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: 179
## Columns: 5
## $ session_id  <chr> "2421401", "2421408", "2421415", "2421419", "2421535", "24~
## $ referrer    <chr> "tamu", "tamu", "tamu", "tamu", "tamu", "tamu", "tamu", "t~
## $ sex         <ord> f, m, f, f, f, f, f, f, f, f, m, f, f, m, m, f, m, m, f, f~
## $ d_art       <dbl> 0.66404173, 0.28330852, 0.91158827, 0.40696666, 0.14532187~
## $ 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     0.236
## 2 f     0.420

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

## [1] -0.1841804

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> -0.1841804
## $ bias      <dbl> -0.0003428784
## $ std.error <dbl> 0.07059307
## $ conf.low  <dbl> -0.3268166
## $ conf.high <dbl> -0.04364264

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) + 
    stat_summary(geom = "point", fun = "sd", color = "orange", 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)

# Desvio padrão todos
iat %>%
  summarise(sd = sd(d_art))

## # A tibble: 1 x 1
##      sd
##   <dbl>
## 1 0.467

# Média todos
iat %>%
  summarise(mean = mean(d_art))

## # A tibble: 1 x 1
##    mean
##   <dbl>
## 1 0.361

# Desvio padrão homens
iat %>%
  filter(sex == "m") %>%
  summarise(sd = sd(d_art))

## # A tibble: 1 x 1
##      sd
##   <dbl>
## 1 0.452

# Média homens
iat %>%
  filter(sex == "m") %>%
  summarise(mean = mean(d_art))

## # A tibble: 1 x 1
##    mean
##   <dbl>
## 1 0.236

# Desvio padrão mulheres
iat %>%
  filter(sex == "f") %>%
  summarise(sd = sd(d_art))

## # A tibble: 1 x 1
##      sd
##   <dbl>
## 1 0.465

# Média mulheres
iat %>%
  filter(sex == "f") %>%
  summarise(mean = mean(d_art))

## # A tibble: 1 x 1
##    mean
##   <dbl>
## 1 0.420

Conclusão

Em média, as mulheres que participaram do experimento tiveram uma associação implícita (medida pelo IAT) com a matemática negativa e média (média 0.42, desv. padrão 0.465, N = 121). Homens tiveram uma associação negativa e fraca com a matemática, portanto menor que a das mulheres (média 0.236, desv. padrão 0.452, N = 58). Houve portanto uma pequena diferença entre homens e mulheres (diferença das médias -0.184, 95% CI [-0.32, -0.05]). Os dados de nosso experimento portanto apontam que mulheres têm uma associação negativa mais forte, essa diferença é pequena e provavelmente está entre -0.32 e -0.05 ponto na escala IAT, o suficiente para diferenciar uma associação fraca de uma média contra a matemática.

Exemplos de possíveis conclusões para completar

mulheres têm uma associação negativa consideravelmente mais forte, com uma diferença que provavelmente está entre 0.6 e 1.0 ponto na escala IAT, o suficiente para diferenciar uma associação neutra de uma muito forte contra a matemática.
mulheres têm uma associação negativa mais forte, porém não é claro se essa diferença é grande, moderada ou pequena. É necessário coletar mais dados para determinar se a diferença é relevante ou negligenciável.
mulheres podem ter um associação negativa forte, pode não haver diferença entre sexos ou homens podem ter atitudes negativas um pouco mais fortes ou moderadamente mais fortes.
não há evidência clara de uma diferença relevante entre sexos: os dados apontam que ela pode não existir e, se ela existir, ela é pequena em qualquer das direções.

Análise de uma replicação

Referências para interpretar o IAT