Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

Qual a importância do Poder Estatístico?

O poder estatístico é a chance de detectar o efeito de um teste quando de fato houver um efeito. Dito de outra maneira, também pode ser a capacidade de diferenciarmos um efeito real de um efeito aleatório em um estudo.

Em geral, o poder estatístico costuma ser de 80%. Isso indica que temos 80% de chance de detectar o efeito caso ele aconteça.

Talvez isso soe familiar, já que nós discutimos o poder estatístico quando falamos sobre erro do tipo II. Na realidade, o poder estatístico é o inverso da chance de erro do tipo II.

Para entender melhor, vamos pensar em um exemplo. Vamos supor que estamos verificando a hipótese de que                 adolescentes são mais curiosos do que adultos. Supondo que vamos fazer um teste-t para detectar diferença de médias entre os adolescentes e adultos, teríamos as seguintes hipóteses:

  • H0: adolescentes não tem diferença na média de curiosidade comparando com adultos.
  • H1: adolescentes tem diferença na média de curiosidade comparando com adultos.

O poder estatístico nos indica a chance de corretamente identificarmos que adolescentes são mais ou menos curiosos que os adultos, quando eles de fato o são.

O que influencia o poder estatístico?

O poder estatístico é influenciado por três fatores:

  • O valor de significância do teste (α);
  • a distância entre o valor observado na hipótese nula e na hipótese alternativa (como a diferença de média de duas amostras no teste-t);
  • a variabilidade na população (como o desvio padrão das amostras);
  • o tamanho da amostra.

O poder estatístico diminui quando aumentamos o valor de significância (α). Isso significa que há uma balança entre erro do tipo I e do tipo II que devemos observar. A variabilidade da amostra também diminui o tamanho de efeito, já que é mais fácil distinguir um fenômeno mais coeso de um fenômeno com grande variabilidade.

Por exemplo, é mais fácil dizer que adolescentes são mais criativos que adultos se quase todos os adolescentes forem criativos e quase todos os adultos não forem criativos. Mas fica cada vez mais difícil fazer esta distinção conforme houver uma maior mistura de adolescentes e adultos criativos e não criativos.

Dispersão

Por outro lado, o poder estatístico aumenta conforme aumentamos a distância entre os valores que vamos observar na hipótese nula e alternativas e o tamanho da amostra.

Como medir o poder estatístico?

O poder estatístico não é uma medida fácil de se calcular, principalmente por mudar de acordo com o teste, diferente dos valores de α. Mas podemos contar com diversas calculadoras a quem podemos recorrer. Aqui fica a recomendação de algumas:

Qual a relação entre poder estatístico e tamanho de efeito?

Tamanho de efeito e poder estatístico estão intimamente relacionados. Isso acontece pois quando o tamanho de efeito é maior, o poder estatístico também é.

Pensando em um teste-t, por exemplo, o tamanho de efeito, d de Cohen, é dado pela diferença de média entre os grupos, dividido pelo desvio padrão (figura 1). Note que ambos o poder estatístico e o tamanho de efeito aumentam quando:

  • Há maior diferença entre as médias;
  • O desvio padrão das duas amostras é menor.

O poder estatístico é uma medida muito importante e por vezes ignorada. Então, com este conhecimento em mente, espero que você consiga planejar pesquisas com mais rigor e possa analisar mais criticamente os resultados (seus ou não) já relatados.

E para finalizar, um assunto muito complementar ao pode estatístico são os erros do tipo I e II. Vale muito a pena olhar os artigos aqui no blog sobre tamanho de efeito, erro do tipo I e erro do tipo II.

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Glossário de Análise Fatorial Exploratória

Glossário de Análise Fatorial Exploratória

A Psicometria Online tem o prazer de anunciar a publicação de um valioso recurso para profissionais e estudantes da Psicometria: o Glossário de Análise Fatorial Exploratória. Entender os termos e

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Nesse post, iremos te ensinar a lidar, de modo metodologicamente adequado com os pressupostos da análise de variância (ANOVA), quando eles não são acatados. O que é Análise de Variância

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Olá. Neste post vamos explicar de forma fácil o que são e quais as principais diferenças entre a estatística descritiva e a estatística inferencial. O que é estatística descritiva? A

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Glossário de Análise Fatorial Exploratória

Glossário de Análise Fatorial Exploratória

A Psicometria Online tem o prazer de anunciar a publicação de um valioso recurso para profissionais e estudantes da Psicometria: o Glossário de Análise Fatorial Exploratória. Entender os termos e

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Nesse post, iremos te ensinar a lidar, de modo metodologicamente adequado com os pressupostos da análise de variância (ANOVA), quando eles não são acatados. O que é Análise de Variância

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Olá. Neste post vamos explicar de forma fácil o que são e quais as principais diferenças entre a estatística descritiva e a estatística inferencial. O que é estatística descritiva? A

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.