Rejeitar H₀ não é a mesma coisa que "provar" um efeito. O valor-p e o intervalo de confiança contam a mesma história de duas formas — e ambos são cheios de interpretações erradas comuns. Vamos desfazê-las.
Depois de calcular a estatística t de um coeficiente, resta traduzir esse número em uma decisão. O valor-p faz essa ponte: ele resume, em uma única probabilidade, o quão "surpreendente" seria a nossa amostra se H₀ fosse verdadeira.
O nível de significância (ex.: 5%) é o limiar de tolerância ao erro Tipo I — deve ser fixado antes da estimação, não ajustado depois para "dar certo".
O valor-p converte a estatística t (que depende dos graus de liberdade) em uma probabilidade comparável entre diferentes regressões.
p < α → rejeita H₀ (significativo). p ≥ α → não rejeita H₀ (sem evidência suficiente).
Um valor-p pequeno diz que o efeito é improvável de ser puro acaso — não diz que o efeito é grande, nem que é relevante na prática.
Pense no valor-p como um termômetro de compatibilidade entre os dados e H₀: valores pequenos indicam que os dados "combinam mal" com a hipótese nula — não que ela é falsa com certeza, apenas que seria uma coincidência rara demais para ser confortável.
Com amostras grandes, até efeitos minúsculos e sem relevância prática produzem valores-p baixíssimos. Sempre reporte o coeficiente e seu intervalo de confiança junto com o valor-p — eles dizem o quanto o efeito importa, não só se ele é diferente de zero.
Ajuste a estatística t observada, os graus de liberdade e α. A área azul-índigo é o valor-p (área das caudas além de |tobs|); a linha vermelha tracejada marca o t crítico definido por α. Quando a área índigo cabe dentro da faixa vermelha, p < α.
Mover α não muda os dados nem o valor-p — só muda o padrão de exigência para rejeitar H₀. É por isso que o mesmo resultado pode ser "significativo a 10%" e "não significativo a 1%" simultaneamente: a estatística e o valor-p são fixos, o veredito depende do limiar escolhido.
Um IC de 95% para β̂₁ é β̂₁ ± tcrítico·SE(β̂₁). A interpretação correta é sutil: não é "95% de chance de β estar neste intervalo específico". É sobre o procedimento de construção do intervalo.
Clique em "Sortear 30 amostras" algumas vezes. A taxa de cobertura acumulada deve se aproximar do nível de confiança nominal — é exatamente isso que "95% de confiança" quer dizer: sobre o procedimento repetido, não sobre um único intervalo.
IC e teste t são duas faces da mesma moeda: H₀: β₁ = 0 é rejeitada ao nível α se, e somente se, 0 estiver fora do intervalo de confiança de (1 − α). Não precisa calcular os dois separadamente — um implica o outro.
Clique em cada cenário para ver se a afirmação está correta ou não.