As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
dessas possibili<strong>da</strong>des é ver<strong>da</strong>deira, entretanto, pode-se olhar os testes de significância e sua<br />
probabili<strong>da</strong>de associa<strong>da</strong> para dizer qual <strong>da</strong>s duas é mais provável. Obviamente que é<br />
importante que se tenha um mínimo de acurácia, e, tendo isso em vista, Fisher sugeriu que se<br />
fosse muito conservador, acreditando que um resultado é genuíno apenas quando se tivesse<br />
95% de confiança, ou seja, que exista apenas 5% de probabili<strong>da</strong>de dele ocorrer se não existir<br />
um efeito (hipótese nula ver<strong>da</strong>deira).<br />
Mesmo que se tenha 95% de confiança, ain<strong>da</strong> existe uma pequena chance de se estar<br />
errado. Na ver<strong>da</strong>de, existem dois tipos e erros que se pode cometer, o erro do tipo 1 e o erro<br />
do tipo 2. O erro do tipo 1 ocorre quando se acredita que existe efeito genuíno na população,<br />
quando, de fato, não há. Usando o critério de Fisher, então, há a probabili<strong>da</strong>de de 0,05 de erro,<br />
quando não existe efeito na população. Esse valor é chamado de nível de significância α. Em<br />
outras palavras, assumindo que não existe nenhum efeito na população, se replica<strong>dos</strong> os <strong>da</strong><strong>dos</strong><br />
coleta<strong>dos</strong> 100 vezes, poder-se-ia esperar que em cinco ocasiões se obtém um teste de<br />
significância grande o suficiente para pensar que houve um efeito genuíno na população,<br />
quando na ver<strong>da</strong>de não houve.<br />
O oposto é o erro tipo 2, que ocorre quando se acredita que não há um efeito na<br />
população, quando, de fato, há. Isso acontece quando se obtém um teste de significância<br />
pequeno (talvez porque exista uma série de variações naturais entre as amostras). Idealmente,<br />
seria bom que a probabili<strong>da</strong>de desse erro fosse bem baixa (se existe um efeito na população,<br />
seria importante que se pudesse detectá-lo). Convencionalmente, diz-se que o aceitável para o<br />
erro do tipo 2 é de 0,2 (20%), e é chamado de nível de significância β. Isso quer dizer que se<br />
há 100 amostras de <strong>da</strong><strong>dos</strong> <strong>da</strong> população em que há um efeito, em 20 deles se falharia em<br />
detectá-lo.<br />
O cenário apresentado para testar se um efeito é genuíno possui alguns problemas. O<br />
primeiro deles é saber quão importante são eles. O fato de um teste de significância ser<br />
significante não garante que o efeito que mede seja relevante ou importante. A solução para<br />
esse problema é medir o tamanho do efeito que se está testando, de uma forma padroniza<strong>da</strong>.<br />
O tamanho do efeito é apenas uma forma simples e objetiva de padronizar a medi<strong>da</strong> <strong>da</strong><br />
magnitude <strong>dos</strong> efeitos observa<strong>dos</strong>. A padronização aju<strong>da</strong> na comparação <strong>dos</strong> efeitos em<br />
estu<strong>dos</strong> distintos, porque não se prende a variáveis nem uni<strong>da</strong>des específicas ou mesmo como<br />
elas foram medi<strong>da</strong>s.<br />
Muitas medi<strong>da</strong>s de efeito foram propostas por estatísticos, as mais famosas são a d de<br />
Cohen, o coeficiente de correlação r de Pearson e a razão de chances (odds ratio). O<br />
coeficiente r é o mais usado por apresentar medi<strong>da</strong>s que variam de 0 (sem efeito) a 1 (efeito<br />
perfeito). O r não é medido de forma linear, então um efeito de 0,2 não representa a metade de<br />
169