Análise de uma replicação para os dados de charles.csv

Referências para interpretar o IAT

IAT: absolute d of 0.15, 0.35, and 0.65 are considered small, medium, and large level of bias for individual scores. Positive d means bias towards arts / against Math.

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: 80
## Columns: 5
## $ session_id  <chr> "2430718", "2430722", "2430809", "2430815", "2430817", "24~
## $ referrer    <chr> "charles", "charles", "charles", "charles", "charles", "ch~
## $ sex         <ord> m, f, f, f, f, f, f, f, f, f, m, f, f, f, f, m, f, m, f, f~
## $ d_art       <dbl> 0.97678057, 0.92033888, 1.18732483, 1.36211139, 1.05197469~
## $ 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     0.340
## 2 f     0.735

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

## [1] -0.394923

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> -0.394923
## $ bias      <dbl> 0.003003148
## $ std.error <dbl> 0.1099709
## $ conf.low  <dbl> -0.6068077
## $ conf.high <dbl> -0.1784943

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)

iat %>% 
  count(sex)

## # A tibble: 2 x 2
##   sex       n
##   <ord> <int>
## 1 m        22
## 2 f        58

iat %>%
  group_by(sex) %>% 
  summarise(desvio = sd(d_art))

## # A tibble: 2 x 2
##   sex   desvio
##   <ord>  <dbl>
## 1 m      0.453
## 2 f      0.419

Conclusão

Apague esse parágrafo, e no seguinte substitua no mínimo as partes em negrito por texto seu. Pode substituir o quanto quiser.

Em média, as mulheres que participaram do experimento tiveram uma associação implícita (medida pelo IAT) com a matemática negativa e média (média 0.735132, desv. padrão 0.4187800, N = 58). Homens tiveram uma associação negativa e menor com a matemática, e essa associáção foi menor que a das mulheres (média 0.340209 , desv. padrão 0.4526633, N = 22). A partir desta amostra, estimamos que há uma considerável diferença entre homens e mulheres na população de onde esta amostra foi optida (diferença das médias -0.394923, IC 95% [-0.6009445, -0.1660473]). Os dados de nosso experimento portanto apontam que 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..