MANOVA unidirecional em SPSS Statistics Introdução A análise de variância unidirecional de variância (MANOVA unidirecional) é usada para determinar se existem diferenças entre grupos independentes em mais de uma variável dependente contínua. A este respeito, difere de uma ANOVA unidirecional. Que apenas mede uma variável dependente. Por exemplo, você poderia usar um MANOVA unidirecional para entender se havia diferenças nas percepções de atratividade e inteligência de usuários de drogas em filmes (ou seja, as duas variáveis dependentes são percepções de atratividade e percepções de inteligência, enquanto a variável independente é droga Usuários em filmes, que possui três grupos independentes: não-usuário, experimentador e usuário regular). Alternativamente, você poderia usar um MANOVA unidirecional para entender se havia diferenças nos estudantes de curto prazo e recordação de fatos de longo prazo com base em três comprimentos diferentes de palestra (ou seja, as duas variáveis dependentes são recall de memória de curto prazo e longo prazo) Recordação da memória do termo, enquanto a variável independente é a duração da leitura, que tem quatro grupos independentes: 30 minutos, 60 minutos, 90 minutos e 120 minutos). Se você tem duas variáveis independentes em vez de uma, você pode executar um MANOVA de dois sentidos. É importante perceber que o MANOVA unidirecional é uma estatística de teste omnibus e não pode dizer quais grupos específicos foram significativamente diferentes um do outro, apenas diz que pelo menos dois grupos eram diferentes. Uma vez que você pode ter três, quatro, cinco ou mais grupos no design do seu estudo, é importante determinar quais desses grupos diferem uns dos outros. Você pode fazer isso usando um teste pós-hoc (N. B. discutimos os testes pós-hoc mais adiante neste guia). Neste guia de início rápido, mostramos como realizar um MANOVA unidirecional usando SPSS Statistics, bem como interpretar e denunciar os resultados desse teste. Uma vez que o MANOVA unidirecional é freqüentemente seguido de testes pós-hoc, também mostramos como fazer isso usando o SPSS Statistics. No entanto, antes de apresentarmos este procedimento, você precisa entender os diferentes pressupostos que seus dados devem atender para que um MANOVA unidirecional lhe dê um resultado válido. Nós discutimos estes pressupostos a seguir. Pressupostos de estatísticas SPSS Quando você optar por analisar seus dados usando um MANOVA unidirecional, parte do processo envolve verificar para garantir que os dados que você deseja analisar possam ser analisados usando MANOVA unidirecional. Você precisa fazer isso porque é apropriado usar MANOVA unidirecional se seus dados passarem nove premissas necessárias para um MANOVA unidirecional para lhe dar um resultado válido. Não se surpreenda se, ao analisar seus próprios dados usando as Estatísticas SPSS, uma ou mais dessas premissas são violadas (ou seja, não é cumprida). Isso não é incomum ao trabalhar com dados do mundo real. No entanto, mesmo quando seus dados falham em certos pressupostos, muitas vezes há uma solução para superar isso. Na prática, verificar essas nove premissas acrescenta mais tempo à sua análise, exigindo que você trabalhe através de procedimentos adicionais nas Estatísticas SPSS ao realizar sua análise, além de pensar um pouco mais sobre seus dados. Esses nove pressupostos são apresentados abaixo: Suposição 1: Suas duas ou mais variáveis dependentes devem ser medidas no intervalo ou nível de relação (ou seja, são contínuas). Exemplos de variáveis que atendem a este critério incluem o tempo de revisão (medido em horas), a inteligência (medida com o escore de QI), o desempenho do exame (medido de 0 a 100), o peso (medido em kg) e assim por diante. Você pode aprender mais sobre variáveis de intervalo e proporção em nosso artigo: Tipos de variável. Assunção 2: sua variável independente deve consistir em dois ou mais categóricos. Grupos independentes. Exemplo de variáveis independentes que atendem a este critério incluem etnia (por exemplo, 3 grupos: caucasiano, afro-americano e hispânico), nível de atividade física (por exemplo, 4 grupos: sedentário, baixo, moderado e alto), profissão (por exemplo, 5 grupos: cirurgião, médico, enfermeiro , Dentista, terapeuta), e assim por diante. Assunção 3: você deve ter independência de observações. O que significa que não há relação entre as observações em cada grupo ou entre os próprios grupos. Por exemplo, deve haver diferentes participantes em cada grupo, sem participantes em mais de um grupo. Este é mais um problema de design de estudo do que algo que você pode testar, mas é um pressuposto importante do MANOVA unidirecional. Assunção 4: você deve ter um tamanho de amostra adequado. Embora seja maior o tamanho da sua amostra, melhor para o MANOVA, você precisa ter mais casos em cada grupo do que o número de variáveis dependentes que você está analisando. Assunção 5: Não há valores abertos univariados ou multivariados. Primeiro, não pode haver outliers (univariáveis) em cada grupo da variável independente para qualquer uma das variáveis dependentes. Esta é uma suposição similar à ANOVA unidirecional, mas para cada variável dependente que você tenha em sua análise MANOVA. Os outliers univariados geralmente são chamados de outliers e são o mesmo tipo de outliers que você encontrou se você realizou testes t ou ANOVAs. Nós nos referimos a eles como univariados neste guia para distingui-los de outliers multivariados. Os outliers multivariados são casos que apresentam uma combinação incomum de pontuações nas variáveis dependentes. No nosso guia MANOVA unidirecional aprimorado, mostramos como: (1) detectar outliers univariados usando boxplots. O que você pode fazer usando o SPSS Statistics, e discuta algumas das opções que você tem para lidar com outliers e (2) verificar por outliers multivariados usando uma medida chamada distância Mahalanobis. Que você também pode fazer usando as estatísticas do SPSS, e discuta o que você deve fazer se você tiver algum. Assunção 6: existe uma normalidade multivariada. Infelizmente, a normalidade multivariada é uma suposição particularmente complicada para testar e não pode ser testada diretamente em SPSS Statistics. Em vez disso, a normalidade de cada uma das variáveis dependentes para cada um dos grupos da variável independente é freqüentemente usada em seu lugar como melhor hipótese quanto à existência de uma normalidade multivariada. Você pode testar isso usando o teste Shapiro-Wilk de normalidade. Que é facilmente testado para usar o SPSS Statistics. Além de mostrar-lhe como fazer isso no nosso guia MANOVA unidirecional aprimorado, também explicamos o que você pode fazer se seus dados falharem nessa suposição. Assunção 7: Existe uma relação linear entre cada par de variáveis dependentes para cada grupo da variável independente. Se as variáveis não estiverem relacionadas linearmente, a potência do teste é reduzida. Você pode testar essa suposição plotando uma matriz de diagrama de dispersão para cada grupo da variável independente. Para fazer isso, você precisará dividir seu arquivo de dados em SPSS Statistics antes de gerar as matrizes scatterplot. Assunção 8: há uma homogeneidade de matrizes de variância-covariância. Você pode testar essa suposição em SPSS Statistics usando o teste Boxs M de igualdade de covariância. Se seus dados falharem nessa suposição, você também precisará usar estatísticas SPSS para realizar o teste de Leven de homogeneidade de variância para determinar onde o problema pode ser encontrado. Mostramos como realizar esses testes usando as estatísticas do SPSS em nosso guia MANOVA unidirecional aprimorado, bem como discutir como lidar com situações em que seus dados falham dessa suposição. Assunção 9: não há multicolinearidade. Idealmente, você deseja que suas variáveis dependentes estejam moderadamente correlacionadas entre si. Se as correlações forem baixas, você pode ser melhor executando ANOVAs de sentido único separados, e se a (s) correlação (es) forem muito altas (maior que 0,9), você poderia ter multicolinearidade. Isso é problemático para o MANOVA e precisa ser eliminado. Embora existam muitos métodos diferentes para testar essa suposição, em nosso guia MANOVA unidirecional aprimorado, nós o acompanhamos através de um dos métodos mais diretos usando o SPSS Statistics, e explique o que você pode fazer se seus dados falharem nessa suposição. Você pode verificar os pressupostos 5, 6, 7, 8 e 9 usando o SPSS Statistics. Antes de fazer isso, você deve certificar-se de que seus dados atendam às premissas 1, 2, 3 e 4, embora você não precise do SPSS Statistics para fazer isso. Basta lembrar que se você não executar corretamente os testes estatísticos sobre esses pressupostos, os resultados obtidos ao executar um MANOVA unidirecional podem não ser válidos. É por isso que dedicamos uma série de seções do nosso guia de regressão múltipla aprimorada para ajudá-lo a obter esse direito. Você pode descobrir sobre o nosso conteúdo aprimorado como um todo aqui. Ou mais especificamente, saiba como ajudamos com as hipóteses de teste aqui. Na seção, Procedimento. Nós ilustramos o procedimento de Estatísticas SPSS para executar um MANOVA unidirecional assumindo que nenhum pressuposto foi violado. Primeiro, apresentamos o exemplo que usamos para explicar o procedimento MANOVA unidirecional em SPSS Statistics. ANOVA de primeira via usando Stata Introdução A análise de variância unidirecional (ANOVA) é usada para determinar se a média de uma variável dependente é O mesmo em dois ou mais grupos independentes independentes. No entanto, normalmente é usado somente quando você possui três ou mais grupos independentes e não relacionados, uma vez que uma amostra t de amostras independentes é mais comumente usada quando você tem apenas dois grupos. Se você tem duas variáveis independentes, você pode usar uma ANOVA de dois sentidos. Por exemplo, você pode usar uma ANOVA unidirecional para determinar se o desempenho do exame diferiu com base nos níveis de ansiedade nos testes entre os alunos (ou seja, sua variável dependente seria o desempenho do exame, medido de 0 a 100 e sua variável independente seria níveis de ansiedade no teste, Que tem três grupos: estudantes de baixa estressão, alunos com estressos médios e estudantes altamente estressados). Alternativamente, uma ANOVA unidirecional poderia ser usada para entender se há uma diferença no salário com base no tipo de grau (ou seja, sua variável dependente seria salário e sua variável independente seria de grau, que tem cinco grupos: estudos de negócios, psicologia, Ciências biológicas, engenharia e direito). Quando há uma diferença estatisticamente significativa entre os grupos, é possível determinar quais grupos específicos foram significativamente diferentes uns dos outros usando testes post hoc. Você precisa realizar esses testes post hoc porque a ANOVA unidirecional é um teste omnibus e não pode dizer quais grupos específicos foram significativamente diferentes um do outro, apenas diz que pelo menos dois grupos eram diferentes. Este guia de início rápido mostra como realizar uma ANOVA unidirecional com testes post hoc usando o Stata, bem como como interpretar e relatar os resultados desse teste. No entanto, antes de apresentá-lo a este procedimento, você precisa entender os diferentes pressupostos que seus dados devem atender para que uma ANOVA unidirecional lhe dê um resultado válido. Nós discutimos estes pressupostos a seguir. Pressupostos Existem seis pressupostos que sustentam a ANOVA unidirecional. Se algum desses seis pressupostos não for cumprido, você não pode analisar seus dados usando uma ANOVA unidirecional porque você não obterá um resultado válido. Uma vez que os pressupostos 1, 2 e 3 referem-se ao design do estudo e à escolha das variáveis, eles não podem ser testados para usar o Stata. No entanto, você deve decidir se seu estudo atende a essas premissas antes de seguir em frente. Assunção 1: sua variável dependente deve ser medida no nível contínuo. Exemplos de tais variáveis contínuas incluem altura (medida em pés e polegadas), temperatura (medida em degC), salário (medido em dólares norte-americanos), tempo de revisão (medido em horas), inteligência (medida usando o escore de QI), tempo de reação Em milissegundos), o desempenho do teste (medido de 0 a 100), as vendas (medidas em número de transações por mês), e assim por diante. Se você não tem certeza se sua variável dependente é contínua (ou seja, medido no intervalo ou nível de relação), consulte o nosso Guia de Tipos de Variáveis. Se sua variável dependente for ordinária, você pode considerar executar um teste de Kruskal-Wallis H em vez disso. Assunção 2: sua variável independente deve consistir em dois ou mais categóricos. Grupos independentes (não relacionados). Exemplos de variáveis categóricas incluem gênero (por exemplo, 2 grupos: masculino e feminino), etnia (por exemplo, 3 grupos: caucasiano, afro-americano e hispânico), nível de atividade física (por exemplo, 4 grupos: sedentário, baixo, moderado e alto) e profissão ( Por exemplo, 5 grupos: cirurgião, médico, enfermeiro, dentista, terapeuta). Assunção 3: você deve ter independência de observações. O que significa que não há relação entre as observações em cada grupo ou entre os próprios grupos. Por exemplo, deve haver diferentes participantes em cada grupo, sem participantes em mais de um grupo. Se você não tem independência de observações, é provável que você tenha grupos relacionados, o que significa que você precisará usar uma ANOVA repetida de sentido único em vez da ANOVA unidirecional. Felizmente, você pode verificar os pressupostos 4, 5 e 6 usando o Stata. Ao passar às premissas 4, 5 e 6, sugerimos testá-las nesta ordem porque representa uma ordem em que, se uma violação ao pressuposto não for corrigível, você não poderá mais usar uma ANOVA unidirecional. Na verdade, não se surpreenda se seus dados falharem em uma ou mais dessas premissas, pois isso é bastante típico quando se trabalha com dados do mundo real, em vez de exemplos de livros didáticos, que geralmente mostram apenas como realizar uma ANOVA unidirecional quando tudo vai bem. No entanto, não se preocupe, porque mesmo quando seus dados falham em certos pressupostos, muitas vezes há uma solução para superar isso (por exemplo, transformar seus dados ou usar outro teste estatístico em vez disso). Basta lembrar que, se você não verificar se seus dados atendem a esses pressupostos ou você os testou corretamente, os resultados obtidos ao executar um ANOVA de sentido único podem não ser válidos. Assunção 4: Não deve haver valores atípicos significativos. Um outlier é simplesmente um único caso dentro do seu conjunto de dados que não segue o padrão usual (por exemplo, em um estudo de 100 alunos de pontuação do QI, onde o escore médio foi de 108 com apenas uma pequena variação entre os alunos, um aluno teve uma pontuação de 156 , O que é muito incomum, e pode até colocá-la no topo 1 dos escores de QI globalmente). O problema com outliers é que eles podem ter um efeito negativo na ANOVA unidirecional, reduzindo a precisão de seus resultados. Felizmente, ao usar o Stata para executar uma ANOVA unidirecional em seus dados, você pode facilmente detectar possíveis valores esporádicos. Assunção 5: Sua variável dependente deve ser aproximadamente normalmente distribuída para cada categoria da variável independente. Os seus dados só precisam ser aproximadamente normais para executar uma ANOVA unidirecional porque é bastante robusto para violações da normalidade, o que significa que essa suposição pode ser um pouco violada e ainda fornecer resultados válidos. Você pode testar a normalidade usando o teste Shapiro-Wilk de normalidade, que é facilmente testado para usar o Stata. Assunção 6: precisa haver homogeneidade de variâncias. Você pode testar essa suposição em Stata usando o teste de Levenes para homogeneidade de variâncias. O teste de Levenes é muito importante quando se trata de interpretar os resultados de um guia ANOVA unidirecional porque a Stata é capaz de produzir diferentes resultados, dependendo se seus dados atendem ou falham nesta suposição. Na prática, a verificação dos pressupostos 4, 5 e 6 provavelmente ocupará a maior parte do tempo ao realizar uma ANOVA unidirecional. No entanto, não é uma tarefa difícil, e a Stata fornece todas as ferramentas que você precisa para fazer isso. Na seção, Procedimento de teste em Stata. Ilustramos o procedimento Stata exigido para executar uma ANOVA unidirecional assumindo que nenhum pressuposto foi violado. Em primeiro lugar, definimos o exemplo que usamos para explicar o procedimento ANOVA unidirecional em Stata. Um revendedor online quer obter o melhor dos funcionários, além de melhorar sua experiência de trabalho. Atualmente, os funcionários do centro de atendimento de pedidos dos varejistas não são fornecidos com nenhum tipo de entretenimento enquanto trabalham (por exemplo, música de fundo, televisão, etc.). No entanto, o revendedor quer saber se o fornecimento de música, que alguns funcionários solicitaram, levaria a uma maior produtividade e, em caso afirmativo, por quanto. Portanto, o pesquisador recruta uma amostra aleatória de 60 funcionários. Esta amostra de 60 participantes foi dividida aleatoriamente em três grupos independentes com 20 participantes em cada grupo: (a) um grupo de controle que não escutou música (b) um grupo de tratamento que ouviu música, mas não tinha escolha do que escutaram E (c) um segundo grupo de tratamento que ouviu música e teve a escolha do que escutaram. A experiência durou um mês. No final do experimento, a produtividade dos três grupos foi medida em termos da quantidade média de pacotes processados por hora. Portanto, a variável dependente era a produtividade (medida em termos de número médio de pacotes processados por hora durante o experimento de um mês), enquanto a variável independente era de tipo de tratamento, onde havia três grupos independentes: sem música (grupo de controle), música - Sem escolha (grupo de tratamento A) e Música - Escolha (grupo de tratamento B). Foi utilizada uma ANOVA unidirecional para determinar se houve diferença estatisticamente significativa na produtividade entre os três grupos independentes. Nota: O exemplo e os dados utilizados para este guia são fictícios. Acabamos de criá-los para os propósitos deste guia. Configuração em Stata In Stata, separamos os três grupos para análise criando a variável independente. Chamado Música. E deu: (a) um valor de 1 - Nenhuma música para o grupo de controle (b) um valor de 2 - Música - Nenhuma escolha para o grupo de tratamento que ouviu música, mas não tinha escolha do que escutaram e (C) um valor de 3 - Música - Escolha para o grupo de tratamento que ouviu música e tinha a escolha do que escutaram, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. As pontuações para a variável independente, Música. Foram então inseridos na coluna do lado esquerdo da planilha do Editor de Dados (Editar), enquanto os valores para a variável dependente. Produtividade. Foram inseridos na coluna da direita, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Procedimento de teste em Stata Nesta seção, mostramos como analisar seus dados usando uma ANOVA unidirecional em Stata quando os seis pressupostos na seção anterior, Suposições. Não foram violados. Você pode realizar uma ANOVA unidirecional usando código ou interface gráfica do usuário do Statas (GUI). Depois de ter realizado sua análise, mostramos como interpretar seus resultados. Primeiro, escolha se deseja usar o código ou a interface gráfica do usuário Statas (GUI). Na primeira seção abaixo, estabelecemos o código para realizar uma ANOVA unidirecional. E na segunda seção, o teste post hoc que segue a ANOVA unidirecional. Todo o código é inserido na caixa Statas, conforme ilustrado abaixo: Publicado com permissão por escrito da StataCorp LP. ANOVA de sentido único O código para executar uma ANOVA de sentido único em seus dados assume a forma: oneway DependentVariable IndependentVariable, tabulate Usando nosso exemplo, onde a variável dependente é Productivity e a variável independente é Music. O código necessário seria: oneway Productivity Music, tabulate Nota: Você pode executar o comando oneway sem adicionar o comando tabulate ao final do código, mas isso fornece estatísticas descritivas úteis (ou seja, média, desvio padrão e N), então nós Escolha incluir. Portanto, digite o código e pressione o botão ReturnEnter no seu teclado. Você pode ver a saída da Stata que será produzida aqui. Se houver uma diferença estatisticamente significativa entre seus grupos, você pode então realizar testes post hoc usando o código abaixo para determinar onde existem diferenças. Teste post hoc Existem muitos tipos de teste post hoc que você pode usar seguindo uma ANOVA unidirecional (por exemplo, Bonferroni, Sidak, Scheffe, Tukey, etc.). Mostramos o código para executar o teste Tukey post hoc abaixo, que assume a forma: pwmean DependentVariable, overIndependentVariable, mcompare (tukey) effects Usando nosso exemplo onde a variável dependente é Productivity e a variável independente é Music. O código requerido seria: efeitos de produtividade, overMusic, mcompare (tukey) Nota: Você precisa executar o ANOVA unidirecional em Stata antes de realizar testes pós-hoc ou o Stata exibirá o seguinte erro: última estimativa não encontrada . Não basta que seu arquivo esteja configurado corretamente com as variáveis dependentes e independentes relevantes rotuladas corretamente. A Stata não identifica estes para a realização de testes pos hoc até que você tenha executado pela primeira vez a ANOVA de sentido único. Portanto, se você receber uma mensagem de erro, você terá que executar o procedimento ANOVA de ida e novamente digitar o código post hoc uma segunda vez. Portanto, digite o código e pressione o botão ReturnEnter no seu teclado. Você pode ver a saída da Stata que será produzida a partir do teste post hoc aqui e o principal procedimento ANOVA de sentido único aqui. Interface gráfica de usuário (GUI) Na primeira seção abaixo, definimos o código para realizar uma ANOVA unidirecional. E na segunda seção, o teste post hoc que segue a ANOVA unidirecional. ANOVA de sentido único Selecionar estatísticas gt Modelos lineares e gt ANOVAMANOVA gt ANOVA unidirecional no menu superior, conforme mostrado abaixo. Publicado com permissão por escrito da StataCorp LP. Você receberá o seguinte oneway - Caixa de diálogo de análise de variância unidirecional: Publicado com permissão por escrito da StataCorp LP. Selecione a variável dependente, Produtividade. Dentro da variável Resposta: caixa suspensa, e a variável independente, Música. Na caixa de listagem Variável do fator:. Em seguida, marque a caixa de Tabela de resumo de Produção na área ndashOutputndash, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Você pode ver a saída da Stata que será produzida aqui. Se houver uma diferença estatística significativa entre seus grupos, você pode então realizar testes post hoc usando o procedimento abaixo para determinar onde existem diferenças. Testes Post hoc Clique em Estatísticas gt Resumos, tabelas e testes gt Resumo e estatística descritiva gt Comparações parciais de meios no menu superior, conforme mostrado abaixo. Publicado com permissão por escrito da StataCorp LP. Você receberá o seguinte esquema: caixa de diálogo Comparação entre pares de meios: Publicado com permissão por escrito da StataCorp LP. Selecione a variável dependente, Produtividade. Dentro da caixa suspensa Variável: e a variável independente, Música. Dentro da caixa suspensa Over:. Em seguida, selecione o teste pós-hoc dentro da caixa suspensa Ajuste de comparações múltiplas, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Nota: Você precisa executar o ANOVA de sentido único em Stata antes de realizar testes pós-hoc ou o Stata mostrará uma mensagem de erro. Não basta que seu arquivo esteja configurado corretamente com as variáveis dependentes e independentes relevantes rotuladas corretamente. A Stata não identifica estes para a realização de testes pos hoc até que você tenha executado pela primeira vez a ANOVA de sentido único. Portanto, se você receber uma mensagem de erro, você terá que executar o procedimento ANOVA de ida e depois seguir o procedimento post hoc por segunda vez. Clique na guia destacada no retângulo vermelho. Você acabará com uma tela semelhante à que se segue: Publicado com permissão por escrito da StataCorp LP. Mantenha o intervalo de confiança padrão 95 ao não alterar o valor 95 na caixa suspensa Nível de Confiança. Em seguida, selecione a opção de tabelas de efeitos, que abrirá mais três opções abaixo. Finalmente, marque a tabela Show effects com intervalos de confiança e caixa p-values, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Você pode ver a saída da Stata que será produzida a partir do teste post hoc aqui e o principal procedimento ANOVA de sentido único aqui. Saída da ANOVA unidirecional em Stata Se seus dados passaram a suposição 4 (ou seja, não houve outliers significativos), a hipótese 5 (ou seja, sua variável dependente foi distribuída aproximadamente normalmente por cada grupo da variável independente) e a suposição 6 (ou seja, houve Homogeneidade de variâncias), que explicamos anteriormente na seção de Suposições, você só precisará interpretar a seguinte saída de Stata para a ANOVA unidirecional: estatística descritiva A saída descritiva, destacada no retângulo vermelho abaixo, fornece algumas estatísticas descritivas muito úteis , Incluindo a média, desvio padrão e tamanhos de amostra para a variável dependente (Produtividade) para cada grupo da variável independente, Música (ou seja, sem música, Música - Sem escolha e Música - Escolha), bem como quando todos os grupos são combinados ( Total). Esses números são úteis quando você precisa descrever seus dados. Publicado com permissão por escrito da StataCorp LP. Resultados de ANOVA de sentido único A saída de Stata para a ANOVA de sentido único é mostrada no retângulo vermelho abaixo, indicando se temos uma diferença estatisticamente significante entre os três meios do grupo. Podemos ver que o nível de significância é 0,0040 (p .004), que está abaixo de 0,05. E, portanto, há uma diferença estatisticamente significativa na produtividade média entre os três grupos diferentes da variável independente, Música (ou seja, sem Música, Música - Sem Escolha e Música - Escolha). Isso é ótimo para saber, mas não sabemos quais dos grupos específicos diferiram. Felizmente, podemos encontrar isso nas comparações Pairwise de meios com saída de variâncias iguais que contém os resultados de nossos testes post hoc (veja abaixo). Publicado com permissão por escrito da StataCorp LP. Resultados de comparações em pares para o teste post hoc de Tukey Dos resultados até agora, sabemos que pelo menos um dos meios de grupo é diferente do outro grupo significa. Em seguida, podemos usar a saída da Stata abaixo, intitulada Comparações parciais de médias com variâncias iguais. Para determinar quais grupos diferiram um do outro. Olhando para o valor p (ou seja, a linha Pgtt sob a coluna Tukey), podemos ver que há uma diferença estatisticamente significante na produtividade entre o grupo Música - Escolha que ouviu música (e tinha uma escolha sobre a música que escutaram ) E o grupo de controle de música que não ouviu música (p 0,003). No entanto, não houve diferenças entre o grupo Música - Sem escolha que ouviu música (mas não tinha escolha em relação à música que ouviram) e no grupo de controle de música não (p 0.467) ou entre o grupo Música - Escolha e Música - Nenhum grupo de escolha (p 0.072). Publicado com permissão por escrito da StataCorp LP. Na seção que se segue, mostramos como você pode denunciar esses resultados. Nota: Apresentamos o resultado da ANOVA unidirecional acima. No entanto, uma vez que você deveria ter testado seus dados para os pressupostos que explicamos anteriormente na seção Suposições, você também precisará interpretar a saída do Stata que foi produzida quando você testou para eles. Isso inclui: (a) os pontos de caixa que você usou para verificar se houve outliers significativos (b) a saída que a Stata produz para o seu teste de normalidade de Shapiro-Wilk para determinar a normalidade e (c) a saída que a Stata produz para o teste de Levenes para a homogeneidade de Variações. Além disso, lembre-se de que, se seus dados falharam em qualquer um desses pressupostos, a saída que você obtém do procedimento ANOVA unidirecional (ou seja, a saída que discutimos acima) não será mais relevante e você precisará interpretar a saída Stata que é Produzido quando eles falham (isto é, isso inclui resultados diferentes). Relatando a saída da ANOVA de sentido único Quando você relata a saída de sua ANOVA unidirecional, é uma boa prática incluir: A. Uma introdução à análise que você realizou. B. Informações sobre sua amostra (incluindo quantos participantes estavam em cada um de seus grupos se os tamanhos dos grupos fossem desiguais ou havia valores faltantes). C. Uma indicação de se houve diferenças estatisticamente significativas entre seus grupos (incluindo o valor F observado, os graus de liberdade df e o nível de significância, ou mais especificamente, o P - value probado de 2 colunas D. Se Houve diferença estatisticamente significativa entre os grupos, os resultados do teste post hoc de Tukey, incluindo o erro médio (Contraste) e padrão (Std. Err.) Para cada um de seus grupos, bem como o relevante p - Valor de probabilidade. Com base na saída da Stata acima, podemos relatar os resultados deste estudo da seguinte forma: Foi realizada uma ANOVA unidirecional para determinar se a produtividade em uma instalação de embalagem era diferente para grupos com diferentes níveis de atividade física. Erro padrão médio. Os participantes foram classificados em três grupos: Sem música (n. 20), Música - Sem escolha (n. 20) e Música - Escolha (n. 20). Houve diferença estatisticamente significativa entre os grupos, conforme determinado pela ANOVA unidirecional (F (2,57) 6,08, P. 004). Um teste pós-hoc de Tukey revelou que a produtividade foi estatisticamente significantemente maior no grupo Music-Choice em comparação com o grupo de controle de música não (8.55 2.49 pacotes, p .003). No entanto, não houve diferenças estatisticamente significativas entre a música - Sem escolha e sem grupos de música (2.95 2.49 pacotes, pág. 467), ou os grupos Música - Escolha e Música - Sem escolha (5.6 2.49 pacotes, p .072). Além dos relatórios dos resultados acima, um diagrama pode ser usado para apresentar visualmente seus resultados. Por exemplo, você pode fazer isso usando um gráfico de barras com barras de erro (por exemplo, onde as barras de erros podem ser o desvio padrão, erro padrão ou 95 intervalos de confiança). Isso pode tornar mais fácil para os outros entender seus resultados. Além disso, você é cada vez mais esperado para reportar os tamanhos de efeitos além dos seus resultados ANOVA de sentido único. Os tamanhos de efeitos são importantes porque, embora a ANOVA unidirecional diga se as diferenças entre os meios do grupo são reais (ou seja, diferentes na população), ele não diz o tamanho da diferença. Enquanto a Stata não produzirá esses tamanhos de efeito para você usando este procedimento, há um procedimento no Stata para fazê-lo.
No comments:
Post a Comment