Questão de Estatística — Inferência estatística — FGV 2025

Inferência causal e Diferença-em-Diferenças: interpretação de resultados não significativos

Gabarito: letra B. Quando um estudo de avaliação de impacto, como o da Faixa Azul, reporta efeitos estimados "pequenos e estatisticamente indistintos de zero", a conclusão metodologicamente correta é que não há evidência estatisticamente significativa de efeito causal no período e local analisados — e não que o programa seja comprovadamente ineficaz. Essa é a distinção central entre "ausência de evidência" e "evidência de ausência", que a alternativa B captura com precisão.

O método de Diferença-em-Diferenças (DiD) é uma técnica de inferência causal usada para estimar o efeito de uma intervenção comparando a mudança ao longo do tempo em um grupo tratado com a mudança em um grupo de controle (contrafactual). A lógica é que, na ausência do tratamento, ambos os grupos teriam seguido a mesma trajetória (suposição de tendências paralelas). Quando os resultados são estatisticamente indistintos de zero, isso significa que o intervalo de confiança do efeito estimado inclui o zero — ou seja, não se pode rejeitar a hipótese de que o efeito seja nulo. Isso não prova que o efeito é zero; apenas indica que os dados não fornecem evidência forte de um efeito diferente de zero. Pode haver um efeito pequeno que o estudo não teve poder estatístico para detectar, como o próprio texto reconhece: "Se houve efeito, ele foi pequeno a ponto de não ser detectado."

A alternativa B é a única que reflete corretamente essa interpretação, limitando a conclusão ao período e local analisados e usando a linguagem adequada de "não há evidência estatisticamente significativa". As demais alternativas cometem erros metodológicos graves: afirmam comprovação de ineficácia, confundem correlação com causalidade, ou propõem métodos inadequados para inferência causal.

Alternativa A — ❌ Incorreta

Afirma que o estudo comprova que a Faixa Azul é ineficaz "em qualquer contexto" e deve ser descontinuada. Isso é um erro duplo: (1) resultados não significativos não comprovam ausência de efeito — apenas indicam que não foi detectado efeito estatisticamente significativo; (2) a conclusão é limitada ao período e local analisados, não podendo ser generalizada para "qualquer contexto". A alternativa confunde "não rejeitar a hipótese nula" com "aceitar a hipótese nula", o que é uma falácia lógica em testes de hipóteses.

Alternativa B — ✅ Correta ⟵ GABARITO

Esta é a conclusão metodologicamente correta. O estudo usou DiD com adoção escalonada e encontrou efeitos pequenos e estatisticamente indistintos de zero. Isso significa que não há evidência estatisticamente significativa de que a Faixa Azul tenha causado redução nos sinistros de motociclistas no período e local analisados. A alternativa usa a linguagem precisa da inferência estatística: "não há evidência" (em vez de "comprova que não há efeito") e delimita o escopo ("no período/local analisados").

Alternativa C — ❌ Incorreta

Afirma que "a queda anual nos mesmos trechos já comprova causalidade". Isso é um erro clássico de confundir correlação com causalidade. Observar uma queda anual nos sinistros nos trechos tratados não é suficiente para atribuir essa queda à Faixa Azul, pois pode haver outros fatores (tendências gerais, mudanças na fiscalização, clima, etc.) que expliquem a redução. O método DiD existe justamente para controlar essas tendências comuns por meio de um grupo de controle; sem esse contrafactual, não se pode inferir causalidade.

Alternativa D — ❌ Incorreta

Afirma que uma pesquisa de satisfação com motociclistas seria suficiente para comprovar a efetividade da Faixa Azul. Isso é metodologicamente incorreto: pesquisa de satisfação mede percepção subjetiva, não o desfecho objetivo (sinistros/óbitos). Além disso, não estabelece relação causal — motociclistas podem se sentir mais seguros sem que isso reduza os sinistros. Para avaliar efetividade, é necessário comparar indicadores objetivos entre grupo tratado e controle, como fez o estudo com DiD.

Alternativa E — ❌ Incorreta

Afirma que "ajustar sazonalidade no mesmo local é suficiente para inferir causalidade, tornando desnecessário qualquer contrafactual". Isso é um erro grave: ajustar sazonalidade (ou qualquer outra variável) no mesmo local não cria um contrafactual. Sem um grupo de controle (ou outro método que forneça o contrafactual, como regressão descontínua), não é possível isolar o efeito da intervenção de outras mudanças ao longo do tempo. O DiD, por exemplo, exige um grupo de comparação para capturar a tendência comum; sem ele, qualquer associação temporal pode ser espúria.

Gabarito: letra B