Análise multiverso

A análise multiverso é um método científico que especifica e executa um conjunto de modelos alternativos plausíveis ou testes estatísticos para uma única hipótese. [1] É um método para abordar a questão de que o "processo científico confronta os investigadores com uma multiplicidade de pontos de decisão aparentemente menores, mas não triviais, cada um dos quais pode introduzir variabilidade nos resultados da investigação". [2] Um problema também conhecido como graus de liberdade do pesquisador [3] ou como o jardim dos caminhos que se bifurcam. É um método que surge em resposta à crise de credibilidade e replicação que ocorre na ciência, porque pode diagnosticar a fragilidade ou robustez dos resultados de um estudo. As análises multiverso têm sido utilizadas nos campos da psicologia [4] e da neurociência. [5] É também uma forma de meta-análise que permite aos pesquisadores fornecer evidências sobre como diferentes especificações de modelos impactam os resultados para a mesma hipótese e, assim, pode apontar aos cientistas onde eles podem precisar de melhores teorias ou modelos causais.

Detalhes

editar

A análise multiverso geralmente produz um grande número de resultados que tendem a ir em todas as direções. Isso significa que a maioria dos estudos não oferece consenso ou rejeição específica de uma hipótese. Suas utilidades mais fortes até agora são, em vez disso, fornecer evidências contra conclusões baseadas em descobertas de estudos individuais ou fornecer evidências sobre quais especificações de modelo têm maior ou menor probabilidade de causar tamanhos de efeito maiores ou mais robustos (ou não).

Evidências contra estudos individuais ou modelos estatísticos são úteis para identificar potenciais resultados falso-positivos. Por exemplo, um estudo agora infame concluiu que os furacões com nomes de género feminino são mais mortais do que os furacões com nomes de género masculino. [6] Num estudo posterior, [7] os investigadores executaram milhares de modelos usando os mesmos dados de furacões, mas fazendo vários ajustes plausíveis ao modelo de regressão. Ao traçar uma curva de densidade de todos os coeficientes de regressão, eles mostraram que o coeficiente do estudo original era um valor atípico extremo.

Em um estudo sobre os efeitos da ordem de nascimento, [8] os pesquisadores visualizaram um multiverso de modelos plausíveis usando uma curva de especificação que permite aos pesquisadores inspecionar visualmente um gráfico de todos os resultados do modelo em relação a várias especificações do modelo. Eles puderam mostrar que suas descobertas apoiavam pesquisas anteriores sobre a ordem de nascimento no intelecto, mas forneciam evidências contra um efeito na satisfação com a vida e em vários traços de personalidade.


Referências

  1. Steegen, Sara; Tuerlinckx, Francis; Gelman, Andrew; Vanpaemel, Wolf (September 2016). «Increasing Transparency Through a Multiverse Analysis». Perspectives on Psychological Science. 11 (5): 702–712. doi:10.1177/1745691616658637   Verifique data em: |data= (ajuda)
  2. Breznau, Nate; et al. (28 October 2022). «Observing many researchers using the same data and hypothesis reveals a hidden universe of uncertainty». Proceedings of the National Academy of Sciences. 119 (44). doi:10.1073/pnas.2203150119   |hdl-access= requer |hdl= (ajuda); Verifique data em: |data= (ajuda)
  3. Wicherts, Jelte M.; Veldkamp, Coosje L. S.; Augusteijn, Hilde E. M.; Bakker, Marjan; van Aert, Robbie C. M.; van Assen, Marcel A. L. M. (2016). «Degrees of Freedom in Planning, Running, Analyzing, and Reporting Psychological Studies: A Checklist to Avoid p-Hacking». Frontiers in Psychology. 7: 1832. PMC 5122713 . PMID 27933012. doi:10.3389/fpsyg.2016.01832  
  4. Harder, Jenna A. (2020). «The Multiverse of Methods: Extending the Multiverse Analysis to Address Data-Collection Decisions». Perspectives on Psychological Science (em inglês). 15 (5): 1158–1177. ISSN 1745-6916. doi:10.1177/1745691620917678 
  5. Clayson, Peter E. (1 de março de 2024). «Beyond single paradigms, pipelines, and outcomes: Embracing multiverse analyses in psychophysiology». International Journal of Psychophysiology. 197. 112311 páginas. ISSN 0167-8760. doi:10.1016/j.ijpsycho.2024.112311  
  6. Jung, Kiju; Shavitt, Sharon; Viswanathan, Madhu; Hilbe, Joseph M. (17 June 2014). «Female hurricanes are deadlier than male hurricanes». Proceedings of the National Academy of Sciences. 111 (24): 8782–8787. PMC 4066510 . PMID 24889620. doi:10.1073/pnas.1402786111   Verifique data em: |data= (ajuda)
  7. Muñoz, John; Young, Cristobal (August 2018). «We Ran 9 Billion Regressions: Eliminating False Positives through Computational Model Robustness». Sociological Methodology. 48 (1): 1–33. doi:10.1177/0081175018777988   Verifique data em: |data= (ajuda)
  8. Rohrer, Julia M.; Egloff, Boris; Schmukle, Stefan C. (December 2017). «Probing Birth-Order Effects on Narrow Traits Using Specification-Curve Analysis». Psychological Science. 28 (12): 1821–1832. doi:10.1177/0956797617723726  |hdl-access= requer |hdl= (ajuda); Verifique data em: |data= (ajuda)