Normalidade dos Dados SPSS

Prévia do material em texto

Verificando a normalidade dos dados: 
1: Analyze > Descriptive Statistics > Explore: 
 
2: Coloque as variáveis que estão no quadrado 1 para o box depedent 
variables. 
 
As opções nesta janela são: 
Selecionar um ou mais fatores para verificar a normalidade de cada grupo; 
Selecionar uma variável para nomear os casos; 
Botão Statistics para estimar outliers, percentis e tabela de frequência; 
Botão Plots: para criar histogramas, testes de normalidade, plots de normalidade; 
Botão Options: para decidir o que fazer com casos que estão faltando; 
Botão Statistics: 
 
Descriptives: As opções de medida de tendência central e dispersão são demonstradas 
por padrão. Lembrando que, medidas de tendência central indicam a localização da 
distribuição: e elas incluem a média, mediana e 5% da média truncada. As medidas de 
dispersão demonstram a dissimilaridade dos valores, e eles incluem o erro padrão, 
variância, desvio padrão, valores mínimos e máximos, amplitude e intervalo interquartil. 
Além dessas medidas, a opção descritiva também tem medidas da forma da distribuição 
como a skewness e curtose são demonstradas com os seus erros padrão. Você também 
pode escolher outro nível de confiança para a média; 
M-Estimators: São alternativas para a média e mediana da amostra em estimar a sua 
localização. Os estimadores calculadores diferem no peso que eles aplicam ao caso. 
(Wikipédia); 
Outliers: Apresentam os cinco maios e cinco menores valores dentro de cada caso 
nomeado (Wikipedia); 
Percentiles: Apresentam os valores dos percentis 5,10,25,50,75,90 e 95 (Wikipedia). 
 
 
 
 
Boxplots: Essa opção apresenta bloxplots quando você tem mais de uma dependente 
variável. A opção fator levels together geram gráficos para cada variável dependente. 
Dependets together são gerados diferentes gráficos para cada grupo definido no box 
factor variable. Essa última opção é interessando de ser utulizada quando diferentes 
variáveis representam uma única característica medida em diferentes tempos. 
Descriptive: aqui são gerados os gráficos de caules e folhas e os histogramas. 
Normality plots with tests: Geram os testes de normalidade e o gráfico da eliminação 
da dentência (dentrend) da normalidade. Os testes utilizados são o de Kolmogorov-
Smirnov com a correção de Lilliefors. Quando utilizado pesos para os casos, o teste de 
Shapiro-Wilk é calculado quando a amostra está entre 3 e 50, ou quando não existe 
pesos o teste de Shapiro-Wilk é realizado para amostras entre 3 e 5000. Aqui, caso 
queria alguma discussão sobre qual teste utilizar, indico este artigo: Razali, Nornadiah; 
Wah, Yap Bee (2011). "Power comparisons of Shapiro–Wilk, Kolmogorov–Smirnov, 
Lilliefors and Anderson–Darling tests". Journal of Statistical Modeling and Analytics 2 (1): 
21–33. 
Output normalidade dos dados: 
Nesta primeira parte são demonstrados os dados descritivos quando 
selecionamos a opção Descriptives no botão Statistics. 
 
 
Nesta tabela é demonstrado os testes de normalidade sendo que, as variáveis que eu 
gerei com o número aleatório para a sua realização uma foi com números normalmente 
distribuídos quanto que outra não. Para ser considerado que os dados são normais, 
o valor da significância do teste tem que ser maior que 0,05 ou limiar adotado por 
você. 
Além da parte número dos testes o interessante é ver o gráfico de detrend. Colocarei das 
duas variáveis agora. 
 
Quando os dados possuem uma distribuição normal eles ficam mais próximo a linha 
central do gráfico, isso pode ser visto pela figura acima. Na figura acima os dados não 
são normais, nas duas figuras abaixo temos a representação dos dados normais. 
 
Quando quisermos comparar grupos devemos mudar uma única opção, como já explicado acima. 
 
Além dos outros dados da tabela descritiva que são separados por grupos, o resultado numérico do 
teste fica como representando na figura abaixo.