Análise de Variância medidas repetidas: one-way two-way

Apresentação em tema: "Análise de Variância medidas repetidas: one-way two-way"— Transcrição da apresentação:

1 Análise de Variância medidas repetidas: one-way two-way
Medida repetida caracteriza dependência entre as observações. Notas de aula – Prof Adriano Ferreti Borgatto – 11/08/2014 Por Jeovani Schmitt

2 Análise de Variância one-way - medida repetida

3 Temos 7 pessoas em 4 métodos (a, b,c,d) = 28 observações
Exemplo1 : Sete sujeitos foram classificados em uma escala, a qual mede o estresse dos indivíduos. O sujeito foi mensurado na escala, em cada um de 4 métodos de classificação (a, b, c, d). Quanto maior o escore, maior é o estresse dos sujeitos. Arquivo de dados: D:\Jeovani\ESTATISTICA\2014-Prof. ADRIANO\Topicos especiais _2\aula_11_08\dados1.sav Temos 7 pessoas em 4 métodos (a, b,c,d) = 28 observações Pergunta: Desejamos saber se há diferença entre os métodos em termos de valores médios do escore de estresse.

4 Inicialmente fazemos uma análise descritiva, observando as médias:

5 As opções já vêm destacadas:
Média em cada método

6 Podemos solicitar o box-plot.

7 Selecionar as variáveis que se deseja o box plot

8 Saída para o box-plot. Maior valor não discrepante 3º. Quartil mediana
Menor valor não discrepante Como há poucas observações, coincide que Menor valor não discrepante é o 1º. Quartil (faltou o bigode na caixa do método d)

9 Outro gráfico importante é o de Barra de Erro (ERROR BAR)

10

11

12 Interpretação: Visualmente podemos observar que não há sobreposição do intervalo de confiança do método d com os demais. Isto é um indicativo de diferença entre as médias. Nos demais métodos, há sobreposição, indicando que não há diferença estatística entre os 3 métodos.

13 FAZER A ANOVA – medidas repetidas

14 o fator que está se repetindo é o método.
4

15

16 Post hoc não habilita nada (normal!)

17 Post hoc não habilita nada (normal!)

18 Para utilizar um Post hoc (1) para comparar os métodos, clicar opções e assinalar os destaques:
(1) O Post hoc só deve ser usada se o resultado da ANOVA for significativa. (próximo slide)

19 Saídas SPSS Suposição de Sphericity Mauchly's sphericity test é um teste estatístico usado para validar a ANOVA para medidas repetidas. O teste foi introduzido por ENIAC co-inventor John Mauchly em 1940. O que é sphericity? Sphericity relaciona a igualdade das variâncias das diferenças entre os níveis da variável classificada como medida repetida. A Sphericity exige que as variâncias para cada conjunto dos escores sejam iguais.

20 Violação na suposição da sphericity
Correções para violações da sphericity incluem os testes de Greenhouse-Geisser, o Huynh-Feldt e o Lower-bound. Para corrigir a sphericity, estes testes alteram os graus de liberdade, alterando assim, o nível de significância do teste F. Existem diferentes opiniões sobre qual a melhor correção a ser utilizada.

21 Saídas importantes SPSS
a. A hipótese de sphericity não foi rejeitada (p > .05). A suposição de sphericity foi encontrada.

22 Indica que há diferença entre os métodos
No Teste de efeitos entre assuntos (Tests of Within-Subjects Effects) são apresentados os resultados da ANOVA para o efeito de grupo Indica que há diferença entre os métodos (p < 0,01) Fazer post hoc Como a suposição da esfericidade foi satisfeita (p > 0,05 no teste do slide anterior, deve-se´olhar a linha Esfericidade considerada.

23 O teste F   Sphericity Assumed. (A suposição de sphericity é exigida) F = , p < O que pode-se concluir? Testes Greenhouse-Geisser and Huynh-Feldt Estes testes produzem o mesmo valor de F. Entretanto, os graus de liberdade são correlacionados, para alguma violação da suposição de sphericity. 

24 Teste multivariado O teste multivariado não exige a suposição de sphericity

25 Testes de comparação múltipla
O teste multivariado não exige a suposição de sphericity

26 Conclusão: O método 4 é diferente dos outros 3, e A, B e C não diferem estatisticamente. (variações casuais de amostragem) Obs.: Já havíamos visualmente tirada esta conclusão nos gráficos de barra de erro e box-plot.

27 Observação: Um outra maneira de entrar com os dados seria Agrupando a variável método. Seria assim:

28 Teríamos outra maneira de solicitar o diagrama em caixas.

29 Análise de Variância two-way – medida repetida

30 Exemplo2 : Estudo da eficácia das escovas de dente
Arquivo de dados: D:\Jeovani\ESTATISTICA\2014-Prof. ADRIANO\Topicos especiais _2\aula_11_08\dados2.sav

31 Exemplo2 : Estudo da eficácia das escovas de dente

32

33

34 Solicitar um gráfico de linhas:

35 O Tipo_escova é o FATOR INDEPENDENTE, pois não MUDA em um único indivíduo.
Variável Tempo (antes e depois) é dependente – pois o mesmo indivíduo é observado duas vezes

36 Retas não paralelas é um indicativo de interação

37 Vamos executar a ANOVA two-way e verificar o que acontece com as variáveis:
TEMPO TIPO_ESCOVA TEMPO*TIPO_ESCOVA

38 Tempo (antes e depois é o fator que será comparado)
2 níveis: Antes e depois

39

40 Post hoc não habilita nada (normal!)

41 Saídas importantes SPSS
É normal não aparecer o p-valor pois são apenas dois grupos. Obs.: A hipótese de sphericity não foi rejeitada . A suposição de sphericity foi encontrada.

42 ANOVA Tempo é significativo Interação é significativa Obs.: A hipótese de sphericity não foi rejeitada . Assume-se que a suposição não foi violada. O tipo de escova sozinho é apresentado numa tabela mais abaixo da saída. Tempo p-valor < 0,001 → significativo Tempo* Tipo_escova p-valor < 0,001 → significativo

43 ANOVA para Tipo_Escova
Tipo_escova não é significativo. Em resumo: Tempo p-valor < 0,001 → significativo Tempo* Tipo_escova p-valor < 0,001 → significativo Tipo_escova p-valor < 0,001 → não significativo

44 ANOVA para Tipo_Escova
Tempo p-valor < 0,001 → significativo Tempo* Tipo_escova p-valor < 0,001 → significativo Tipo_escova p-valor < 0,001 → não significativo Quando isto acontece estuda-se somente a INTERAÇÃO. Tempo p-valor < 0,001 → significativo Tempo* Tipo_escova p-valor < 0,001 → significativo Tipo_escova p-valor < 0,001 → não significativo A verificação do efeito da INTERAÇÃO é feito através de SINTAXE

45 DADO que a INTERAÇÃO foi SIGNIFICATIVA, a comparação da Interação será via SINTAXE
GLM Antes Depois BY Tipo_Escova /WSFACTOR=Tempo 2 Polynomial /METHOD=SSTYPE(3) /PLOT=PROFILE(Tempo*Tipo_Escova) /EMMEANS=TABLES(Tipo_Escova*Tempo) comp (Tipo_Escova) adj (Sidak) /EMMEANS=TABLES(Tipo_Escova*Tempo) comp (Tempo) adj (Sidak) /CRITERIA=ALPHA(.05) /WSDESIGN=Tempo /DESIGN=Tipo_Escova.

46 Colar a sintaxe, selecionar e executar no botão

47

48 Saídas importantes SPSS

49

50

51 Análise de Variância one-way - medida repetida

52 Arquivo de dados: D:\Jeovani\ESTATISTICA\2014-Prof. ADRIANO\Topicos especiais _2\aula_11_08\Exercicio1..sav

53 Entrada dos dados no SPSS
ANOVA ONE-WAY com medida repetida

54 Box-Plot para os três centros

55 Saídas importantes da ANOVA

56

57 ANOVA Não significativo ao nível de 5%.
Nesta situação não é solicitado Post hoc

58

59

60 Análise de Variância two-way – medida repetida

61 Arquivo de dados: D:\Jeovani\ESTATISTICA\2014-Prof. ADRIANO\Topicos especiais _2\aula_11_08\Exercicio2.sav

62

63 Entrada dos dados no SPSS
Grupos 1 = suplemento 2 = placebo

64 Grupos 1 = suplemento 2 = placebo

65 Aparente interação. Basta ver se é significativa através ds ANOVA.

66 Tempo ( Tempo1, Tempo2, Tempo3, Tempo4) é o fator que será comparado)
Número de níveis (tempo1, ..., tempo4)

67

68

69

70

71

72

73 Tempo p-valor < 0,001 → significativo
Somente tempo deu significativo. Realizar post hoc somente com tempo. Tempo p-valor < 0,001 → significativo Tempo* Grupos p-valor < 0,466 → não significativo Grupos p-valor < 0,533 → não significativo

74 Voltar na análise e solicitar a comparação dos tempos:

75 Saídas (as anteriores são iguais, olhar diretamente a Comparação das médias entre os tempos.:

76 * Letras minúsculas iguais, nas linhas não diferem
estatisticamente pelo teste de Sidak

77 FIM!