1.16: Regressão em direção à média

A regressão em direção à média (“RTM”) é um fenômeno no qual valores extremamente altos ou baixos – por exemplo, e a pressão arterial do indivíduo em um determinado momento – parecem mais próximos da média de um grupo ao medir. Embora essa peculiaridade estatística seja o resultado de erro aleatório e acaso, ela tem sido problemática em várias aplicações médicas, científicas, financeiras e psicológicas. Em particular, o RTM, se não for levado em consideração, pode interferir quando os pesquisadores tentam extrapolar os resultados observados em uma pequena amostra para uma população maior de interesse.

Estatística Descritiva, Estatística Inferencial e RTM

O campo da estatística tem duas subcategorias principais, denominadas descritivas e inferenciais (para revisão, ver Beins & McCarthy, 2019 e Franzoi, 2011). Como o nome sugere, o primeiro procura “descrever” dados derivados de uma amostra específica, por exemplo, recém-nascidos em um hospital específico dos Estados Unidos cujas mães tomaram uma vitamina pré-natal durante a gravidez. As estatísticas descritivas geralmente incluem medidas de tendência central (como a média), medidores de variabilidade (como desvio padrão) e gráficos resumindo os resultados da amostra. Por exemplo, as estatísticas descritivas para nosso exemplo de recém-nascido podem incluir peso médio ao nascer e desvio padrão, bem como um gráfico de distribuição de frequência de pesos ao nascer para bebês nascidos no hospital no último ano. É importante ressaltar que as estatísticas descritivas pertencem apenas à amostra que está sendo investigada e, por si só, não podem ser usadas para tirar conclusões sobre uma população maior – neste caso, todos os recém-nascidos nos Estados Unidos nascidos de mães que tomaram pílulas pré-natais.

Em contraste, as estatísticas inferenciais são usadas pelos pesquisadores para “inferir” ou tirar conclusões sobre uma população com base nos resultados calculados para uma amostra representativa. Aqui, os pesquisadores podem comparar o peso médio ao nascer de bebês nascidos no hospital com mães que fizeram o pré-natal com o de recém-nascidos cujas mães não o fizeram. Inicialmente, pode-se observar que os bebês pré-natais têm um peso médio ao nascer maior do que os bebês não pré-natais. Usando equações matemáticas complexas, a estatística inferencial pode determinar se a diferença entre essas duas médias é significativa – definida na ciência como tendo menos de 5% de probabilidade de ser devido ao acaso. Se for esse o caso, conclusões podem ser tiradas sobre a população em geral – neste caso, que em todo o país, os recém-nascidos cujas mães tomaram pílulas pré-natais têm um peso maior ao nascer do que aqueles cujas mães não tomaram.

Infelizmente, o RTM pode fazer parecer que há uma diferença significativa entre os grupos – devido a um tratamento, como a medicação pré-natal acima – quando, na realidade, não existe uma disparidade significativa e quaisquer discrepâncias são resultado do acaso. Às vezes, os pesquisadores até publicam dados afirmando que um determinado regime foi eficaz, quando na verdade seus resultados decorrem desse fenômeno estatístico; este tem sido o caso de programas voltados para a obesidade infantil, entre outros (Skinner, Heymsfield, Pietrobelli, Faith e Allison, 2015). Felizmente, foram desenvolvidos métodos em estatística inferencial que avaliam e levam em consideração o RTM, permitindo que os pesquisadores tenham mais confiança na veracidade de seus dados e na eficácia de qualquer tratamento (Barnett, van der Pols & Dobson, 2005).

RTM em diferentes campos

O RTM tem implicações de amplo alcance. Em pesquisas médicas e científicas, foi observado para pressão arterial (Bland & Altman, 1994), densidade óssea feminina (Cummings, Palermo, Browner, et al., 2000), frequência cardíaca fetal (Park, Hoh, & Park, 2012) e até mesmo qualidade do sêmen (Baker & Kovacs, 1985), para listar alguns exemplos. No entanto, o RTM se estende além das observações médicas e foi registrado no mercado de ações (Murstein, 2003), no desempenho de estudantes de voo (Kahneman & Tversky, 1973) e até mesmo foi usado como uma explicação para o motivo pelo qual certos casais se divorciam (conforme revisado em Murstein, 2003). Assim, esse fenômeno estatístico afeta vários campos, da medicina às finanças, e deve ser cuidadosamente considerado pelos pesquisadores que usam estatísticas para tirar conclusões.