CGU: Associação e Causalidade (Cebraspe)

Cartões · 50

Forte correlação linear positiva entre duas variáveis prova relação direta de causa e efeito.

Errado. Correlação indica apenas associação estatística concomitante, jamais relação causal necessária (falácia cum hoc ergo propter hoc).

A ausência de correlação linear (r = 0) garante independência causal e estocástica total.

Errado. O coeficiente de Pearson mede apenas relações lineares; pode haver dependência causal não linear forte mesmo com r nulo.

Em dados observacionais, controlar por regressão elimina integralmente o risco de confusão.

Errado. Variáveis de confusão não observadas ou erros de mensuração mantêm o viés de endogeneidade residual.

O critério de temporalidade de Hill é condição necessária para estabelecer causalidade.

Certo. A causa deve preceder temporalmente o efeito; é o único critério estritamente indispensável entre os nove de Bradford Hill.

Se o evento A antecede B no tempo, conclui-se validamente que A causou o surgimento de B.

Errado. Trata-se da falácia post hoc ergo propter hoc; mera precedência cronológica não afasta coincidência ou causas comuns anteriores.

Controlar por uma variável colisor em uma regressão elimina o viés de seleção entre causa e efeito.

Errado. Condicionar em um colisor (variável afetada por causa e efeito) induz correlação espúria e cria viés de colisão (Berkson).

A aleatorização na atribuição do tratamento assegura o balanceamento de confundidores não observados.

Certo. O ensaio clínico ou experimento aleatorizado quebra o vínculo entre fatores de confusão (observados ou latentes) e a intervenção.

Correlação espúria surge quando duas variáveis correlacionadas compartilham uma causa comum latente.

Certo. A variável de confusão subjacente gera covariância numérica sem qualquer vínculo causal entre os fenômenos.

A plausibilidade biológica ou teórica ausente refuta categoricamente uma relação causal.

Errado. Conforme Hill, o desconhecimento do mecanismo científico atual não anula a existência real do nexo causal.

O teste de causalidade de Granger comprova deterministicamente o impacto causal de uma série em outra.

Errado. Granger avalia apenas capacidade preditiva temporal e precedência informacional, não causalidade física ou contrafactual.

Causalidade reversa ocorre quando a variável dependente estimada afeta a variável explicativa.

Certo. Essa simultaneidade quebra a exogeneidade estrita dos regressores, enviesando os estimadores por mínimos quadrados.

Um instrumento válido no método de variáveis instrumentais deve correlacionar-se com o erro do modelo.

Errado. O instrumento deve ser não correlacionado com o termo de erro (exogeneidade/restrição de exclusão) e correlacionado ao regressor.

O viés do sobrevivente altera a inferência causal ao excluir unidades que não resistiram ao processo.

Certo. A seleção sistemática distorce a amostra analisada, atribuindo falsamente sucesso ou eficácia a determinados tratamentos.

A falácia ecológica consiste em deduzir relações causais individuais a partir de dados agregados.

Certo. Padrões médios em nível de grupos ou municípios não representam necessariamente o comportamento biológico ou individual.

O paradoxo de Simpson ocorre quando a associação inverte de sentido ao desagregar os dados por estratos.

Certo. Uma variável de confusão desbalanceada entre estratos inverte o sinal da associação marginal em relação ao efeito condicional.

A premissa de tendências paralelas é o pressuposto central do estimador de Diferenças em Diferenças.

Certo. Exige-se que, na ausência do tratamento, a trajetória temporal do grupo de controle e tratamento evoluísse identicamente.

O pareamento por escore de propensão (PSM) elimina todo viés oriundo de confundidores não observáveis.

Errado. O PSM balanceia unicamente características observadas incluídas no modelo logit/probit, não controlando variáveis omitidas.

Em regressão descontínua (RDD), a atribuição ao tratamento depende de uma variável de corte contínua.

Certo. Indivíduos imediatamente antes e depois do ponto de corte são estatisticamente comparáveis, emulando quase-experimento local.

Se o gradiente biológico (dose-resposta) não for observado, descarta-se categoricamente a causalidade.

Errado. Relações com limiar mínimo de ativação ou curvas em formato de U ou J são causais mesmo sem relação linear monotônica.

O modelo contrafactual de Rubin define efeito causal como a diferença entre dois potenciais resultados.

Certo. Compara o resultado do indivíduo sob tratamento com o resultado do mesmo indivíduo sob controle no mesmo instante.

A endogeneidade por omissão de variáveis relevantes preserva a consistência dos estimadores de MQO.

Errado. A correlação entre o regressor incluído e o termo de erro gera viés sistemático e inconsistência assintótica no estimador.

O viés de atrito surge quando a perda de participantes em estudo longitudinal ocorre de forma aleatória.

Errado. Perdas puramente aleatórias reduzem precisão; o viés de atrito só surge quando o abandono é sistemático e ligado ao desfecho.

A força de associação medida por magnitude elevada de risco relativo descarta a hipótese de confusão.

Errado. Associações fortes reduzem a chance de que pequenos vieses expliquem o efeito todo, mas não anulam confusão grave residual.

A coerência dos dados com fatos conhecidos da história natural da doença apoia inferência causal.

Certo. É critério de Bradford Hill indicando que a interpretação causal não conflita com conhecimentos científicos consolidados.

Viés de medição não diferencial entre grupos causa atenuação da estimativa do efeito em direção ao nulo.

Certo. O erro de classificação aleatório e independente do desfecho tende a diluir a força da associação aparente.

A condição de identificação causal SUTVA presume que o tratamento de uma unidade não afeta o de outra.

Certo. A hipótese de valor de tratamento estável unitário veta interferência mútua (spillovers) e versões distintas do tratamento.

A regressão espúria em séries temporais ocorre frequentemente entre séries não estacionárias integradas.

Certo. Séries temporais com raiz unitária exibem alto R² e t-student significativo mesmo sem conexão conceitual de causa e efeito.

O efeito Hawthorne consiste na mudança de comportamento induzida pelo fato de estar sendo monitorado.

Certo. A consciência de observação atua como confundidor comportamental independente da intervenção propriamente dita.

O teste de exogeneidade de Hausman compara estimadores consistentes e eficientes sob a hipótese nula.

Certo. Avalia se há diferença sistemática entre MQO e variáveis instrumentais (ou efeitos fixos versus aleatórios).

A especifidade da associação é indispensável para comprovar causas multifatoriais de políticas públicas.

Errado. Hill considera a especificidade o critério mais fraco, pois uma causa pode deflagrar múltiplos efeitos e vice-versa.

O viés de publicação decorre da propensão a publicar preferencialmente estudos com resultados significativos.

Certo. Cria superestimação artificial do efeito nas metanálises ao suprimir estudos com p-valor não estatisticamente significante.

O gráfico acíclico direcionado (DAG) permite identificar variáveis de bloqueio e caminhos de colisão.

Certo. DAGs mapeiam graficamente estruturas causais e mostram quais variáveis devem ou não ser condicionadas para evitar viés.

Em dados em painel, o modelo de efeitos fixos elimina o viés de variáveis omitidas constantes no tempo.

Certo. O modelo foca nas variações intraindividuais, expurgando toda heterogeneidade não observada invariante no tempo.

A consistência nos critérios de Hill exige que estudos idênticos em populações diversas encontrem o mesmo valor.

Errado. Consistência requer repetição de achados similares sob métodos e locais diferentes, não valores numéricos rigorosamente idênticos.

Variável mediadora e variável de confusão exercem exatamente a mesma função metodológica no modelo.

Errado. Mediador integra a cadeia causal interna (X -> M -> Y); confundidor causa ambos concomitantemente (X <- C -> Y).

Controlar estatisticamente por um mediador isola o efeito direto e elimina a capacidade de medir o efeito total.

Certo. Ao fixar o intermediário da cadeia, bloqueia-se o canal indireto, revelando apenas o efeito causal direto não mediado.

O viés do tempo de liderança (lead-time bias) aumenta artificialmente a sobrevida devido a diagnóstico precoce.

Certo. O momento da detecção é adiantado sem retardar a data do desfecho final, simulando erradamente eficácia clínica ou do teste.

O princípio da analogia de Hill compara o efeito sob estudo a intervenções já consagradas cientificamente.

Certo. Se fatores semelhantes causam respostas análogas, reforça-se o nexo hipotético em apuração.

O erro de medição na variável dependente induz viés de atenuação e inconsistência no coeficiente angular.

Errado. Erro de medição na variável Y geralmente aumenta a variância do erro sem enviesar a estimativa dos parâmetros beta.

Experimentos naturais caracterizam-se pela manipulação deliberada e artificial dos tratamentos pelo auditor.

Errado. O pesquisador apenas aproveita variações fortuitas, legais ou geográficas exógenas decorrentes do ambiente real.

A evidência experimental constitui o critério empírico mais robusto na estrutura de Bradford Hill.

Certo. Intervenções controladas onde a remoção da causa extingue o efeito comprovam a ligação com máxima credibilidade.

A co-integração entre séries temporais descarta totalmente a presença de causalidade espúria.

Errado. Co-integração garante equilíbrio de longo prazo entre as séries, mas o sentido e a natureza causal requerem teoria substancial.

O viés de memória em estudos caso-controle ocorre quando casos lembram exposições mais que os controles.

Certo. O conhecimento prévio da condição negativa induz os casos a buscarem recordações com maior ênfase retrospectiva distorcida.

Instrumentos fracos geram estimativas por MQ2E menos confiáveis e potencialmente mais enviesadas que MQO.

Certo. Se a correlação entre instrumento e regressor for baixa, o erro padrão inflaciona e amplia sensivelmente o viés em amostras finitas.

A hipótese nula em um teste de causalidade de Granger afirma que a série defasada não ajuda a prever a outra.

Certo. A rejeição da nula indica apenas contribuição marginal preditiva histórica temporalmente estruturada.

O viés de Berkson emerge em ambientes hospitalares devido a probabilidades de admissão desiguais entre doenças.

Certo. É o exemplo clássico de viés de colisão, onde condicionar no estado de internação produz correlação falsa entre morbidades.

A randomização em conglomerados exige considerar a correlação intraclasse para evitar erros de inferência.

Certo. Ignorar a similaridade natural intra-grupo subestima os erros padrão, gerando falsos positivos na avaliação de impacto.

A presença de heterocedasticidade no termo de erro do modelo de regressão torna o estimador MQO enviesado.

Errado. Heterocedasticidade prejudica a variância e a eficiência estatística, mas não torna o estimador linear não enviesado inviável.

Variáveis de controle irrelevantes adicionadas ao modelo nunca reduzem a precisão dos estimadores causais.

Errado. Regressores supérfluos aumentam a variância amostral dos coeficientes sem gerar benefícios contra o viés de especificação.

Em avaliação de políticas públicas, o grupo de controle sintético constrói um contrafactual por ponderação.

Certo. Combina unidades não tratadas com pesos convexos para mimetizar com precisão a unidade tratada no pré-intervenção.