Baixe o app para aproveitar ainda mais
Prévia do material em texto
ANOVA ANOVA Independente Utilizado para verificar se há diferenças entre três ou mais grupos diferentes Conhecimento em estatística Mestrandos Não-Mestrandos Professores ANOVA Relacionada Utilizado para verificar se há diferenças entre três condições ou mais do mesmo grupo Conhecimento em estatística Mestrandos 1° Aula Mestrandos 2° Aula Mestrandos 10° Aula ANOVA Análise de Variância – ANOVA – Investiga a existência de diferenças de média em diferentes grupos ou condições – Verifica se a diferença de média dos grupos é significativa. ANOVA ANOVA irá comparar a médias dos Mestrandos com o grupo de Não-Mestrandos e o grupo de Professores, logo: – A variável conhecimento em estatística deve ser normal; – Os grupos devem ter homogeneidade de variância; – Os grupos não devem possuir outliers; – Na ANOVA Relacionada os grupos devem apresentar esferecidade*. * Esferecidade pressupõe que as correlações entre as variáveis em cada grupo têm magnitude similar nos diferentes grupos. ANOVA A variável conhecimento em estatística deve ser normal • Normalidade é testada antes de desenvolver a ANOVA, por meio dos testes Komogorov- Smirnov e Shapiro-Wilk. – Os testes Komogorov-Smirnov e Shapiro-Wilk não devem ser significativos. • Caso os dados não sejam normais, utiliza-se: – Teste Kruskal-Wallis H (Entre participantes) – Teste de Friedman (Dentre participantes) ANOVA Os grupos não devem possuir outliers. – A presença de outliers deve ser checada antes do desenvolvimento da ANOVA. – A presença de outliers pode ser investigada por meio da análise de frequências, gráficos de caixa e bigodes e gráfico de caule e folhas. – A presença de outliers pode interferir no desenvolvimento do teste, tendo em vista que o teste compara as médias dos diferentes grupos. ANOVA “Independente” Os grupos devem ter homogeneidade de variância. – A homogeneidade de variância é testada automaticamente na ANOVA Independente, por meio do teste de Levene. – Espera-se que o teste de Levene não seja significativo. – Caso o teste de Levene seja significativo, pode- se dar continuidade a análise. A ANOVA é uma análise robusta que “suporta” a violação da homogeneidade. ANOVA de medidas repetidas Os grupos devem ter homogeneidade de variância. – A homogeneidade de variância é testada por meio da Razão Máxima. – Na ANOVA de medidas repetidas, a homogeneidade de variância tem pouca importância. – A Razão Máxima não é calculada automaticamente no SPSS. ANOVA de medidas repetidas Os grupos devem ter Esfericidade. – A esfericidade é calculada pelo SPSS por meio do teste de Mauchly's W. – Espera-se que o teste de Mauchly's W não seja significativo. – Caso o teste de Mauchly's W seja significativo, deve-se interpretar a linha dos resultados apresentados no teste Greenhouse-Geiser, presente na saída do SPSS. – O Greenhouse-Geiser realiza uma correção para a falta de esferecidade. ANOVA O objetivo da ANOVA é demonstrar se a diferença dos grupos é devido aos participantes: • Estarem expostos a diferentes condições; • Há um erro amostral que produz a diferença nos grupos. ANOVA Objetiva investigar se há diferenças de média nas diferentes condições/grupos? ANOVA Em todas as ANOVAs é necessário identificarmos: – Variável Independente ou Condições; – Variável Dependente ou Desfecho. ANOVA Variável Independente ou Condições – As variáveis independentes são as características que diferenciam os grupos. – Nos testes de comparação de grupos a VI é uma condição que diferencia os grupos. – A VI é a variável que é modificada para produzir efeito sobre a VD. – Deve-se realizar ANOVA quando temos três ou mais grupos, porque para dois grupos sugere- se que se utilize o Teste t. ANOVA Variável Independente ou Condições – Características, como estado civil, profissão, faixa-etária. ANOVA Variável Independente ou Condições – Condições, como uma intervenção. ANOVA Variável Independente ou Condições – Na ANOVA a variável independente deve ter três níveis ou mais. – Ou seja, a ANOVA compara três grupos (ou mais) ou três condições (ou mais). – Pode-se utilizar a ANOVA para comparar dos grupos, mas isto não é recomendado. Quando há dois grupos/condições, deve-se utilizar o Teste t. ANOVA Variável Dependente ou Desfecho – A VD é aquela que recebe a ação. – A VD é a variável de foco, o desfecho que desejamos comprovar. – A VD ela se modifica e varia, mas varia devido os efeitos da variável independente. – A VD não varia devido a manipulação do pesquisador, como a VI varia. ANOVA Variável Dependente ou Desfecho – Felicidade ANOVA Variável Dependente ou Desfecho – Autoeficácia ANOVA Independente/ANOVA Utiliza n grupos com participantes diferentes. Investiga o efeito da VI (condição) sobre a VD (desfecho) para o Grupo 1, Grupo 2, Grupo 3 e Grupo n. ANOVA ANOVA Compara a variância entre os grupos ... ANOVA Variação entre os grupos (3,91 a 4,06) ANOVA … com a variância dentre os grupos. ANOVA Variação dentro dos grupo ANOVA O que é variância? ANOVA O que é variância? Variância é quanto uma variável varia em um conjunto de possibilidades. Variância Entre Grupos Refere-se ao quanto os escores dos grupos variam entre si. G1 tem escores mais altos em comparação a G2 e G3. G3 tem escores mais altos em comparação a G2 Variância Dentre Grupos Refere-se ao quanto os escores dos participantes variam dentro do grupo. Os escores de G1 variam de 1 a 5. Os escores de G2 variam de 2 a 4. Os escores de G3 variam de 1 a 4. ANOVA O F é o quociente da medida da variância entre os grupos pela variância dentro dos grupos. F = variância entre os grupos variância dentro dos grupos ANOVA ANOVA objetiva investigar o “quanto” da variância do fenômeno estudado é devido às diferenças das condições e não as diferenças entre participantes do mesmo grupo. Variância Total Variância Entre os Grupos Variância Total Variância Dentre os Grupos ANOVA O valor do F indica o “tamanho” da diferença, quanto maior o F, maior a diferença, independentemente do sinal. O valor de F não excluí a importância de ser observado o p (significância) do teste. Outra estratégia que pode ser útil, é verificar se os intervalos de confiança dos grupos se sobrepõem. Amostras com muitos participantes podem tornar uma diferença pequena significativa. ANOVA A ANOVA apresenta diferenças significativas quando pelo menos a média de uma condição se diferencia dos outros grupos/condições (dois ou mais). ANOVA Contrastes (Comparações) Post-hoc ANOVA Contrastes (Comparações) – Os contrastes devem ser planejados – Devem ter embasamento teórico • São unilaterais – O número de contrastes deve ser menor que o número de grupos/condições • Comparações Ortogonais • Pode comparar apenas “experimentais” e “controle” • Não permite comparar experimental 1 versus experimental 2 • Comparações Não Ortogonais • Permitem o mesmo número de comparações que o post-hoc ANOVA Post-hoc – Comparações Exploratórias – Comparações em pares • Faz todas as comparações “possíveis” – O controle do erro Tipo I (excesso de comparações) é controlado pelo próprio teste • Bonferroni (mais conservador) • Tukey (mediano)• LSD (mais liberal) • Games-Howell (recomendado quando há grandes diferenças entre os grupos) ANOVA Por exemplo: Há diferenças nos índices de presença de satisfação com a vida em participantes de diferentes faixas etária (jovens, adultos e idosos). ANOVA Primeiro passo: – Testar a normalidade. ANOVA Primeiro passo: – Testar a normalidade. ANOVA Como rodar a ANOVA: ANOVA Variável Dependente Variável Independente ANOVA Post-hoc são testes utilizados para comparar os grupos par a par. Quando a ANOVA é significativa indica que há diferença entre as médias. O Post-hoc indica quais Grupos/condições se diferenciam. ANOVA Linha 1 Linha 2 Linha 3 Linha 4 0 2 4 6 8 10 12 Coluna 1 Coluna 2 Coluna 3 Recomenda-se utilizar o Bonferroni, por ser conservador. Isto evita a presença de Erro Tipo I e Erro Tipo II. Recomenda-se utilizar o Tukey. Pelo teste de Tukey ser muito conservador, pode originar o Erro de Tipo II. para evitar isso, sugere-se utilizar o Teste de Tukey e Bonferroni simultaneamente na análise. ANOVA Clica em opções para selecionar as informações que desejamos no Output. ANOVA Clica aqui para pedir estatísticas descritivas.Clica aqui para testar a homogeneidade de variância. Clica aqui para pedir os gráficos Das médias. ANOVA Clica em OK para rodar a análise. ANOVA Primeiro passo: – Analisar as estatísticas descritivas. ANOVA Segundo passo: – Verificar se os grupos apresentam homogeneidade ANOVA Segundo passo: – Analisa o resultado da ANOVA ANOVA Segundo passo: – Analisa o resultado da ANOVA O valor de p (< 0,05) indica que há diferenças nos índices de satisfação com a vida nos diferentes grupos. O valor de F O valor de F refere-se ao “tamanho” da diferença entre as médias. Desta forma: – Quanto maior o valor de F, maiores as chances dos resultados existirem na população e não resultarem de erro amostral; – O sinal (- +) do valor F é indiferente, pois apenas indica que um grupo é maior que o outro. Lembre-se que os grupos são categorizados como “Primeiro”,“Segundo” e Terceiro de forma arbitrária. Grau de Liberdade O grau de liberdade refere-se ao número de valores individuais que podem variar livremente. – O valor do grau de liberdade sempre deve ser apresentado ao lado do valor do teste, neste caso o F, logo: F(2) = 28,47 ANOVA Terceiro passo: – Após verificar que p é significativo, analisa-se os Post-hoc Podemos observar que os idosos se diferenciam dos adultos e dos jovens. Mas os jovens e adultos não se diferenciam. ANOVA Quarto passo: – Após observarmos que os Idosos se diferenciam dos Jovens e adultos, buscamos identificar “como” eles se diferenciam. Para isso, analisamos as estatísticas descritivas. Analisando as médias observamos que os idosos apresentam os índices mais altos de satisfação com a vida. Tamanho de Efeito da ANOVA Tamanho de efeito – Indica a importância “prática” do resultado do teste. – Pode existir significância estatística, sem importância “prática”. – Tamanho de efeito da ANOVA é calculado com base nos resultados do Post-hoc. – O tamanho de efeito da ANOVA é o mesmo calculado com a mesa fórmula do tamanho de efeito do Teste t, afinal, o Post-hoc é um teste de comparação de dois grupos. Tamanho de Efeito da ANOVA Tamanho de efeito pequeno Pequeno d = 0,2 (Sobreposição de 85%) Tamanho de Efeito da ANOVA Tamanho de efeito médio Médio d = 0,5 (Sobreposição de 67%) Tamanho de Efeito da ANOVA Tamanho de efeito grande Grande d = 0,8 (Sobreposição de 53%) Tamanho de Efeito da ANOVA Cálculo do Tamanho de Efeito d = Média Amostra 1 – Média da Amostra 2 Desvio Padrão A1 – Desvio Padrão A2 2 d Sobreposição 0,1 92 0,2 85 0,3 79 0,4 73 0,5 67 0,6 62 0,7 57 0,8 53 0,9 48 1,0 45 1,1 42 1,2 37 1,3 35 1,4 32 1,5 29 ANOVA – Tamanho de Efeito Calcula o tamanho de efeito com base no resultado do Post-Hoc mais conservador, que tenha sido significativo. Vamos calcular o tamanho de efeito dos idosos com jovens e idosos com adultos. Tamanho de Efeito da ANOVA Cálculo do Tamanho de Efeito – Jovens x Idosos d = 4,9 – 5,4 = 0,7 (Tamanho de efeito médio) 1,2 – 1,1 2 Tamanho de Efeito da ANOVA Cálculo do Tamanho de Efeito – Adultos x Idosos d = 5,0 – 5,4 = 0,6 (Tamanho de efeito médio) 1,2 – 1,1 2 ANOVA Opcional Pode-se apresentar o gráfico das médias. ANOVA “Os resultados indicaram que os idosos (M = 5,4; DP = 1,1) apresentaram escores de satisfação com a vida significativamente mais altos em comparação aos jovens (M = 4,9; DP = 1,1; d = 0,7) e adultos (M = 5,0; DP = 1,1; d = 0,6) (F(2) = 28,4; p < 0,001)”. ANOVA Outro exemplo: “Há diferenças nos índices de satisfação com a vida entre idosos, jovens e adultos. Os idosos apresentam índices de satisfação com a vida mais altos do que os jovens e adultos. Os jovens e os adultos não apresentam diferenças de média para a satisfação com a vida (Ver Tabela X)”. Dúvidas? ANOVA de medidas repetidas Diferentes condições que envolvem os mesmos participantes – Condições, como uma diferença ao longo do tempo ou resultado de uma intervenção. ANOVA de medidas repetidas ANOVA de medidas repetidas objetiva investigar o “quanto” da variância do fenômeno estudado é devido às diferenças das condições ou passagem do tempo, e não as diferenças entre participantes do mesmo grupo ou a diferenças individuais. Variância entre as condições Diferenças individuais Variância dentre as condições ANOVA de medidas repetidas Utiliza grupos com os mesmos participantes em condições diferentes. Investiga o efeito da VI (condição) sobre a VD (desfecho) para os mesmo participantes. T1 T2 T3 ANOVA de medidas repetidas Compara a variância entre os grupos ... ANOVA de medidas repetidas … com a variância dentre os grupos e ... ANOVA de medidas repetidas … diferenças individuais. ANOVA de medidas repetidas ANOVA de medidas repetidas Participantes comparados com eles mesmos Variabilidade “mais” controlada ANOVA Participantes comparados com outros participantes Maior variabilidade entre as características individuais dos participantes ANOVA de medidas repetidas pode ser considerada mais robusto do que a ANOVA. O F é o quociente da medida da variância das condições do grupo pela variância dentro do grupo em cada condição subtraindo as diferenças individuais. F = variância entre as condições variância dentre as condições – diferenças individuais ANOVA de medidas repetidas ANOVA de medidas repetidas O valor do F indica o “tamanho” da diferença, quanto maior o F, maior a diferença, independentemente do sinal. O valor de F não excluí a importância de ser observado o p (significância) do teste. Outra estratégia que pode ser útil, é verificar se os intervalos de confiança sobrepõem nas diferentes condições. Amostras com muitos participantes podem tornar uma diferença pequena significativa. ANOVA de medidas repetidas Por exemplo: Há diferenças nos índices de exaustão emocional ao longo do tempo entre profissionais que trabalham com vítimas de violência sexual. ANOVA de medidas repetidas Primeiro passo: – Testar a normalidade. ANOVA de medidas repetidas Primeiro passo: – Testar a normalidade. ANOVA de medidas repetidas Como rodar a ANOVA de medidas repetidas: ANOVA de medidas repetidas Define o nome da Variável Dependente Níveis da VD (número de condições) ANOVA de medidas repetidas Adiciona a descrição da VD. Clica em Define para definir os níveis da VD. ANOVA de medidas repetidas Insere as variáveis de acordo com os seus níveis. ANOVA de medidas repetidas Clica em Plots para criar um gráfico das médias. Seleciona a variávelque irá entrar no gráfico. Clica em adicionar para que o gráfico seja criado. ANOVA de medidas repetidas Clica emOptions para definir as opções. Seleciona as variáveis que serão analisadas. Clica para pedir para comparar os diferentes níveis. Seleciona o Teste de Bonferroni. Pede as estatísticas descritivas e o tamanho de efeito. Clica em Continue para Dar Ok. ANOVA de medidas repetidas Clica Ok para rodar a ANOVA de medidas repetidas. ANOVA de medidas repetidas Primeiro passo: – Analisar as estatísticas descritivas. ANOVA de medidas repetidas Primeiro passo: – Verificar se as variáveis apresentam esferecidade – Na ANOVA de medidas repetidas não precisamos verificar a homogeneidade – O teste de Mauchy não deve ser significativo ANOVA de medidas repetidas Segundo passo: – Analisar os resultados da ANOVA O p significativo indica que há diferenças nos índices de exaustão emocional nos diferentes momentos. ANOVA de medidas repetidas ATENÇÃO! Quando o teste de Mauchy's W for siginifcativo deve-se... … analisar os resultados na linha Greenhouse-Geisser. Este teste corrige a ausência de esferecidade das variáveis. O valor de F O valor de F refere-se ao “tamanho” da diferença entre as médias. Desta forma: – Quanto maior o valor de F, maiores as chances dos resultados existirem na população e não resultarem de erro amostral; – O sinal (- +) do valor F é indiferente, pois apenas indica que um grupo é maior que o outro. Lembre-se que os grupos são categorizados como “Primeiro”,“Segundo” e Terceiro de forma arbitrária. Grau de Liberdade O grau de liberdade refere-se ao número de valores individuais que podem variar livremente. – O valor do grau de liberdade sempre deve ser apresentado ao lado do valor do teste, neste caso o F, logo: F(2) = 9,1 ANOVA de medidas repetidas Terceiro passo: Após verificar que p é significativo, analisa-se os Post-hoc Notamos que o tempo 3 se diferencia do tempo 1 e 2, mas o tempo 1 e 2 não se diferenciam. ANOVA de medidas repetidas Quarto: Após verificar que o T3 se diferencia do T1 e T2, buscamos investigar como eles se diferenciam. Para isso, analisamos as estatísticas descritivas. Notamos que o T3 apresenta uma Média mais alta que T1 e T2. Tamanho de efeito da ANOVA de medidas repetidas O Tamanho do Efeito da ANOVA de medidas repetidas é calculada por meio do ². O ² calculado automaticamente pelo SPSS, quando pedimos o tamanho de efeito nas opções. Lembre-se que o tamanho de efeito indica o valor “prático”/“aplicável” do resultado do teste. Tamanho de Efeito da ANOVA de Medidas Repetidas Indica que ² é 30%. ANOVA de medidas repetidas Opcional Pode-se apresentar o gráfico das médias. ANOVA de medidas repetidas “Os resultados indicaram que os escores de exaustão emocional aumentaram ao longo do tempo entre os profissionais de psicologia que trabalham com vítimas de violência sexual, sendo observada uma diferença significativa entre as médias de T1 (M = 2,1; DP = 0,6) e T2 (M = 2,3; DP = 0,6) em comparação a T3 (M = 2,5; DP = 0,5) na dimensão de exaustão emocional de burnout (F(2) = 9,1; p < 0,001; ² = 0,30)”. ANOVA Fatorial Investiga a contribuição de diferentes fatores (“características”/“condições”) sobre um desfecho – Delineamento fatorial independente • Compara apenas características entre grupos – Profissão e gênero – Diagnóstico e faixa etária – Delineamento fatorial relacionado • Compara apenas características dentre grupos – Avaliações antes da intervenção X após a intervenção e Condição da intervenção presencial e online – Delineamento misto • Compara características dentre os grupos e entre os grupos – Avaliações antes da intervenção X após a intervenção e Gênero dos Participantes ANOVA Fatorial –> 3 Vias (ou mais) A ANOVA Fatorial permite que sejam comparadas inúmeras variáveis independentes e condições A fim de “permitir” a interpretação dos dados, recomenda- se que não sejam comparadas mais de três variáveis independentes e/ou condições – O número de variáveis independentes (condições e/ou grupo e/ou número de avaliações) deve ser embasado teoricamente ANOVA Fatorial A ANOVA Fatorial (seja esta mista, de duas vias, de três vias, etc) sempre apresentará os: – Efeitos Principais – Comparações entre os grupos – Interação ANOVA Fatorial Efeitos Principais • Investiga o efeito (diferenças entre grupos/condições) para cada variável independente sobre a variável dependente ANOVA Fatorial (página 449 - FIELD, A., MILES, J., & FIELD, Z. (2012). Descobrindo a Estatística Utilizando o Spss. London: Sage.) Efeitos Principais Foi avaliado o que influencia a decisão para o segundo encontro. Os resultados indicam que aparência e o carisma do par amoroso influenciam nessa decisão. ANOVA Fatorial Interação • Investiga o efeito da relação das variáveis sobre a variável dependente • A interação pode ser avaliada entre duas variáveis ou mais de duas variáveis • A interação indica que a presença de uma característica em interação com a outra tem um impacto “diferente”/“específico” – Sem interação » X diferencia os grupos » Y diferencia os grupos – Com interação » X diferencia os grupos » Y diferencia os grupos » Há uma diferença entre os grupos na presença da interação de X com Y ANOVA Fatorial (página 449 - FIELD, A., MILES, J., & FIELD, Z. (2012). Descobrindo a Estatística Utilizando o Spss. London: Sage.) Interação • A interação pode ser observada entre duas, três, ou mais variáveis independentes Foi avaliado o que influencia a decisão para o segundo encontro. Observa-se que a aparência, o gênero e o carisma interagem e influenciam diferentemente essa decisão. ANOVA Fatorial Comparações entre os grupos • As comparações podem ser realizadas “diretamente” nos efeitos principais (Variável Independente de dois níveis) • As comparações múltiplas são exploratórias, realizadas para variáveis independentes com três níveis ou mais, por meio dos testes de Post-hoc • As comparações podem ser planejadas, para variáveis independentes com três níveis ou mais, por meio dos Contrastes ANOVA Fatorial (página 379 - FIELD, A., MILES, J., & FIELD, Z. (2012). Descobrindo a Estatística Utilizando o Spss. London: Sage.) Comparações entre os grupos • Quando a variável independente possui dois níveis, a comparação é realizada diretamente nos efeitos principais ANOVA Fatorial (página 381 - FIELD, A., MILES, J., & FIELD, Z. (2012). Descobrindo a Estatística Utilizando o Spss. London: Sage.) Comparações Múltiplas • Quando a variável independente tem três níveis, ou mais, pode ser utilizado o teste de Post-hoc Consumir quatro canecos de cerveja diminui as exigências de atratividade do(a) parceiro(a) quando comparado a beber dois canecos ou estar sóbrio. Consumir dois canecos e estar sóbrio tem o mesmo nível de exigência sobre a atratividade. ANOVA Fatorial (página 453 - FIELD, A., MILES, J., & FIELD, Z. (2012). Descobrindo a Estatística Utilizando o Spss. London: Sage.) Comparações Planejadas (Contrastes) • Quando a variável independente tem três níveis, ou mais, e há uma expectativa sobre a relação Em relação a decisão sobre o segundo encontro, observa-se que há diferenças entre o nível 1 e 3 de atratividade e o nível 2 e 3 de atratividade. Por limitações da análise dos contrastes é necessário configurar a comparação entre os grupos 1 e 2, neste exemplo o 3 é utilizado como “controle”. ANOVA Fatorial (página 453 - FIELD, A., MILES, J., & FIELD, Z. (2012). Descobrindo a Estatística Utilizando o Spss. London: Sage.) Comparações Planejadas (Contrastes) • Quando se deseja comparar as interações, deve-se utilizar os contrastes Em relação a decisão sobre o segundo encontro, observa-se que há diferentes entre o nível 1 e 3 de atratividade no nível 1 e 3 de carisma, mas não a diferenças no nível 1 e 3 de atratividadeno nível 2 e 3 de carisma. ANOVA Fatorial Interação • Quando se investiga a interação entre duas variáveis, a interpretação é mais simples – Exigências sobre a atratividade do(a) parceiro(a) amoroso(a) diminui com o consumo de álcool? – Isso é diferente para homens e mulheres? Interação (página 385 - FIELD, A., MILES, J., & FIELD, Z. (2012). Descobrindo a Estatística Utilizando o Spss. London: Sage.) – Estudo sem interação • Homens e mulheres diminuem suas exigências de atratividade do(a) companheiro(a) ao ingerir álcool • Homens apresentam médias de atratividade mais baixas para o(a) companheiro em comparação as mulheres • Não há interação entre o consumo de álcool e a identificação de gênero dos participantes Interação (página 379 - FIELD, A., MILES, J., & FIELD, Z. (2012). Descobrindo a Estatística Utilizando o Spss. London: Sage.) – Estudo com interação • Baixo consumo de álcool não impacta nos níveis de exigências de atratividade do(a) companheiro(a) de homens e mulheres • Interação • Ao ingerir 4 canecas de álcool homens diminuem significativamente as exigências de atratividade para o(a) companheiro • A ingestão de 4 canecas de álcool não impacta/modifica as exigências de atratividade para o(a) companheiro das mulheres ANOVA Fatorial Interação • Quando se investiga a interação entre três variáveis (ou mais) é necessário escolher uma condição/características/variável independente que será o foco de análise • Os grupos serão divididos a partir desta variável que será o foco – A escolha dessa variável que irá dividir os grupos deve ser embasada teoricamente ANOVA Fatorial (página 463 - FIELD, A., MILES, J., & FIELD, Z. (2012). Descobrindo a Estatística Utilizando o Spss. London: Sage.) Interação (3 variáveis independentes) Entre mulheres, o carisma tem maior impacto que a atratividade. Entre homens, a atratividade tem maior impacto que o carisma. Contrastes ou Post-hoc Sabemos que – Contrastes • → São análises unilaterais • → Requerem embasamento teórico para fundamentar as hipóteses do porquê eles são unilaterais – Post-hoc • → São bilaterais • → Não requerem hipóteses, pois são exploratórios Contrastes ou Post-hoc Antes de seguirmos, é importante lembrar o que significa poder estatístico – Poder estatístico do teste • Refere-se a probabilidade de que o teste rejeite corretamente a hipótese nula (H0) quando uma hipótese alternativa (H1) é verdadeira • Em outras palavras, aceitar a hipótese alternativa (H1), quando H1 é verdadeira • O poder do teste varia de 0 a 1 – Aceitar H1, quando essa é falsa é o Erro Tipo I – Rejeitar H1, quando essa é falsa é o Erro Tipo II » O β representa as chances de ser realizado o Erro Tipo II • O poder do teste é calculado por 1 − β • Quanto maior o poder do teste, maiores as chances (probabilidade) de detectar um efeito específico, quando o efeito específico realmente existe Contrastes ou Post-hoc Ao investigar os efeitos principais de uma análise (efeitos “exclusivos” da variável independente sobre o desfecho) podemos optar pelos – Post-hoc • “Permitem” comparar todos os grupos com todos com maior facilidade • Por serem bilaterais, têm menor poder estatístico – Pequenas diferenças podem não ser identificadas como estatisticamente significativas – O tamanho de efeito dessas diferenças também será menor, porque a análise tem menor poder estatístico Contrastes ou Post-hoc Ao investigar os efeitos principais de uma análise (efeitos “exclusivos” da variável independente sobre o desfecho) podemos optar pelos – Contrastes • “Limitam” o número de comparações entre os grupos – É possível comparar todos com todos, mas isso requer o uso de contrastes não ortogonais • Por serem unilaterais, têm maior poder estatístico – Pequenas diferenças serão identificadas como estatisticamente significativas Contrastes ou Post-hoc Deve-se utilizar contrastes ou post-hoc para comparar os efeitos principais da ANOVA? – Post-hoc • Não há referencial teórico que justifique o contraste – Contraste • Há referencial teórico que justifique o contraste ANCOVA ANCOVA Investiga as diferenças de um grupo controlando os efeitos de uma “terceira” (“quarta”, “quinta”,…) variável que impacte nessa relação – A comparação entre os sub-grupos pode ser realizada pelos Contrastes • Comparar o grupo “controle”, ou característica neutra, com os outros grupos/condições – A comparação entre os grupos também pode ser realizada pelo Post-hoc • Recomenda-se utilizar o Bonferroni (mais conservador) ou Sidak (menos conservador) – A correção do Bonferroni pode reduzir o poder do teste e não “identificar” diferenças pequenas entre os grupos Lembrando que na ANOVA... A ANOVA entende que uma parte da variância do fenômeno é explicada pelas diferenças entre as variáveis Variância Entre os Grupos Variância Total Variância Dentre os Grupos Variância Explicada pela Variável Independente Va riâ nc ia N ÃO Ex pl ic ad a pe la Va riá ve l In de pe nd en te Logo a ANCOVA... Na ANCOVA uma covariável pode ser incluída para explicar a variância que não foi explicada pela variável independente Variância Entre os Grupos Variância Total Variância Dentre os Grupos Variância Explicada pela Variável Independente Variância NÃO Explicada pela Variável Independente Variância Explicada pela Covariável ANCOVA Ao realizar a ANCOVA, espera-se que os resultados sejam diferentes da ANOVA – A covariável corrige os efeitos que poderiam “parecer” residuais – Ao descrever a ANCOVA deve-se utilizar as médias corrigidas • Essas médias são solicitadas diretamente na ANCOVA – A relação da covariável pode ser positiva ou negativa ANCOVA Pressupostos da ANCOVA – A variável dependente/desfecho deve ter distribuição normal – Os grupos devem ter homogeneidade de variância – Homogeneidade dos parâmetros da regressão • Pressupõe que a covariável apresenta relações semelhantes nos diferentes níveis da variável independente • A covariável tem o “mesmo” impacto nos diferentes grupo • Foco deve ser nas diferenças dos grupos, não na covariável ANCOVA Pressupostos da ANCOVA – Homogeneidade dos parâmetros da regressão • Para testar essa hipótese é necessário solicitar que na ANCOVA seja investigada a interação entre as variável independente e a covariável • Essa interação não deve ser significativa, porque os diferentes “níveis” da covariável não devem impactar na variável de desfecho – A covariável deve explicar uma parte dessa relação e não MODIFICAR essa relação – A interação significativa indica que a covariável modifica essa relação ANCOVA Pressupostos da ANCOVA – Homogeneidade dos parâmetros da regressão ANCOVA Pressupostos da ANCOVA – Homogeneidade dos parâmetros da regressão Indica que existe uma relação entre a covariável e os níveis dos grupos. Pode-se pensar em realizar uma ANOVA Fatorial, para isso pode-se dividir a covariável em grupos ANCOVA – Post-hoc ou Contrastes Post-hoc – As análises de comparação dos diferentes níveis da variável independente podem ser analisadas por meio do Post-hoc ANCOVA – Post-hoc ou Contrastes Contrastes – Na ANCOVA é possível compara o grupo estabelecido como referência com os outros grupos • Placebo X Tratamento 1 • Placebo X Tratamento 2 – No SPSS, não há opções para comparar por meio do contraste • Placebo X Tratamento 1 + Tratamento 2 • Tratamento 1 X Tratamento 2 – Essas comparações podem ser realizadas transformando a ANCOVA em uma análise de regressão ANCOVA – Post-hoc ou Contrastes Contrastes – Na ANCOVA realizada no SPSS, para realizar as comparações entre os diferentes níveis em uma estrutura semelhante ao contraste • Deve-se transformar a ANCOVA em uma análise de regressão • Isso requer incluir a identificação dos grupos como variáveis no banco ANCOVA – Post-hoc ou Contrastes Contrastespor meio de uma regressão – Será necessário identificar os grupos como variáveis independentes Tratamento 1 Placebo Tratamentos Tratamento 2 Placebo ANCOVA – Post-hoc ou Contrastes Contrastes por meio de uma regressão Tratamento 1 Placebo Tratamentos Tratamento 2 Placebo Na primeira VI, o Placebo recebe o valor - 2, porque há dois níveis de tratamentos Basear o valor do Placebo (grupo comparação) no número de tratamentos é uma regra dos contrastes ponderados ANCOVA – Post-hoc ou Contrastes Contrastes por meio de uma regressão Tratamento 1 Placebo Tratamentos Tratamento 2 Placebo Na primeira VI, os Tratamentos recebem o valor 1, porque ambos têm o mesmo peso Essa é uma regra dos contrastes ponderados. Outra regra é manter os grupos com valores positivos e negativos para permitir a comparação dos grupos ANCOVA – Post-hoc ou Contrastes Contrastes por meio de uma regressão Tratamento 1 Placebo Tratamentos Tratamento 2 Placebo Na segunda VI o Placebo recebe o valor zero para ser excluído dessa análise Essa é uma regra dos contrastes ponderados, o valor zero indica que a variável foi excluída da análise ANCOVA – Post-hoc ou Contrastes Contrastes por meio de uma regressão Tratamento 1 Placebo Tratamentos Tratamento 2 Placebo Na segunda VI, com base das regras do contrastes os Tratamentos recebem valores positivos e negativos para serem comparados ANCOVA – Post-hoc ou Contrastes Contrastes por meio de uma regressão – Após criar as “novas” variáveis independentes – Realiza-se uma regressão hierárquica • Covariável é a primeira variável inserida no modelo • Novas variáveis independentes são inseridas no segundo passo da regressão hierárquica ANCOVA – Post-hoc ou Contrastes De modo extremamente breve, a fórmula da regressão linear múltipla ANCOVA – Post-hoc ou Contrastes De modo extremamente breve, a fórmula da regressão linear múltipla ANCOVA – Post-hoc ou Contrastes Contrastes por meio de uma regressão Considerando – y = XZ erro – No contraste o intercepto deve ser compreendido com a média geral, ou seja, a ausência de qualquer condição – deve ser compreendido como o primeiro contraste, porque queremos descobrir se é diferente de – deve ser compreendido como segundo contraste, porque queremos descobrir se é diferente de ANCOVA – Post-hoc ou Contrastes Contrastes por meio de uma regressão Considerando – y = XZ erro – X vai assumir os valores presentes no primeiro contraste – Z vai assumir os valores presentes no segundo contraste ANCOVA – Post-hoc ou Contrastes No primeiro contraste, quando X é o Placebo y = XZ erro y = -20 erro y = erro No primeiro contraste, quando X são os tratamentos y = XZ erro y = 10 erro y = erro Z vai assumir o valor de zero, porque não é considerado nessa equação ANCOVA – Post-hoc ou Contrastes No primeiro contraste, quando Z é o Tratamento 1 y = XZ erro y = 0-1 erro y = erro No primeiro contraste, quando Z é o Tratamento 2 y = XZ erro y = 01 erro y = erro X vai assumir o valor de zero, porque não é considerado nessa equação MANOVA MANOVA Investiga as diferenças de um grupo entre duas (ou mais) variáveis dependentes – Previne que sejam realizadas comparações excessivas Requer fundamentação teórica para comparar as variáveis dependentes na mesma análise – Por exemplo, • Faz sentido realizar uma MANOVA para investigar as diferenças entre grupos nos níveis das dimensões de burnout • Talvez não faça sentido realizar uma MANOVA para investigar as diferenças enter os grupos nos níveis de exaustão emocional e atratividade MANOVA Investiga as diferenças de um grupo entre duas (ou mais) variáveis dependentes – Previne que sejam realizadas comparações excessivas Requer fundamentação teórica para comparar as variáveis dependentes na mesma análise – Por exemplo, • Faz sentido realizar uma MANOVA para investigar as diferenças entre grupos nos níveis das dimensões de burnout • Talvez não faça sentido realizar uma MANOVA para investigar as diferenças enter os grupos nos níveis de exaustão emocional e atratividade MANOVA Pressupostos da MACOVA – As variáveis dependentes/desfechos deve ter normalidade multivariada • Não pode ser testada no SPSS, então nos contentamos em verificar se as variáveis dependentes apresentam uma distribuição normal – Os grupos devem ter homogeneidade das matrizes de covariância • As correlações entre as variáveis dependentes nos diferentes níveis(grupos) da variável independente devem ser similares • Avaliado por meio do Teste de M de Box MANOVA Qual teste devo selecionar? – Pillai’s Trace (Traço de Pillai) • Considerado mais robusto • Caso os grupos tenham tamanhos diferentes, requer a homogeneidade das matrizes de covariância (M de Box não significativo) • Suporta as diferenças na combinação linear (combinações entre as variáveis dependentes) – Wilks’ Lambda (Lambda de Wilks) • Considerado adequado – Hotelling’s Trace (Traço de Hotelling) • Considerado adequado – Roy Largest Root (Maior Raiz de Roy) • Menos robusto • Mais sensível a violações de normalidade multivariada e homogeneidade das matrizes de covariância MANOVA Comparações entre os níveis – As comparações entre os níveis das variáveis independentes podem ser realizados por meio dos • Contrastes • Post-hoc – A escolha do contraste ou do Post-hoc permance sendo o embasamento teórico para essa escolha MANOVA Comparações entre os níveis – As comparações entre os níveis das variáveis independentes podem ser realizados por meio dos • Contrastes • Post-hoc – A escolha do contraste ou do Post-hoc permanece sendo o embasamento teórico para essa escolha MANOVA A MANOVA contribui nas análises em comparação a ANOVA, ao analisar se as relações entre as variáveis dependentes pode indicar a existência de uma relação subjacente entre os níveis e as variáveis investigadas Após realizar a análise da MANOVA, o SPSS realiza uma ANOVA para cada variável estabelecida como dependente Neste sentido, a MANOVA “protege” o estudo de realizar um Erro de Tipo I, ao demonstrar que apesar de serem realizadas diversas análises, há uma diferença significativa entre as dimensões MANOVA Há situações em que a MANOVA pode indicar uma diferenças estatisticamente significativa e as ANOVAs não observarem essas diferenças – Isso pode ser observado no exemplo do Andy Field (página 537) Nesse exemplo, as TCC é comparada à Terapia Comportamental para diminuir níveis de pensamentos e comportamentos associados ao TOC – Os resultados da MANOVA são significativos – Não são observadas diferenças entre os grupos para as variáveis dependentes nas ANOVAs MANOVA Neste caso o pesquisador tem duas opções: – Discutir que não foram encontradas diferenças significativas entre os grupos • Resultados observados nas ANOVAs – Buscar explorar o fator subjacente que indica que existe uma diferença ao relacionar as duas variáveis dependentes e os grupos • Realiza uma análise discriminante MANOVA A análise discriminante “segue” a mesma lógica da regressão logística – Variáveis dependentes vão diferencia os grupos – A variável independente não diferenciou os escores dos participantes – Na análise discriminante será investigado se os escores dos participantes conseguem diferenciar os grupos • Quais características são observadas entre os participantes de um grupo? MANOVA No exemplo do Andy Field observamos que: – MANOVA indica que o tratamento é efetivo para diminuir os sintomas do TOC • ANOVAs indicam que não é possível identificar qual tratamento (ou ausência desse) promove a melhora dos pacientes – Análise Discriminante demonstra que • Quem diminui os pensamentos obsessivosparticipou da TCC • Quem diminui os comportamentos participou da Terapia Comportamental • Quem tem aumento de pensamentos obsessivos não fez tratamento MANOVA Neste caso o pesquisador tem duas opções: – Discutir que não foram encontradas diferenças significativas entre os grupos • Resultados observados nas ANOVAs – Buscar explorar o fator subjacente que indica que existe uma diferença ao relacionar as duas variáveis dependentes e os grupos • Realiza uma análise discriminante Slide 1 Slide 2 Slide 3 Slide 4 Slide 5 Slide 6 Slide 7 Slide 8 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20 Slide 21 Slide 22 Slide 23 Slide 24 Slide 25 Slide 26 Slide 27 Slide 28 Slide 29 Slide 30 Slide 31 Slide 32 Slide 33 Slide 34 Slide 35 Slide 36 Slide 37 Slide 38 Slide 39 Slide 40 Slide 41 Slide 42 Slide 43 Slide 44 Slide 45 Slide 46 Slide 47 Slide 48 Slide 49 Slide 50 Slide 51 Slide 52 Slide 53 Slide 54 Slide 55 Slide 56 Slide 57 Slide 58 Slide 59 Slide 60 Slide 61 Slide 62 Slide 63 Slide 64 Slide 65 Slide 66 Slide 67 Slide 68 Slide 69 Slide 70 Slide 71 Slide 72 Slide 73 Slide 74 Slide 75 Slide 76 Slide 77 Slide 78 Slide 79 Slide 80 Slide 81 Slide 82 Slide 83 Slide 84 Slide 85 Slide 86 Slide 87 Slide 88 Slide 89 Slide 90 Slide 91 Slide 92 Slide 93 Slide 94 Slide 95 Slide 96 Slide 97 Slide 98 Slide 99 Slide 100 Slide 101 Slide 102 Slide 103 Slide 104 Slide 105 Slide 106 Slide 107 Slide 108 Slide 109 Slide 110 Slide 111 Slide 112 Slide 113 Slide 114 Slide 115 Slide 116 Slide 117 Slide 118 Slide 119 Slide 120 Slide 121 Slide 122 Slide 123 Slide 124 Slide 125 Slide 126 Slide 127 Slide 128 Slide 129 Slide 130 Slide 131 Slide 132 Slide 133 Slide 134 Slide 135 Slide 136 Slide 137 Slide 138 Slide 139 Slide 140 Slide 141 Slide 142 Slide 143 Slide 144 Slide 145 Slide 146 Slide 147 Slide 148 Slide 149 Slide 150 Slide 151 Slide 152 Slide 153 Slide 154 Slide 155 Slide 156 Slide 157
Compartilhar