Beruflich Dokumente
Kultur Dokumente
USO DO SPSS
(STATISTICAL PACKAGE FOR THE SOCIAL
SCIENCES): O ESSENCIAL
Paulo R. Margotto
www.paulomargotto.com.br
pmargotto@gmail.com
Professor do Curso de Medicina da Escola Superior de Cincias da Sade
(ESCS)SES!"
#$ #%&R'!()*'
##$ C'M' CR#+R (M C'M+%!' !E !+!'S
###$ ES&+&,S&#C+S !ESCR#&#-+S
$tipo de .ari/.eis
#-$ M+%#P(0+)*' E CR#+)*' !E %'-+S -+R#1-E#S
-$ ES&+&,S&#C+ +%+0,&#C+
$teste de 2ip3teses
$taman2o da amostra
-$4$&este t de Student
-$5$ +n/lise de -ari6ncia
-$7$ 8ui$9uadrado
-$:$ Risco Relati.o e 'dds Ratio
-#$ C'RRE0+)*' E RE;RES*' 0#%E+R S#MP0ES
-##$ RE;RESS*' 0';,S&#C+ <#%1R#+
-###$&ES&ES %*' P+R+M=&R#C'S
$teste de >olmogoro.$Smirno. e S2apiro$?il@ para testar normalidade
-###$4$&este <inomial
-###$5$&este ( de Mann$ ?2itneA
-###$7$&este & de ?ilcoBon
-###$:$ &este de >rus@al$?allis
-###$C$&este de "riedman
-###$D$Coeficiente de correlaEFo de Spearman
-###$G$&este de Mc%emar
#H$C(R-+ !E >+P0+%$ME#ER
H$C(R-+ R'C
H#$ES&+&,S&#C+ @I
H##$RE"ERJ%C#+S <#<#0#';R1"#C+S
<rasKliaL M4 Naneiro de 5M45
1
ESCOLA SUPERIOR DE CINCIAS DA SADE
SECRETARIA DE ESTADO DE SADE DO DISTRITO FEDERAL
ESTATSTICA COMPUTACIONAL
USO DO SPSS
(STATISTICAL PACKAGE FOR THE SOCIAL
SCIENCES): O ESSENCIAL
(utiliOamos os conceitos de ?agner M<L Motta -& e !ornelles C em SPSS$Passo a PassoL Editora
da (ni.ersidade de CaBias do SulL 5MM:.L com eBemplo na base de dados do estudo de Margotto PR e clL
ainda nFo publcado sobre (so do Corticoster3ide PrP$natal na Maternidade do Qospital Regional da
+sa Sul)
Torture os nmeros e eles admitiro qualquer coisa
Paulo R. Margotto
Professor do Curso de Medicina !+ Escola superior de Cincias da Sade (ESCS)SES!"
O SPPS um programa que executa anlises estatsticas , desde as simples
estatsticas descritivas (mdia, desvio-padro e tabelas de frequencias a mtodos
avan!ados (anlise de variancia, modelos de regresso multivaravel e outros" O
programa pode gerar tabelas e grficos que resumem os dados"
I- INTRODUO
Como ii!i"# o SPSS
+o clicar no programa (SPSS for ?indows) ser/ aberta a Nanela SPSS $o# %i&o'(L
contendo no centroL a C"i)" &* Di+,o-o ("ig.4)
2
Fi-. /-0"*," SPSS for Windows !om " C"i)" &* Di+,o-o(
+ partir desta caiBa de di/logosL escol2a o 9ue .oc deseNa faOer e clicar em R'>S.
$run the tutorialI iniciar o tutorial
$type in dataI digitar os dadosL criando assim um no.o ar9ui.o de dados
$run na existing queryI importar dados a partir de uma base de dados
$open an existing data sourceI abrir um ar9ui.o de dados N/ eBistentes
$open another type of fileI abrir outro tipo de ar9ui.o
Com o mel2or con2ecimento do programa podemos usar um maior nmero de opETes 9ue
estFo disponK.eis por meio de acesso Us Nanelas e aos menus do SPSS. %a barra de tarefas do SPSS
encontram$se os seguintes menusI
Fi,*I comanda todo o gerenciamento de ar9ui.os (criarL abrirL lerL sal.ar e imprimir ar9ui.os)
E&i1I utiliOado para copiar ou colar informaETesL bem como apagar as informaETes das cPlulasV a
opEFo option permite configurar as saKdas do output (taman2o da fonteL bordas das tabelasL
definiEFo do padrFo dos tipos de .ari/.eis)
2i*'I possibilita a .isualiOaEFo ou nFo de barras de ferramentas (Toolbars) e barra de estado
(Status Bar) nas NanelasV ati.a e desati.a lin2as de gradeV mostra os tipos de fontes utiliOadasV
estabelece a apresentaEFo de r3tulos de .ari/.eis e .alores (variable and value labels)
D"1"I permite a definiEFo de .ari/.eisL ordenar os dados segundo algum critPrio escol2idoL inserir
ou retirar obser.aETes ou .ari/.eisL unir ar9ui.os (merge files)L criar subgrupos para an/lise (split
file)L selecionar casos especKficos (select cases). +s mudanEas sFo tempor/riasL a nFo ser 9ue seNam
sal.as
T#"($o#mI cria no.as .ari/.eis a partir das eBistentesL modifica dados e .ari/.eis por meio de
c/lculos. +s mudanEas sFo tempor/rias a nFo ser 9ue seNam sal.as.
A",34*I a9ui encontramos os di.ersos procedimentos estatKsticos realiOados pelo SPSS
(regressFoL an/lises descriti.asL testes de comparaEFo). + cada no.a .ersFo do SPSS no.os testes
sFo agregadosL aumentando o alcance do SPSS.
G#"56(I usado para criar e modificar gr/ficosV 2/ ./rias opETes de gr/ficosL como barraL lin2aL
colunaL tortaL 2istogramaL dispersFoL etcL de.endo ser escol2ido a9uele 9ue mel2or representa os
dados e as .ari/.eis em estudo. (m duplo cli9ue no mouse sobre o obNeto abrir/ a Nanela Chart
EditorL onde P possK.el modificar as fontesL coresL escalas e taman2o dos di.ersos elementos do
gr/fico.
U1i,i1i*(I permite a obtenEFo de informaETes sobre as .ari/.eis e o banco de dados (opEFo
variables)
%i&o'I mostra as Nanelas 9ue estFo em eBecuEFo no SPSS
H*,5I contem uma Nanela de aNuda 9ue contem informaETes como usar o SPSS
3
Mostra
denominaes
atribudas aos
valores de uma
II - COMO CRIAR UM 7ANCO DE DADOS
%o SPSS os dados podem ser tanto digitados no teclado como lidos de um ar9ui.o eBterno.
' formato do SPSS P W.sa..'s dados no SPSS sFo digitados diretamente na Nanela Editor de
!ados (Data Editor)L como numa planil2a eletrXnica .+ssim P possK.el criar um ar9ui.o no SPSS
(W.sa.) ("igura 5) +s .ari/.eis podem ser 9uantitati.as (alturaL peso)L categ3ricas (seBo)L de data
Ytipo calend/rio) ou alfanumPricas (letra).
Fi-.8. 0"*," E&i1o# &* D"&o( (Data Editor)
+o se criar um banco de dadosL o primeiro passo P definir as .ari/.eisL no Variable view
(.isualiOaEFo das .ari/.eis). %a coluna %ome (ame!L criar um nome para a .ari/.el com o
m/Bimo de Z caracteres. Em Type definir se P numPricaL especificando o nmero de casos
decimais(Decimals!. Se a .ari/.el for categ3ricaL especificar o nmero de caracteres 9ue compTem
o nome de cada categoria ("idth!. %a coluna #abel (r3tulo da .ari/.el)L .oc pode digitar o nome
completo da .ari/.el e ser/ este nome 9ue .ai aparecer na Nanela de output (resultados). Em Values
podem ser criados r3tulos para as .ari/.eis. 's .alores $issing (.alores omissos) podem ser
representados por .aOios na 2ora da digitaEFo. %lign determina o alin2amento da informaEFo
dentro da cPlula. + coluna $easure classifica a .ari/.el em escalarL ordinal ou nominal (.eNa
resumo na &abela 4)).
T"9*," /. O5:;*( "( &*$ii:;*( &"( <"#i+<*i( (%"-*# M7 * !,= 8>>?)
4
Descreve
variveis
Vai at o
caso
Insere
casos
Insere
dados
0embrar 9ue cada coluna representa uma .ari/.el e cada lin2a P uma obser.aEFo ou um
caso.
SeNa o eBemploI digitar na primeira coluna o nome das .ari/.eis 9ue estFo apresentadas na &abela
5
SeBoI (4)femininoV (5) masculinoV peso em @gV altura em cmV glicemia em mg[
T"9*," 8.D"&o( &* !i!o (@A*i1o( &* @m *(1@&o (%"-*# M7 * !,= 8>>?
+p3s digitar cada .ari/.elL pressionar Enter e o SPSS automaticamente assume o tipo de
.ari/.el. %o finalL a tela Data Editor na opEFo Variable ViewL de.er/ ficar como na "igura 7.
Fi-@#" B. 2i(@",i4":Co &" 1*," &o Data Editor " o5:Co Variable View 5"#" "( <"#i+<*i( &o
E)*m5,o / (T"9*," /)
+ seguirL ir para o Data Editor na opEFo Data View para inserir os dados da &abela 5. +s
informaETes de.em ser digitadas conforme apresentadas na "igura :.
5
Fi-. ?.O5:Co Data View &" A"*," Data Editor !om o( om*( &"( <"#i+<*i( o !"9*:",6o * o(
&"&o( &o *)*m5,o &" T"9*," 8
= possK.el corrigir os dados depois de inseridos na tabelaL assim como apagar cPlulas. =
possK.el tambPm inserir no.os casosI escol2er Data&'nsert CasesL assim como inserir no.as
.ari/.eisI escol2er Data&'nsert Variable(
!ependendo do interesse do pes9uisadorL no.as .ari/.eis podem ser criadas a partir das N/
eBistentes.Para istoL basta ir ao menu Transform e escol2a o comando compute. Supon2amos 9ue
9ueiramos inserir pressFo arterial (P+)("igura C)V
Fi! "! Sele#o do comando $ompute
+p3s ter terminado a inserEFo dos dadosL sal.ar o ar9ui.o clicando em )ile &Save
as(((Escol2a o diret3rio no 9ual o ar9ui.o de.e ficarL nomeando$o. -eNa na "igura D.
Fi-@#" D.C"i)" &* &i+,o-o S"<* D"1" A(
III- ESTATSTICAS DESCRITI2AS
6
's dados referem$se a .ari/.eis 9ue por sua .eO podem ser E@",i1"1i<"( *
E@"1i1"1i<"(. -ari/.el P toda caracterKstica ou condiEFo 9ue pode ser mensurada ou
obser.ada.
2"#i+<*, E@",i1"1i<":
-omi",I diferentes categorias sem .alores numPricos. 's dados podem ser
distribuKdos em categorias mutuamente eBclusi.as. EBemploI SeBo $ permite distinguir
duas categoriasL masculina e femininaV corL causa de morteL grupo sang\Kneo.
$o#&i",I os dados podem ser distribuKdos em categorias mutuamente eBclusi.as 9ue
tm ordenaEFo natural. EBemploI grau de instruEFo (as pessoas podem ser distribuKdas
em categorias mutuamente eBclusi.asL na seguinte ordemI prim/rioL 5] ano e superior)L
aparnciaL status socialL est/gio da doenEa
2"#i+<*, E@"1i1"1i<" o@ !o1F@"I os dados sFo eBpressos por nmeros. EBemploI
idadeL estaturaL peso corporal.
$Di(!#*1"(( associaEFo entre .alores e nmeros inteiros)I idade em anos completos
-Co1F@" (pode assumir 9ual9uer .alor no subconNunto de nmeros reais)I peso
+ EstatKstica !escriti.a encarrega$se do le.antamentoL organiOaEFoL classificaEFo e
descriEFo dos dados em tabelasL gr/ficos ou outros recursos .isuaisL alPm de par6metros
representati.os destes dados.
(ma .eO criada a base de dadosL passamos agora a utiliOar os procedimentos estatKsticos.
%estes eBercKcios .amos usar o ar9ui.o corticoster*ide pre+natal(sav( %a Nanela S,SS D%T%
Editor. Selecionar )ile&-pen&Data. +p3s localiOar o ar9ui.oL clicar em R+brirS.
%o menu %naly.e&Descriptive StatisticsL encontram$se os comandos )requencies/
Descriptive/ Explores e Crosstabs.
###$4$ Com"&o Frequencies
Este comando ser.e para obter tabelas de fre9\nciasL tanto para .ari/.eis categ3ricas
9uanto 9uantitati.as. &ambPm podem ser obtidas estatKsticas descriti.as cl/ssicasL como mPdiaL
des.io$padrFoL mKnimoL m/Bimo e outras.
%o menuL escol2a %naly.e&Descriptive Statistics&)requencies e teremos 0)igura 1!2
Fi-. G.Co(1#@:Co &* T"9*,"( &* F#*EHI!i"( (o9(*#<*m " !"i)" &* &i+,o-o &*
Frequencies)
%a caiBa de di/logo de )requenciesL selecione as .ari/.eis uso de cortic3ideL uso do '
5
com 7D semanas de idade gestacional p3s$concepEFo e tipo de parto e mo.am$nas para a caiBa
Variable0s!/ clicando no botFo R^S.= importante 9ue a opEFo Dispaly frequency tables esteNa
marcada para a obtenEFo da tabela de fre9\ncias. Em seguidaL pressionar ROKS. -eNam 9ue as
.ari/.eis 9ue en.iamos para a direitaL desaparece na es9uerda. +o mo.er a .ari/.el da es9uerda
para a direitaL selecione$a e pressione R_S.
%a Nanela -uput Viewer .amos ter uma tabela de fre9\ncias para as .ari/.eis
selecionadas ("igura Z)
F#*E@*!i*(
F#*E@*!3 T"9,*
Fi-@#" J-R*(@,1"&o &" 1"9*," &* $#*EHI!i"( 5"#" "( <"#i+<*i( (o,i!i1"&"(
'bser.em 9ue temos 54Y recPm$nascidos estudadosL dos 9uais C5LC[ das suas mFes
receberam corticoster3ide prP$natalV YLD[ apresentaram dependncia de '
5
com 7D semanas de
idade p3s$concepEFoV o nascimento por cesariana ocorreu em DML7[.
Para obter as estatKsticas descriti.as do comando )requenciesL selecionar as .ari/.eis
9uantitati.as pesoL idade gestacionalL altura e perKmetro cef/lico de .ida e mo.a$as para a es9uerda
(9ue P a caiBa Variable0s). pressionando no botFo R^S ("igura Y).
Fi-. K. S*,*:Co &"( <"#i+<*i(
!
+ seguir pressionarRStatisticsSI na caiBa de di/logo )requenciesI Statistics escol2a
3uartiles (9uartis)L $ean (mPdia)L Std Desviation (de.io$padrFo)L $inimum (mKnimo)L $4ximum
(m/Bimo) e S(E( mean (erro$padrFo mPdia) e pressione RContinueS para .oltar a caiBa de di/logo
)requencies ("igura 4M).
Fi-./>. C"i)" &* &i+,o-o Frequencies%Statistics
Pressione R'>S e na Nanela output viewer vamos ter2L teremos ("igura 44 ).
Fi-@#" //.0"*," &* &utput Viewer !om o( #*(@,1"&o( &o !om"&o Frequencies 5"#" "(
<"#i+<*i( 5*(o= i&"&* -*(1"!io",= *(1"1@#" * 5*#Fm*1#o !*$+,i!o.
'bser.em 9ue 2ou.e 4 caso omisso para a estatura e 4 para o perKmetro cef/lico..
Para identificar a simetria da .ari/.elL 2/ as seguintes formas
$#*,":Co *1#* mL&i" * &*(<io-5"&#CoI na imensa maioria dos casosL as .ari/.eis
simPtricas 9ue seguem a distribuiEFo normalL o des.io padrFo P menor do 9ue a metade
da mPdia (dp`mPdia5)
$mL&i" * m*&i"" m@i1o 5#M)im"( o@ &i$*#*:" o m+)imo &* @( 8>N uma em
relaEFo a outra para a .ari/.el simPtrica
$T*(1*( &* o#m",i&"&*: Ko,mo-o#o<-Smi#o< * S6"5i#o-%i,O (.eNa adiante)
"
' aparecimento de resultados muito pe9uenos ou muito grandesL o SPSS
c2amada notaEFo cientKfica. Por eBemploL um erro$padrFo da mPdia (Std( Error of
$ean! apresentado como Y.G5YE$M7L est/ no formato de notaEFo cientKficaI E$M7
representa 4M
$7
V assim o .alor passa a ser YLG5Y B4M
7
.
B-8- Com"&o Descripti'e
Este comando P mais usado para .ari/.eis 9uantitati.as. %o menu escol2a
%naly.e&Descriptive Statistics&Descriptives 0)igura 56!
Fi-./8. P"((o( 5"#" o Com"&o Descripti'e
%a caiBa de di/logo do comando Descriptives/ selecionar as .ari/.eis peso
estatura e mo.$las para a es9uerda (caiBa Variabe0s!/ tal como feito no comando
)requencies ("igura 47)
1#
Fi-@#" /B. C"i)" &* &i+,o-o 5"#" (*,*:Co &* <"#i+<*i( o !om"&o Descripti'e
+ seguir pressionar R7ptionsS e selecionar as estatKsticas e as opETes deseNadas.
%este comando N/ estFo selecionadas pre.iamente as estatKsticas $ean (mPdia)L Std
(Desviation (des.io padrFo)L $inimum (mKnimo) e $4ximum (m/Bimo). Este comando
permite classificar os resultados segundo critPrios de ordem de seleEFoL como ordem
crescente &* mL&i"( (%scending means) ("igura 4:).
Fi-./?.E(1"1F(1i!" &o Com"&o Descripti'e
+ seguirL pressionar RContinueS e em seguidaL R-8S. 's resultados .Fo aparecer da
seguinte forma no -utput viewer ("igura 4C)
Fi-. /P. &utput 'iewer &o !om"&o Descripti'es
B-B-Com"&o E(plore
Este comando apresenta maiores opETes de estatKsticas descriti.asL alPm de dispor de testes
estatKsticos para normalidade e gr/ficos especiais. = utiliOado eBclusi.amente com <"#i+<*i(
E@"1i1"1i<"( e permite comparar tipo de dados entre dois ou mais grupos. Podemos obterI
$medidas de tendncia centralImPdiaL modaL mediana
$medidas de dispersFoI des.io$padrFoL .ari6nciaL amplitude e 9uartis
$outliersI an/lise de .alores discrepantes
+testes especKficos para a.aliar a normalidade (>olmogoro.$Smirno. e S2apiro$?il@
+boxplot
11
$medidas descriti.as adicionaisL como assimetriaL curtose e outras
Como usar este comandoI no menu %naly.e Descriptive&Statistics&Explore
EBemploI %a caiBa de di/logo ExploreL escol2a a .ari/.el 9ue se pretende eBplorarL
colocando$a na lista de .ari/.eis dependentes (Dependent #ist). %a .ari/.el classificat3ria ()actor
#ist) coloca$seL geralmenteL uma .ari/.el categ3rica. %o nosso eBemploL .amos eBplorar a
.ari/.el idade gestacional com o uso de corticoster*ide pr9+natal ("igura 4D)
Fi-./D.C"i)" &* &i+,o-o 5"#" (*,*:Co &* <"#i+<*i( o !om"&o E)5,o#*
%a opEFo DisplayL selecionar Both (ambos)L para se obter tanto as medidas de sKntese como
os gr/ficos. Pressionar RStatistics: para abrir a caiBa Explore2 Statistics e escol2a as opETes de
medidas numPricas de sKntese ("ig.4G).
Fi-./G. C"i)" &* &i+,o-o Statistics
+ seguirL pressione RContinueS para retornar a caiBa anterior. !e .olta U caiBa Explore/
clicar no botFo R,lotsS para abri a caiBa Explore2,lots e selecionar BoxplotI )actor levels togheter
(os boxplot estarFo Nuntos no mesmo gr/fico)L ;istogram (2istograma ou gr/fico de barras) e
ormality plots with test (gr/ficos e testes para normalidade da dependente) ("igura 4Z)
12
Fi-./J.C"i)" &* &i+,o-o Plots
ProsseguindoL pressionar o botFo RContinue: para .oltar U caiBa Explore. %esta caiBaL clicar
no botFo RContinue:. 's resultados da an/lise surgirFo na Nanela -utput Viewer ("iguras 4Y). '
comando Explorer produO uma tabela c2amada Case ,rocessem Somar 9ue contPm os casos
./lidos e omissos incluKdos na an/lise para a .ari/.el +pgar trs no C] minuto estratificada por uso
de corticoster3ide.
Fi-./K. &utput 'iewer &o !om"&o E(plore
'bser.em 9ue a &abela Descriptives produO para cada um dos estratos da .ari/.el
classificat3ria (idade gestacional! uma lista de estatKsticas descriti.asI mPdiaL inter.alo de
confianEa de YC[ para a mPdiaL mPdia aparada em C[ (mPdia recalculada eBcluindo os C[ mais
eBtremosL ou seNaL 5LC[ inferiores e 5LC[ superiores)L o erro$padrFo da mPdiaL coeficientes de
assimetria e de curtoseL 9ue nos possibilita a.aliar como os .alores se distribuem.
%a "igura 5M temos a tabela ,ercentiis 9ue mostra diferentes percentis para a .ari/.el
idade gestacional nos dois grupos (9ue usou e o 9ue nFo usou corticoster3ide prP$natal)L segundo
dois mPtodos distintosI weights average e Tu<ey=s ;inges.
13
Fi-.8>. &utput 'iewer &o !om"&o E(plore
&ambPm podemos obter o Extreme Value (.alores eBtremos) para cada grupo (os C maiores
e os C menores)
+ tabela Test of ormality mostra o resultado de dois testes de normalidadeI 8olmogorov+
Smirnov e o Shapiro+"il<. 's dois testes testam a 2ip3tese de 9ue os dados apresentam uma
distribuiEFo normal. %o caso de amostras menores (`CM casos)L o teste Shapiro+"il< P mais
poderoso. (m .alor abaiBo da signific6ncia indica um des.io na distribuiEFo dos dados em relaEFo
U Cur.a %ormal (&* 5#*$*#I!i" &*<* *(1"# "9"i)o &* >=>P o@ m*(mo >=>/) ("igura 54)
Fi-.8/. &utput 'iewer &o !om"&o E(plore
'bser.em 9ue " <"#i+<*, i&"&* -*(1"!io", Co (*-@* @m" &i(1#i9@i:Co o#m",
(paM.MMM4).
&ambPm podemos obter o Extreme Value (.alores eBtremos) para cada grupo (os C maiores
e os C menores).
' comando Explore produ. ainda uma sequ>ncia de gr4ficos/ como o histograma 0equivale
? representa@Ao gr4fica de uma tabela de freqB>ncias! e o boxplot (caiBa de bigodes). 3uanto ao
boxplot2 P a representaEFo em forma de gr/ficos dos 9uartis da distribuiEFoV apresentaL de forma
compactaL di.ersas informaETes sobre um conNunto de dados. + caiBa P formada pela mediana
(lin2a central) e pelos 9uartis inferior e superior (percentis 5C e GC)L 9ue sFo obtidos pelos mPtodos
Tu<ey=s ;inges. + mediana d/ uma estimati.a de tendncia centralV a altura das caiBas (percentil
GCpercentil 5C P a amplitude inter9uartil (interquatile range) e estima a .ariabilidade dos dados. +
presenEa ou nFo de simetria P dada pela posiEFo da mediana (central ou mais pr3Bima dos 9uartis).
+s lin2as .erticais 9ue saem da caiBa sFo con2ecidas como whis<ers (bigodes de gato em ingls).
%as sPries assimPtricasL os dados m/Bimos e mKnimos distanciam$se das hinges de Tu<ey (percentil
GC$percentil 5C)L sendo os seus .alores assinalados separadamente no boxplot com um pe9ueno
cKrculo (outlines) e os .alores 9ue se distanciam substancialmente sFo considerados eBtremos
(extremes! e sFo assinalados com um asterisco ("igura 55).
14
Fi-.88. G#+$i!o 7o)5,o1 &* i&"&* -*(1"!io", * @(o &* !o#1i!o(1*#Mi&* 5#L-"1",
%Fo obser.amos nen2um .alor discrepante e eBtremo. +o se detectar estes .aloresL
podemos retornar ao !ata Editor para consultar o caso assinalado.
B-?- Com"&o $rosstabs Este comando est/ relacionado diretamente com a obtenEFo
de testes estatKsticos (9ui$9uadrado e eBato de "isc2er) e de medidas de forEa de associaEFoL 9ue
serFo estudados mais adiante (EstatKstica +nalKtica). +ntesL .eNamos a ManipulaEFo e CriaEFo de
%o.as -ari/.eis
I2- MANIPULAO E CRIAO DE NO2AS 2ARIQ2EIS
' SPSS disponibiliOa o menu Transform para #*!,"((i$i!"# .ari/.eis (categoria 4 e 5) e
para 1#"($o#m"# uma .ari/.el (por eBemplo comprimento em metros para cm) ou !#i"# o<"
<"#i+<*, a partir das eBistentes (por eBemploL a partir do pesoL obter o Kndice ponderalL 9ue P o
pesocomprimento ao cubo).("igura 57)
15
Fi-.8B. M*@ Transform *m &*1",6*
$omputeI realiOa c/lculosV o SPSS disponibiliOa mais de GM funETes matem/ticas (raiO
9uadradaL logaritmoL cosenoL etc)
R*!o&*I reclassifica .ari/.eisL tanto 9uantitati.as como categ3ricas
2i(@", 7"&*#I permite a criaEFo de no.as .ari/.eis com base no agrupamento de .alores
contKnuos de .ari/.eis eBistentes em categorias distintas)
Co@1I possibilita contar 9uantas .eOes determinado .alor aparece
R"O C"(*(I classifica as obser.aETes em ordem crescente ou decrescenteL obtendo assim
os ran<s (postos)
A@1om"1i! #*!o&*I transforma automaticamente .alores descontKnuos e afastados entre si
em uma sPrie de .alores numPricos inteiros e contKguos. = til para transformar uma .ari/.el
alfanumPrica (string! em uma .ari/.el numPrica para poder ser utiliOada em an/lises estatKsticas
9ue re9uerem categorias numPricas
C#*"1* 1im* (*#i*(I cria .ari/.eis no.as baseado em funETes de .ari/.eis numPricas de
sPries temporais
R*5,"!* mi((i- <",@*(I permite substituir os dados omissos (missing) por .alores
numPricos ./lidos a serem usados em an/lises estatKsticas. #ndicado 9uando a proporEFo de
omissos P pe9uena (`4M[) e 9uando a .ari/.el P 9uantitati.a.
R"&o N@m9*# S**&I gera nmeros pseudo$aleat3riosL sendo possK.elL assimL determinar
o ponto de partida para a geraEFo autom/tica destes nmeros pelo SPSS.
COMANDO COMPUTEbI
-amos criar uma .ari/.el a partir da eBistenteL comoI Calcular o Kndice ponderal (#Pa
pesoaltura
7
).
$%a Nanela Data EditorL escol2aI Transform& Compute e surgir/( "igura 5:)I
16
Fi-.8?. S*,*:Co &o !om"&o $ompute
%o campo Target Variable (-ari/.el destino)L escre.er o nome da .ari/.el 9ue ser/
transformada. %o eBemplo ser/ criada a .ari/.el #P (Kndice ponderal). !igitar #P no campo Target
VariableV clicar a seguir na opEFo TypeC#abel e adicionar o r3tulo (label) F&i!* 5o&*#",.
'bser.e 9ue o SPSS assume tratar$se de uma .ari/.el numPrica com duas casas decimais. +
seguirL deslo9ue para o campo umeric Expression as .ari/.eis en.ol.idasL usando R^SL
adicionando as operaETes matem/ticas necess/rias.V para a eBponenciaEFo use asterisco duplo
multiplicado 7 .eOes por ela mesmaL como na "igura 5C.
Fi-.8P. D*$ii:Co &" *)5#*((Co @mL#i!"
&" o<" <"#i+<*, IP
Pressione R-8: e o resultado aparece imediatamente na Nanela Data EditorL como mostrado
na "igura 5DI
Fi-.8D. R*(@,1"&o &o !+,!@,o &" o<" <"#i+<*, IP
Qa.endo .alores omissos em peso ou em alturaL o SPSS coloca um c.d (ponto).
-utput ViewerI uma .eO eBecutado um procedimento no SPSSL os resultados sFo
apresentados no -utput ViewerL 9ue P um .isualiOador de resultadosL estando colocados na ordem
1
em 9ue foram realiOados. -oc pode copiar a tabela clicando o botFo direito do mouse e
selecionando copy e cole onde for necess/rio.
-oc tambPm pode manipular tabelasL como por eBemploL traduOK$las. Para istoL basta ati.ar
o ,ivot Table Editor/ clicando o botFo direito do mouse na tabela e assimL a tabela fica pronta para
ser editada na pr3pria Nanela ,ivot Table Editor( Possibilita tambPm uma .isFo e ediEFo de uma
tabela larga e longa ("igura 5G). -eNa o eBemplo a seguirI
Fi-.8G. Como "1i<"# o Pi'ot Table &b)ect
(ma .eO pressionado -penL teremos ("igura 5Z)
Fi-8J. T"9*," " (*# *&i1"&" o Pi'ot Table
Como usar os Comandos Split e SelectI
Estes comandos permitem obter resultados das an/lises di.ididas em categoriasL como
seBo masculino e feminino.
1!
Com"&o Split
$SplitI .eNamos a estratificaEFo da an/lise usando uma .ari/.el categ3ricaL por eBemploL
seBo. Selecionar Data&Split&)ile ("igura 5Y).
Fi-.8K. P"((o( 5"#" o @(o &o Split
(ma .eO aberta a caiBa de di/logo Split )ileL marcar Compare groups e colocar a
.ari/.el seBo na caiBa Droups Based on e clicar R-8S ("igura 7M).
Fi-.B>. C"i)" &* &i+,o-o Split File
1"
Selecionar agora %naly.e&Descriptive Statistics( Descritives(((-ptions 0$ean/ Std
Desviation/ $inimum e $aximum).....ari/.eis peso e estatura ("igura 74). 'bser.em
9ue os resultados na Nanela -utput Viewer .Fo aparecer agrupados pela .ari/.el seBo.
Fi-.B/. C"i)" &* &i+,o-o Descripti'es
Clicar em R'>S e no -utput Viewer ("igura 75)L .ai aparecer
Fi-.B8. R*(@,1"&o( &o !om"&o Split File*$ompare roups
Se no Split )ile .oc marcar -rgani.e output by groupsL .amos ter os resultados de um
grupo e de outro grupo ("igura 77).
Fi-.BB. C"i)" &* &i+,o-o Split Fire
-eNa o resultado no -utput Viewer ("igura 7:).
2#
Fi-.B?. R*(@,1"&o( &o !om"&o Split File*&rani+e output b, roup
Para retornar U condiEFo anteriorL ou seNaL an/lises nFo agrupadasL selecione Data&Split
)ile e marcar %naly.e all casesL do not reate grous e clicar R-8S ("igura 7C).
Fi-.BP. C"i)" &* &i+,o-o Split File
21
Com"&o Selec1
Este comando seleciona apenas uma categoria especKfica dos casos de um ar9ui.o
de dados. Escol2er Data Select CasesL selecione a categoria a ser analisadaL por
eBemploL da .ari/.el categ3rica seBoL serFo selecionados somente os casos do seBo
masculino ("igura 7D)
Fi-.BD. M*@ Data*Select $ases
%a caiBa de di/logo Select CaseL marcar ') conditions is satisfied e clicar em R')S
("igura 7G).
Fi-.BG. C"i)" &* &i+,o-o Select $ases
22
+goraL selecione a .ari/.el seBo e usando os sinais no centro da caiBa de di/logoL digite
a eBpressFo condicionalL clicando no centro da caiBa de di/logo ("igura 7Z)
Fi-.BJ. C"i)" &* &i+,o-o Select $ases% -F
Clicar RContinue: e em seguida R-8S. %o Data EditorL os casos seBoa5 (feminino)
aparecem com um traEo sobre o nmero indicador do caso na margem numerada. Estes
casos serFo eBcluKdos da an/lise ("igura 7Y).
Fi-.BK. 0"*," Data Editor !om o( !"(o( Co (*,*!io"&o( "((i","&o( (o9(*#<*m "
(*1")
+o utiliOar o comando SelectL o SPSS cria automaticamente uma .ari/.el c2amada
filterEFL na ltima coluna e aparece tambPm na barra de ferramentas.
23
Para restaurar os dados do ar9ui.oL escol2er Data&Select Case((( %ll cases e clicar
R-8: ("igura :M).
Fi-. ?>. C"i)" &* &i+,o-o Select $ases
+ssimL os dados originais do ar9ui.o .oltam ao estado anteriorL sendo usada toda
a amostra para a an/lise. %Fo faOendo istoL .oc pode sal.ar os seus dados modificados
do original. EntFoL para e.itarL sal.ar sempre para outro ar9ui.o ou .oc poder/ .ir a
perder o banco de dados original.
2-ESTATSTICA ANALTICA
+ EstatKstica +nalKtica trabal2a com os dados de forma a estabelecer 2ip3tesesL
procede a sua compro.aEFo e no finalL elabora conclusTes cientKficas
T*(1* &* Hi5M1*(* e T"m"6o &" Amo(1#" para mel2or compreensFo da signific6ncia
estatKstica
T*(1* &* Hi5M1*(*(
%a maioria das .eOesL o pes9uisador toma decisFo para toda populaEFoL tendo
eBaminado apenas parte desta populaEFo (amostra). Este processo c2ama$se de
inferncia. %a pes9uisa cientKficaL a inferncia P feita com a aNuda de testes estatKsticos.
Para a compreensFo de um teste estatKstico P preciso 9ue entendamos o 9ue .em
a ser Hi5M1*(* N@," (H
>
) e Hi5M1*(* A,1*#"1i<" (H
/
).
Qip3tese P uma conNecturaL uma resposta presumida e pro.is3ria 9ueL de acordo
com certos critPriosL ser/ ou nFo reNeitada.
Hi5M1*(* N@," (H
>
): P a9uela 9ue simplesmente afirma 9ue nFo 2/ diferenEa
entre os grupos estudadosV trata$se de uma 2ip3tese 9ue atribui ao acaso a ocorrncia do
fenXmeno ou resultado obser.ado.
Hi5M1*(* A,1*#"1i<" o@ *)5*#im*1", (H
/
): P a9uela 9ue afirma 9ue 2/
diferenEa entre os grupos estudados.
' principal obNeti.o de testar uma 2ip3tese P responder U seguinte 9uestFoI
dadas duas amostrasL sFo elas realmente diferentes ou pertencem a uma mesma
24
populaEFoL ou em outras pala.rasL as diferenEas encontradas entre duas ou mais
amostras sFo .erdadeiras ou podem ser eBplicadas pelo acaso.
' processo de testar 2ip3tese consiste em seis etapasI
4.
Estabelecer a Q
4
( se l ag/ 4)
5.
Estabelecer a Q
M
( se l ag/ Oero)
7.
!eterminar o taman2o da amostra
:.
Col2er os dados
C.
RealiOar teste estatKstico para .erificar a probabilidade
de 9ue a Q
M
seNa .erdadeira
D.
ReNeitar ou nFo a Q
M
+o afastar a 2ip3tese nulaL estamos afirmando a .alideO da 2ip3tese alternati.a.
&odo eBperimento P realiOado para testar uma 2ip3tese. ' pes9uisador formula
uma 2ip3teseL obser.aL analisa e em seguida conclui. +p3s obser.arL o pes9uisador
descre.e e mede.
eamais atribuindo NuKOos de .alor ao 9ue est/ sendo .istoL o pes9uisador pode
decidir erroneamente e reNeitar a 2ip3tese nula sendo ela .erdadeira (Erro tipo #). +ssimL
o pes9uisador aceita como .erdade uma diferenEa 9ue na realidade nFo eBiste e 9ue na
.erdadeL se de.e U .ariabilidade das amostras. 8uando a 2ip3tese Q
M
P falsa e o
pes9uisador nFo a reNeitaL diOemos 9ue ele cometeu um Erro tipo ##L significando 9ue
eBistiaL de fatoL uma diferenEa 9ue nFo foi recon2ecida.
+ssimI
A 5#o9"9i,i&"&* (5) &* #*A*i1"# " H
>
E@"&o " H
>
L <*#&"&*i#"= L o E@*
!6"m"mo( &* F<*, &* (i-i$i!R!i" &o 1*(1*. ' estatKstico nFo sabe 9uando reNeita a
Q
M
L se est/ ou nFo cometendo erroL mas sabe a probabilidade de cometer este tipo de
erro. Se a probabilidade for suficientemente pe9uena (`a C[)L a decisFo de reNeitar a Q
M
est/ bem fundamentada. ' nK.el de signific6ncia P representado pela letra grega (l$se
alfa). ' nK.el de signific6ncia P o nome com 9ue se designa a probabilidade .
-eNamos o eBemploI
"eito um eBperimento com duas drogas (+L <)L o pes9uisador pergunta se a
droga + cura tanto 9uanto a droga <.
' estatKstico . a pergunta do pes9uisador como duas 2ip3tesesI
a) Q
M
I a proporEFo de pacientes curados com a droga + P igual U proporEFo de
pacientes curados com a droga <
b) Q
4
I a proporEFo de pacientes curados com a droga + P diferente da proporEFo de
pacientes curados com a droga <.
25
Erro tipo I: re#eita a $
%
sendo verdadeira (fato obtido por a&ar' rara
ocorr(ncia estatstica' erro alfa
Erro tipo II : aceita a $
%
sendo falsa (erro mais freq)ente'erro beta
"eitas as 2ip3tesesL o estatKstico estabelece o nK.el de signific6ncia do teste. '
nK.el de signific6ncia seria a probabilidade (p) de afirmar 9ue uma das drogas determina
maior proporEFo de curasL 9uando na .erdadeL a proporEFo de pacientes curados P a
mesmaL seNa a droga + ou <. = usual manter o nK.el de signific6ncia de 4[ e C[V um
de C[ (M.MC) significa 9ue cometemos um erro (tipo #) de C[ em reNeitar a Q
M
(sendo
.erdadeira) e aceitar Q
4
(4 em cada 5M se comete o Erro tipo # ao reNeitar a Q
M
). (m de
4[ (MLM4)L significa 9ue ao reNeitar a Q
M
e aceitar a Q
4
L o risco de estarmos errandoL ou
seNaL cometendo um *##o 1i5o I de 4[. ' nK.el de signific6ncia representa a m/Bima
probabilidade de tolerar um erro tipo #.
' erro tipo # ocorre 9uando se acredita 9ue eBiste um efeito .erdadeiro na
populaEFo e de fato nFo 2/. (sando o critPrio de "is2erL a probabilidade de erro P M.MC
(ou C[) 9uando nFo eBiste efeito na populaEFo. Segundo "is2er de.emos somente
acreditar 9ue o resultado P .erdadeiro 9uando ti.ermos YC[ de confianEa de 9ue ele P
ou 9uando 2ou.er somente C[ de c2ance de 9ue os resultados possam ocorrer ao
acaso.
' oposto P o erro tipo ## 9ue ocorre 9uando acredita$se 9ue nFo eBista um efeito
na populaEFoL mas na realidade ele eBiste. ' ideal P 9ue a probabilidade deste erro seNa
bem pe9uena (se eBiste um efeito na populaEFo P importante 9ue possamos detect/$lo).
Co2en sugere 9ue a probabilidade m/Bima aceit/.el para um erro tipo ## seria
ML5 (5M[)L definK.el como beta (f). Se tomarmos 4MM amostras de dados da populaEFo
na 9ual um efeito eBisteL .amos fal2ar em detectar este efeito em 5M destas amostras
(perderKamos 4 em C dos efeitos .erdadeiros).
PortantoL para faOer um erro tipo # nFo de.e 2a.er efeito na populaEFoL en9uanto
para faOer um erro tipo ## .ale o contr/rioL ou seNaL de.e 2a.er um efeito 9ue perdemos.
+ probabilidade de cometer um erro tipo # diminui U medida 9ue a aumenta
probabilidade de cometer um erro tipo ##.
+ssimI
's erros ocorrem ao testar 2ip3teses por diferentes moti.osI
$ Erro tipo #I amostras pe9uenas (2/ uma maior c2ance de serem diferentes 9uanto
menores foremV numa amostra maiorL estas diferenEas se diluiriam).
$ Erro tipo ##I amostras pe9uenas
grande 9uantidade de amostras
+lgum erro sempre ocorreL sendo til admitir 9ue para o Erro tipo # ou alfaL
considera$se 9ue C[ P aceit/.el e para o tipo ## ou betaL aceita$se geralmente 4M $
5M[.
T"m"6o &" Amo(1#"
= con.eniente planeNar o taman2o da amostra para 9ue se possa ter amostras
grandes o suficiente para detectar diferenEas importantes. Por outro ladoL amostras
eBageradamente grande alPm de ele.ar o custo do estudoL podem tornar diferenEas
irrele.antes em estatisticamente significati.as.
Para determinar o taman2o da amostra P preciso estabelecer 9ual a diferenEa
de.e ser considerada significati.a. Esta P uma decisFo arbitr/ria do pes9uisadorL
baseada na eBperinciaL na literatura eou na rele.6ncia clKnica.
Para determinar o taman2o da amostraL de.e$se considerar o nK.el de
signific6ncia ade9uadoI 9uanto de probabilidade P aceit/.el para 9ue Q
M
seNa .erdadeira.
26
;eralmente considera$se uma probabilidade menor ou igual a C[ como ade9uada (p
MLMC). Po&*# &o 1*(1*: P a probabilidade 9ue um determinado teste ir/ encontrar um
efeito assumindo 9ue um N/ eBistiaV lembrem$se 9ue f corresponde U probabilidade de
fal2a em detectar um efeito 9ue realmente eBiste (erro tipo #). +ssimL a probabilidade de
detectar um efeitoL se um eBisteL de.e ser o oposto da probabilidade de nFo detectar
a9uele efeitoL isto PL 4$f. Como N/ .imosL Co2en sugere 9ue de.erKamos esperar uma
probabilidade de M.5 na fal2a em detectar um efeito .erdadeiro e assimL o nK.el
corresponde do poder recomendado por ele 9ue foi de 4.M$M.5aM.Z. Portanto o obNeti.o P
alcanEar um poder de MLZ ou ZM[ de probabilidade de detectar um efeito se ele
realmente eBiste. Por eBemploL um poder de ZM[ significa 9ueL se de fato 2ou.er
alguma diferenEaL 2a.er/ uma probabilidade de ZM[ de detect/$la.
(ma .eO con2ecido o .alor de alfa e betaL podemos usar pes9uisas anteriores ou
eBperimentos similares para estimar o taman2o do efeito 9ue se espera detectar com um
eBperimento. +ssimL podemos usar esse tanto de efeito estimado para calcular 9uantos
participantes necessitamos para detectar este efeitoL com base nos .alores de alfa e beta
9ue escol2emos.
's c/lculos eBatos sFo .olumososL de.endo ser usados programas de
computador. Entre estesL citamos o ;WPower (gr/tis) e o n8uerA +d.iser (pago)L o
disponK.el no Epiinfo e no 0aborat3rio der Epidemiologia e EstatKstica.
(tiliOando o site Lee - Laboratrio de Epidemiologia e
E statstica, clicar em Pes9uisa e entrar/ a seguinte caiBaI
Clicar C+,!@,o &* 1"m"6o &* "mo(1#"
2
Prosseguindo com o eBemploL .amos clicar em E(1@&o &* !oo#1* (estudo de coorteI
comparaEFo entre um grupo eBposto a um fator de risco e outro grupo nFo eBposto. -isa
.erificar se indi.Kduos eBpostos ao fator de risco desen.ol.em a doenEa em 9uestFoL em
maior ou menor proporEFoL do 9ue um grupo de indi.Kduos nFo eBpostos) e teremos:
2!
EBplicaETesI
Proporo de casos entre os expostos: e$uivale % &ro&or'o de &essoas
e(&ostas ao )ator de risco $ue desenvolveram a doena
P#o5o#:Co &* !"(o( *1#* o( Co *)5o(1o(: e9ui.ale U proporEFo de pessoas 9ue nFo
foram eBpostas ao fator de riscoL mas 9ue desen.ol.eram a doenEa
Ri(!o #*,"1i<o: proporEFo de pessoas eBpostas ao fator de risco 9ue desen.ol.eram a
doenEa sobre a proporEFo de pessoas nFo eBpostas 9ue desen.ol.eram a doenEa. -ale 4
se as pessoas eBpostas e nFo eBpostas desen.ol.eram a doenEa na mesma proporEFo.
NF<*, &* (i-i$i!R!i": indica a probabilidade de cometer um erro do tipo #L ou seNaL
reNeitar a 2ip3tese nula 9uando esta for .erdadeira. Em outras pala.rasL P a c2ance de
diOer 9ue eBiste diferenEa entre as proporETes 9uando na realidade elas sFo iguais.
Po&*# &o 1*(1*: indica a probabilidade de decisFo correta baseada na 2ip3tese
alternati.a. ;eralmente P interpretado como a c2ance de detectar uma real diferenEa
entre as proporETesL ou seNaL detectar a diferenEa se ela realmente eBistir.
T*(1* &* 6i5M1*(*:
1*(1* moo!"@&",: teste cuNa 2ip3tese alternati.a P uma desigualdade. Em estudos de
coorte o teste monocaudal e9ui.ale ao teste em 9ue o interesse P saber se o risco relati.o
P maior ou menor 9ue 4L ou seNaL se a proporEFo de doentes P maior (ou menor) entre os
eBpostos ao fator de risco.
1*(1* 9i!"@&",: teste cuNo obNeti.o P testar apenas se as proporETes sFo iguais ou
diferentes e nFo estabelecer 9ual delas P maior ou menor. Em estudos de coorte o teste
bicaudal e9ui.ale ao teste em 9ue o interesse P saber somente se o risco relati.o P
diferente de 4L ou seNaL se a c2ance de doenEa entre eBpostos e nFo eBpostos ao fator de
risco P a mesma ou nFo.
2"
Para calcularmos a mostra esperando uma incidncia de 4M[ de 2emorragia
intra.entricular no grupo com corticoster3ide e 5M[ no grupo sem corticoster3ideL
faOemosI
Clicar em *<i" e teremosI
PortantoL em um estudo de coorte de gestantes 9ue usaram e nFo usaram
corticoster3ide no prP$natalL com um nK.el de signific6ncia de C[L com um poder do
teste de GC[L para detectar uma diferenEa de proporEFo de 4M[ e 5M[ entre os gruposL
3#
eBpostos e nFo eBpostos a corticoterapiaL P'SS#-E0ME%&E necessitarKamos de 47C
mFes para cada grupoL num total de 5GM gestantes.
%o entantoL P de.emos ter em mente o 9ue cita os autores do 0aborat3rio de
Epidemiologia e EstatKstica citamI . importante ressaltar que os c/lculos feitos aqui
de'em ser'ir apenas como orienta#o para o plane)amento do estudo e no serem
tomados como deciso final!
Para fins pr/ticosL segundo Co2enI participantes para detectar efeito mPdio
(raM.7)L sFo necess/rios ZC e para efeito grande (raMLC)L sFo necess/rios 5ZV para efeito
pe9ueno (r$ML4)L precisamos de GZ7.
- +mostras grandesI n g 4MM
- +mostras mPdiasI n g 7M
- +mostras pe9uenasI n ` 7M
- +mostras muito pe9uenasI n ` 45
0embrar 9ueI 9uanto menor a diferenEa a ser detectadaL maior de.er/ ser o
taman2o da amostraV 9uando menor o nK.el de signific6ncia (p)L maior de.e ser o
taman2o da amostra.
+ etapa seguinte consiste na coleta de dadosL lembrando 9ue maus dados le.am
igualmente a m/s conclusTes. Segundo "ieldL procedimentos estatKsticos sFo uma forma
de processar nmeros eL portantoL se .oc colocar baboseiras em uma an/liseL mesmo
assim obter/ conclusTes com significado estatKsticoL mas 9ue pro.a.elmente nFo terFo
sentido empKrico (pr/tico). + estatKstica nFo P uma forma milagrosaL P apenas um
recurso. %a determinaEFo da .erdade. %a an/lise estatKstica nFo eBiste um substituto
para o pensamento empKrico.
(ma .eO obtidos os dadosL faO$se a an/lise estatKstica aplicando$se testes
escol2idos em funEFo do tipo de dados disponK.eis.
2-/-T*(1* t &* Student
Este teste P usado para a.aliar a 2ip3tese de 9ue duas mPdias sFo iguais ou nFo.
' .alor do t calculado (tc) tanto maior 9uanto maior for a diferenEas entre as mPdias. '
nome deste teste refere$o ao pseudXnimo usado por ?.0. ;ossetL uma .eO 9ue a
compan2ia na 9ual trabal2a.a (Duinnes Brewing Company) nFo permitiu publicar sua
pes9uisa usando seu pr3prio nome e assim publicou com o nome Student.
S im5o#1"1* 5"#" " "5,i!":Co &o T*(1* 1 E@* " <"#i+<*, *m *(1@&o 1*6"
&i(1#i9@i:Co o#m", o@ "5#o)im"&"m*1* o#m",.
' SPSS pode eBecutar trs aplicaETes do teste t em mPdiasI para uma amostraL
amostras independentes e amostras emparel2adas.
$5"#" @m" "mo(1#"I o obNeti.o P .erificar se a diferenEa entre o .alor mPdioL
9ue representamos por H obtido em uma amostra difere ou nFo significati.amente da
populaEFo referncia. 'u seNaL testar se Q
o
I h
o
a H onde h
o
P a mPdia da populaEFo
onde a amostra foi retirada. %Fo se con2ece o des.io padrFo (i) )da populaEFo.
%o menu SPSSL abrir os comandos )ile&-pen&Data((( e na e na caiBa de
di/logo selecionar o ar9ui.o corticoster*ide pr9+natal(sav. = importante .erificar se a
31
distribuiEFo dos dados segue uma distribuiEFo normal (teste de 8olmogorov+Smirnov e
Shapiro+"il<!( %a Nanela !ata EditorL selecionar %naly.e&Compare means&-ne
Sample T+test ("igura :4!(
Fi-.?/. M*@ 0nal,+e*$ompare 1ean*&ne2Sample T2test
$selecionar altura como Test Variable0s!( $Em Test Value escre.a o .alor de CM cm
(par6metro de referncia) ("igura :5).
Fi-?8. C"i)" &* &i+,o-o &ne2Sample T2test
$Clicar em R-8S e teremos na tela do -utput Viewer ("igura :7).
T-1*(1
Fi-.?B. R*(@,1"&o( &" A"*," &utput Viewer
32
I1*#5#*1":CoI %a tabela -ne+Sample temos o .alor do teste t ($:MLD5G) e a
signific6ncia do teste (Sig. MLMMMM (p`MLMM4) 9ue permite reNeitar a 2ip3tese nula (Q
o
)
para o nK.el de signific6ncia de alfa`aMLMC. Podemos entFo diOer 9ue a amostra de 54Z
recPm$nascidos estudados .em de uma populaEFo cuNa mPdia P diferente (neste caso
menor) do 9ue CM cm.
-"mo(1#"( i&*5*&*1*(: serFo comparadas duas mPdiasV as .ari/.eis de.em ter
distribuiEFo normal.
$Selecionar %naly.e&Compare $eans&'ndependent+Samples T+test ("igura ::).
Fi-@#" ??. M*@ 0nal,+e*$ompare 1eans*-ndependent2Samples T2test
$Selecionar E(1"1@#" como Test Variable 0s!
+Selecionar a .ari/.el 9ue .ai definir o s grupos de casos (eB. seBo) como Drouping
Variable (.ari/.el de agrupamento) ("igura :C).
Fi-.?P. $ai(a de di/loo -ndependent2Sample T2test
$Clicar em RDefine DroupsS para definirmos grupos ("igura :D)
Fi-.?D. C"i)" &* &i+,o-o -ndependent Sample T2test
33
$!igite os .alores correspondentes usados para a .ari/.el seBoI 4 e 5
$Cli9ue em RContinueS ("igura :G)
Fi-.?G. C"i)" &* &i+,o-o -ndependent Sample T2test
$Clicar em R-8:. %a tela de saKda do -utput Viewer ser/ mostrado ("igura :Z)I
Group Statistics
Fi-.?J. R*(@,1"&o &o Test t 5"#" "mo(1#"( i&*5*&*1*(
%a tabela 'ndependent Samples testL temos os resultados do teste estatKstico
escol2idoL calculado de duas formas distintasI
$Equal 'ariances assumed (assumindo igualdade de .ari6ncias)
$Equal 'ariances not assumed (assumindo 9ue as .ari6ncias sFo desiguais)
Para decidirmos sobre 9uais destes resultados .amos utiliOarL o SPSS
disponibiliOa o 1*(1* &* L*<** 9ue testa a 2ip3tese de igualdade das .ari6ncias.
34
Se a signific6ncia do teste for `aM.MCI reNeita$se a igualdade das .ari6nciasV se a
signific6ncia do teste for gM.MCL as .ari6ncias sFo iguais
%o nosso eBemploL a signific6ncia do teste de 0e.ene foi MLGC e assim usamos o
teste t para .ari6ncias iguais (Equal variances assumed). %este casoL o .alor do teste a
ser interpretado ser/ ta$4LCDZ. Como a signific6ncia P maior 9ue M.MCL nFo reNeitamos a
2ip3tese nulaL ou seNaL nFo 2/ uma diferenEa estaticamente significati.a entre as mPdias
de estatura dos R% submetidos U corticoterapia prP$natal em relaEFo aos R% nFo
submetidos U corticoterapia prP$natal.
Para determinar se eBiste diferenEa entre pesos nos dois gruposL usamos o teste
nFo paramPtrico de Mann$?2itneA (.eNa adiante)L uma .eO 9ue o peso ao nascer nFo
segue os pressupostos da distribuiEFo normalL como determinado pelo teste de
%ormalidade 8olmogorov+Smirnov -Test t 5"#" "mo(1#"( *m5"#*,6"&"(
js .eOes os pes9uisadores estudam os efeitos de um tratamento comparando$seI
$pares de indi.Kduos (um gmeo recebe um tratamento e o outroL nFo).
$dois lados de um mesmo indi.Kduo (aplicaEFo de um tratamento para a
pre.enEFo de c/ries em um lado da arcada dent/ria e o outro lado sem tratamento$
controle).
$mesmo indi.Kduo duas .eOes (pressFo arterial antes e ap3s o tratamento em um
mesmo indi.KduoV diferenEa entre o peso mPdio dos indi.Kduos antes e depois da dieta).
$diferenEas entre as mPdias das 2emoglobinas antes e depois da cirurgia
O@ (*A": m*&i&"( $*i1"( *m &oi( 5o1o( &i(1i1o( o 1*m5o
+o usar o SPSSL temos 9ue ter a certeOa de 9ue os dados foram digitados no
formato de duas .ari/.eis diferentes para cada caso.
%o nosso banco de dados nFo temos amostras emparel2adasL ou seNaL nFo temos
.ari/.el de cada indi.Kduo medida antes de depois de uma inter.enEFo. Citando o
eBemplo de ?agner e clI a diferenEa entre as mPdias de 2emoglobina antes e depois da
cirurgia P atribuKda ao acasok #mportanteI como sFo amostras emparel2adasL P
necess/rio 9ue os dados seNam digitados no formato de duas .ari/.eis diferentes para
cada casoL como 2b4 e 2b5 (prP$operat3rio e p3s$operat3rio).
$Selecione %naly.e&Compare $eans&,aired+Simples T+test 0"igura :Y)
Fi-. ?K: M*@ 0nal,+e*$ompare 1eans*Paired2Simples T2test
35
$Selecione as duas .ari/.eis emparel2adas e colo9uem$nas no ,aired Variables0s!
0"igura CM!
Fi-.P>. C"i)" &* &i+,o-o Paired2Samples T2test
Clicar R-8S a seguir
+ tabela do -utput Viewer mostrar/ ("igura C4)
Fi-. P/. R*(@,1"&o &o 1*(1* 1 5"#" "mo(1#"( *m5"#*,6"&"(
+ tabela ,aired Samples Correlations mostra o .alor do coeficiente de correlaEFo
de Pearson (.ide adiante)L assim como o .alor da signific6ncia para o coeficiente.
!e.ido Us duas .ari/.eis representarem o mesmo grupo medido em momentos
diferentes (ou dois grupos emparel2ados)L o .alor do coeficiente de correlaEFo de
Pearson de.er/ ser alto e o .alor de signific6ncia de.er/ ser inferior a MLMC.
+ tabela ,aired Samples Test mostra di.ersas estatKsticasL como mPdia da
diferenEa entre os paresL des.io padrFoL erro padrFo da mPdiaL o .alor do teste tL o
nmero dos graus de liberdade (df! e o .alor da signific6ncia do teste. + 2ip3tese de 9ue
nFo 2/ diferenEa entre as 2emoglobinas no prP e p3s$operat3rio (Q
o
) P reNeitadaL pois o
teste de signific6ncia (5$tailed) P `MLMC) ("igura C5)
,aired Samples Test
36
Fi-. P8 R*(@,1"&o &o 1*(1* 1 5"#" "mo(1#"( *m5"#*,6"&"(
2-8. A+,i(* &* 2"#iR!i"= T*(1* F o@ T*(1* &* T@O*3
+tP o presente momento discutimos formas de comparar dois grupos de pacientes
ou duas amostras. Muitas .eOes torna$se necess/rio comparar mPdias de mais de duas
populaETes.
Supon2amos 9ue 9ueiramos testar 9uatro drogas diferentes ao mesmo tempo l
(9uatro diurPticos diferentes +L <L CL !) e 9ue deseNamos a.aliar o efeito de cada uma
das drogas sobre o dPbito urin/rio em 4D .olunt/rios.
Para sabermos se os grupos sFo significati.amente diferentes uns dos outrosL se
algum dos diurPticos testados tem um efeito diurPtico importanteL utiliOando o teste t/
podemos comparar os grupos dois a doisL por meio de D testes t separadosL o 9ue poder/
re.elar uma diferenEa significati.a entre os diurPticos. +lPm da perda de tempo com
este procedimentoL poderKamos estar incorrendo num erro tipo #L pois ao aceitar C[ de
erro em cada uma das D an/lises separadasL 2a.eria uma c2ance de 7M[ ( D B C[) de
encontrarL por mero acasoL uma diferenEa estatisticamente significati.a.
' uso da an/lise da .ari6ncia (ANO2AI abre.iaEFo proposta por &u@eA para
%nalysis of Variance) indicar/ a probabilidade de 9ue a 2ip3tese nula seNa .erdadeiraL ou
seNaL probabilidade de 9ue nen2uma diferenEa eBiste entre 9uais9uer dos grupos. Se a
2ip3tese nula (Q
M
) for reNeitadaL ser/ o indKcio de 9ue 2/ diferenEa de potncia em algum
dos diurPticos testados. Para localiOar o diurPtico en.ol.idoL ser/ necess/rio um teste
+%'-+ de comparaEFo de pares. 's testes de +%'-+ se ap3iam na 2ip3tese de 9ue se
os grupos sFo semel2antesL a .ari6ncia em cada um (&*1#o) dos grupos P semel2ante
U9uela *1#* os gruposV o 9ue estes faOem P comparar a .ariabilidade das mPdias de
todas as amostras com a .ariabilidade dentro das amostras.
+ssimL o teste precisa determinar a .ariabilidade dentro de cada amostraL bem
como a .ariabilidade 9ue eBiste entre mPdias das amostras. +o faOermos istoL geramos
uma estatKstica c2amada "L cuNa f3rmula PI
" a estimaEFo da .ari6ncia E%&RE os grupos
estimaEFo da .ari6ncia !E%&R' dos grupos
"I distribuiEFo " de R.+ "isc2erV o " obser.ado ao " crKticoL rec2aEa a 2ip3tese nula
de 9ue nFo 2/ diferenEa entre as .ari6ncias.
0embrem$se sempre 9ueI
Q
M
(2ip3tese nula)I nFo 2/ diferenEa entre os grupos
3
Q
4
(2ip3tese eBperimental)I 2/ diferenEa entre os grupos
Com relaEFo ao tipo de dados a ser introduOido no SPSSL " <"#i+<*, &*5*&*1*
&*<*#+ (*# E@"1i1"1i<". + <"#i+<*, i&*5*&*1* (con2ecida como )actor no
comando -ne+"ay %-V%+%-V% com um fatorI nico critPrio de classificaEFo)L
&*<*#+ (*# @mL#i!" &i(!#*1" (o@ (*A"= Tm*#o( i1*i#o() na definiEFo das categorias
a serem comparadas.
+s amostras de.em ter uma distribuiEFo normal (gaussiana)V tambPm assume a
igualdade de .ari6ncia entre os grupos das amostras a serem comparadas (o teste de
#evene .erifica a 2omogeneidade de .ari6ncias).
Procedimento de an/liseI %a Nanela Data Editor do SPSSL escol2aI
%naly.e&Compare $eans& -ne+"ay %-V% 0"igura C7!
Fi-. PB.M*@ 0nal,+e*$ompare 1eans* &ne2Wa, 03&V0
%a caiBa de di/logo -ne+"ay %-V%L colocar idade gestacional como
Dependente #ist e +pgar como )actor. + seguirL clicar em R-ptionsS ("igura C:)
Fi-.P?. C"i)" &* &i+,o-o &ne2Wa, 03&V0
%a caiBa de di/logo -ne+"ay %-V% -ptionsL selecionar Descriptives/
;omogeneity of variances/ $eans plot e Exclude cases analysis by analysis e em
3!
seguidaL clicar em RContinueS para .oltar U Nanela anterior e finaliOe clicando em R-8S
("igura D5)
Fi-.PP. C"i)" &* &i+,o-o &ne2Wa, 03&V0% &ptions
%a Nanela -utput ViewerL .ai aparecer ("igura CD)I
Fi-. PD. R*(@,1"&o( &o !om"&o O*-%"3-ANO2A
Como interpretark Esta primeira tabela mostra resultados de estatKsticas
descriti.asL como N/ .imos (nmero de obser.aETesL mPdiaL des.io$padrFoL etc para
cada grupo e para o total de obser.aETes.
+ segunda tabela do -utput Viewer mostra os resultados do teste de 0e.ene ("igura CG)I
Test of Homogeneity of Variances
*dade +estacional
,evene
Statistic df- df. Sig"
-,/0% 1 .%0 ,20
Fi-. PG. R*(@,1"&o( &o !om"&o O*-%"3-ANO2A
Como o .alor de sig. P gMLMCL aceita$se Q
o
L 9ue mo(1#" " i-@",&"&* &* <"#iR!i"(
*1#* o( /> -#@5o(.
3"
+ ltima tabela corresponde U tKpica tabela de apresentaEFo do teste de %-V% ("igura
CZ).
!"#V!
*dade +estacional
Sum of
Squares df 2ean Square 3 Sig"
4et5een +roups .--,--% 1 .6,/10 7,0%1 ,%%%
8it9in +roups
0//,7%- .%0 :,:6;
<otal
--::,6-. .-;
Fi-.PJ$ R*(@,1"&o( &o !om"&o O*-%"3-ANO2A
%esta tabela .emos o nome da .ari/.el dependente (#dade ;estacional)L a soma
dos 9uadrados (Sum of Squares)L 9uadrado mPdios ($ean Square)L -alor do teste de "
())L a signific6ncia (Sig) 9ue representa a probabilidade de afastar (" obtido superior ou
igual ao " crKtico) ou aceitar a Q
o
(" obtido inferior ao " crKtico). Consulte MargottoL
Entendendo <ioestatKstica </sica (www.paulomargotto.com.br em Entendendo
<ioestatKstica </sica). " crKtico P o .alor de " encontrado nas tabelas dos .alores de ".
+ .ariaEFo total P di.idida em dois componentesI
4$Between Droups (entre os grupos)I significa .ariaEFo das mPdias dos 9uatro grupos
em torno da mPdia geral para YC obser.aETes)
5$"ithin groups (dentro dos grupos)I representa a .ariaEFo das obser.aETes indi.iduais
em torno da mPdia do respecti.o grupo
-alores de signific6ncia baiBos indicam diferenEas entre as mPdias dos grupos.
Como a signific6ncia foi MLMMM (.alor de p`MLMC)L indica 9ue 2/ L pelo menosL uma
diferenEa entre os grupos analisados. +ssimL reNeitamos a 2ip3tese nula (a .ariabilidade
E%&RE os grupos foi suficientemente grande face U .ariabilidade !E%&R' dos
grupos). PortantoL podemos diOer 9ue a idade gestacional mPdia nFo P igual entre os 4M
grupos de +pgar no C] minuto. %o gr/fico das mPdias para os 4M grupos de +pgar no C]
minutoL o grupo 7 (menor idade gestacional) destaca$se dos demais grupos ("igura CY).
Fi-.PK. G#+$i!o &"( mL&i"( 5"#" o( /> -#@5o( &* A5-"# o PU mi@1o. O -#@5o B
&*(1"!"-(* &o( &*m"i(.
T*(1*( &* !om5"#":;*( &* mT,1i5,"( mL&i"(
4#
%a an/lise de .ari6nciaL 9uando a diferenEa entre os grupos nFo P significanteL
nFo P necess/rio nen2um outro teste mais. %o entanto 2a.endo diferenEa significante
pelo "$testeL isto nFo 9uer diOer 9ue todos os grupos difiram entre si. + +%'-+ informa
somente se 2/ ou nFo diferenEa estatisticamente significati.a entre dois ou mais gruposL
mas Co i$o#m" E@"i( o( -#@5o( *<o,<i&o(. -eNam 9ue aplicando a +%'-+ no
eBemplo 9ue estamos estudandoL as mPdias dos 4M grupos nFo sFo estatisticamente
iguais. Mas 9ual P ou 9uais sFo as mPdias diferentes entre sik
Para identificar os gruposL de.e$se realiOar uma comparaEFo entre os pares $ pair
wise comparision test $ 9ue ir/ comparar cada grupo com cada um dos outros. Para
saber onde est/ a diferenEaL sFo necess/rios testes de comparaETes mltiplas de mPdias
(,ost ;oc). L pois comparam todos os grupos dois a dois. (m dos testes mais utiliOados
P o &este de &u@eA.
Como anteriormenteL escol2a na Nanela Data Editor do SPSS
%naly.e&Compare&$eans&-ne+"ay %-V%(
%a caiBa de di/logo -ne+"ay %-V%L alPm das opETes 9ue foram escol2idas no
procedimento anteriorL clicar n em R,ost ;ocS.-eNa na figura DM.
Fi-.D>. C"i)" &* &i+,o-o &o !om"&o &ne2Wa, 03&V0
%a caiBa de di/logo -ne+"ay %-V%2 ,os ;ocL selecionar a opEFo Tu<ey e
clicar no botFo RContinueS para .oltar U Nanela e em seguidaL clicar R-8S ("igura D4).
Fi-.D/. C"i)" &* &i+,o-o &o !om"&o &ne2Wa, 03&V0% Post 4oc 1ultiple
$omparisons
41
+lPm das tabelas anterioresL surgira a tabela ,ost ;oc $ultiple comparisonsL onde se
encontram as comparaETes entre as mPdias dos dois grupos ("igura D5).
42
Fi-.D8. R*(@,1"&o( &o !om"&o &ne2Wa, 03&V0
$+s diferenEas significati.as sFo mostradas com asteriscos (W).
$+ coluna Sig mostra a signific6ncia estatKstica (p) para a diferenEa entre as mPdias das
amostras (significante se p`MLMC).
$+ pr3Bima coluna mostra os limites dos inter.alos de confianEa de YC[ para as
diferenEas entre as mPdias das amostras.
#nterpretaEFoI-eNam 9ue o ;rupo 7 apresentou diferenEa significati.a em relaEFo
aos grupos :LG Y e 4ML mas nFo em relaEFo aos grupos 4 e Z.
'btendo o gr/fico Boxplot como N/ .imos anteriormente (obtido com o comando
Explore/! d/ uma mel2or .isFo do 9ue o $eans ,lotL a distribuiEFo da idade gestacional
no grupos de +pgar ao C] minuto ("igura D7).-eNamI
Fi-. DB.G#+$i!o 5o(plot &* i&"&* -*(1"!io", * A5-"# o PU
Para .erificar a eBistncia de diferenEas estatisticamente significati.as entre mPdias
de mais de duas amostras ou medidas relacionadas (trs medidas feitas nos mesmos
indi.KduosL uma antesL uma durante e outra depois de uma determinada inter.enEFo ou
tratamento (medias feitas em trs pontos distintos no tempo)L usamos o teste con2ecido
como A+,i(* &* 2"#iR!i" 5"#" M*&i&"( R*5*1i&"( ou +%'-+ para Medidas
Repetidas. %o SPSSI %naly.e&Deneral #inear $odel&Gepeated $easures( %Fo
eBemplificaremos por nFo disporL no momentoL de uma base de dados para esta an/lise.
2-B.V@i-E@"&#"&o
+ estatKstica do 9ui$9uadrado (Chi+square) P ade9uada para <"#i+<*i(
E@",i1"1i<"(= !om &@"( o@ m"i( !"1*-o#i"(= o@ (*A" &"&o( omi"i( (a9ueles
distribuKdos em categorias nominais sem 9ual9uer ordemL como seBoL raEaL .ia de
43
partoLcor dos cabelos). + pro.a do 9ui$9uadrado (H
5
) P utiliOada para compro.ar se
eBistem diferenEas estatisticamente significati.as entre duas distribuiETesI m*&* o -#"@
&* &i(!#*5R!i" *1#* @m !oA@1o &* $#*EHI!i"( o9(*#<"&"( * @m !oA@1o &*
$#*EHI!i"( *(5*#"&"(V o seu .alor ser/ Oero 9uando nFo 2ou.er diferenEa entre os
nmeros obser.ados e os esperados.
' 9ui$9uadrado 9uantifica a associaEFo entre .ari/.eis 9ualitati.asL comparando
as diferenEas entre os .alores obser.ados e os esperados. 8uanto maior for o .alor da
estatKstica H
5
L maior ser/ o grau de associaEFo eBistente entre as duas .ari/.eis.
' 9ui$9uadrado tambPm pode ser usado para .ari/.eis 9uantitati.asL uma .eO
9ue P possK.el criar categorias para estas .ari/.eisL comoL duraEFo da internaEFoL
categoriOadas nas classes atP 5 dias e mais de 5 dias.
%a aplicaEFo do 9ui$9uadradoL as fre9\ncias te3ricas para cada casin2a de.em
ser iguais ou superiores a C.
's principais testes sFo o T*(1* V@i-E@"&#"&o 5"#" @m" "mo(1#" e o V@i-
E@"&#"&o &* i&*5*&I!i". &odas as fre9uncias esperadas de.em ser maiores 9ue 4
e no m/Bimo 5M[ das fre9uncias esperadas podem ser menores 9ue C.+ amostra total
de.e ser maior 9ue 5M.
T*(1* V@i-E@"&#"&o 5"#" @m" "mo(1#"
%esta amostra 9ue estamos trabal2ando (uso de corticoster3ide prP$natal na
Maternidade do Qospital Regional da +sa Sul)L as mFes sFo igualmente distribuKdas
9uanto ao tipo de partoL 2ipertensFoL seBo e gemelaridadek
P"#" i(1o $"4*mo(:
%naly.e &onparametric Test&#egacy dialogs&Chi+Square (figura D:)(SPSS$4Z)
Fi-.D?. 0nal,+e *3onparametric Test*6eac, dialos*$7i2Square
Em Test Variable #istL selecione as .ari/.eis em estudo. Em Expexted Values
mar9ue %ll categories equal (figura DC)
Fi-.DP. $7i2Square test
44
Clicar em -8 e a saKda do SPSS mostrar/ (figura DD)
Fi-. DD. S"F&" &o SPSS
Podemos obser.a em Test Statistics 9ue as proporETes de mFes nFo sFo iguais
9uanto ao tipo de parto (p`MLMM5) e gemelaridade (p`MLMM4). %o entantoL sFo iguais para
2ipertensFo materna e seBo dos recPm$nascidos. 'bser.em 9ue para cada categoria da
.ari/.elL o nmero de casos obser.ados (-bserved )L o nmero de casos esperados se
as proporETes fossem iguais (Expected ) e a diferenEa entre eles (GesHdual!('bser.em
tambPm 9ue teste 9ui$9uadrado compara as fre9\ncias obser.adas com as fre9uncias
esperadasL considerando 9ue a 2ip3tese nula seNa .erdadeira.
45
T*(1* V@i-E@"&#"&o &* i&*5*&I!i"
Este .erifica a eBistncia de associaEFo estatisticamente significante entre duas
.ari/.eis categ3ricasL medidas em escala nominal ou ordinal. %Fo 2a.endo
associaEFoLdiOemos 9ue as .ari/.eis sFo independentes.
Como o91*# o E@i-E@"&#"&o o SPSSI %naly.e& Descritives& Crosstabs ("igura DG)
Fi-.DG. M*@ 0nal,+e* Descriti'es* $rosstabs
%a caiBa de di/logo CrosstabsL selecionar uso seBo nas Gow 0s! (lin2as) e uso
de corticoster3ide nas Column0s! (colunas) ("igura DC)
Fi-.DJ. C"i)" &* &i+,o-o &o $rosstabs
Clicar em Cells e selecionar em Counts2 -bserved e em ,ercentages2 Gow 0"igura DY!
46
Fi-.DK.C"i)" &* &i+,o-o $rosstabs% $ell Displa,
Clicar RContinueS
Selecionar RStatisticsS e selecionar Chi+SquareL pressionar RContinueS ("igura GM)
Fi-.G>. C"i)" &* &i+,o-o &o $rosstabs%Statistics
Clicar R-8S
%o -utput Viewer serFo mostradas a seguintes tabelas ("igura G4).
4
Fi-.G/. R*(@,1"&o( &o 1*(1* &o E@i-E@"&#"&o @1i,i4"&o o $rosstabs 5"#" o
@(o &* !o#1i!o(1*#Mi&* 5#L-"1", * (*)o.
E1*&*&o m*,6o# o #*(@,1"&o &o V@i-E@"&#"&o
2Pearson $7i2SquareI o .alor calculado do teste (.alueaLM4Y4)L os graus de
liberdade (dfa4) e a signific6ncia ou .alor$p (MLDD5). Este P o resultado 9ue
normalmente se utiliOa ao realiOar o teste do 9ui$9uadrado.
$$ontinuit, corectionI P uma correEFo no .alor do 9ui$9uadradoL utiliOado no
caso de amostras pe9uenas (uma das cPlulas da tabela com n`C ou n`5M)V tem o
obNeti.o de superestimar a signific6ncia do teste.= usado somente nas tabela 5 B 5
26i8e7ood ratioI constitui um teste alternati.o ao 9ui$9uadrado na .erificaEFo da
associaEFo entre duas .ari/.eis medidas em escala nominal.8uando as amostras sFo
grandesLo seu resultado P pr3Bimo ao 9ui$9uadrado.
2Fis7er9s E(act TestI o teste eBato de"is2er P usado 9uando a amostra P muito
pe9uena para permitir a utiliOado do 9ui$9uadrado (9uando alguma fre9\ncia
esperada`4 ou mais de 5M[ das fre9uncias esperadas `C ou amostra total`5M)
26inear b,26inear 0ssociationI P um teste para a .erificaEFo da eBistncia de
relaEFo linear entre duas .ari/.eis medidas em escala ordinal. %Fo P apropriado para
.ari/.eis 9ue foram medidas em escala nominal.
Podemos obser.ar 9ue nFo eBiste relaEFo entre o uso de corticoster3ide no prP$
natal e seBo dos recPm$nascidosL pois o .alor do H
5
P pe9ueno (.eNa 9ue o .alor de p
$asymp(sig$ P maior 9ue MLMC). +ssimL sFo .ari/.eis independentes.
4!
2-?- Ri(!o R*,"1i<o * O&&( R"1io
' Risco Relati.o (RR) e 'dds Ratio ('!) sFo medidas de forEa de associaEFo
(medidas de efeito)L ou seNaL medem a associaEFo da .ari/.el de desfec2o com a
.ari/.el de eBposiEFoI 9uanto da probabilidade de ocorrncia da .ari/.el dependente
de.e$se U sua relaEFo com a .ari/.el independente. 's termos associaEFo e efeito
referem$se ao fato de 9ue uma .ari/.el teria uma relaEFo ou eBerceria um efeito sobre
outra .ari/.el. Como os resultados sFo decorrentes de uma raOFoL o .alor de nulidade
para esses P de 4 (um).
Selecionar %naly.e&Descriptives Statistics&Crosstabs
%a caiBa de di/logo do Crosstabs/ selecionar P%#( (pneumonia) nas Column0s)
(coluna (s)L e uso do corticoster3ide prP$natal nas Gow 0s! (lin2as). Clicar em RCellsS e
selecionar CountsI -bserved e ,ercentages2 Gow ("igura G5)
Fi-.G8. C"i)" &* &i+,o-o C#o((1"9(: S1"1i(1i!(
Clicar RContinueS
%a caiBa de di/logo CrosstabsL pressionar RStatisticsS. %a caiBa Crosstabs2 Statistics
assinalar Chi+Square e Gis<. Pressionar RContinueS ("igura GM)
4"
Fi-.GB. C"i)" &* &i+,o-o $rosstabs%Statistics
Clicar R'>S
%o -utput viewer teremos as tabelas. ("igura G:)
Fi-.G?.R*(@,1"&o( &o W
8
5#
I1*#5#*1":CoI obser.amos 9ue a pneumonia ocorreu significati.amente menos nos
R% cuNas mFes receberam corticoster3ide prP$natal ('RI ML74L com inter.alo de
confianEa de ML45$MLGG)ou seNaL 2ou.e diminuiEFo da pneumonia intra$uterina em DY[
(4$ML74aMLDY B 4MMa DY[) nos R% eBpostos ao corticoster3ide prP$natal em relaEFo aos
R% nFo eBpostos e a estimati.a da .ariabilidade foi de 57[ a ZZ[ (4$MLGGaML57 B
4MMa57[ e 4$ML45aMLZZ B 4MMa ZZ[). Esta associaEFo P significati.a por nFo conter a
unidade no inter.alo de confianEa. 'bser.e da signific6ncia no ,earson Chi+Square em
%symp(Sig 06+sided! 9ue foi de MLMMY
' Risco Relati.o (RR) P a medida da forEa da associaEFo entre a eBposiEFo e o
e.ento (resultado). + raOFo das c2ances (odds ratio $ 'R) P definida como a
probabilidade de 9ue um e.ento ocorra di.idido pela probabilidade de 9ue ele nFo
ocorraL ou seNa P o 9uociente entre a 9uantidade de e.entos e a 9uantidade li.re de
e.entos (o mesmo modo 9ue o RR a.alia$se a .ariabilidade amostral da 'R atra.Ps do
c/lculo do inter.alo de confianEa e a interpretaEFo P a mesma do RRL ou seNaL se o
inter.alo de confianEa da 'R conti.er a unidadeL significa ausncia de associaEFo). +
'R pode ser estimada em estudo tipo coorte (populaEFo seguida da causa para o efeito)
e em estudo tipo caso$ controle (populaEFo seguida do efeito para causa). e/ o RR s3
pode estimado em estudos tipo coorte e nFo em estudos tipo caso$controleL por9ue este
tipo de estudo nFo permite estimati.a da taBa populacional do e.ento nos grupos
estudados.
8uando o RR ou a 'R P igual a 4L significa 9ue nFo 2/ efeito com o tratamentoL
ou seNaL o efeito do tratamento P o mesmo nos dois grupos. Se o RR'R P ` 4L significa
9ue o risco do e.ento P menor no grupo tratado 9ue no controle. + .ariabilidade
amostral do estudo pode ser a.aliada atra.Ps de testes de signific6ncia ou .ia inter.alo
de confianEa. +9ui daremos preferncia U segunda abordagem. Para um dado nK.el de
signific6ncia (p`a MLMC)L o inter.alo de confianEa representa o inter.alo onde de.e estar
o par6metroL ou seNaL o risco relati.o .erdadeiro. Se o .alor 4L 9ue se refere U nulidade
da associaEFoL nFo esti.er contido no inter.aloL temos uma confianEa 9ue na populaEFo
de onde nossa amostra foi eBtraKdaL o RR P diferente de 4L sendoL portanto significati.o
o ac2ado da amostra. Para a realiOaEFo dos c/lculos do risco relati.o e o inter.alo de
YC[ de confianEaL assim como o seu significadoL consulte www.paulomargotto.com.brL
em Entendendo BioestatHstica e ExercHcio da $edicina Baseado em Evid>ncias.
' i1*#<",o &* !o$i":" mostra o limite dentro do 9ual eBiste a certeOa do
.erdadeiro efeito do tratamentoV estima a magnitude da associaEFo e informa a
.ariabilidade da estimati.aL atra.Ps dos limites inferior e superior.
+ seguirL planil2as para o c/lculo do Risco Relati.oL -dds Gatio e &este
!iagn3stico( <raile !M e ;odoA M").
C,i!"# &@"( <*4*( "( $i-@#"( * *,"( 1#"($o#m"m-(* *m 5,"i,6"(X
2*A"mo( @m *)*m5,o: U(o &* &#o-"( " S"," &* P"#1o * U(o &o !o#1i!o(1*#Mi&* 5#L-
"1",
51
!igite +PE%+S nas caselas de cor laranNa e %(%C+ nas caselas aOuis.
euntamente com o resultado da odds ratio temos o inter.alo de confianEa.
#nterpretaEFoI 2ou.e diminuiEFo do uso de drogas na sala de parto em :Z[ (4$
MLC5aML:Z B 4MM) no grupo do corticoster3ideL porPm nFo foi significati.oL pois no
inter.alo de confianEa contem a unidade.
-oc pode tambPm usar este site para realiOar c/lculos estatKsticos em &estes
!iagn3sticosL obtendo a sensibilidadeL especificidadeL .alor prediti.o positi.o e o .alor
prediti.o negati.oL alPm de poder obter a EstatKstica >appaL descrita por Co2enL o
c2amado &i!* K"55" para a.aliar o grau de acerto do procedimentoL ou seNaL para
a.aliar o 9uanto o resultado do procedimento escapa do aOar. &emos usado a seguinte
escala de interpretaEFoI >=GP - /: m@i1o 9omY >=?Z >=G?: #*-@,"# " 9omY >=BP:
#@im (o diagn3stico nFo P eBplicado pelo procedimento e sim pelo aOar em YC[ das
.eOes). .'utros usamI
52
(=%,.%>pobre?%,.--%,:%>fraca?%,:--%,6%>moderada? %,6--%,1%>boa?@%,1%>muito boa
= importante con2ecer o inter.alo de confianEa a YC[ do Kndice >appa para dar$l2e
mais peso ao resultado ac2ado. + signific6ncia dar$se$/ pela ausncia da unidade no inter.alo de
confianEa.
%o item H#L discutimos a realiOaEFo da EstatKstica @ no SPSS na a.aliaEFo intra e entre$
obser.adores.
2I-CORRELAO E REGRESSO LINEAR SIMPLES
' termo correlaEFo descre.e a associaEFo entre duas <"#i+<*i( @mL#i!"(
(E@"1i1"1i<"()V 9uantifica a forEa da associaEFo entre estas duas .ari/.eis. (ma
correlaEFo eBpressa uma medida do relacionamento linear entre .ari/.eis. %o
eBemploL peso e alturaL em 9uanto aumenta o peso U medida 9ue a estatura aumentak '
comportamento conNunto de duas .ari/.eis 9uantitati.as pode ser obser.ado atra.Ps de
um gr/fico denominado Di"-#"m" &* Di(5*#(Co e medido atra.Ps do Co*$i!i*1* &*
!o##*,":Co.
Di"-#"m" &* Di(5*#(Co:
%a representaEFo gr/ficaL P importante sempre colocar no eiBo das abscissas
(2oriOontal) a .ari/.el independente ou eBplanat3ria ou preditora (H) e no eiBo das
ordenadas (.ertical)L a .ari/.el dependente ou desfec2o. + correlaEFo 9uantifica 9uFo
bem H e m .ariam em conNunto
Co##*,":Co ,i*"# &* P*"#(o
' coeficiente de correlaEFo (r de Pearson) eBpressa 9uantitati.amente as
relaETes entre duas .ari/.eis. = um nmero puroL usado para classificar a correlaEFo
emI r a 4I perfeitaV r a MLZM $ `4I muito altaV r a M.DM $ `MLZMI altaV r a M.:M $ `DMI
53
moderadaV r a ML5M $ `M.:MI baiBaV r a M $ `M.5M muito baiBaV r a MI nula forte. '
coeficiente de correlaEFo P um Kndice de magnitude na 9ual se associam duas .ari/.eis.
+ntes de se realiOar uma an/lise de correlaEFoL de.emos faOer um gr/fico de
dispersFo (Scatterplot) para a .erificaEFo do comportamento das .ari/.eis.
%o menu Draphs/ selecionar Scatter ("igura GC).
Fi-.GP. M*@ :rap7s*Scatter
%a caiBa de di/logo com representaETes gr/ficas para Scatterplot/ escol2er Simple
("igura GD).
Fi-.GD C"i)" &* &i+,o-o Scatterplot
%a Nanela Simple ScatterplotL colocar no I %xis (eiBo m) a .ari/.el peso e no J %xis
(eiBo H) a .ari/.el altura e clicar R-8: ("igura GG).
54
Fi-.GG. C"i)" &* &i+,o-o Simple Scatterplot
%a Nanela -utput Viewer .ai aparecer a seguinte figura ("igura GZ)
Fi-.GJ. R*(@,1"&o &o Scatterplot 5"#" "( <"#i+<*i( 5*(o * *(1"1@#"
55
!ando um cli@ duplo com o mouse sobre o gr/ficoL ser/ aberta a Nanela Chart
EditorL podendo assim ser editado o gr/fico. Selecionar Elements e )t #ine at total
0)igura 1K!(
Fi-.GK. 0"*," $7art Editor
+ssim ser/ possK.el a colocaEFo da #*1" &* #*-#*((Co representando a associaEFo
linear entre as duas .ari/.eis("igura ZM).
Fi-.J>! Scatterplot !om " #*1" &* #*-#*((Co= #*5#*(*1"&o " "((o!i":Co ,i*"# *1#*
"( &@"( <"#i+<*i(
56
*eta de
*e+ress'o
r
2
'bser.em 9ue no canto direto do gr/fico aparece o G sq #inearL 9ue
representa o coeficiente de Pearson ao 9uadrado (r
5
) (.eNa mais adiante)
+p3s a a.aliaEFo do Scatterplot/ solicita$se a an/lise de correlaEFo propriamente
ditaI %naly.e&Correlate&Bivariate e ser/ aberta a caiBa de di/logo Bivariate
Correlations 0"igura Z4!(
Fi-.J/. M*@ 0nal,+e*$orrelate*5i'ariate
Selecionar peso e estatura e transferir para a caiBa -ariables. +s opETes ,earson e
Two+tailed sFo selecionadas como padrFo ("igura Z5)
Fi-.J8.C"i)" &* &i+,o-o 5i'ariate $orrelations o&* (* o91Lm o !o*$i!i*1* &*
!o##*,":Co &* P*"#(o
+ seguirL clicar R-8S. %a Nanela do -utput Viewer ser/ apresentada uma matriO
simPtrica com o coeficiente de correlaEFo de PearsonL alPm do .alor da signific6ncia e
o nmero de casos ./lidos (Correlations) ("igura Z7)
5
Fi-. JB.R*(@,1"&o &o !+,!@,o &o !o*$i!i*1* &* !o##*,":Co ,i*"# &* P*"#(o !om "
(@" (i-i$i!R!i"
+ssimL .emos 9ue 2/ uma correlaEFo significati.a (.eNa o Sig( 06+tailedI`M.MC)
entre estatura e peso P ML::.
Co##*,":Co P"#!i",
+ correlaEFo parcial consiste na relaEFo eBistente entre duas .ari/.eisL
eliminando a influncia de outras. %o eBemplo anteriorL .amos controlar a idade
gestacional.
%naly.e&Correlate&,artial ("igura Z:)
Fi!;<!1enu 0nal,+e*$orelate*Partial
%a caiBa de di/logo ,artial CorrelationsL escol2emos controlar (Controlling for)
a idade gestacional. Clicar em R-8S ("igura Z:).
5!
r
Fi-.J?. C"i)" &* &i+,o-o Partial $orrelations
+ Nanela do -utput Viewer mostrar/ ("igura ZC)I
Fi-.JP. O@15@1 &" "+,i(* &* Partial $orrelations
Podemos .er 9ue a correlaEFo entre a estatura e o peso continua significati.a
(p`MLMM4) e a correlaEFo P de ML7Y. ' r
5
(coeficiente de determinaEFo) P de ML4C (a
estatura eBplica a .ariabilidade do peso do R% em 4C[L 9uando controlamos a idade
gestacional).
R*-#*((Co ,i*"# (im5,*(
Como .imosL a !o##*,":Co indica o grau de "((o!i":Co entre duas .ari/.eisL ao
passo 9ue a #*-#*((Co diO respeito U !"5"!i&"&* &* 5#*<*# um .alor baseado no
con2ecimento do outro (de pre.er m dado 9ue H seNa con2ecido). + regressFo tem como
obNeti.o 9uantificar o efeito do H sobre o m. + essncia da an/lise de regressFo P a
pre.isFo de algum tipo de saKda (resultado) a partir de uma (regressFo simples) ou mais
.ari/.eis pre.isoras (regressFo mltipla). ' conceito de regressFo de.e$se a ;alton e
consiste em aproBimar uma lin2a reta (reta de regressFo) de uma nu.em de pontos de
um diagrama de dispersFoL ou seNaL representa mediante uma reta a nu.em de pontos.
' mPtodo dos mKnimos 9uadrados P uma forma de encontrar a lin2a 9ue mel2or
se aNusta aos dados (lin2a 9ue passe entre ou o mais pr3Bimo possK.el do maior
nmero de pontos de dados). Esta lin2a de mel2or aNuste ou aderncia P c2amada de
lin2a de regressFo.
' conceito de linearidade refere$se ao fato de 9ue a relaEFo entre duas .ari/.eis
possa ser representada mediante uma funEFo linearL ou seNaL o incremento de uma
.ari/.el produO o mesmo na outra .ari/.elL de forma linear e constante
5"
Como N/ citamosL 9uando a an/lise de regressFo linear en.ol.e somente uma
.ari/.el eBplanat3ria (H)L a tPcnica P denominada R*-#*((Co Li*"# Sim5,*(. 8uando
sFo en.ol.idas duas ou mais .ari/.eis eBplicati.asL emprega$se a eBpressFo R*-#*((Co
Li*"# MT,1i5,".
+ seguir .amos realiOar uma regressFo simples com peso como .ari/.el
dependente e a estatura como .ari/.el independente (a 9ue eBplica).
%naly.e&Gegression&#inear. -ai aparecer a caiBa de di/logo de regressFo linear.
Escol2a o peso como .ari/.el dependente e a estatura como .ari/.el independente
("igura ZD).
Fi-.JD. C"i)" &* &i+,o-o Li*"# R*-#*((io
Clicar em RStatistics: e selecionar Estimates/ $odel )it/ G squared chance e
Descriptives 0"igura ZG!(
Fi-.JG. C"i)" &* &i+,o-o 6inear =eression% Statistics
Clicar RContinueS e em seguidaL R-8S. %a Nanela do -utput Viewer ser/
mostrado ("igura ZZ).
6#
Fi-.JJ.&utput 'iewer &" "+,i(* &* #*-#*((Co ,i*"# (im5,*(
Como N/ descre.emos eBiste uma correlaEFo entre peso e estatura (raM.::)L ou
seNa certa proporEFo da .ariabilidade do peso pode ser eBplicada pelo estatura. %Fo
2a.endo correlaEFo entre duas .ari/.eisL diOemos 9ue elas sFo .ari/.eis independentes.
%a tabela $odel SummaryL .emos o r S9uared (r
5
) igual a ML4Y7. ' r
5
P con2ecido
como coeficiente de determinaEFo (de.e ser interpretado como a proporEFo da .ariaEFo
total 9ue P eBplicada) e estima 9ue 4YL7[ (ML4Y) da .ariabilidade do peso P eBplicada
pela estatura (tal como mostramos o gr/fico com a reta de regressFo obtida no Chart
EditorL selecionando Elements e )t #ine at total(consulte a "igura GG).
e/ o Co*$i!i*1* &* A,i*":Co P calculado /- #8L sendo interpretado como a
proporEFo da .ariabilidade de m 9ue nFo P eBplicada pela .ariabilidade de H. %o
presente eBemploL ZMLG[ do peso nFo P eBplicada pela estatura do recPm$nascido.
'bser.ando a tabela +%'-+ .emos a signific6ncia da raOFo " (p`M.MMM4)L
indicando 9ue o modelo de regressFo (estatura) pre. o peso bastante bem. %o entanto
a +%'-+ nFo informa a contribuiEFo indi.idual das .ari/.eis no modelo (neste casoL
61
como s3 2/ uma .ari/.el no modeloL podemos inferior 9ue esta .ari/.el P um bom
pre.isor).
-amos agora interpretar a tabela Coeficients 0os par6metros b
o
e b
5
sFo
con2ecidos como coeficientes de regressFo!2 na e9uaEFo de regressFo b
o
representa o
intercepto yL ou seNaL ponto onde a lin2a corta o eiBo m (Consulte Margotto
PRICo##*,":Co em Entendendo <ioestatKstica </sica l www.paulomargotto.com.br ) e
este P o .alor 7 na tabela. Podemos tambPm .er o .alor 9
/
da tabela e este .alor
representa o gradiente (inclinaEFo) da lin2a de regressFo. ' seu .alor P BJ=PG8. Este
.alor representa a m@&":" &" <"#i+<*, &* ("F&" 5"#" !"&" ",1*#":Co &* @m"
@i&"&* o 5#*<i(o#. +ssimL se a .ari/.el pre.isora (estatura) P aumentada em uma
unidade L o modelo pre. um aumento de 7ZLCG5g no peso. Para 9ue a .ari/.el
pre.isora ten2a um impacto significati.o na 2abilidade de pre.er o resultadoL este b
de.e ser diferente de Oero e grandeL9uando comparado ao erro padrFo. Para estes dois
.aloresL as probabilidade (teste t) sFo de MLMMM e assim podemos afirmar 9ue a estatura
tem uma contribuiEFo significati.a (p`M.MM4) para pre.er o peso ao nascer.
PortantoL a E9uaEFo da reta ficaI
P*(o "o "(!*# [ 9
o
(-8P/=//G) \9
/
(BJ=PG8) ) E(1"1@#" "o "(!*#
E)*m5,o:RN !om *(1"1@#" &* BJ=P8!m=" 5#*<i(Co &o 5*(o L:/8BP-
REGRESSO MLTIPLA
Qa.endo ./rios pre.isoresL estaremos realiOando uma R*-#*((Co MT,1i5," (esta P
uma eBtensFo l3gica dos princKpios da regressFo linear simples 9uando 2/ ./rios
pre.isores). 's princKpios b/sicos sFo os mesmos da regressFo simplesL isto PL procura$
se encontrar uma combinaEFo linear de pre.isores 9ue se correlacionam de forma
m/Bima com a .ari/.el de saKda. Para maiores informaETesL sugiro consultar +ndA
"ield$!escobrindo a EstatKstica usando o SPSSL 5MMY.
e/ a R*-#*((Co Lo-F(1i!"L 9ue .eremos a seguirL P uma regressFo mltiplaL mas
com uma vari4vel de saHda categ*rica dicotLmica 0dependente) e vari4veis previsoras
0eBplicati.as ou independentes! contHnuas ou categ*ricas. +ssim podemos pre.er a 9ual
de duas categorias P pro./.el 9ue esta .ari/.el pertenEaL dada certas informaETes.
8uando a .ari/.el de saKda P dicotXmica (como simnFo)L nFo podemos usar a regressFo
linear a despeito da semel2anEa entre a regressFo linear e a logKstica. Para uma
regressFo linear ser ./lidaL os dados obser.ados de.em ter uma relacionamento linear.
8uando a .ari/.el de saKda P dicotXmicaL esta 2ip3tese P normalmente .iolada. +tra.Ps
de uma transformaEFo logarKtmica .oc pode contornar este problemaL mantendo a
forma do relacionamento linear en9uanto o pr3prio relacionamento em si nFo P linear.
2II - REGRESO LOGSTICA 7INQRIA: No:;*( 9+(i!"(
+ regressFo logKstica .em sendo utiliOada em di.ersas /reas. Este mPtodoL tal
como as regressTes linear e mltiplaL estuda a relaEFo entre uma .ari/.el resposta e uma
ou mais .ari/.eis independentes. + diferenEa entre estas tPcnicas de regressFo se de.e
ao fato de 9ue " #*-#*((Co ,o-F(1i!" "( <"#i+<*i( &*5*&*1*( *(1Co &i(5o(1"( *m
!"1*-o#i"( (simnFoaltobaiBobomruim)L en9uanto na regressFo linear estas .ari/.eis
sFo contKnuas. + resposta na regressFo logKstica P eBpressa por meio de uma
probabilidade de ocorrnciaL en9uanto na regressFo simplesL obtPm$se um .alor
numPrico. PortantoL a regressFo logKstica apresenta$se como um mPtodo na
determinaEFo da probabilidade de ocorrncia dos .alores preditos de uma .ari/.el
dicotXmica. %a regressFo logKstica as .ari/.eis independentes podem ser tanto fatores
62
9uanto co.ariantes (dados contKnuos) e as .ari/.eis dependentes poderFo estar dispostas
em duas ou mais categorias. +ssimL temos a RegressFo 0ogKstica <in/ria (duas
Categorias)L 'rdin/ria e %ominal. + escol2a de 9ual mPtodo a ser utiliOado depende do
nmero de categorias e das caracterKsticas da .ari/.el resposta. -eNa a tabela 7L a seguirI
T"9*," B: Ti5o( &* <"#i+<*, #*(5o(1" (P*6" RN= 8>>8)
(ma .ari/.el bin/ria P a9uela 9ue aceita apenas dois nK.eis de respostaL como
sim ou nFo. e/ uma .ari/.el ordin/ria segue uma ordenaEFo natural das coisasL como
pe9uenoL mPdio e grande ou classificaEFo como ruimL bom ou eBcelente. + .ari/.el
nominal tem mais de trs nK.eis sem nen2uma ordenaEFo (obNeto aOulL pretoL amarelo e
.ermel2o ou na pre.isFo do tempoL ensolaradoL nubladoL c2u.oso).
Em resumoL a regressFo logKstica P uma regressFo mltiplaL mas com uma
.ari/.el de saKda categ3rica dicotXmica e .ari/.eis pre.isoras contKnuas ou categ3ricas.
%o eBemplo a seguir .amos realiOar uma RegressFo 0ogKstica <in/ria
utiliOando o SPSS. %o eBemploL a .ari/.el resposta ser/ a ocorrncia de %pgarMN O no
PQ minuto (sim ou nFo)L caracteriOando uma .ari/.el bin/ria. +s .ari/.eis independentes
escol2idas foram a9uelas 9ue se associaram indi.idualmente ao +pgar `a7 no C]
minutoI cortic*ide/ hipertensAo materna/ tipo de parto e pr9+natal.
%naly.e&Gegression&Binary #ogistic 0"igura ZY!
Fi-.JK. M*@ 0nal,+e*=eression*5inar, 6oistic
%a caiBa de di/logo #ogistic GegressionL selecionamos apgarPminmenorO
(+pgar `a7I sim e g7I nFo no C] minuto) como .ari/.el dependente (bin/ria)L9ue P
.ari/.el de saKda e corticoster3ide prP$natal (cortico)L hipertensAoL parto e pr9+natal em
Covariates (co.ari/.eis)L 9ue serFo as .ari/.eis pre.isoras( Clicar em -ptions e
selecionar Cl for exp0B0"igura YM!(
63
Fi-. K>. C"i)" &* &i+,o-o 5#i!i5", &" #*-#*((Co ,o-F(1i!"
Como na regressFo mltiplaL eBistem ./rios mPtodos diferentes 9ue podem ser
utiliOados na regressFo logKstica. Selecionar o mPtodo clicando na seta 9ue aponta para
baiBo pr3Bimo ao 9uadro denominado em R$ethodS. ' mPtodo padrFo de conduOir esta
regressFo P o enterL o mesmo da entrada forEada da regressFo mltipla em 9ue todas as
co.ari/.eis sFo colocadas no mesmo modelo de regressFo em um nico bloco e as
estimati.as dos par6metros sFo calculadas para cada bloco. Sendo assimL optamos por
Enter ("igura Y4).
Fi-.K/. ML1o&o( &* #*-#*((Co
%este nosso eBemploL eBistem 7 .ari/.eis independentes (pre.isoras) categ3ricas
9ue sFo o parto (ces/rea ou normal)L 2ipertensFo (sim ou nFo) e corticoster3ide (sim ou
nFo). (ma das 9ualidades da regressFo logKstica P 9ue ela aceita pre.isores categ3ricos.
+ssimL P necess/rio indicar ao SPSS 9uais .ari/.eis sFo categ3ricasL clicando em
RCategoricalS na caiBa de di/logo da regressFo logKstica para ati.ar uma no.a caiBa de
di/logo Define Categorical Variables e en.ie para a direita a .ari/.el categ3rica
corticoL como est/ na "igura Y5.+ seguir pressione RContinueS.
64
Fi-.K8. D*$ii&o "( <"#i+<*i( !"1*-M#i!"( " #*-#*((Co ,o-F(1i!"
Retornando a CaiBa de di/logo principal da regressFo logKsticaL pressionar
RSaveS e selecionar toas as opETes disponK.eisL como mostra a "igura Y7. ' eBame dos
resKduos P eBtremamente importante para .erificar a 9ualidade do aNuste do modelo aos
dados obser.ados.
.
Fi- KB. C"i)" &* &i+,o-o 5"#" " &*1*#mi":Co &* #*(F&@o( &* #*-#*((Co.
+ seguirL na caiBa de di/logo principal da regressFo logKsticaL clicar em
R-ptionsS. ("igura Y:). Em geral as opETes padrTes sFo suficientes. %esta caiBa de
di/logo .oc pode solicitar ao SPSS 9ue apresente um inter.alo de confianEa para a
estatKstica exp b. -oc tambPm pode solicitar a estatKstica de aderncia de ;osmer+
#emeshow 9ue pode ser utiliOada para a.aliar 9uFo bem o modelo escol2ido se aNusta
aos dadosL comparando as fre9\ncias obser.adas e as esperadas. Pressionar RContinueS
para retornar a caiBa de di/logo principal da regressFo logKstica.
65
Fi-. K?. C"i)" &* &i+,o-o 5"#" "( o5:;*( &" #*-#*((Co ,o-F(1i!"
Pressionar RContinueS para retornar a caiBa de di/logo principal da regressFo logKstica e
seguirL clicar em R-8:! e o -utput Viewer mostrar/ ("iguras YC).
$codificaEFo da .ari/.el dependente $ codificaEFo das .ari/.eis pre.isoras
Fi-.KP. &utput 'iewer &" #*-#*((Co ,o-F(1i!"
+ ltima lin2a desta tabela apresenta a estatKstica 9ui$9uadrado dos resKduos
como 4:LM4Y 9ue P significante (p`MLMC) (P c2amada de -veral Statistics$estatKstica
global). Esta estatKstica informa 9ue os coeficientes para as .ari/.eis 9ue nFo estFo no
modelo sFo significati.amente diferentes de OeroL ou seNaL 9ue a adiEFo de uma ou mais
destas .ari/.eis ao modelo ir/ afetar significati.amente o seu modelo de pre.isFoV se o
p fosse gM.MCL isto significaria 9ue nen2uma das .ari/.eis eBcluKdas do modelo
contribuiria de forma significati.a para o poder prediti.o do modelo e assimL a an/lise
terminaria neste est/gio.
66
+ coluna Score mostra o .alor da estatKstica do *(!o#* *$i!i*1* &* Ro".
'bser.em 9ue a 2ipertensFoL seguida pelo corticoster3ide e o tipo de parto apresentam
maior escore eficiente de Roa significati.os.
Estimati.a dos coeficientes dos pre.isores incluKdos no modeloI fornece os coeficientes
e estatKsticas para as .ari/.eis 9ue foram incluKdas no modelo (figura YD)I
Fi-.KD.&utput 'iewer &" #*-#*((Co ,o-F(1i!": *(1im"1i<" &o( !o*$i!i*1*( &o( 5#*<i(o#*(
(ma estatKstica importante P a estatKstica de ?ald 9ue tem uma distribuiEFo 9ui$
9uadrado e nos informa se o coeficiente b para um dado pre.isor difere
significati.amente de Oero. Se isto ocorrerL podemos diOer 9ue o pre.isor est/
contribuindo de modo significati.o para a pre.isFo da saKda. +ssim L com relaEFo a
estes dadosL podemos diOer 9ue o uso do corticoster3ide prP$natal P um pre.isor
significati.o para a nFo ocorrncia de +pgar `a 7 e 9ue a 2ipertensFo materna
representa um fator de risco. + exp b0Exp 0b! P interpretada como uma mudanEa nas
c2ancesI se o .alor for maior 9ue 4L ele indica 9ue U medida 9ue o pre.isor aumentaL
aumentam as c2ances de uma saKda ocorrerV N/ um .alor menor 9ue 4L indica 9ue U
medida 9ue o pre.isor aumentaL as c2ances de uma saKda ocorrer diminuem. %este
eBemploL podemos afirmar 9ue as c2ances do R% cuNa mFe recebeu ester3ide prP$natal
de apresentar um +pgar ` a7 reduOiu em CGL7[ (Exp 0B) de ML:5GI 4$ ML:5GaMLCG7 B
4MMa CGL7[) em relaEFo ao R% nFo eBposto ao ester3ide prP$natal. e/ a 2ipertensFo
materna constituiu um fator de riscoL aumentando em 5L7 .eOes mais o risco de do R%
cuNa mFe te.e 2ipertensFo de apresentar um +pgar `a 7 em relaEFo ao R% cuNa mFe
nFo te.e 2ipertensFo. 'bser.e 9ue no inter.alo de confianEa de ambas .ari/.eis
pre.isora incluKdas no modelo %*' contPm a unidade).
-eNamos a interpretaEFo de outro eBemploI R*-#*((Co ,o-F(1i!" 5"#" " S*5(*. +s
.ari/.eis indi.idualmente associadas significati.amente com a sepse (corticoide/ %pgar
no 5Q minuto/ %pgar no PQ minuto/ reanima@Ao/ uso do C)G/ necessidade de intuba@Ao/
uso de drogas para a reanima@Ao/ %pgar MNO no PQ minuto) entraram no modelo de
regressFo logKstica. +p3s realiOar os passos anteriormente eBplicadosL obtemos as
estimati.as dos coeficientes dos pre.isores incluKdos no modelo ("igura YG)
Fi-.KG. &utput 'iewer &" #*-#*((Co ,o-F(1i!": *(1im"1i<" &o( !o*$i!i*1*( &o( 5#*<i(o#*(
Como interpretarI + regressFo logKstica bin/ria apresenta$se um mPtodo para
determinar a probabilidade de ocorrncia dos .alores preditos de uma .ari/.el
6
dicotXmica. + apresentaEFo tem como componentes c2a.es o ,+valueL o .alor dos
coeficientes e as odds ratio 0Exp 0B!. + interpretaEFo dos resultados est/ focaliOada
nestes componentes. +ssimL .eNam 9ue as duas .ari/.eis 9ue permaneceram no modelo
foram o !o#1i!o(1*#Mi&* 5#L-"1", (EBp(<) de MLC:C (-dds ratio aNustada)L 9ue traduO
uma diminuiEFo da sepse nos R% eBpostos ao ester3ide prP$natal de :D[ (4$MLC:CaML:D
B4MMa:D[) e a #ntubaEFo 9ue constituiu um fator de risco (aumento de 5LGZ .eOes a
sepse nos R% intubados em relaEFo aos nFo intubados).
-eNa outro eBemplo da aplicaEFo da regressFo logKsticaI o estudo de ?2elan <
et al a.aliaram o s3dio sPrico como um fator de risco para a mortalidade intra2ospitalar
em pacientes gra.e U admissFo. + -dds ratio para a morte dentro de 7M dias da
admissFo foi de ?=>G (IC " KPNN: 8=KP-P=DB) 9uando o paciente apresenta.a
6i5*#"1#*mi" e B=BD (IC " KPN &* 8=PK-?=BD) 9uando apresenta.a 6i5o"1#*mi". +
regressFo logKstica foi usada para calcular a -dds ratio aNustadaI fatores 9ue foram
incluKdos neste aNuste foram o escore de se.eridade da doenEaL permanncia na (&#L
efeito da idadeL seBoL transfusFo de sangue e sepse. +p3s o aNusteL para 2ipernatremiaL a
-dds ratio (aNustada) para a morte passou para /=?/ (I1*#<",o &* !o$i":" &* >=KG-
8=>G: nFo alcanEou a signific6nciaL pois no inter.alo de confianEa contPm a unidade) e a
-dds ratio (aNustada) para 2iponatremia passou para 8=>> (I1*#<",o &* !o$i":" "
KPN &* /=??-8=GGL ou seNaL foi menorL porPm continuou significati.aL pois no inter.alo
de confianEa nFo contPm a unidade). +ssimL o s3dio sPrico P um poderoso marcador
inicial para a mortalidadeL mas a mortalidade no grupo 2ipernatrmico P primariamente
um fator de se.eridade da doenEa. e/ para a 2iponatremia o aumento da mortalidade P
independente de outras .ari/.eis. PortantoL os dados deste estudo nos informam 9ue o
s3dio sPrico na admissFo P um importante determinante da mortalidade intra2ospitalar
em todos os pacientes. ' s3dio na admissFo pode ser usado para estratificar os pacientes
9ue .Fo necessitar de uma terapia mais agressi.a e maior monitoriOaEFo e em particular
a 6i5o"1#*mi" 9ue necessita de tratamento cuidadoso para e.itar um eBcesso de
mortalidade 9ue P i&*5*&*1*m*1* associada com anormalidade deste distrbio.
8uanto U m@,1i!o,i*"#i&"&*= apenas a tKtulo de informaEFoI a
multicolinearidade eBiste 9uando obser.amos uma forte correlaEFo entre dois ou mais
pre.isores (.ari/.eis eBplicati.as) em um modelo de regressFoV este fato dificulta a
a.aliaEFo da import6ncia indi.idual de um pre.isor (se ambos pre.isores sFo altamente
correlacionados e cada um P respons/.el por uma .ari6ncia similar dos resultadosL
como .amos poder diOer 9ual entre as duas .ari/.eis P a mais importanteA %a .erdade
nFo podemos diOerL pois o modelo pode incluir 9ual9uer uma delas de forma
intercambi/.el. %a regressFo mltiplaL o SPSS produO ./rios diagn3sticos de
colinearidadeL entre eles o V') ("ator de #nflaEFo da -ari6ncia). ' "#- indica se um
pre.isor tem um relacionamento linear forte com outro(s) pre.isor (es)I um .alor acima
de 4M le.a$nos a preocupaEFo. &al preocupaEFo da colinearidade com a regressFo
mltiplaL ocorre tambPm com a regressFo logKsticaL sendo entFo essencial testar a
colinearidade numa an/lise de regressFo logKstica. Como o SPSS nFo tem opEFo para
faOer um diagn3stico de colinearidade na regressFo logKsticaL podemos obter estatKsticas
tais como as de toler6ncia (-alor menor 9ue ML4 indica um problema sPrio de
colinearidade) e -#" simplesmente eBecutando uma an/lise de regressFo linear
utiliOando as mesmas .ari/.eis de saKda e os mesmos pre.isores.
Em %naly.e &Gegression&#inear. Clicar em Statistics e depois selecione
Colinearity diagnostics (diagn3stico de colinearidade) e desmar9ue todas as opETes
padrTes e clicar em RContinueS para .olta U caiBa de regressFo linear e pressionar R-8S.
%o -utput viewer (saKda do SPSS)L .amos ter a Tolerance (toler6ncia) e a V').
(Consultem as "iguras YZL YY e 4MM).-eNamos um eBemploI ap3s identificar as .ari/.eis
6!
associadas indi.idualmente com o 3bitoL realiOamos uma regressFo logKstica e no
modeloL as .ari/.eis 9ue persistiram foram a .entilaEFo mec6nica e o tipo de parto
(tanto a .entilaEFo mec6nica como o parto normal aumentaram significati.amente o
3bitoI'R de CLD7L com #C a YC[ de 5L7G$47L7G e 'R de 5L55 com #C a YC[ de 4LM5$
:LZC). -eNamos a colinearidade da regressFo logKstica 9ue realiOamos entre Ventila@Ao
$ecSnica e Tipo de ,arto
Fi-. KJ: C"i)" &* &i+,o-o 5"#" " #*-#*((Co ,i*"# 5"#" o( &"&o( &* M9i1o
Fi-. KK: C"i)" &* &i+,o-o 5"#" " Statistics &" #*-#*((Co ,i*"# (*,*!io"&o $olinearit, dianostics
Fi-./>>: &utput 'iewer &o &i"-M(1i!o &* !o,i*"#i&"&* 5"#" o( &"&o( &o M9i1o
Como podemos obser.ar podemos concluir com seguranEa 9ue nFo eBiste colinearidade
entre as .ari/.eis pre.isorasL uma .eO 9ue a toler6ncia (Tolerance! e o "ator de #nflaEFo da
-ari6ncia (V')) das .ari/.eis pre.isoras sFo gML4 e `4ML respecti.amente. +ssimL o segundo
pre.isor tem uma probabilidade maior de ser respons/.el por uma .ari6ncia dos resultados do
9ue 9uando eBistia um nico pre.isor.
6"
2III- TESTES NO PARAMSTRICOS
's estatKsticos escol2em um teste paramPtrico (a maioria dos testes de 2ip3teses
.istos anteriormente) 9uando estFo seguros de 9ue a distribuiEFo normal nFo foi .iolada
e testes nFo paramPtricos por9ue nFo estFo seguros de 9ue a distribuiEFo normal foi
encontrada (estes ltimos nFo sFo tFo eficientes 9uanto aos paramPtricos para detectar
diferenEas na populaEFo).
Estes testes nFo re9uerem a estimaEFo da .ari6ncia e da mPdia da populaEFo.
SFo testes 9ue podem ser usados tanto para .ari/.eis nominais como para .ari/.eis
ordinais ou 9uantitati.a
Entre os testes nFo paramPtricosL .amos comentar sobre os mais usados
-T*(1* &o V@i-E@"&#"&o (N/ estudado)
$T*(1* 7iomi",
-T*(1* U &* M"-%6i1*3
-T*(1* &* %i,!o)o
-T*(1* &* M!N*m"#
-T*(1* &* K#@(O",-%",,i(
-T*(1* &* F#i*&m"
' T*(1* &* Ko,mo-o#o<-Smi#o<= como N/ comentamos= a.alia a normalidade de
.ari/.eis 9uantitati.asL como eBemploL o pesoL perKmetro cef/lico e estatura
%naly.e&onparametric Test e realiOamos como N/ comentamos anteriormente ("igura
YZ) e selecionar 5(Sample 8+S 0"igura 4M4).
Fi-./>/. M*@ 0nal,+e*3onparametric Test
Fi-./>8. C"i)" &* &i+,o-o &ne2Sample >olmooro'2Smirno' Test
Clicar em R-8S e o -utput viewer mostrar/ ("igura 4M7).
#
Fi-. />B. O@15@1 <i*'*# &o &ne2Sample >olmooro'2Smirno' Test
Como podemos .erL as .ari/.el estatura e perKmetro cef/lico (PC)
mostraram$se com caracterKsticas de .ari/.eis 9ue seguem a distribuiEFo normal
(paML5Y e M4M)L o 9ue nFo ocorreu com a .ari/.el peso (p`M.MC). To&" <*4 E@* o 1*(1*
&* Ko,mo-o#o<-Smi#o< "5#*(*1"# 5 Z>.>P= (i-i$i!" $@-" &* o#m",i&"&*.
-###$4-T*(1* 7iomi",
Este teste P usado para testar proporETes em uma .ari/.el dicotXmica (simnFoL
doentenFo doenteparto normalseBo masculinoL etc). &esta se a proporEFo de uma das
respostas P igual ou diferente a uma determinada proporEFo ou para testar se as
proporETes das duas categorias de resposta sFo iguais ou diferentes (por
eBemploLpercentual de uso de corticoster3ide prP$natala percentual de nFo usoL ou
percentual de parto normal P igual ao percentual de cesariana).
%o eBemplo a seguirL usando a base de dados (so de Corticoster3ide PrP$%atal na
Maternidade do Qospital Regional da +sa SulL .amos testar se o percentual de parto
normal P igual a CM[ (2ip3tese nula) ou diferente de CM[ (2ip3tese alternati.a).
Selecionar %naly.e&onparametricTest&#egacy &#egacy Dialogs(SPSS 4Z).-eNa
na figura 4M:.
Fi-./>?. *3onparametricTest*6eac, *6eac, Dialos
+ seguirL selecione a .ari/.el 9ue estamos testandoL Ti5o &* P"#1oL colo9ue na caiBa
de di/logo Test Variable #ist (figura 4MC).
1
Fi-./>P. C"i)" &* &i+,o-o 5inomial Test
Clicar em -8 e a saKda do SPSS mostrar/ (figura 4MD).
Fi-./>D. R*(@,1"&o( &o T*(1* 7iomi", (5inomial Test)
I1*#5#*1":CoI o resultado do &este <inomial neste caso indica 9ue o percentual do
de ocorrncia de parto normal P diferente de CM[ (paM.MM7) e assimL aceitamos a
2ip3tese alternati.a. %este resultado obser.amosI o nmero 0) de casos de cesariana
(475) e de parto normal (ZG[)V a proporEFo obser.ada (-bserved ,rop) para cesariana
(DM[) e parto normal (:M[)L a proporEFo a ser testada (Test ,rop) 9ue P CM[ e a
signific6ncia ou .alor$p (p$M.MM7).
-###$5$T*(1* U &* M"-%6i1*3
(sado para a comparaEFo de .ari/.eis ordinais ou 9uantitati.as entre dois
grupos independentesL9uando a distribuiEFo nFo P simPtrica (normal)L ou seNa 9uando 2/
ruptura dos pressupostos paramPtricosV corresponde ao teste t de Student para amostras
independentes.
8uando a amostra ti.er mais de 5M obser.aETesL a estatKstica ( tende a uma
distribuiEFo normalV no -utput Viewer ser/ apresentado o resultado da estatKstica OL
alPm do resultado do teste (L mas a signific6ncia pelo .alor pL ser/ a mesma.
Selecionar %naly.e&omparametric Test&6 'ndependent Samples ("igura 4MG)
2
Fi!?@A!M*@ 0nal,+e*3omparametric Test*B -ndependent Samples
-amos utiliOar as .ari/.eis peso e uso do corticoster3ide prP$natal para calcular o
teste de Mann$?2itneA. %a caiBa de di/logo Two+'ndependent+Samples TestL selecionar
as .ari/.eis peso em Test Variable #ist e uso do corticoster3ide prP$natal com Drouping
Variable( Pressionar Define Droups e definir Droup 4 como 4 e Droup 5 como 5.
%este eBemplo estamos usando uma .ari/.el 9uantitati.a 9ue nFo tem a
distribuiEFo gaussiana (%'RM+0) 9ue P o peso (.eNa anteriormente o &este de
8olmogorov+Smirnov) e .amos comparar com os R% cuNas mFes receberam
corticoster3ide prP$natal (cortico$4) e mFes 9ue nFo receberam corticoster3ide prP$natal
(cortico$5) ("igura 4MZ)
Fi-./>J. C"i)" &* &i+,o-o Two2-ndependent2Samples Test
Clicar em R-8: e o -utput viewer mostrar/ ("igura 4MY)
3
Fi-. />K. &utput 'iewer &o 1*(1* U &* M"-%6i1*3
' teste de Mann$?2itneA cria um ran<ing (ordenaEFo) de todos os casos
(independente do grupo) e depois compara estes ran<ing entre cada grupo. 'bser.amos
o ran< mPdio e a soma dos ran<ings de cada grupo (2a.endo diferenEa significati.a
entre os gruposL espera$se 9ue os ran<ings mPdios seNam bem diferentes). Em Test
StatisticsL podemos obser.ar 9ue Co 6+ &i$*#*:" *1#* o( 5*(o( &o( RN &"( mC*(
E@* #*!*9*#"m !o#1i!o(1*#Mi&* 5#L-"1", * &o( RN !@A"( mC*( Co #*!*9*#"m
(5]>.>P).
2III-B- T*(1* T &* %i,!o)o
Este teste substitui o teste t de Student para amostras emparel2adasL 9uando os
dados sFo medidos em escala ordinal ou 9uando nFo seguem a distribuiEFo normal.
<aseia$se nos postos (ran<s) das diferenEas intrapares. Como na nossa base de dados
nFo temos amostras emparel2adasL .amos dar o eBemplo de ?agner M< e clV
2emoglobina no prP$operat3rio e 2emoglobina no p3s$operat3rio.
%a caiBa de di/logo Two+Gelated+Samples Test&6 Gelated Samples ("igura 44M!
Fi-.//>. C"i)" &* &i+,o-o Two2=elated2Samples Test
4
%a caiBa de di/logo Two+Gelated+Samples TestsL selecionar o par de .ari/.eis a
ser comparadoL colocando$os na lista de pares de .ari/.eis (Test ,air0s! #ist). Em Test
#ist/ escol2er o teste de "ilcoxon ("igura 444).
(
Fi-.///. C"i)" &* &i+,o-o Two2=elated2Samples TestC de onde pode ser obtido o teste
de Wilco(on
Clicar em R-8S e o -utput viewer mostrar/ ("igura 445).
Fi-. //8. R*(@,1"&o &o T*(1* &* %i,!o)o.
5
%os resultados obser.amos 9ue o &este de ?ilcoBon calcula as diferenEas entre
os .alores das duas .ari/.eis e cria um ran<ing (ordenaEFo) destas diferenEasL
classificando$as em diferenEas negati.asL positi.as e empates (ties!. + seguirL mostra a
mPdia e a soma dos ran<ings das diferenEas negati.as e positi.as. 'bser.em 9ue 2/ Z5
diferenEas negati.as (o .alor da 2emoglobina no p3s$operat3rio foi menor do 9ue no
prP$operat3rio)L47 positi.as (o .alor da 2emoglobina no p3s$operat3rio foi maior do 9ue
no prP$operat3rio) e em C casosL 2ou.e empateL ou seNaLos .alores da 2emoglobina prP e
p3s$operat3rio foram iguais. Em Test StatisticsL temos os resultados da estatKstica de
teste (n)Iconsiderando o nK.el de signific6ncia (p`M.MM4)L podemos afirmar 9ue a
2emoglobina do p3s$operat3rio P significantemente menor 9ue a 2emoglobina do prP$
operat3rio
2III-?-T*(1* H &* K#@(O",-%",,i(
Este teste P uma alternati.a nFo paramPtrica para a an/lise de .ari6ncia de um
critPrio de classificaEFo (-ne+"ay %-V%). Pode ser usado para comparar ./rias
amostras independentes. +o ser usado 5 grupos para comparaEFoL os resultados sFo os
mesmos dos teste de ( de $ann+"hitney. Como ocorre no teste " de uma %'-+
paramPtricaL um .alor significati.o de " nFo indica onde se encontra a diferenEaL
de.endo ser realiOado o teste de &u@eA. e/ no teste Q de 8rus<al+"allisL para identificar
a diferenEaL de.e ser realiOado o teste de DunnL nFo disponK.el no SPSS.
Selecionar %naly.e&onparametrics Test&8 'ndependent Samples 0"igura 447!
Fi-.//B. M*@ 0nal,+e*3onparametrics Test*> -ndependent Samples
%a caiBa de di/logo Test for Several 'ndependent SamplesL selecionar as .ari/.eis
a testar (idade gestacionalL %pgar no PQ minuto e pesoL .ari/.eis assimPtricasL como
demonstrado pelo teste de 8olmogorov+Smirnov) em Test Variable #ist. Selecionar a
.ari/.el 9ue define os grupos em ;rouping -ariable. Pressionar Define Gange e indicar
os c3digos dos grupos ("igura 44:).
6
Fi-. //?. C"i)" &* &i+,o-o Test for Se'eral -ndependent Samples &* o&* (* o91Lm o
1*(1* 4 de >rus8al2Wallis
%a Nanela do -utput ViewerL .amos ter ("igura 44C)I
Fi-. //P. R*(@,1"&o &o 1*(1* 4 de >rus8al2Wallis
#nicialmente .emos o nmero de casos e o ran<ing (ordenaEFo) mPdio dPcada
grupo.%Fo 2a.endo diferenEa significati.a entre siLespera$se 9ue os ran<ings mPdios
seNam pr3Bimos. Podemos obser.ar 9ue nFo 2/ diferenEa significati.a entre a idade
gestacional e o peso ao nascer dos R% de mFes 9ue receberam corticoster3ide em
relaEFo aos R% das mFes 9ue nFo receberamL o 9ue %*' ocorre com o +pgar no C]
minuto (os R% das mFes 9ue receberam corticoster3ide no prP$natal ti.eram
significati.amente maior +pgar no C] minuto).