Analista de Planejamento e Orçamento - Especialidade: Geral
Considerando os conceitos básicos e as técnicas de inferência causal, julgue o item a seguir.Como nem sempre é possível implementar experimentos aleatórios controlados para as avaliações de impacto das políticas públicas, os modelos quasi experimentais, que utilizam hipóteses, técnicas estatísticas e dados observacionais, podem ser utilizados para a construção de grupos de comparação válidos e para o estabelecimento da inferência causal entre determinada política e os impactos verificados.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Inferência causal e modelos quase-experimentais
Gabarito: letra C (CERTO). A afirmativa está correta porque, quando não é viável realizar experimentos aleatórios controlados, os modelos quase-experimentais — que se apoiam em hipóteses, técnicas estatísticas e dados observacionais — são uma alternativa legítima para construir grupos de comparação válidos e estabelecer inferência causal entre uma política e seus impactos. Esse é um conceito central da avaliação de impacto em políticas públicas, reconhecido na literatura de inferência causal.
A inferência causal busca responder se uma intervenção (política, programa, tratamento) realmente causa um efeito observado. O padrão-ouro para isso é o experimento aleatório controlado (RCT), em que a alocação dos indivíduos entre tratamento e controle é feita por sorteio, garantindo que os grupos sejam comparáveis em média. Porém, em políticas públicas, muitas vezes não é ético, prático ou financeiramente viável realizar um RCT. Nesses casos, recorremos aos delineamentos quase-experimentais, que utilizam dados observacionais e técnicas estatísticas para imitar as condições de um experimento, criando grupos de comparação que sejam o mais semelhante possível ao grupo tratado.
A distinção fundamental é entre experimentos verdadeiros (com aleatorização) e quase-experimentos (sem aleatorização, mas com estratégias para controlar vieses). Entre as técnicas mais comuns estão: diferenças em diferenças, regressão descontínua, variáveis instrumentais e pareamento por escore de propensão. Todas buscam reduzir o viés de seleção e permitir que se atribua à política o efeito observado, desde que as hipóteses identificadoras sejam plausíveis.
A pegadinha que a banca poderia explorar é confundir quase-experimento com experimento verdadeiro, ou achar que sem aleatorização não é possível inferência causal. Mas a afirmativa reconhece exatamente a limitação e a solução: quando não há experimento controlado, os modelos quase-experimentais são uma ferramenta válida. Portanto, o item está CERTO.
Contexto
Afirmativa do item
Avaliação
Conclusão
Experimentos aleatórios controlados (RCT) são o padrão-ouro, mas nem sempre viáveis (ética, prática, custo)
"Modelos quase-experimentais podem ser usados para construir grupos de comparação válidos e estabelecer inferência causal"
Afirmativa verdadeira — descreve corretamente o papel dos quase-experimentos
Certo (C)
Sem aleatorização, ainda é possível inferência causal com técnicas adequadas
"Usam hipóteses, técnicas estatísticas e dados observacionais"
Afirmativa verdadeira — alinhada à literatura (diferenças em diferenças, regressão descontínua, etc.)
Certo (C)
Quase-experimento ≠ experimento verdadeiro
"Não afirma superioridade nem garantia de causalidade perfeita"
Afirmativa não contém erro conceitual
Certo (C)
Alternativa E nega a afirmativa
"A afirmativa está errada"
Negação falsa, pois o item é correto
Errado (E)
Alternativa C — ✅ CERTO ⟵ GABARITO
A afirmativa está correta. Ela descreve com precisão o papel dos modelos quase-experimentais na avaliação de impacto: eles são utilizados quando experimentos aleatórios controlados não são possíveis, e permitem construir grupos de comparação válidos e estabelecer inferência causal usando dados observacionais. Isso está alinhado com a literatura de inferência causal e com a prática de avaliação de políticas públicas.
Alternativa E — ❌ ERRADO
A afirmativa não está errada; ela é verdadeira. Portanto, a alternativa E, que nega a afirmativa, é incorreta. Não há erro conceitual na afirmativa: ela não afirma que quase-experimentos são superiores aos experimentos, nem que garantem causalidade perfeita — apenas que podem ser utilizados para construir grupos de comparação válidos e estabelecer inferência causal, o que é correto.
PEGA ESSA DICA!
Para questões de inferência causal, lembre-se da hierarquia: experimento aleatório (padrão-ouro) > quase-experimento (alternativa quando não há aleatorização) > estudo observacional sem estratégia de identificação. Na prova, identifique se a questão fala em "aleatorização" (experimento) ou em "dados observacionais" + "técnicas para controle de viés" (quase-experimento).