Novamente…o p-valor

Foi sem querer, galera!

Foi sem querer, galera!

Por indicação de um leitor, fui parar neste blog e, de lá, encontrei – e estou acabando de ler – este excelente texto sobre o p-valor. É, provavelmente, o mais didático texto escrito sobre o tema e mostra que muitos seguem cometendo erros que podem ser facilmente corrigidos. Nós, em Ciência Econômica, temos que, no mínimo, ter mais cuidado (eu, obviamente, incluso) ao falar de inferências.

A bem da verdade, não se pode ser muito fanático nestas coisas. Pesquisa é algo continuamente em desenvolvimento e, sendo popperiano, sempre há algo a ser refutado e revisado no futuro (o belo exemplo da teoria do consumo sempre me vem à mente nestas horas). O problema do p-valor (ou da má interpretação do p-valor) só reforça algo que sempre digo – e que nem sempre é seguido por alunos – sobre a revisão da literatura: ela é a parte mais importante da pesquisa. Caso contrário, você só fez um exercício de, digamos, estatística (ou de econometria), não uma pesquisa (aliás, pense no significado prático da palavra “pesquisa”).

Vou acabar de ler o texto sobre o p-valor.

O p-valor não é mais recomendado: atenção professores de Ciências Econômicas!

Não adianta achar que seu modelo estimado é o melhor do mundo porque os “p-valores” estão todos “bonitinhos”. Acabou a festa. Mais um pouco:

What we know is that the ASA statement itself opens with George Cobb’s wonderfully succinct complaint about the vicious cycle we are caught in: “We teach [significance testing] because it’s what we do; we do it because it’s what we teach.” The ASA then cites deep concerns in the literature, with quotes such as “[Significance testing] is science’s dirtiest secret” with “numerous deep flaws.”

O que faremos agora? No mínimo, temos que repensar os artigos que avaliamos para submissão em nossos pareceres – e também os que fazemos em nossas pesquisas.

Por isso, como sempre, a teoria é importante (tanto a econômica, claro, quanto a estatística). A ela temos que recorrer para pensar no que estamos fazendo ao dizer que estamos “testando” hipóteses. Vamos ver o que mais surge nesta discussão. Ah, sim, na caixa de buscas no alto do blog você pode encontrar mais sobre o p-valor. Já coloquei alguns links aqui sobre esta discussão.

P-Valor…de novo: agora com mais ênfase

Onze a cada dez alunos que não estudam passavam em Econometria I e chegavam no meu curso de Econometria II com um papo de que não viram p-valor (e nem álgebra matricial, algarismos arábicos, o alfabeto, etc). Ok, o tema é difícil, eu sei. Ainda mais para quem não vai mexer com isto diretamente e prefere contratar alguém (e, como não entende, corre o risco de ser enganado por este alguém…mas, bem, já falei que o cara não estuda?) para fazer isto para ele.

Do nosso lado, tentava-se adaptar a explicação para a cabeça dos alunos da melhor forma possível. Os livros-texto, claro, nem sempre ajudavam e como não existe, vamos ser sinceros, quase nada de relevante, cientificamente falando, em língua portuguesa na internet, geralmente eu indicava leituras em inglês. Pronto, mais choro, acusações de que eu era um Delcídio, etc.

Pois é. Apesar de tudo, sobrevivemos todos e agora, bem, agora acabou. A poderosa ASA lançou uma nota que deve dar um empurrão na direção correta. Destaco os trechos mais importantes (na minha opinião):

The statement’s six principles, many of which address misconceptions and misuse of the p-value, are the following:

  1. P-values can indicate how incompatible the data are with a specified statistical model.
  2. P-values do not measure the probability that the studied hypothesis is true, or the probability that the data were produced by random chance alone.
  3. Scientific conclusions and business or policy decisions should not be based only on whether a p-value passes a specific threshold.
  4. Proper inference requires full reporting and transparency.
  5. A p-value, or statistical significance, does not measure the size of an effect or the importance of a result.
  6. By itself, a p-value does not provide a good measure of evidence regarding a model or hypothesis.

Desnecessário dizer que isto atinge a todos nós, praticantes de Econometria, né? Gente old school (como eu) tem que fazer um esforço para se livrar do vício. Encontraremos, claro, barreiras porque muita gente antiga tem preguiça de mudar e são potenciais pareceristas de artigos. Em outras palavras, ainda que entendam a mudança, são preguiçosos e vão te atazanar. Paciência.

Claro, há sempre a esperança de que mais gente boa entrará no jogo e, lentamente, a pesquisa empírica irá se redirecionar (claro, lembrando que outros choques tecnológicos como este ocorrerão…a vida não é fácil).

De qualquer forma, fico feliz em estar vivo para testemunhar esta revolução.

P-Valores…novamente e uma breve reflexão sobre a importância de mais estatística no curso de Economia

Existe uma polêmica importante ocorrendo na Ciência, a do p-valor. Não é de hoje que o assunto reaparece aqui e acolá e, na minha opinião, é hora de professores de Estatística de graduação mesmo trazerem este assunto para a sala de aula.

Em Econometria, creio eu, a polêmica ainda não fez muito barulho onde precisa fazer. Existem aí alguns debates, mas a sala de aula continua “blindada” contra esta discussão. Um dos motivos é que a maior parte dos alunos não entende, sequer, o que seja um erro tipo I ou um erro tipo II, quanto mais o p-valor.

A leitura do texto citado no link acima certamente é recomendável, neste aspecto. Aliás, o fato de o artigo usar o R para simulações afim de demonstrar o argumento traz-nos outra lembrança: a de que o R em sala de aula é imprescindível. Não tem mesmo como o aluno não se sentir confortável em estar equipado com um programa destes.

Sobre o R, aliás, eu diria mais: todo curso de graduação de Economia deveria abandonar uma destas matérias inúteis que realmente não o preparam para o mercado de trabalho e substitui-la por um curso básico de R ou de qualquer outra linguagem que venha ancorada em programas abertos e gratuitos como o R, já que isto estimula, a um custo baixo, o auto-estudo e o aumento da produtividade do próprio aluno.

A partir daí, cursos de Estatística ou Econometria (ou Psicometria, Biometria, etc) ficam mais bem fundamentados e o aprendizado facilitado.

Acho que esta é uma idéia que não deveria ser desprezada. As faculdades públicas ou privadas desta selva bem poderiam romper a barreira do corporativismo sindical e do preconceito contra a inovação e brigar por uma liberdade curricular maior neste sentido. Seria ótimo ver alunos mais satisfeitos e identificados com um curso que lhes fornece, realmente, um meio de se sobressair em sala e no mercado.

Muitas vezes falamos de alunos brasileiros que não são pró-ativos relativamente aos que vemos nos EUA, por exemplo. É verdade. Mas o ambiente é distinto. Aqui, no caso do curso de Ciências Econômicas, vamos falar a verdade, existe um “exército” de supostos professores que passam metade do tempo falando mal de métodos quantitativos e barram matérias quantitativas embora façam discursos poéticos sobre a interdisciplinaridade.

Aí, meus caros, não dá. O aluno já é preguiçoso, já veio mimado de casa, encontra uma faculdade com 90% de discussão sobre como a Ciência Econômica é malvada, feia e cruel com os trabalhadores. Como não se transformar em um ser apático?