tamanho da amostra
• Tamanho do efeito
• Participação (take-up)
• Variância
• Proporções de alocação experimental
• Clusters (Agrupamentos)
61
Os indivíduos dentro de um cluster podem se
comportar da mesma maneira
Controle
População
Tratamento
54
Regra de ouro número 6
• Para uma dada amostra, aleatorizar por clusters reduz o poder estatístico
Precisamos de amostra
menor
Precisamos de amostra
maior
55
Regra de ouro número 6
56
Ou os indivíduos dentro de um cluster podem
se comportar de maneira diferente
Controle
População
Tratamento
57
Correlação Intra-Clusters (CIC)
58
Regra de ouro número 7
• Para um dado nível de poder estatístico, uma maior Correlação Intra- Clusters
(CIC) é necessária uma amostra maior
– Quanto maior o CIC, a melhor solução é aumentar a amostra incluindo mais
clusters, em vez de mais indivíduos aos clusters
Precisamos de amostra
maior
Precisamos de amostra
menor
59
Conclusões
69
Regras de ouro
61