A existência de dados em excesso (e a fácil disponibilidade dos mesmos através da internet) aliada à existência de softwares estatísticos tem transformado a ciência moderna. E isso também é perceptível nas pesquisas contábeis, onde os dados sobre comportamento dos preços das ações no mercado acionário, além das informações contábeis dos relatórios trimestrais das empresas abertas, têm sido usados exaustivamente. É muito comum a construção de pesquisas onde os autores apresentam uma técnica de tratamento dos dados, geralmente análise multivariada, testam em dados empíricos e chegam a resultados estatísticos. Mas parece que falta algo importante: a teoria ou o modelo que permitiria a explicação do estudo. É o quantitativo pelo quantitativo.
Tenho tido oportunidade de analisar muitos trabalhos nos últimos anos e esse problema tem sido comum. Mas seria que isso é realmente uma ciência? Seria possível construir modelos teóricos dessa forma? Mais ainda, os modelos teóricos são necessários? Basicamente podemos afirmar que nesse novo mundo a diferença entre correlação estatística e causação é muito tênue.
Leia mais sobre esse assunto neste texto do blog
Academic Producitivity.com. Chris Anderson, autor do livro sobre Cauda Longa, em
The End of Theory: The Data Deluge Makes the Scientific Method Obsolete, comenta o fim dos modelos. Anderson afirma de forma contundente: a abordagem de ciência com hipotese, modelo e teste está tornando-se obsoleta. No mundo dos dados, “correlação é suficiente”.
We can stop looking for models. We can analyze the data without hypotheses about what it might show. We can throw the numbers into the biggest computing clusters the world has ever seen and let statistical algorithms find patterns where science cannot.
Postagens
