Occam's bias undermines inferences from phylogenetic linear models

Este artigo demonstra que o viés de Occam, decorrente da negligência das relações entre predidores em modelos lineares filogenéticos tradicionais, distorce inferências ecológicas e evolutivas, exigindo a adoção de estruturas de modelos multi-resposta que considerem todos os caminhos causais.

O essencial

O Título da História: "A Armadilha da Simplicidade Exagerada"

Imagine que você é um detetive tentando descobrir por que alguns animais correm mais risco de extinção do que outros. Você tem uma lista de suspeitos (o tamanho do corpo, quantos filhotes eles têm, o tamanho do território que ocupam) e quer saber qual deles é o "culpado" principal.

Os cientistas, por muito tempo, usaram uma ferramenta estatística chamada Modelos Lineares Simples (SR). A ideia era: "Vamos olhar para um suspeito de cada vez, ou adicionar mais suspeitos à lista, mas sem nos preocupar em como eles se relacionam entre si".

Os autores deste artigo, Jacinta, Luke e Daniel, dizem que essa abordagem está errada. Eles chamam esse erro de "Viés de Occam" (uma brincadeira com a famosa "Navalha de Occam", que diz que a explicação mais simples é geralmente a correta).

Aqui está o problema: A simplicidade está mentindo para nós.

A Analogia do "Três Amigos e a Festa"

Para entender o "Viés de Occam", imagine uma festa com três amigos: Pedro (Tamanho do Corpo), João (Quantidade de Filhotes) e Maria (Tamanho do Território).

1. A Realidade (O que acontece de verdade):

   • Pedro e João são melhores amigos e sempre andam juntos (estão correlacionados).
   • João e Maria também têm uma conexão forte.
   • Na vida real, todos eles influenciam uns aos outros. É um sistema complexo.

2. O Erro do Modelo Simples (SR):

   • O cientista chega na festa e pergunta: "João, você é o culpado por Pedro estar triste?".
   • O cientista ignora que Maria está lá e que ela influencia tanto João quanto Pedro.
   • Como João e Maria andam juntos, o cientista pode concluir erroneamente que João é o culpado, quando na verdade foi Maria quem começou tudo, ou que a culpa é compartilhada de uma forma que o modelo simples não consegue ver.

O que é o Viés de Occam?
É quando tentamos simplificar demais a história (ignorando as conexões entre os "suspeitos") e acabamos criando uma conclusão falsa. O modelo simples "esconde" as relações entre os preditores e joga essa confusão na resposta final, distorcendo quem é o verdadeiro culpado.

O que os cientistas descobriram?

Eles usaram dois métodos para provar isso:

1. Simulações de Computador: Eles criaram cenários fictícios onde sabiam a resposta certa. Quando usaram o modelo simples (ignorando as conexões), o computador começou a apontar "culpados" falsos. Quanto mais dados eles tinham (mais animais na lista), mais forte e convincente era a mentira!

   • Analogia: É como se você tivesse uma foto de 100 pessoas. Se você olhar para elas de longe (modelo simples), pode parecer que todas estão rindo da mesma piada. Mas se você olhar de perto (modelo complexo), percebe que estão rindo de piadas diferentes e que a "risada" de um grupo está influenciando o outro.

2. O Estudo Real (13.949 Espécies): Eles analisaram répteis, anfíbios, mamíferos e aves para ver o que causa risco de extinção.

   • O Modelo Simples (SR): Dizia coisas estranhas. Por exemplo, que o tamanho do corpo não importava muito, ou que animais maiores tinham mais risco (o que não faz sentido para todos os grupos).
   • O Modelo Complexo (MR - Multi-Resposta): Este modelo olhou para todos os animais e todas as características ao mesmo tempo, entendendo como elas se conectam.
   • O Resultado Real: O modelo complexo revelou a verdade biológica:
     • Animais que têm menos filhotes e territórios menores estão em maior risco.
     • O tamanho do corpo importa, mas de formas diferentes para animais de sangue frio (que precisam de menos comida) e de sangue quente (que precisam de mais).

Por que isso é um problema grave?

O artigo diz que a ciência está cheia de conclusões erradas porque os pesquisadores estão usando a "Navalha de Occam" de forma errada. Eles acham que adicionar mais variáveis (como "controle para o tamanho do corpo") melhora a análise.

A analogia da "Cama de Necessidades":
Imagine que você está tentando adivinhar por que um carro quebrou.

• Modelo Simples: Você olha apenas para o motor. "O motor quebrou!" (Mas o motor quebrou porque o freio falhou, e o freio falhou porque o motorista estava cansado).
• O Viés: Ao tentar "controlar" o motor, você ignora a cadeia de eventos.
• O Perigo: O artigo mostra que, quanto mais dados você tem (estudos grandes com milhares de espécies), mais fácil é cair nessa armadilha. O modelo simples começa a "inventar" relações que não existem ou esconde as que existem.

A Solução Proposta

Os autores pedem que a ciência pare de usar apenas os modelos lineares simples (que olham uma coisa de cada vez) e comece a usar Modelos de Múltipla Resposta (MR).

• Modelo Simples: É como tentar entender uma orquestra ouvindo apenas o violino. Você pode achar que o violino está tocando a melodia principal, mas na verdade ele está apenas seguindo o maestro (que é o sistema todo).
• Modelo MR: É colocar fones de ouvido e ouvir a orquestra inteira, entendendo como o violino, a bateria e o baixo conversam entre si para criar a música.

Conclusão em uma frase

Não tente simplificar a natureza ignorando como as peças se conectam; ao fazer isso, você não está sendo "simples", está sendo enganado. Para entender a evolução e a extinção, precisamos olhar para o quadro completo, e não apenas para pedaços isolados.

Resumo técnico

Título: O viés de Occam compromete inferências de modelos lineares filogenéticos

Autores: Jacinta Guirguis, Luke E.B. Goodyear e Daniel Pincheira-Donoso
Instituição: MacroBiodiversity Lab, Queen's University Belfast, Reino Unido

---

1. O Problema: O "Viés de Occam" em Modelos Filogenéticos

O artigo identifica um problema fundamental na prática atual da biologia comparativa filogenética: o uso predominante de Modelos Lineares de Resposta Única (SR - Single-Response). Nestes modelos tradicionais, uma única variável resposta é regredida contra múltiplos preditores, sem modelar explicitamente as relações causais entre os próprios preditores.

Os autores introduzem o conceito de "Viés de Occam", definido como uma distorção estatística que ocorre quando o modelo possui menos conexões de causa-efeito do que o previsto pela teoria biológica.

• A Causa: Em sistemas biológicos complexos, os preditores frequentemente interagem entre si (via correlações genéticas, efeitos pleiotrópicos, herança extragenética, etc.). Ao ignorar essas interações (como fazem os modelos SR), a covariância entre os preditores é "re-alocada" implicitamente para os coeficientes dos preditores de interesse.
• A Consequência: Isso gera coeficientes enviesados, alterando tanto a magnitude quanto a direção (sinal) dos efeitos estimados, e pode levar a resultados estatisticamente significativos falsos (erros do Tipo I) ou falhas em detectar efeitos reais (erros do Tipo II), mesmo na ausência de multicolinearidade severa (acima de 0,7).
• Paradoxo: A prática comum de adicionar mais covariáveis para "controlar" o modelo pode, ironicamente, piorar a inferência causal ao aumentar o número de caminhos indiretos não modelados, que crescem quadraticamente em relação ao número de preditores.

2. Metodologia

Os autores empregaram uma abordagem combinada de simulação teórica e análise empírica em larga escala:

• Dados Empíricos:

  • Um banco de dados global com 13.949 espécies de vertebrados terrestres (anfíbios, répteis/lagartos, mamíferos e aves).
  • Variáveis: Risco de extinção (binário, baseado na Lista Vermelha da IUCN), massa corporal, fecundidade e tamanho da área de distribuição geográfica.
  • Filogenias: Utilização de árvores filogenéticas de consenso para cada grupo taxonômico.

• Abordagem Estatística:

  • Modelos de Resposta Única (SR): Regressões lineares generalizadas filogenéticas bayesianas (usando o pacote MCMCglmm no R), onde o risco de extinção é a resposta e as características de história de vida são preditores.
  • Modelos de Resposta Múltipla (MR): Modelos multivariados bayesianos onde todas as variáveis (risco de extinção, massa, fecundidade, área) são tratadas simultaneamente como variáveis resposta. Isso permite estimar explicitamente a matriz de covariância filogenética e residual entre todos os pares de variáveis.
  • Simulações: Geração de dados sintéticos com correlações filogenéticas controladas para testar matematicamente as condições sob as quais o viés de Occam surge, derivando uma "Inequação do Viés de Occam".

3. Principais Contribuições Teóricas

• Definição Formal do Viés: Estabelecimento do "Viés de Occam" como um fenômeno estatístico distinto da multicolinearidade, que afeta inferências mesmo com correlações baixas entre preditores.
• Inequação do Viés de Occam: Derivação de uma fórmula matemática que prevê quando a inclusão de uma covariável em um modelo SR gerará um resultado falso significativo. A inequação mostra que o viés aumenta com o tamanho da amostra ($n$) e com a força das correlações entre os preditores e a covariável.
• Crítica à Métrica de Modelos: Demonstração de que métricas de desempenho de modelo (como o Critério de Informação de Desvio - DIC) podem favorecer modelos SR que são estatisticamente "melhores" em termos preditivos, mas biologicamente enganosos para inferência causal.

4. Resultados

• Simulações:

  • Confirmaram que, à medida que o tamanho da amostra aumenta, a correlação necessária entre preditores para induzir falsos positivos diminui drasticamente.
  • Mostraram que o Viés de Occam pode inverter o sinal de um coeficiente (tornando um efeito positivo em negativo e vice-versa) dependendo dos sinais das correlações entre os preditores.
  • Modelos MR não apresentaram esses padrões de falsos significativos, mantendo a integridade das relações causais.

• Estudo de Caso Empírico (Extinção de Vertebrados):

  • Modelos SR (Tradicionais): Produziram resultados inconsistentes com a teoria ecológica. Por exemplo, a fecundidade não mostrou efeito significativo no risco de extinção, e a relação entre massa corporal e extinção variou erraticamente entre ectotérmicos e endotérmicos dependendo de quais covariáveis foram adicionadas.
  • Modelos MR (Propostos): Revelaram padrões biologicamente coerentes:
    • O risco de extinção está consistentemente associado à diminuição da fecundidade e à diminuição do tamanho da área geográfica.
    • A massa corporal tem efeitos opostos em ectotérmicos (maior massa = maior risco) e endotérmicos (maior massa = menor risco), alinhando-se com teorias fisiológicas.
  • A comparação mostrou que os modelos SR distorciam os coeficientes devido à não consideração das interações entre massa, fecundidade e área geográfica.

5. Significado e Implicações

O artigo conclui que a omissão de caminhos causais entre preditores é uma fonte majoritária de erro em estudos comparativos filogenéticos. As implicações principais são:

1. Reavaliação da Literatura: Uma vasta quantidade de inferências ecológicas e evolutivas publicadas, baseadas em modelos SR, pode estar comprometida pelo Viés de Occam.
2. Mudança de Paradigma: É necessário abandonar a prática de adicionar covariáveis apenas para "controlar" em modelos SR e adotar Modelos de Resposta Múltipla (MR) ou estruturas que capturem todos os caminhos causais.
3. Interpretação Biológica: Os modelos MR fornecem coeficientes mais interpretáveis biologicamente, isolando os efeitos diretos de cada variável, enquanto os modelos SR misturam efeitos diretos e indiretos de forma obscura.
4. Desenvolvimento Futuro: Os autores defendem o desenvolvimento contínuo e a adoção de métodos filogenéticos multivariados bayesianos como o novo padrão-ouro para testes de hipóteses em biologia evolutiva e de conservação.

Em suma, o estudo alerta que a simplicidade aparente dos modelos lineares tradicionais (o "gume da navalha" de Occam aplicado erroneamente) está, na verdade, obscurecendo a complexidade real dos processos evolutivos, e que a adoção de modelos mais complexos (MR) é essencial para a precisão científica.