Análise de uma replicação
Sobre Implicit Association Tests (IAT) – Olhe o README do repositório.
IAT: 0.15, 0.35, and 0.65 are considered small, medium, and large levels of bias for individual scores. Positive means bias towards arts / against Math.
Exemplo de análise de uma replicação
iat = read_csv(here::here(params$arquivo_dados), col_types = "cccdc")
iat = iat %>%
mutate(sex = factor(sex, levels = c("m", "f"), ordered = TRUE))
glimpse(iat)## Rows: 267
## Columns: 5
## $ session_id <chr> "2478783", "2478785", "2478786", "2478787", "2478789", "24…
## $ referrer <chr> "lse", "lse", "lse", "lse", "lse", "lse", "lse", "lse", "l…
## $ sex <ord> m, f, f, f, m, m, f, m, m, f, f, f, f, f, f, f, f, f, f, m…
## $ d_art <dbl> 0.80543823, 0.31463632, 0.60437687, 0.32284672, 0.73121367…
## $ iat_exclude <chr> "Include", "Include", "Include", "Include", "Include", "In…iat %>%
ggplot(aes(x = d_art, fill = sex, color = sex)) +
geom_histogram(binwidth = .2, alpha = .4) +
geom_rug() +
facet_grid(sex ~ ., scales = "free_y") +
theme(legend.position = "None")
iat %>%
ggplot(aes(x = sex, y = d_art)) +
geom_quasirandom(width = .1)
iat %>%
ggplot(aes(x = sex, y = d_art)) +
geom_quasirandom(width = .1) +
stat_summary(geom = "point", fun.y = "mean", color = "red", size = 5)## Warning: The `fun.y` argument of `stat_summary()` is deprecated as of ggplot2 3.3.0.
## ℹ Please use the `fun` argument instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
Qual a diferença na amostra
iat %>%
group_by(sex) %>%
summarise(
media = mean(d_art),
desvio_padrao = sd(d_art),
N = n()
)## # A tibble: 2 × 4
## sex media desvio_padrao N
## <ord> <dbl> <dbl> <int>
## 1 m 0.160 0.483 91
## 2 f 0.522 0.453 176agrupado = iat %>%
group_by(sex) %>%
summarise(media = mean(d_art))
m = agrupado %>% filter(sex == "m") %>% pull(media)
f = agrupado %>% filter(sex == "f") %>% pull(media)
m - f## [1] -0.3617526Comparação via ICs
library(boot)
theta <- function(d, i) {
agrupado = d %>%
slice(i) %>%
group_by(sex) %>%
summarise(media = mean(d_art))
m = agrupado %>% filter(sex == "m") %>% pull(media)
f = agrupado %>% filter(sex == "f") %>% pull(media)
m - f
}
booted <- boot(data = iat,
statistic = theta,
R = 2000)
ci = tidy(booted,
conf.level = .95,
conf.method = "bca",
conf.int = TRUE)
glimpse(ci)## Rows: 1
## Columns: 5
## $ statistic <dbl> -0.3617526
## $ bias <dbl> -0.00109448
## $ std.error <dbl> 0.05980512
## $ conf.low <dbl> -0.4796913
## $ conf.high <dbl> -0.2422167ci %>%
ggplot(aes(
x = "",
y = statistic,
ymin = conf.low,
ymax = conf.high
)) +
geom_pointrange() +
geom_point(size = 3) +
labs(x = "Diferença",
y = "IAT homens - mulheres")
p1 = iat %>%
ggplot(aes(x = sex, y = d_art)) +
geom_quasirandom(width = .1) +
stat_summary(geom = "point", fun.y = "mean", color = "red", size = 5)
p2 = ci %>%
ggplot(aes(
x = "",
y = statistic,
ymin = conf.low,
ymax = conf.high
)) +
geom_pointrange() +
geom_point(size = 3) +
ylim(-1, 1) +
labs(x = "Diferença",
y = "IAT homens - mulheres")
grid.arrange(p1, p2, ncol = 2)
Conclusão
As participantes do experimento, em média, apresentaram uma associação implícita com a matemática de caráter negativo e de intensidade moderada, conforme mensurado pelo IAT (média = 0,52; desvio padrão = 0,45; N = 176). Já os homens demonstraram uma associação positiva com a matemática, com uma média inferior (média = 0,16; desvio padrão = 0,48; N = 91). Isso revela uma diferença significativa entre os grupos (diferença entre as médias = -0,36; intervalo de confiança de 95%: [-0,485, -0,245]). Com base nesses dados, pode-se inferir que as mulheres, nesta amostra, tendem a apresentar uma associação implícita mais negativa em relação à matemática do que os homens, sugerindo uma distinção perceptível nas atitudes implícitas conforme o sexo.
Análise de uma replicação
compute_bootstrap_ci <- function(dataset, num_iter = 2000, conf_level = 0.95) {
n <- nrow(dataset)
boot_diffs <- numeric(num_iter)
for (rep in seq_len(num_iter)) {
resample <- dataset[sample(n, replace = TRUE), ]
avg_men <- mean(resample$d_art[resample$sex == "m"])
avg_women <- mean(resample$d_art[resample$sex == "f"])
boot_diffs[rep] <- avg_men - avg_women
}
est_diff <- mean(boot_diffs)
original_diff <- mean(dataset$d_art[dataset$sex == "m"]) -
mean(dataset$d_art[dataset$sex == "f"])
boot_bias <- est_diff - original_diff
se_boot <- sd(boot_diffs)
alpha <- 1 - conf_level
ci_limits <- quantile(boot_diffs, probs = c(alpha / 2, 1 - alpha / 2))
dplyr::tibble(
estimate = est_diff,
bias = boot_bias,
std_error = se_boot,
ci_lower = ci_limits[1],
ci_upper = ci_limits[2]
)
}
# Executando a função com os dados do IAT
ci_result <- compute_bootstrap_ci(iat)
ci_result## # A tibble: 1 × 5
## estimate bias std_error ci_lower ci_upper
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 -0.362 -0.000659 0.0615 -0.485 -0.243ci_result %>%
ggplot(aes(
x = "",
y = estimate,
ymin = ci_lower,
ymax = ci_upper
)) +
geom_pointrange(color = "steelblue") +
geom_point(size = 3, color = "darkred") +
labs(
x = "Comparação",
y = "Diferença média (homens - mulheres, IAT)"
) +
theme_minimal()
Conclusão
Análise com Implementação Própria de Bootstrap
A partir de uma implementação própria do método Bootstrap, verificou-se que:
- As mulheres participantes apresentaram, em média, uma associação implícita negativa com a matemática, conforme medida pelo IAT (média = 0.52, desvio padrão = 0.45, N = 176).
- Os homens, por outro lado, apresentaram uma associação implícita positiva (média = 0.16, desvio padrão = 0.48, N = 91).
- A diferença entre as médias foi de -0.362, com um intervalo de confiança de 95% estimado em [-0.483, -0.24].
Esses resultados indicam que, na amostra analisada, as mulheres demonstraram uma associação negativa com a matemática moderadamente mais forte do que os homens, sugerindo a presença de uma diferença significativa nas atitudes implícitas entre os sexos.
Comparação entre Implementação Própria e Biblioteca
boot
Diferença das Médias:
- Implementação própria: -0.362
- Biblioteca
boot: -0.361
Intervalos de Confiança (IC 95%):
- Implementação própria: [-0.483, -0.24]
- Biblioteca
boot: [-0,485, -0,245]
As diferenças entre os métodos são mínimas e não comprometem a interpretação geral dos resultados. Ambas as abordagens convergem para a mesma conclusão: mulheres apresentam uma associação implícita negativa mais acentuada com a matemática do que homens.
Justificativa do Método de Intervalo de Confiança
O método percentil foi adotado na implementação própria por ser:
- Simples de aplicar;
- Amplamente utilizado na literatura;
- Considerado robusto em diversas situações empíricas.