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: 81
## Columns: 5
## $ session_id  <chr> "2443384", "2443392", "2443401", "2443436", "2443445", "24~
## $ referrer    <chr> "uva", "uva", "uva", "uva", "uva", "uva", "uva", "uva", "u~
## $ sex         <ord> f, m, f, f, m, f, m, f, f, f, m, m, f, f, m, f, f, f, f, f~
## $ d_art       <dbl> 0.96727471, 0.36139986, 0.49682691, 0.70144695, 0.92737860~
## $ 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, boundary = 0) +
  geom_rug() +
  facet_grid(sex ~ ., scales = "free_y") +
  labs(title = "Distribuição de d_art") + 
  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 = "mean", color = "red", size = 5) + 
  labs(title = "Distribuição e média (ponto vermelho) de d_art na amostra")

Qual a diferença na amostra

agrupado = iat %>% 
    group_by(sex) %>% 
    summarise(media = mean(d_art), 
              .groups = "drop")

agrupado

## # A tibble: 2 x 2
##   sex    media
##   <ord>  <dbl>
## 1 m     0.0992
## 2 f     0.623

m = agrupado %>% filter(sex == "m") %>% pull(media)
f = agrupado %>% filter(sex == "f") %>% pull(media)
m - f

## [1] -0.5241867

Comparação via ICs

library(boot)

theta <- function(d, i) {
    agrupado = d %>% 
        slice(i) %>% 
        group_by(sex) %>% 
        summarise(media = mean(d_art), .groups = "drop")
    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> -0.5241867
## $ bias      <dbl> 0.002732611
## $ std.error <dbl> 0.1233374
## $ conf.low  <dbl> -0.7699285
## $ conf.high <dbl> -0.2730106

ci %>%
    ggplot(aes(
        x = "",
        y = statistic,
        ymin = conf.low,
        ymax = conf.high
    )) +
    geom_pointrange() +
    geom_point(size = 3) + 
    scale_y_continuous(limits = c(-1.5, 1.5)) + 
    labs(x = "Diferença das médias", 
         y = "IAT homens - mulheres")

p1 = iat %>% 
    ggplot(aes(x = sex, y = d_art)) +
    geom_quasirandom(width = .1, alpha = .7) + 
    stat_summary(geom = "point", fun = "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

Em média, as mulheres que participaram do experimento tiveram uma associação implícita (medida pelo IAT) com a matemática positiva e fraca (média 0.09, desv. padrão 0,1, N = 24). Homens tiveram uma associação positiva com a matemática e maior que a das mulheres (média 0,623, desv. padrão 0,12, N = 57). Houve portanto uma diferença considerável entre homens e mulheres (diferença das médias -0.52, 95% CI [-0.76 ou 76%,-0.29 ou 29%]). Os dados de nosso experimento, portanto, apontam que Homens têm uma associação positiva mais forte, com uma diferença que está próximo aos limite inferior do referencial 0.6 e 1.0 ponto na escala IAT, o suficiente para diferenciar uma associação neutra de uma muito forte contra a matemática.

Análise de uma replicação

Referências para interpretar o IAT