Um resultado não significativo não deve ser interpretado como “… não há diferenças entre as médias …” ou “… não há relação entre as variáveis ​​…”, porque por menor que seja a diferença, existe, e isso pode ser importante para alguns estudos, apesar de não ser estatisticamente significativo.

Uma medida que ajuda a quantificar e entender os resultados de um teste de hipótese é o tamanho do efeito, isso complementa a significância. O tamanho do efeito é a magnitude do resultado, o que nos permite fornecer uma estimativa do escopo de nossas descobertas. Em estatística, o tamanho do efeito se refere a uma maneira de quantificar o tamanho da diferença entre dois grupos. É relativamente fácil de calcular e entender e também pode ser aplicado a qualquer resultado medido nas ciências sociais. Isso é especialmente valioso ao quantificar a eficácia de uma intervenção, em relação a alguma comparação.

Qual é o tamanho do efeito? Nesse sentido, é importante contextualizar o tamanho do efeito de acordo com alguma referência, por exemplo, resultados científicos anteriores. Além disso, eles não devem ser arbitrários, mas devem vir da escala de medida com a qual estamos trabalhando. Existem 3 estratégias que podem auxiliar na correta interpretação do tamanho do efeito, chamadas de três Cs:

• • o contexto
• • a contribuição
• • critério de Cohen

Dependendo do contexto, um pequeno efeito pode ser significativo, por exemplo: se desencadeia grandes consequências ou respostas, se pequenos efeitos podem se acumular e produzir grandes efeitos, entre outros. O outro elemento é avaliar sua contribuição para o conhecimento, ou seja, se o efeito observado difere do que outros pesquisadores encontraram e, em caso afirmativo, enquanto; Para isso, é necessário comparar a bibliografia existente com nossos resultados e fornecer explicações alternativas para nossos achados. Por fim, deve-se levar em consideração o critério de Cohen, que estabelece 3 pontos de corte para interpretar o tamanho do efeito de acordo com os valores da estatística, especificamente para o “d” de Cohen. Porém, esses cortes dependem da estatística utilizada, por isso é necessário consultar as especificidades de cada medidor de tamanho de efeito para fazer sua interpretação, que na maioria deles é utilizado: efeito pequeno, efeito médio, efeito grande, como podemos ver na seguinte tabela:

A este respeito, o manual de estilo APA v7 (American Psychological Association Manual de Publicação 7ª Edição) propõe a conformidade com os padrões JARS (Quantitative Design Reporting Standards, JARS, https://apastyle.apa.org/jars/), onde é especificado que sempre que possível, “o tamanho do efeito estimado e os intervalos de confiança de cada teste de inferência realizado” devem ser relatados. Na verdade, os pesquisadores da APA identificaram que não relatar o tamanho do efeito é um dos 7 erros mais comuns em artigos científicos.

É por isso que as principais revistas acadêmicas não admitem artigos de pesquisa quantitativa que não relatem o tamanho do efeito. Este se tornou um dos dados invariáveis ​​ao relatar investigações que implicam em testes de comparação entre grupos e associações. Por isso, a Comunicar exige esta medida em seus artigos com esta abordagem, por exemplo, em um dos últimos números em que foi reportado:

Em que mostra um uso correto do tamanho do efeito e um relatório adequado.

Existem várias famílias (ou tipos) de medidas de tamanho do efeito, relacionadas aos tipos de testes realizados, e cada uma dessas medidas tem uma interpretação diferente dependendo de seus valores. Entre os principais estão:

• Correlações: tamanho do efeito baseado na variação explicada (por exemplo, r de Pearson, coeficiente de determinação R2, V de Cramer e eta-quadrado η2).

• Diferenças: tamanho do efeito com base nas diferenças entre os grupos (por exemplo, Cohen’s d, Glass ’Δ, Hedges’ g, Odds ratio e risco relativo).

Finalmente, existem 3 razões importantes para relatar o tamanho do efeito:

• O p-valor p pode informar a direção de um efeito, mas apenas estimar o tamanho do efeito dirá qual é o tamanho dele.

• Sem uma estimativa do tamanho do efeito, nenhuma interpretação significativa pode ocorrer.

• Permite a comparação quantitativa de resultados de estudos realizados em diferentes situações.