PROFESSOR: Rafael Goldszmidt

PRÉ-REQUISITOS: Conhecimento de fundamentos de inferência estatística (conceitos de teste de hipótese e intervalos de confiança), testes para comparação de medias (teste t e ANOVA) e testes para comparação de proporções (qui-quadrado), assim como fundamentos de regressão linear múltipla.

1. Descrição do curso

O curso trata dos conceitos fundamentais de inferência causal e de diretrizes para o desenho e análise de experimentos randomizados. Discutem-se os pontos fortes e fracos da abordagem experimental, assim como sua aplicação em diversas áreas, como marketing, estratégia, comportamento organizacional, comportamento do consumidor e análise de políticas públicas. Também se aborda o uso e interpretação de resultados de testes paramétricos frequentemente utilizados em estudos experimentais, como ANOVA fatorial, ANOVA de medidas repetidas e ANCOVA.

 

2. Metodologia

O curso incluirá aulas expositivas sobre desenho e análise de experimentos assim como discussão de artigos empíricos que utilizam uma abordagem experimental. O curso tem uma abordagem aplicada, com foco na relação entre hipóteses e método e na estatística como ferramenta para operacionalizar os testes de hipóteses substantivas. Espera-se que os alunos façam exercícios em software (SPSS ou Stata) e que resolvam um estudo de caso. No estudo de caso, os alunos receberão um artigo com as seções de referencial teórico e hipóteses e a base de dados. As seções de metodologia e resultados deverão ser escritas pelos alunos, com base nos resultados da análise da base de dados usando as técnicas discutidas no curso.

 

3. Programa de aulas

Datas	Tópico	Leituras [1]
21/nov	Correlação e causalidade. O modelo contrafactual. Tipos de desenho de pesquisa. Validade interna e validade externa. Experimentos de campo e de laboratório. Uso de experimentos na pesquisa em Administração e áreas correlatas.	Murnane and Willet (2011, chap. 3 and 4). Weber and Camerer (2003). Banerjee et al (2015). Chaterji et al (2016). Thomas and Senivasan (2011).
22/nov	ANOVA factorial. Efeitos principais, interações e efeitos principais simples. Tamanho do efeito e poder do teste. ANCOVA. Testes para comparação de médias de dados pareados e ANOVA de medidas repetidas. Testes para variável resposta qualitativa.	Field (2011, chap. 10.4, 11, 12 and 13, 14, 15, 18.1-18.5). Soman and Cheeman (2011).
28/nov	Modelos de mediação com regressão múltipla. Análise de mecanismos em experimentos.	Warner (2013, chap. 16), Congdon et al (2016), Pirlott and MacKinnon (2016), Van Zandt and Moore (2015)
29/nov	Desenho e análise de experimentos between subjects e within subjects. Testes de aleatorização e manipulação. Transparência na pesquisa experimental.	Warren and Campbell (2014), Hall et al (2014), Simmons et al (2011)

 

4. Avaliação

A avaliação será baseada na participação em sala (30%) e em trabalhos (exercícios e estudo de caso), que responderão pelos outros 70%.

 

5. Referências

Livros texto

Field, Andy. Discovering statistics using IBM SPSS statistics. Sage, 2013.

Murnane, R.J., Willet J. B. Methods matter. Improving causal inference in educational and social science research. Oxford University Pres, 2011.

Warner, Rebecca M. Applied statistics: from bivariate through multivariate techniques: from bivariate through multivariate techniques. Sage, 2012.

Papers

Banerjee, A., Duflo, E., Goldberg, N., Karlan, D., Osei, R., Parienté, W., … Udry, C. (2015). A multifaceted program causes lasting progress for the very poor: Evidence from six countries. Science, 348(6236), 1260799.

Chatterji, Aaron K., et al. Field experiments in strategy research. Strategic Management Journal , 37.1 (2016): 116-132.

Congdon, W. J., Kling, J. R., Ludwig, J., Mullainathan, S., Reddy, M., Ashraf, N., … Schilbach, F. (2016). Social policy: mechanism experiments & policy evaluations. In Handbook of Field Experiments.

Hall, Crystal C., Jiaying Zhao, and Eldar Shafir. "Self-affirmation among the poor: Cognitive and behavioral implications." Psychological Science 25.2 (2014): 619-625.

Simmons, Joseph P., Leif D. Nelson, and Uri Simonsohn. "False-positive psychology: Undisclosed flexibility in data collection and analysis allows presenting anything as significant." Psychological science 22.11 (2011): 1359-1366.

Pirlott, A. G., & MacKinnon, D. P. (2016). Design approaches to experimental mediation. Journal of Experimental Social Psychology.

Soman, Dilip, and Amar Cheema. "Earmarking and partitioning: increasing saving by low-income households." Journal of Marketing Research 48.SPL (2011): S14-S22.

Thomas, M., Desai, K. K., & Seenivasan, S. (2011). How credit card payments increase unhealthy food purchases: visceral regulation of vices. Journal of Consumer Research, 38(1), 126–139.

Van Zant, Alex B., and Don A. Moore. "Leaders’ use of moral justifications increases policy support." Psychological science 26.6 (2015): 934-943.

Warren, Caleb, and Margaret C. Campbell. "What makes things cool? How autonomy influences perceived coolness." Journal of Consumer Research, 41.2 (2014): 543-563.

Weber, Roberto A., and Colin F. Camerer. "Cultural conflict and merger failure: An experimental approach." Management science 49.4 (2003): 400-415.

 

6. Leituras adicionais

Agresti, Alan; Finlay, Barbara. Statistical Methods for the Social Sciences. 4th ed. Pearson: 2008.

Ariely, D., & Norton, M. I. (2007). Psychology and Experimental Economics A Gap in Abstraction. Current Directions in Psychological Science, 16(6), 336–339.

Barabas, J., & Jerit, J. (2010). Are Survey Experiments Externally Valid? American Political Science Review, 104(02), 226–242. doi:10.1017/S0003055410000092

Beaman, Lori, et al. Self-selection into credit markets: Evidence from agriculture in mali. No. w20387. National Bureau of Economic Research, 2015.

Falk, Armin, and James J. Heckman. "Lab experiments are a major source of knowledge in the social sciences." Science 326.5952 (2009): 535-538.

Friedman, Daniel, and Shyam Sunder. Experimental methods: A primer for economists. Cambridge university press, 1994.

Gerber, Alan S., and Donald P. Green. Field experiments: Design, analysis, and interpretation. WW Norton, 2012.

Glennerster, Rachel, and Kudzai Takavarasha. Running randomized evaluations: A practical guide. Princeton University Press, 2013.

Hainmueller, J., Hopkins, D. J., & Yamamoto, T. (2014). Causal inference in conjoint analysis: Understanding multidimensional choices via stated preference experiments. Political Analysis, 22, 1–30.

Horiuchi, Yusaku, Kosuke Imai, and Naoko Taniguchi. "Designing and analyzing randomized experiments: Application to a Japanese election survey experiment." American Journal of Political Science 51.3 (2007): 669-687.

Tabachnick, B. G.; Fidell, L.S. Experimental Designs using ANOVA. Thomson, 2007.

Wickens, T. D., & Keppel, G. (2004). Design and analysis: A researcher’s handbook. Englewood Cliffs, NJ: Prentice-Hall.

 

7. Mini CV

Rafael Goldszmidt é professor assistente da FGV-EBAPE, lecionando nos cursos de mestrado, doutorado e graduação. Seus artigos tem sido publicados em journals como Journal of Business Research, International Business Review e Revista de Administração de Empresas – RAE. Seus interesses de pesquisa incluem modelos estatísticos aplicados às ciências sociais, modelos experimentais, avaliação de impacto de políticas públicas e desenho comportamental de políticas publicas. Tem trabalhado, ao longo dos últimos 10 anos, em projetos de modelagem estatística para empresas privadas como Itau e Editora Abril, assim como em projetos financiados por organizações como FAO, IICA e Banco Mundial.