0:00:01.425,0:00:05.015 -[Sensei] Em sua jornada[br]para dominar a econometria, 0:00:05.015,0:00:08.813 o nosso gafanhoto Kamal[br]fez um grande progresso, 0:00:08.813,0:00:13.662 aprimorando suas habilidades [br]e ludibriando seus oponentes. 0:00:14.223,0:00:16.640 Lamentavelmente, hoje ele está abatido, 0:00:16.640,0:00:19.614 pois ainda precisa encarar um desafio. 0:00:19.614,0:00:24.230 Kamal ainda não consegue decifrar [br]as mensagens das pesquisas acadêmicas -- 0:00:24.230,0:00:27.347 periódicos como[br]"The American Economic Review" 0:00:27.347,0:00:29.317 e "Econometrica". 0:00:29.317,0:00:33.811 Para ele, eles parecem escritos [br]em uma espécie de idioma misterioso. 0:00:33.841,0:00:35.418 - [Kamal] Ué, mas que... ? 0:00:36.711,0:00:40.069 Esses textos são [br]impenetráveis para o aprendiz, 0:00:40.069,0:00:42.205 mas Kamal pode decifrá-los com estudo. 0:00:42.467,0:00:45.109 Vamos aprender a lê-los juntos. 0:00:52.657,0:00:55.317 Vamos destrinchar o estudo da West Point, 0:00:55.317,0:00:58.278 publicado [br]em "Economics of Education Review." 0:00:58.658,0:01:01.688 O artigo apresenta [br]uma avaliação randomizada 0:01:01.688,0:01:05.859 do uso de equipamento eletrônicos [br]para os alunos nas aulas 101 de economia. 0:01:06.485,0:01:09.192 Antes, uma breve revisão [br]do modelo da pesquisa 0:01:09.423,0:01:10.523 - OK. 0:01:11.553,0:01:13.630 Mestres da econometria[br]em West Point, 0:01:13.630,0:01:17.029 o colégio militar que treina[br]os oficiais do Exército americano; 0:01:17.029,0:01:19.854 criaram um estudo randomizado[br]para responder a questão. 0:01:20.582,0:01:23.233 Os cadetes foram [br]aleatoriamente distribuídos 0:01:23.233,0:01:26.574 em turmas de Economia, cada uma [br]com uma regra diferente. 0:01:27.116,0:01:28.962 Diferente da maioria das faculdades, 0:01:28.962,0:01:31.945 West Point proibe os eletrônicos[br]na sala de aula. 0:01:32.482,0:01:35.784 Para o experimento dar certo, [br]alguns alunos foram alocados 0:01:35.784,0:01:38.679 em turmas com a tradicional regra [br]de proibir 0:01:38.679,0:01:41.911 laptops, tablets [br]e CELULARES! 0:01:41.911,0:01:43.324 [eco] 0:01:43.324,0:01:45.743 Esse é o grupo de controle,[br]ou grupo de comparação. 0:01:46.372,0:01:49.292 O outro grupo recebeu permissão [br]para usar seus aparelhos. 0:01:49.292,0:01:52.704 Este é o grupo de tratamento,[br]submetido à um ambiente diferente. 0:01:53.313,0:01:56.000 O tratamento neste caso[br]é o uso livre 0:01:56.000,0:01:58.107 de laptopts ou tablets[br]em sala de aula. 0:01:59.195,0:02:01.972 Toda questão causal[br]tem um resultado claro -- 0:02:01.972,0:02:05.379 as variáveis que esperamos influir[br]definidas com o avanço do estudo. 0:02:06.058,0:02:08.375 Os resultados dos estudos[br]na West Point 0:02:08.375,0:02:10.535 são as notas[br]dos exames finais. 0:02:10.535,0:02:13.810 O estudo busca responder[br]a seguinte questão: 0:02:13.810,0:02:17.629 Qual é o efeito do aprendizado[br]de turmas com eletrônicos na aula 0:02:17.629,0:02:19.765 medidas pelas notas dos exames? 0:02:20.852,0:02:24.199 Artigos de economia em jornais[br]geralmente começam com uma tabela 0:02:24.199,0:02:25.994 de estatísticas descritivas, 0:02:25.994,0:02:28.694 dando fatos chave[br]sobre a amostra do estudo. 0:02:28.694,0:02:32.129 Meu Deus, lembro-me[br]dessa tabela -- muito confusa! 0:02:32.129,0:02:37.224 As colunas de 1 a 3 relatam[br]média e características. 0:02:37.224,0:02:40.089 Isso nos dá um senso[br]do que estamos estudando. 0:02:40.089,0:02:43.736 Vamos começar com a coluna 1[br]que descreve covariáveis 0:02:43.736,0:02:45.438 no grupo de controle. 0:02:45.438,0:02:49.183 As covariáveis são características[br]dos grupos de controle e tratamento 0:02:49.183,0:02:52.091 medidas antes do iníco do experimento. 0:02:52.091,0:02:57.514 Por exemplo, vemos que o grupo de controle[br]tem uma média de idade acima de 20. 0:02:57.514,0:03:00.339 Muitas dessas covariáveis[br]são variáveis fictícias. 0:03:00.997,0:03:06.087 Uma variável fictícia apenas[br]pode ter dois valores - 0 ou 1. 0:03:06.087,0:03:10.298 Por exemplo, o gênero do aluno[br]é obtido por uma variável fictícia 0:03:10.298,0:03:13.386 que iguala 1 para as mulheres[br]e 0 para os homens. 0:03:13.386,0:03:17.104 A média dessa variável [br]é a proporção de mulheres. 0:03:17.104,0:03:20.651 Também vemos que 13%[br]do grupo de controle é hispânico 0:03:20.651,0:03:23.905 e 19% têm precedentes[br]em serviços militares. 0:03:25.035,0:03:26.635 As notas da tabela são chave. 0:03:26.635,0:03:29.218 Consulte-as[br]enquanto analisa a tablea. 0:03:29.218,0:03:33.534 Essas notas explicam o que é mostrado[br]em cada coluna e painel. 0:03:39.485,0:03:41.858 As notas nos mostra, por exemplo, 0:03:41.858,0:03:45.175 que desvios padrões[br]são relatados entre parênteses. 0:03:45.947,0:03:49.598 Os desvios padrões nos mostra[br]o quão difundidos são os dados. 0:03:50.448,0:03:54.887 Por exemplo, um desvio padrão[br]de 0.52 nos mostra que a maioria 0:03:54.887,0:03:59.397 das médias de notas escolares[br]do grupo de controle cai entre 2.35, 0:03:59.397,0:04:03.454 que é 0.52 abaixo da média[br]das notas escolares de 2.87, 0:04:03.454,0:04:08.337 e 3.39, que é 0.52 sobre 2.87. 0:04:09.337,0:04:12.122 Um desvio padrão menor[br]significaria que as médias 0:04:12.122,0:04:14.706 estavam mais agrupadas[br]ao redor da média. 0:04:14.706,0:04:17.543 -[Kamal] Sim, mas elas não estão[br]na maioria das variáveis. 0:04:17.543,0:04:18.600 -[Sensei] É isso aí. 0:04:18.600,0:04:22.497 Os mestres geralmente omitem[br]os desvios padrões por fictícios, 0:04:22.497,0:04:26.500 porque a média da variável[br]determina seu desvio padrão. 0:04:27.542,0:04:30.102 Este estudo compara[br]dois grupos de tratamento 0:04:30.102,0:04:32.078 com o grupo de controle. 0:04:32.078,0:04:35.886 O primeiro teve livre acesso[br]ao uso de laptops ou tablets. 0:04:35.886,0:04:38.252 O segundo tratamento[br]foi mais restritivo, 0:04:38.252,0:04:41.713 permitindo apenas[br]tablets sobre a mesa. 0:04:42.152,0:04:45.238 Os grupos de tratamento[br]se parecem muito com o de controle. 0:04:46.694,0:04:51.443 Isso nos leva ao próximo elemento[br]dessa tabela, as colunas 4 a 6 0:04:51.443,0:04:54.558 usam testes estatísticos[br]para comparar as características 0:04:54.558,0:04:57.591 dos grupos de controle e tratamento[br]antes do experimento. 0:04:58.158,0:05:01.991 Na coluna 4, os dois grupos[br]de tratamento são combinados. 0:05:01.991,0:05:04.998 Vocês podem ver que a diferença[br]em proporção feminina 0:05:04.998,0:05:09.690 entre os grupos de controle[br]e tratamento é apenas 0.03. 0:05:10.508,0:05:13.740 A diferença [br]não é estatisticamente significante -- 0:05:14.290,0:05:17.440 é o tipo de diferença[br]que podemos facilmente colocar 0:05:17.440,0:05:20.623 para causar resultados em nosso processo[br]de seleção de amostra. 0:05:20.623,0:05:22.133 -[Kamal] Como saberemos isso? 0:05:22.133,0:05:23.790 Você se lembra da regra de ouro? 0:05:23.790,0:05:27.122 Estimativas estatísticas[br]que excedem o erro padrão 0:05:27.122,0:05:30.108 por um múltiplo de 2[br]em valor absoluto, 0:05:30.108,0:05:33.997 geralmente são chamadas[br]de estatísticamente significantes. 0:05:35.132,0:05:38.766 O erro padrão é 0.03, 0:05:38.766,0:05:41.483 o mesmo da diferença[br]de proporção feminina. 0:05:42.244,0:05:46.132 Então a proporção do primeiro[br]para o segundo é apenas 1, 0:05:46.132,0:05:48.607 que, é claro, é menor que 2. 0:05:48.607,0:05:51.191 -[Kamal] Oh! Então nenhuma [br]das diferenças dos grupos 0:05:51.191,0:05:54.455 da tabela são mais que o dobro[br]de seus erros padrões. 0:05:54.455,0:05:55.997 Correto. 0:05:55.997,0:05:59.081 A divisão aleatória dos estudantes[br]parece ter tido sucesso 0:05:59.081,0:06:01.945 na criação dos grupos[br]que são de fato comparáveis. 0:06:02.846,0:06:05.008 Portanto, podemos ficar confiantes 0:06:05.008,0:06:07.774 de que nenhuma diferença posterior[br]no sucesso das turmas 0:06:07.774,0:06:11.073 sejam o resultado[br]de intervenções experimentais, 0:06:11.073,0:06:14.754 ao invés da reflexão[br]de diferenças pré-existentes. 0:06:14.754,0:06:17.454 Ceteris Paribus alcançada! 0:06:17.454,0:06:20.934 -[Kamal] Legal. Espera ái,[br]e a parte inferior, 0:06:20.934,0:06:22.833 os números com as estrelas? 0:06:22.833,0:06:25.589 Aquelas diferenças são mais[br]do que o dobro do erro padrão. 0:06:25.589,0:06:27.402 Bem observado, Kamal! 0:06:27.402,0:06:29.386 A tabela tem muitos números. 0:06:29.386,0:06:32.246 Aqueles no painel B[br]são importantes também. 0:06:32.246,0:06:35.715 Essse painel mede a proporção[br]do uso de computadores 0:06:35.715,0:06:39.139 que os grupos de tratamento e controle[br]de fato usaram em aula. 0:06:39.754,0:06:42.873 O grupo de tratamento[br]pôde usar computadores. 0:06:43.278,0:06:44.873 Os pesquisadores devem mostrar 0:06:44.873,0:06:47.079 que os estudantes [br]que usaram computadores 0:06:47.079,0:06:49.448 aproveitaram a oportunidade. 0:06:50.072,0:06:53.033 Se eles não aproveitaram, [br]então não há tratamento. 0:06:53.867,0:06:57.799 felizmente, 81% daqueles[br]no primeiro grupo de tratamento 0:06:57.799,0:06:59.472 usaram computadores; 0:06:59.472,0:07:02.178 comparados com nenhum[br]do grupo de controle. 0:07:02.178,0:07:05.216 E muitos no segundo bloco[br]do grupo de tratamento 0:07:05.216,0:07:07.264 também usaram computadores. 0:07:07.264,0:07:09.879 Essas diferenças no uso[br]de computadores são grandes 0:07:09.879,0:07:11.798 e estatísticamente significantes. 0:07:12.081,0:07:15.428 Também podemos ver o tamanho[br]da amostra em cada grupo. 0:07:15.428,0:07:18.098 -[Kamal] As estrelas[br]são só decoração? 0:07:18.098,0:07:21.748 Alguns papéis acadêmicos usam[br]as estrelas para indicar diferenças 0:07:21.748,0:07:23.983 que são estatísticamente significantes. 0:07:23.983,0:07:26.925 Isso é para chamar a sua atenção. 0:07:26.925,0:07:31.621 Aqui, 3 estrelas indicam que o resultado[br]é estatísticamente diferente 0:07:31.621,0:07:34.942 de 0 com um valor-p menor que 1%. 0:07:35.672,0:07:39.436 Ou seja, a chance[br]é menos que 1 em 100 0:07:39.436,0:07:42.171 de que esse resultado [br]seja uma descoberta causal. 0:07:42.171,0:07:43.181 [aplauso] 0:07:43.181,0:07:48.997 2 estrelas indicam 1 em 20 ou 5%[br]de chance de uma descoberta causal. 0:07:48.997,0:07:52.469 1 estrela mostra os resultados[br]que vemos tão frequentemente 0:07:52.469,0:07:56.036 quanto 10% das vezes,[br]meramente devido à causa. 0:07:56.473,0:07:59.957 Hoje, as estrelas são vistas[br]como um pouco foras de moda. 0:07:59.957,0:08:01.606 Alguns jornais as omitem. 0:08:01.606,0:08:03.894 -[Kamal] E as últimas[br]duas colunas? 0:08:03.894,0:08:06.007 Ao contrário da coluna 4,[br]que combina 0:08:06.007,0:08:09.689 os grupos de controle e tratamento[br]em um, essas duas últimas colunas 0:08:09.689,0:08:12.357 buscam as diferenças nos grupos[br]separadamente 0:08:12.357,0:08:14.572 para cada grupo de tratamento. 0:08:14.572,0:08:17.441 Isso fornece uma análise[br]mais detalhada do balanço. 0:08:18.295,0:08:21.288 E por agora, você também[br]pode ignorar essa linha 0:08:21.288,0:08:24.205 que fornece outro teste[br]de significância. 0:08:24.755,0:08:29.062 E agora chegamos ao ponto alto[br]do artigo, a tabela 4. 0:08:30.075,0:08:32.993 Essa tabela mostra[br]as estimativas de regressão 0:08:32.993,0:08:37.273 dos efeitos do uso de eletrônicos[br]em medidas do aprendizado do estudante. 0:08:37.273,0:08:40.258 -[Kamal] Por que o estudo relata[br]estimativa de regressão? 0:08:40.258,0:08:42.529 Está vendo,é por isso[br]que ficamos perdidos. 0:08:42.529,0:08:44.806 A razão para gostarmos[br]de ensaios randomizados 0:08:44.806,0:08:47.260 é porque os usamos [br]para obter efeitos causais 0:08:47.260,0:08:50.479 simplesmente comparando os grupos[br]de controle e tratamento. 0:08:50.479,0:08:53.883 Já que os grupos são equilibrados,[br]não há necessidae de regressão. 0:08:53.883,0:08:55.492 Bem observado, Kamal. 0:08:55.492,0:08:59.272 Na prática, é comum relatar[br]as estimativas de regressão 0:08:59.272,0:09:01.013 por duas razões. 0:09:01.013,0:09:04.448 Primeiro, evidência de equilíbrio[br]apesar de tudo. 0:09:04.448,0:09:07.349 Uma abundância de precaução[br]pode levar o analista 0:09:07.349,0:09:09.678 a admitir diferenças causais. 0:09:09.678,0:09:13.622 Segundo, as estimativas de regressão[br]provavelmente são mais precisas -- 0:09:13.622,0:09:16.509 isto é, elas têm menos[br]padrões de erros 0:09:16.509,0:09:18.943 do que simples comparações[br]de controle e tratamento. 0:09:20.129,0:09:22.526 A variável dependente neste estudo 0:09:22.526,0:09:24.305 é o resultado do interesse. 0:09:24.652,0:09:26.192 Já que a questão aqui 0:09:26.192,0:09:29.068 é como aulas com eletrônicos[br]afetam o aprendizado, 0:09:29.068,0:09:32.845 um bom resultado é a nota[br]do exame final de Economia. 0:09:33.406,0:09:37.650 Cada coluna mostra resultados[br]de um modelo de regressão diferente. 0:09:37.650,0:09:40.476 Os modelos são distinguidos[br]pelas variáveis de controle 0:09:40.476,0:09:44.453 ou pelas covariáveis incluídas,[br]além do status do tratamento. 0:09:44.934,0:09:48.425 Estimativas sem covariáveis[br]são comparações simples 0:09:48.425,0:09:50.677 de grupos de controle e tratamento. 0:09:50.677,0:09:53.169 -[Kamal] Eu achei que eles[br]esqueceram de preencher. 0:09:53.169,0:09:56.228 A coluna 1 indica[br]que o uso de eletrônicos 0:09:56.228,0:10:00.835 reduziu as notas dos exames finais[br]por 0.28 deviações padrões. 0:10:01.547,0:10:02.940 Em nossa última aula, 0:10:02.940,0:10:07.237 O mestre Joshway explicou que usamos[br]unidades de deviações padrões, 0:10:07.237,0:10:10.672 porque essas unidades são facilmente[br]comparadas entre estudos. 0:10:11.352,0:10:13.193 A coluna 2 mostra resultados 0:10:13.193,0:10:16.082 de um modelo que adiciona[br]controles demográficos. 0:10:16.082,0:10:19.907 Aqui, estamos comparando notas,[br]mas lidando com fatores constantes 0:10:19.907,0:10:21.435 como idade e sexo. 0:10:21.886,0:10:25.602 A coluna 3 mostra resultados de um modelo[br]que adicona média de nota escolar 0:10:25.602,0:10:27.186 junto com a lista de covariáveis. 0:10:27.603,0:10:30.822 A coluna 4 adicona notas[br]do teste ACT. 0:10:30.822,0:10:33.503 Analistas geralmente mostram[br]os resultados desse jeito, 0:10:33.503,0:10:36.992 começando com modelos que incluem[br]poucas ou nenhuma covariável; 0:10:36.992,0:10:39.667 e então mostrando [br]as estimativas de modelos 0:10:39.667,0:10:43.586 que adicionam mais e mais covariáveis[br]conforme nos movemos pelas colunas. 0:10:44.035,0:10:46.802 O que você percebe[br]olhando as colunas? 0:10:47.252,0:10:49.919 -[Kamal] Bom, o coeficiente[br]do uso de computadores 0:10:49.919,0:10:51.635 sempre é um número bem negativo. 0:10:51.635,0:10:53.002 Exatamente! 0:10:53.002,0:10:56.455 Também podemos ver que os erros padrões[br]são pequenos o bastante 0:10:56.455,0:11:00.561 para tornar esses resultados negativos[br]estatísticamente significantes. 0:11:00.561,0:11:04.446 Ou seja, a primeira coisa[br]que levamos desse experimento 0:11:04.446,0:11:08.381 é que os eletrônicos nas aulas[br]reduzem o aprendizado do estudante. 0:11:09.000,0:11:12.283 -[Kamal] As notas da média escolar[br]e da ACT também são importantes. 0:11:12.283,0:11:13.750 Por que é assim? 0:11:13.750,0:11:15.423 Boa observação! 0:11:15.423,0:11:16.866 Isso não é surpreendente. 0:11:16.866,0:11:20.473 Esperamos que essas variáveis[br]estimem a performance na faculdade. 0:11:20.473,0:11:22.190 -[Kamal] Ah sim, é claro. 0:11:22.190,0:11:24.026 Os que conseguiram[br]melhores notas antes 0:11:24.026,0:11:26.317 têm mais chance de conseguir[br]melhores notas neste curso. 0:11:26.317,0:11:30.226 Vocês também verão muitas outras[br]informações nessa tabela. 0:11:30.226,0:11:34.515 Os painéis restantes na tabela[br]mostram efeitos do uso de eletrônicos 0:11:34.515,0:11:36.933 em componentes do exame final, 0:11:36.933,0:11:39.816 tais como as múltiplas[br]questões de escolha. 0:11:39.816,0:11:43.371 Esses resultados são mais consistentes[br]com efeito de uso de coputadores 0:11:43.371,0:11:45.360 nas notas médias. 0:11:45.360,0:11:47.740 -[Kamal] E essas linhas[br]que não estão em inglês? 0:11:47.740,0:11:50.994 Essas linhas fornecem informação[br]estatística adicional. 0:11:50.994,0:11:54.247 R² é uma medida[br]de bondade de ajuste. 0:11:54.714,0:11:56.009 Isso não é tão importante, 0:11:56.009,0:11:58.190 ainda que alguns leitores[br]queiram saber disso. 0:11:58.660,0:12:02.950 As outras linhas mostram testes[br]alternativos de significância estatística 0:12:02.950,0:12:05.028 que vocês podem ignonar por agora. 0:12:05.028,0:12:07.934 -[Kamal] Meu Deus, essas tabelas[br]não são tão complicadas! 0:12:07.934,0:12:09.488 Muito obrigado. 0:12:09.488,0:12:11.787 A próxima aula é sobre regressão. 0:12:11.787,0:12:13.179 Vejo vocês lá! 0:12:15.974,0:12:17.263 ♪ [música] ♪ 0:12:17.263,0:12:20.575 Você está no caminho certo[br]para dominar a econometria. 0:12:20.834,0:12:22.783 Fixe o que aprendeu neste vídeo 0:12:22.783,0:12:25.467 fazendo algumas questões práticas. 0:12:25.467,0:12:29.003 Ou, caso esteja pronto,[br]clique no próximo vídeo. 0:12:29.003,0:12:32.901 Você também pode visitar [br]o site da MRU para mais cursos, 0:12:32.901,0:12:35.298 materias de professores e mais. 0:12:35.651,0:12:38.111 Tradução: John Silva.