Diferentes análises estatísticas podem levar a conclusões categoricamente distintas
- V. 20, N. 1 (2021)
- Enviado: dez. 28, 2020
- Publicado: ago. 5, 2021
- DOI 10.25189/rabralin.v20i1.1790
Resumo
Neste estudo, demonstramos como significância estatística pode variar a partir da comparação de quatro métodos distintos: teste t, ANOVA (seguida de Tukey HSD), modelo linear simples, e modelo linear de efeitos mistos. Em nossa demonstração, modelamos tempos de reação em função de diferentes afixos em dinamarquês, e mostramos como nossas conclusões a respeito do efeito de certos afixos podem mudar categoricamente dependendo de qual dos métodos mencionados acima decidimos utilizar. Por fim, reiteramos o que dizem estudos recentes (e.g., BARR et al., 2013), e sugerimos que modelos de efeitos mistos devam ser a norma sempre que dados agrupados forem analisados. Esperamos, com este estudo, alertar pesquisadores da área para a importância de decisões analíticas bem informadas e éticas em estudos linguísticos.
Referências
BAAYEN, Rolf Harald. languageR: v 1.0, 2007a.BAAYEN, Rolf Harald. Analyzing Linguistic Data: A practical introduction to statistics using R, Cambridge: Cambridge University Press, 2007b.
BAAYEN, Rolf Harald; DAVIDSON, Doug; BATES, Douglas. Mixed-effects modeling with crossed random effects for subjects and items. Journal of Memory and Language, v. 59, n. 4, p. 390–412, 2008. https://doi.org/10.1016/j.jml.2007.12.005
BALLING, Laura Winther; BAAYEN, Rolf Harald. Morphological effects in auditory word recognition: Evidence from Danish. Language and Cognitive Processes, v. 23, n. 7–8, p. 1159–1190, 2008. https://doi.org/10.1080/01690960802201010
BERGER, James O.; SELLKE, Thomas. Testing a point null hypothesis: The irreconcilability of p values and evidence. Journal of the American statistical Association, v. 82, n. 397, p. 112–122, 1987. https://doi.org/10.2307/2289138
CHAMBERS, John, M. S, R, and Data Science. The R Journal, v. 12, n. 1, p. 462-476, 2020. DOI 10.32614/RJ-2020-028 Acesso em 24 novembro 2020.
COHEN, Jacob. The earth is round (p < .05). American Psychologist, v. 9, n.12, p. 997–1003, 1994. https://doi.org/10.1037/0003-066X.49.12.997
GARCIA, Guilherme Duarte. Introduction to data analysis using R, 2019. Disponível em https://guilhermegarcia.github.io/rWorkshop/garcia_rWorkshop_complete.html.
GARCIA, Guilherme D. Data visualization and analysis in second language research. NY: Routledge, 2021. No prelo.
GODOY, Mahayana Cristina. Introdução aos modelos lineares mistos para os estudos da linguagem. PsyArXiv, 2019. https://doi.org/10.17605/OSF.IO/9T8UR
GODOY, Mahayana C.; NUNES, Marcus A. Uma comparação entre ANOVA e modelos lineares mistos para análise de dados de tempo de resposta. Revista da ABRALIN, v. 19, n. 1, pp. 1–23, 17 jul. 2020. https://doi.org/10.25189/rabralin.v19i1.1388
GRIES, Stefan Th. Statistics for linguistics with R: A practical introduction. Berlin: Walter de Gruyter, 2013.
HALSEY, Lewis G.; CURRAN-EVERETT, Douglas; VOWLER, Sarah L.; DRUMMOND, Gordon B. The fickle P value generates irreproducible results. Nature methods, v. 12, n. 3, p. 179–185, 2015. https://doi.org/10.1038/nmeth.3288
HASSEMER, Julius; WINTER, Bodo. Producing and perceiving gestures conveying height or shape. Gesture, v. 15, n. 3, pp. 404–424, 2016. https://doi.org/10.1075/gest.15.3.07has
JOHNSON, Douglas H. The insignificance of statistical significance testing. The Journal of Wildlife Management, p. 763–772, 1999. https://doi.org/10.2307/3802789
KRUSCHKE, John K. Doing Bayesian data analysis: a tutorial with R, JAGS, and Stan, 2a edição. Elsevier, 2015.
LARSON-HALL, Jenifer. A guide to doing statistics in second language research using SPSS and R. Routledge, 2015.
LEVSHINA, Natalia. How to do linguistics with R: Data exploration and statistical analysis. Amsterdam: John Benjamins Publishing Company, 2015.
LIMA JR, Ronaldo Mangueira; GARCIA, Guilherme Duarte; ANGELE, Bernhard. Introdução a modelos de regressão para linguistas no R, 2020. Disponível em https://guilhermegarcia.github.io/rling.html
LOERTS, Hanneke; LOWIE, Wander; SETON, Bregtje. Essential Statistics for Applied Linguistics: Using R Or JASP. Amsterdam: Macmillan International, Red Globe Press, 2020.
LOFTUS, Geoffrey R. A picture is worth a thousand p values: On the irrelevance of hypothesis testing in the microcomputer age. Behavior Research Methods, Instruments, & Computers, v. 25, n. 2, p. 250–256, 1993. https://doi.org/10.3758/BF03204506
NUZZO, Regina. Scientific method: statistical errors. Nature News, v. 506, n. 7487, p. 150, 2014.
OUSHIRO, Livia. Introdução à Estatística para Linguistas, v.1.0.1 (dez/2017), 2017. Disponível em DOI http://rpubs.com/oushiro/iel.
R CORE TEAM. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. Acesso http://www.R-project.org/ Acesso em: 15 jun. 2020.
SONDEREGGER, Morgan; WAGNER, Michael; TORREIRA, Francisco. Quantitative Methods for Linguistic Data. v. 1.0 (out/2018), 2018. Disponível em http://people.linguistics.mcgill.ca/~morgan/book/
WAGENMAKERS, Eric-Jan. A practical solution to the pervasive problems of p values. Psychonomic bulletin & review, v. 14, n. 5, p. 779-804, 2007. https://doi.org/10.3758/BF03194105
WINTER, Bodo. Statistics for linguists: An introduction using R. Routledge, 2019.