Como Interpretar o Valor-p e os Testes de Hipóteses na Tese (2026)

Reportar “p = 0,03, logo o resultado é significativo” sem explicar o que isso realmente significa é um dos erros mais frequentes nos capítulos de resultados de teses quantitativas. Saber como interpretar o valor-p e os testes de hipóteses na tese exige compreender não só o número em si, mas o raciocínio lógico por trás do teste estatístico — e é precisamente aí que a maioria das dissertações falha perante o júri.

Este artigo explica a lógica dos testes de hipóteses, o que o valor-p mede (e o que não mede), os erros tipo I e tipo II, a diferença entre significância estatística e relevância prática, e como reportar tudo isto corretamente segundo a norma APA 7.

O que é um teste de hipóteses?

Um teste de hipóteses é um procedimento estatístico que permite decidir, com base numa amostra, se existe evidência suficiente para rejeitar uma afirmação sobre a população (a hipótese nula) em favor de uma afirmação alternativa. O teste não prova nada de forma absoluta — apenas quantifica a probabilidade de os dados observados serem compatíveis com a hipótese nula.

A lógica é indireta: em vez de testar diretamente a hipótese de investigação, testa-se a sua negação (H0), e a decisão sobre H1 é tomada por exclusão.

O que significam H0 e H1?

H0 (hipótese nula) afirma que não existe efeito, diferença ou relação entre as variáveis estudadas. H1 (hipótese alternativa) afirma o contrário — que existe um efeito, diferença ou relação.

• H0: “Não há diferença na média de ansiedade entre os dois grupos.”
• H1: “Há uma diferença na média de ansiedade entre os dois grupos.”

O teste estatístico nunca “prova” H1. O que acontece é que os dados fornecem, ou não, evidência suficiente para rejeitar H0. A formulação correta na tese é sempre em termos de rejeição ou não rejeição de H0, nunca de “confirmação” de H1.

O que é o nível de significância (alfa)?

O nível de significância (alfa, α) é o limiar de probabilidade definido antes da recolha de dados, a partir do qual se considera que a evidência contra H0 é suficientemente forte para a rejeitar. O valor convencional nas ciências sociais e da saúde é α = 0,05, ou seja, aceita-se um risco de 5% de rejeitar H0 quando ela é, de facto, verdadeira.

O que é, exatamente, o valor-p?

O valor-p (p-value) é a probabilidade de obter um resultado tão extremo, ou mais extremo, do que o observado na amostra, assumindo que a hipótese nula é verdadeira. Não é a probabilidade de a hipótese nula ser verdadeira, nem a probabilidade de o resultado ter ocorrido “por acaso” em sentido genérico.

A regra de decisão é simples:

• Se p ≤ α: rejeita-se H0 (resultado estatisticamente significativo)
• Se p > α: não se rejeita H0 (resultado não estatisticamente significativo)

O que o valor-p NÃO significa

Esta secção é a mais crítica para evitar erros de interpretação recorrentes em capítulos de resultados. A associação americana de estatística (American Statistical Association) publicou em 2016 uma declaração formal sobre o uso e interpretação do valor-p, alertando precisamente para estes erros.

O que são os erros tipo I e tipo II?

Todo o teste de hipóteses está sujeito a dois tipos de erro de decisão, que devem ser mencionados na secção de limitações metodológicas da tese.

• Erro tipo I (falso positivo): rejeitar H0 quando ela é, na realidade, verdadeira. A probabilidade deste erro é igual a alfa.
• Erro tipo II (falso negativo): não rejeitar H0 quando ela é, na realidade, falsa. A probabilidade deste erro é designada por beta, e está diretamente relacionada com a potência estatística do teste (1 − beta).

Reduzir o risco de erro tipo I (baixando alfa) aumenta o risco de erro tipo II, e vice-versa — não é possível minimizar ambos simultaneamente sem aumentar o tamanho da amostra.

Significância estatística vs. relevância prática

Um resultado pode ser estatisticamente significativo sem ter qualquer relevância prática, sobretudo em amostras muito grandes, onde diferenças mínimas se tornam detetáveis estatisticamente. Por isso, a norma APA 7 exige que o valor-p seja sempre acompanhado de uma medida de tamanho do efeito.

Estes valores são convenções orientadoras propostas por Cohen (1988) e devem ser interpretados à luz do contexto disciplinar da tese, não como limiares absolutos.

Como reportar em APA 7?

A norma APA 7 exige um formato preciso ao reportar resultados de testes de hipóteses no capítulo de resultados. Um exemplo de reporte correto para um teste t:

“Os resultados indicaram uma diferença estatisticamente significativa na pontuação de ansiedade entre o grupo experimental (M = 24,3, DP = 4,1) e o grupo de controlo (M = 19,8, DP = 3,9), t(58) = 4,12, p < .001, d de Cohen = 1,08, IC 95% [0,54, 1,62].”

Elementos obrigatórios num reporte completo:

1. Estatística do teste (t, F, χ², z, etc.) com os graus de liberdade
2. Valor-p exato, ou “p < .001” quando o valor é muito pequeno
3. Medida de tamanho do efeito adequada ao teste utilizado
4. Intervalo de confiança do tamanho do efeito, sempre que disponível
5. Direção do efeito, descrita em linguagem clara para o leitor

Testes específicos: qui-quadrado, regressão logística e outros

Este artigo aborda a lógica geral dos testes de hipóteses, comum a praticamente todos os testes estatísticos usados numa tese. Para procedimentos específicos, com passo a passo no SPSS e frases de reporte prontas, consulte os guias dedicados: teste do qui-quadrado no SPSS, para variáveis categóricas, e regressão logística na tese, para prever variáveis dependentes binárias e interpretar o odds ratio.

Se a investigação combina uma componente qualitativa que exige construção de teoria a partir dos dados, consulte também o artigo sobre como aplicar a teoria fundamentada (grounded theory) na tese, útil em desenhos de métodos mistos.

Perguntas frequentes