Cálculo amostral
Estatística para pesquisa em psicologia: o que a banca cobra
A estatística para pesquisa em Psicologia começa na definição dos escores e das perguntas de pesquisa. Este guia aborda itens reversos, consistência interna, escolha de testes e interpretação de tamanhos de efeito. O objetivo é documentar decisões que possam ser discutidas com o orientador e avaliadas pela banca, sem reduzir a análise ao valor de p.
Programas de pós-graduação em Psicologia — clínica, social, escolar, do trabalho, cognitiva — geram uma quantidade enorme de dados de questionário. E, ao contrário do que se ensina no primeiro semestre, “usar SPSS e rodar Levene” não é a resposta. Este texto cobre o que a banca de mestrado e doutorado em Psicologia costuma cobrar, do escore ao modelo, e onde os erros mais frequentes aparecem.
O que a estatística para psicologia tem de diferente
- Dados vêm de instrumentos, não de medidas físicas. Escores de escala Likert, questionários validados (PHQ-9, WHOQOL, SF-36, BDI, BAI, PSS) e testes psicométricos exigem tratamento específico antes de qualquer teste.
- Amostras costumam ser pequenas. Pesquisa clínica em Psicologia raramente atinge n de estudos epidemiológicos.
- Diretrizes recentes cobram tamanho de efeito. APA e periódicos da área pedem d de Cohen, r, η² parcial e intervalos de confiança.
Da escala Likert ao escore
Antes de construir o escore: inverter itens reversos, calcular a consistência interna (alfa de Cronbach) e tratar dados faltantes por item conforme o manual do instrumento. Uma análise que pula esses passos falha na primeira revisão de banca.
Alfa de Cronbach: como interpretar
O alfa descreve consistência interna e não comprova validade nem unidimensionalidade. Interprete-o considerando a estrutura da escala, o número de itens e a finalidade da medida. Um ponto de corte isolado, como 0,70, não decide a qualidade de um instrumento.
Não exclua itens apenas para aumentar o alfa: isso pode alterar o conteúdo medido. Ômega pode ser útil quando seu modelo de medida é adequado; ter poucos itens, por si só, não determina qual coeficiente usar. Consulte a documentação de consistência interna do pacote psych.
Comparação entre grupos: o que verificar antes do teste
- Grupos independentes: defina se a pergunta envolve médias ou outra característica da distribuição. Avalie valores extremos, dispersões e tamanho amostral.
- Medidas pareadas: preserve a identificação dos pares e avalie as diferenças entre as medidas.
- Três ou mais avaliações: considere a dependência entre observações e a estrutura longitudinal.
Mann–Whitney não é uma substituição automática do teste t quando os dados são assimétricos. Sua interpretação como diferença de localização exige hipóteses adicionais; não deve ser descrito indiscriminadamente como teste de medianas. Veja a documentação de Wilcoxon e Mann–Whitney no R.
Tamanho de efeito: interpretação e incerteza
Os valores abaixo são convenções orientativas, não limites universais de relevância. Interprete a magnitude no contexto do instrumento, da população e da literatura, acompanhada de sua incerteza.
- d de Cohen: 0,2 pequeno, 0,5 médio, 0,8 grande
- Correlação r: 0,1 pequena, 0,3 média, 0,5 grande
- η² parcial em ANOVA: 0,01 pequena, 0,06 média, 0,14 grande
Cada um vai com intervalo de confiança de 95%.
Análise em R
# Consistência interna
library(psych)
alpha(dados[, itens_da_escala])
# Comparação entre grupos com tamanho de efeito
library(effsize)
t.test(escore ~ grupo, data = dados)
cohen.d(escore ~ grupo, data = dados)
# Correlação
cor.test(dados$escore1, dados$escore2, method = "spearman")
# ANOVA com post-hoc
library(rstatix)
anova_test(dados, escore ~ grupo)
tukey_hsd(dados, escore ~ grupo)
Próximos passos
Se o estudo usa instrumentos clínicos com cortes diagnósticos (PHQ-9, GAD-7, BDI-II), a análise tem regras adicionais, que detalho na página de análise estatística de questionários e escalas. Se o desenho é ensaio ou coorte, o caminho passa pela bioestatística aplicada à pesquisa clínica, e a escolha entre os dois desenhos está em coorte ou caso-controle.