ANOVA

Requisitos dos testes paramétricos

O primeiro requisito para utilizar a estatística paramétrica exige que seja

possível realizar operações numéricas sobre os dados experimentais. Não
é suficiente que se possa apenas ordenar os dados, como nos testes
paramétricos. As variáveis devem ser naturalmente numéricas, como uma
escala contínua de tempos de leitura, ou a nota de um exame.
O segundo requisito obriga a que os resultados se distribuam normalmente.
No entanto, como os testes paramétricos são bastante robustos, podem ser
utilizados mesmo quando este pressuposto é violado, a menos que os
dados tenham uma distribuição muito diferente da normal.
O terceiro requisito designa-se por homogeneidade da variância. Isto
significa que a variabilidade dos resultados em cada situação deve ser
sensivelmente a mesma. No entanto, este requisito perde a relevância se o
número de sujeitos for o mesmo em cada situação de teste.
 ANOVA

Quando se utiliza a ANOVA (Análise de variância)

 ANOVA

Quando se utiliza a ANOVA (Análise de variância)

 ANOVA

DESCRIÇÃO - I

A ANOVA é uma técnica estatística que avalia a

significância de resultados de teste. Fá-lo calculando, a
partir dos resultados de uma investigação, as proporções
da variância que são devidas às variáveis independentes e
à interacção entre elas, e a proporção devida a todas as
outras variáveis (variância de erro). Estes cálculos são
designados por rácios F.
 ANOVA

DESCRIÇÃO - II

Quanto maiores forem os rácios F maior será a proporção

da variância que é devida aos efeitos previstos das
variáveis independentes e da interacção entre elas. Quanto
menores forem os rácios F maior será a proporção da
variância que é devida ao erro, isto é, a variáveis
desconhecidas, tal como é postulado pela hipótese nula.
 ANOVA

DESCRIÇÃO - III

As tabelas estatísticas utilizadas na ANOVA apresentam-

-nos a percentagem de probabilidades de obtermos rácios
altos ou baixos. Em geral, para um determinado número
de sujeitos e de situações de teste, quanto maior for um
rácio F menores são as probabilidades de se tratar de um
resultado fortuito devido a variáveis irrelevantes.
 ANOVA

DESCRIÇÃO - IV

Após consultar as percentagens de probabilidades de

obter o rácio F observado na sua investigação, pode
decidir se a probabilidade de se tratar de um resultado
devido ao acaso é suficientemente baixa (p<0,05 ou
p<0,01) para que se possa rejeitar a hipótese nula e aceitar
que os seus resultados de teste suportam as hipóteses de
teste.
 ANOVA - Método Geral

Quando existem duas ou mais variáveis independentes o

objectivo é dividir a variância devida às variáveis
independentes na variância devida a cada variável em
separado e a quaisquer interacções entre as variáveis.

Para cada caso, a variância devida a cada variável deverá ser

comparada com a variância do erro, ou seja, com a variância
devido a todas as outras variáveis irrelevantes.

Obtém-se um rácio F para cada fonte de variabilidade. Quanto

maior for o rácio F, mais provável será que a variabilidade nos
resultados devida a essa variável seja significativa.
 ANOVA - Tabela

Exemplo de tabela ANOVA

 ANOVA - Tabela

Como se pode observar na tabela anterior, a ANOVA

fornece-nos um método para calcular a quantidade de
variância devida a todas as possíveis fontes de
variabilidade nos resultados.

Permite-nos definir as proporções da variância, ou

seja, a quantidade total da variância nas suas
diferentes partes componentes.
 ANOVA – Método (I)

1. Apresente os resultados da situação de teste numa tabela

apropriada (2x2, 2x3, etc.).
2. Verifique se os resultados estão de acordo com os três
pressupostos paramétricos (apresentados atrás).
3. Elabore uma tabela ANOVA para as fontes de variância,
mostrando as variâncias de cada variável, as interacções,
a variância do erro e variância total.
4. Calcule as somas dos quadrados (SQ), graus de
liberdade (gl) e as médias dos quadrados (MQ) para cada
uma das fontes de variância.
 ANOVA – Método (II)

5. Calcule os rácios F para cada fonte de variância, isto é, o

MQ para cada variável independente e interacção, sobre
o MQ do erro da variância. Para cada rácio F indique os
gl apropriados para a variável e os gl para o erro.
6. Consulte os rácios F na Tabela apropriada para verificar
as probabilidades de os seus resultados poderem ser
devidos a um resultado aleatório devido à variância do
erro, tal como é postulado pela hipótese nula. Se essa
probabilidade for inferior a 5% ou 1%, rejeite a hipótese
nula e aceite que os seus resultados são significativos ao
nível de significância de p<0,05 ou p<0,01.
 ANOVA – Método

ESCLARECIMENTOS

1. O primeiro passo é calcular as somas dos quadrados (SQ)

de todas as fontes de variância. É útil relembrar que o
total de SQ para todas as variáveis, interacções e erro
deve somar a SQ da variância total.
 ANOVA – Método

ESCLARECIMENTOS

2. O passo seguinte é definir os graus de liberdade.

Para cada variável independente existe um número de
situações experimentais que são utilizadas para testar
essa variável. Assim, o número de graus de liberdade
para cada variável é o número de situações menos uma
(C-1). O número de graus de liberdade para a variância
total é o número de resultados menos um (N-1).
Os restantes são calculados como indicado na tabela
seguinte:
 ANOVA – Método

• Os gl para cada variável independente são calculados subtraindo um ao

total das situações utilizadas para testar essa variável.
• Os graus de liberdade para as interacções são calculados pela
multiplicação de todos os gl de todas as variáveis relevantes.
• Os gl para a variância total são calculados subtraindo um ao número total
dos resultados produzidos por todos os casos/resultados.
• Os gl para a variância do erro são calculados pela subtracção a partir dos
gl totais dos gl para todas as variáveis e interacções. É por esta razão que
este erro é por vezes designado por erro residual, isto é, o que sobeja
depois de todas as outras variâncias e gl terem sido calculados.
• Necessitará dos gl para dividir as somas dos quadrados e obter, assim, a
média das variâncias ao quadrado; e também para poder consultar a
significância dos rácios F na tabela estatística apropriada.
 ANOVA - Exemplo

Considere-se a situação de teste em que se pretende

avaliar o número de palavras memorizadas por um
grupo de 20 alunos, sendo a situação de teste definida
por duas variáveis:

Variável A – texto X ou Y

Variável B – período de estudo curto ou longo

 ANOVA - Exemplo

A coluna dos graus de liberdade é preenchida da

seguinte forma:
 ANOVA – Método

ESCLARECIMENTOS

3. O terceiro passo é o cálculo da média dos quadrados.

Para obter a média dos quadrados (MQ) é necessário
dividir a SQ pelo número apropriado de gl.

A MQ representa a quantidade de variância calculada

atribuível a cada fonte de variância.

Calcula-se, depois, o rácio F pelo cociente de cada MQ

pelo MQ do erro.
 ANOVA – Exemplo

No exemplo anterior, os rácios F são calculados da seguinte

forma:
MQ (variável A)
Rácio F da variável A:
MQ (erro)
MQ (variável B)
Rácio F da variável B: MQ (erro)
MQ (interacçã o A  B)
Rácio F da interacção AB: MQ (erro)
 ANOVA – Exemplo

Para consultar a tabela de rácios F, é necessário conhecer os

graus de liberdade associados às MQ. Assim:
MQ (variável A)
Rácio F da variável A: F1,16 
MQ (erro)
MQ (variável B)
Rácio F da variável B: F1,16 
MQ (erro)
MQ (interacçã o A  B)
Rácio F da interacção AB: F1,16 
MQ (erro)

Em que o primeiro índice é o gl da variável ou interacção e o segundo é o gl do erro.

 ANOVA – Método

ESCLARECIMENTOS

4. O último passo consiste em consultar a tabela de rácios F.

Utilizam-se os gl de cada variável ou interacção, e o gl
do erro. É necessário, ainda, saber qual a significância do
teste (5% ou 1%).

Por fim, comparam-se os valores consultados com os

valores calculados e toma-se uma decisão. Se o valor
calculado for superior ao valor da tabela, rejeita-se a
hipótese nula, caso contrário, aceita-se a hipótese nula.
 ANOVA – Exemplo

Por consulta na tabela, obtém-se: F1,16 5%   4,49

Supondo que os rácios calculados são:

Rácio F da variável A: F1,16  2,13

Rácio F da variável B: F1,16  7,25

Rácio F da interacção AB: F1,16 5%   1,91

Conclui-se que apenas a variável B tem influência na variância dos

resultados, para uma significância de 5%.
 ANOVA I (não-relacionado)

Utiliza-se quando está a ser testada uma variável para três

ou mais situações, sendo utilizados casos/indivíduos
diferentes em cada uma dessas situações.
 ANOVA I – Exemplo

Considere-se a variável saldo médio para as seguintes

regiões: Norte, Sul, Interior. Os saldos foram obtidos de
agências de povoações com menos de 100.000 habitantes.

Consulte o ficheiro
 ANOVA I – Tabela

Tabela das fontes de variância para um design não

relacionado (ANOVA I):
Fonte de
SQ gl MQ Rácio F
variância
Variável SQbet MQbet
saldo (entre SQbet glbet
situações) glbet MQerro
SQerro
Erro SQerro glerro
glerro

Total SQtot gltot

 ANOVA I – Exemplo
Instruções passo a passo para o cálculo do valor de F
São necessárias os seguintes valores:
Tc2 Soma dos totais de cada situação ao Tc2=432+372+242
quadrado
n Número de casos em cada situação n=6
N Número total de resultados N=18
(x)2 Total dos totais ao quadrado
(x)2/N Constante a subtrair a todos os SQ
x Cada resultado individual
x2 Soma dos quadrados dos resultados
individuais
 ANOVA I – Passo a passo

1. Cálculo de SQbet

SQbet 
 T c
2


 x
2

n N

432  37 2  242 1042

SQbet    31,44
6 18
 ANOVA I – Passo a passo

2. Cálculo de SQtot

SQtot  x 2
 x
2

SQtot  82  7 2  9 2  52  6 2  82  7 2  82  52  4 2 
2
104
6 2  7 2  4 2  5 2  32  6 2  2 2  4 2   63,11
18
 ANOVA I – Passo a passo

3. Cálculo de SQerro

SQerro  SQtot  SQbet

SQerro  63,11  31,44  31,67

 ANOVA I – Passo a passo

4. Cálculo dos graus de liberdade

glbet  número de situações  1 glbet  3  1  2

gltot  N  1 gltot  18  1  17

glerro  gltot  glbet glerro  17  2  15

 ANOVA I – Passo a passo

5. Cálculo dos MQ

SQbet 31,44
MQbet  MQbet   15,72
glbet 2

SQerro 31,67
MQerro  MQerro   2,11
glerro 15
 ANOVA I – Passo a passo

6. Cálculo do rácio F para MQbet

MQbet 15,72
F2,15  F2,15   7,45
MQerro 2,11
 ANOVA I – Passo a passo

7. Consultar o rácio F na tabela e concluir.

Na tabela, 1=glbet e 2=glerro. Assim:

F2,15 (5%)  3,68

Uma vez que o valor calculado (7,45) é superior ao valor da

tabela (3,68), rejeita-se a hipótese nula e conclui-se que há
diferenças estatisticamente significativas entre os saldos
médios das agências das três regiões consideradas.
 ANOVA I – SPSS

No SPSS,
os dados
devem ser
organizados
da seguinte
forma:

Nota: a
variável
região tem
que ser Consulte o
numérica ficheiro
(nominal).
 ANOVA I – SPSS

No menu, seleccionar:

Analyze  Compare Means  One-Way ANOVA...

Colocar a variável saldo na lista de variáveis dependentes.

Utilizar a variável região como factor.

Premir OK.
 ANOVA I – SPSS

A caixa de diálogo deverá ficar com a seguinte configuração:

 ANOVA I – SPSS

O resultado é o seguinte:

ANOVA

Saldo médio
Sum of
Squares df Mean Square F Sig.
Between Groups 31,444 2 15,722 7,447 ,006
Within Groups 31,667 15 2,111 Consulte o
Total 63,111 17 ficheiro

Uma vez que a significância é inferior a 0,05, rejeita-se a hipótese

nula e conclui-se que há diferenças estatisticamente significativas
entre os saldos médios das agências das três regiões consideradas.