Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouLuiz Felipe Caldeira Deluca Alterado mais de 8 anos atrás
1
Análise de Variância one-way two-way
Notas de aula – Prof Adriano Ferreti Borgatto – 04/08/2014 Por Jeovani Schmitt
2
Quando devo utilizar a ANÁLISE DE VARIÂNCIA?
Possuo uma variável dependente quantitativa Possuo variável (is) independente qualitativa (em cada variável qualitativa tenho mais de duas categorias/grupos*) Meu interesse é descobrir diferenças significativas estatisticamente em termos de valores médios dos grupos (ou das categorias) * Para duas categorias/grupos a ANOVA equivale ao teste t de Student
3
Em relação ao número de variáveis independentes:
Uma variável independente Duas variáveis independentes ONE-WAY (um fator) TWO-WAY (dois fatores) Uma variável qualitativa é chamado UM FATOR Duas variáveis qualitativa é chamado DOIS FATORES obs.: Três variáveis independentes = TREE-WAY e assim por diante.
4
ONE-WAY (um fator)
5
Exemplo 1: ANOVA ONE-WAY (um fator)
FATOR = posição do jogador com 5 categorias Arquivo de dados: D:\Jeovani\ESTATISTICA\2014-Prof. ADRIANO\Topicos especiais _2\aula_04_08\SM7DC.sav
6
Exemplo 1: ANOVA ONE-WAY (um fator)
Posição do jogador – variável qualitativa com 5 categorias SM7DC – variável quantitativa (soma das 7 dobras cutâneas)
7
Posição do jogador – variável qualitativa com 5 categorias
SM7DC – variável quantitativa (soma das 7 dobras cutâneas) H0: Não existe diferença na média da SM7DC entre as posições dos jogadores H1: caso contrário (existe diferença em pelo menos um par) Caso rejeitar H0, para identificar onde existe a diferença é realizado outro teste estatístico (Post hoc)
8
Suposições do Modelo variâncias homogêneas dos grupos
normalidade dos resíduos
9
Arquivo de dados: SM7DC.sav
Variável independente Posição do jogador com 5 categorias: 1 – goleiro 2 – zagueiro 3 – lateral 4 – meia 5 – atacante Variável dependente SM7DC
10
1º. Realizar uma comparação descritiva
Analisar Comparar Médias Médias ...
12
Pode-se solicitar um gráfico de linhas para se ter uma
ideia das possíveis diferenças visualmente Gráficos Caixas de diálogo legadas Linha ...
14
Posição 4 (meia) foi a média mais alta.
De acordo com o Post hoc Tukey, houve diferença significativa estatisticamente entre a posição 4 e 3 (lateral) e entre a posição 4 e 5 (atacante).
15
PROCEDIMENTOS PARA EXECUTAR A ANOVA
Analisar Modelo Linear geral Com uma única variável ...
16
Configurações
17
OUVIR AUDIO RESULTADO da ANOVA p-valor deu 0,005
(significativo) Variabilidade devido ao acaso (dentro grupo) Variabilidade devido à posição do jogador OUVIR AUDIO Se a variabilidade dentro do grupo for pequena, a chance de rejeitar H0 é grande.
18
RESULTADO da ANOVA p-valor deu 0,005 (significativo)
Rejeita-se H0, ao nível de 5% de significância, ou seja, existe diferença entre pelo menos duas médias. SOMENTE quando a ANOVA é significativa, procede-se ao teste de comparação de médias (Post hoc)
19
Solicitando para o SPSS um Post hoc
Tukey é um Post hoc muito utilizado no Brasil. Porém, quando há muitas categorias para fazer comparações, aconselha-se utilizar um teste mais conservador, por exemplo: Sidak ou Bonferroni. Mais conservador significa tem menor probabilidade de erro tipo II - detectar falsas diferenças. (afirmar que existe diferenças onde não existe)
20
Saídas importantes: Comentar!!!!
21
Saídas importantes: Sig. = p -valor < 0,05 é significativo.
Posição 3 e 4 mesma Posição 4 e 3 Posição 4 e 5 mesma Posição 5 e 4
22
Apresentação do Resultado da diferença de médias:
Resumindo: Ao nível de 5% de significância, são estatisticamente diferentes em termos de valores médios da SM7DC: Posição 3 e 4: Lateral e Meia e Posição 4 e 5: Meia e Atacante
23
Suposições do Modelo variâncias homogêneas dos grupos
normalidade dos resíduos
24
Verificando a normalidade dos resíduos
25
Verificando homogeneidade de variâncias
26
Saída para homogeneidade de variâncias
p-valor < 0,05: As variâncias não são iguais (suposição violada) p-valor > 0,05: As variâncias são consideradas iguais. Comentar!!!!
27
Saída para verificação da normalidade dos resíduos
Será criada a coluna ZRE_1 (resíduos padronizados) Solicitar o gráfico dos resíduos e o valor da variável dependente (SM7DC)
28
Gráficos Caixas de diálogo legadas Dispersão/ponto ...
30
Comentar!!!!
31
Violação nas suposições. O que fazer???
Problema com Normalidade usar teste não paramétrico* transformação nos dados (Box-Cox, logarítmica, ...) Observação: * O problema dos testes não paramétricos é que eles têm menor poder. Isto é, aumenta o ERRO TIPO II (detectar falsas diferenças) ** O teste não paramétrico equivalente seria Kruskal Wallis.
32
TWO-WAY (dois fatores)
34
ANOVA TWO-WAY Vamos considerar duas situações: Exemplo:
Variável dependente: agilidade (em segundos) Variáveis independentes: FATOR A: Local (GETI ou CDS) FATOR B: Sexo (Feminino / Masculino) Vamos considerar duas situações:
35
SITUAÇÃO 2 SITUAÇÃO 1 50 50 40 40 30 30 20 20 10 10 GETI CDS GETI CDS
Variável dependente: agilidade (em seg.) SITUAÇÃO 2 SITUAÇÃO 1 Masc Fem 50 50 40 40 agilidade agilidade 30 30 20 20 10 10 GETI CDS GETI CDS local local Não há interação entre os fatores A e B Há interação entre os fatores A e B Retas paralelas = indicativo de não associação p-valor para a interação será > 0,05 (não significativo) Retas não paralelas = indicativo de associação Analisar o p-valor para a interação
36
SITUAÇÃO 1 A interação LOCAL*SEXO não é significativo. Neste caso, estuda-se cada variável em separado e os resultados são apresentados uma tabela para cada.
37
SITUAÇÃO 2 A interação LOCAL*SEXO é significativo.
Neste caso, faz-se as seguintes comparações: Comparação 1: fixa-se um fator (por exemplo: LOCAL) e compara-se com o outro fator (Sexo) Comparação 2: fixa-se um fator (por exemplo: SEXO) e compara-se com o outro fator (Local)
38
Variáveis independentes Local (FATOR 1) 1 – GETI 2 – CDS
sexo (FATOR 2) 1 – Masculino 2 – Feminino Variável dependente (em seg.) Arquivo de dados: D:\Jeovani\ESTATISTICA\2014-Prof. ADRIANO\Topicos especiais _2\aula_04_08\Fatorial.sav
39
Pode-se solicitar um gráfico de linhas para se ter uma
ideia das possíveis diferenças visualmente
40
Configurações
42
Configuração da Análise
43
Saídas importantes: Quando a interação é significativa estuda-se apenas a interação.
44
Esta análise deve ser feita através de SINTAXE
Comparações post hoc O SPSS não oferece como analisar a interação via menu. Esta análise deve ser feita através de SINTAXE
45
Colar a SINTAXE abaixo:.
46
Variável independente – fator 1
Variável dependente Variável independente – fator 1 Variável independente – fator 2 PLOT = para fazer o gráfico Teste post hoc escolhido Fixando sexo e comparando local Fixando local e comparando sexo
47
Saídas importantes: Repete a ANOVA
49
Repete de 1. No Fem, o local é significativo
50
Nas colunas significa que fixou-se o sexo, e
Através das saídas anteriores, elaborar a tabela para apresentação dos resultados. Nas linhas significa que fixou-se o Local, e comparou-se os valores médios do Sexo em cada local Nas colunas significa que fixou-se o sexo, e comparou-se os valores médios de local em cada sexo.
51
GETI os homens têm mais agilidade e no CDS as mulheres.
Através das saídas anteriores, elaborar a tabela para apresentação dos resultados. Nos dois locais (GETI e CDS) os valores médios de sexo são significativamente diferentes. GETI os homens têm mais agilidade e no CDS as mulheres. Conferir!! Parece que não é a mesma conclusão. No gênero Masculino, independe o local (não significativo) Já no gênero Feminino, a diferença é significativa. (No CDS as mulheres são mais ágeis)
52
Arquivo Exemplo1.sav
53
FATOR 1 Local: 1 – Monte Verde Variável dependente
Arquivo de dados: D:\Jeovani\ESTATISTICA\2014-Prof. ADRIANO\Topicos especiais _2\aula_04_08\Exemplo1.sav FATOR 1 Local: 1 – Monte Verde 2 – Parque da Figueira FATOR 2 Instrução 1 – Nenhum 2 – Fundamental 3 – Médio Variável dependente
54
Pode-se solicitar um gráfico de linhas para se ter uma
ideia das possíveis diferenças visualmente
56
Configuração da Análise
57
Saídas importantes:
58
UNIANOVA renda BY local instrucao /PLOT = profile(local*instrucao)
Colar a SINTAXE abaixo:. UNIANOVA renda BY local instrucao /PLOT = profile(local*instrucao) /EMMEANS=TABLES(local*instrucao) comp (instrucao) adj (Sidak) /EMMEANS=TABLES(local*instrucao) comp (local) adj (Sidak) /DESIGN=local instrucao local*instrucao. Selecionar e Executar
59
RESULTADOS:
61
Através das saídas anteriores, elaborar a tabela para apresentação dos resultados.
63
Arquivo Exemplo2.sav
64
Variável dependente FATOR 1: etnia FATOR 2: sexo 1 – Alemão
Arquivo de dados: D:\Jeovani\ESTATISTICA\2014-Prof. ADRIANO\Topicos especiais _2\aula_04_08\Exemplo2.sav Variável dependente FATOR 1: etnia 1 – Alemão 2 – Italiano 3 – Polonês FATOR 2: sexo 1 – Masculino 2 – Feminino
65
Pode-se solicitar um gráfico de linhas para se ter uma
ideia das possíveis diferenças visualmente
67
Suposições do Modelo variâncias homogêneas dos grupos
normalidade dos resíduos
71
Saída para homogeneidade de variâncias
p-valor < 0,05: As variâncias não são iguais (suposição violada)
72
Configuração da Análise
73
Saídas importantes:
74
UNIANOVA IMC BY etnia sexo /PLOT = profile(etnia*sexo)
Colar a SINTAXE abaixo:. UNIANOVA IMC BY etnia sexo /PLOT = profile(etnia*sexo) /EMMEANS=TABLES(etnia*sexo) comp (sexo) adj (Sidak) /EMMEANS=TABLES(etnia*sexo) comp (etnia) adj (Sidak) /DESIGN= etnia sexo etnia*sexo. Selecionar e Executar
75
RESULTADOS:
77
Através das saídas anteriores, elaborar a tabela para apresentação dos resultados.
78
Conclusão: Existe diferença entre os gêneros no Polonês.
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.