Considerações de dados para a ANOVA balanceada

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.

Os dados devem incluir apenas fatores categóricos

Se seu experimento contiver covariáveis, use Ajustar modelo linear generalizado .

Os fatores categóricos podem ser fatores cruzados, aninhados, fixos e aleatórios.

Para obter mais informações sobre fatores, vá para Fatores e níveis de fatores, O que são fatores, fatores cruzados e fatores aninhados? e Qual é a diferença entre fatores fixos e aleatórios?.

O experimento deve ser balanceado, a menos que você tenha um experimento com um fator
Um experimento balanceado tem o mesmo número de observações para cada combinação de tratamento.

O requisito para dados balanceados estende-se também a fatores aninhados. Suponha que A tem 3 níveis e B está aninhado dentro A. Se B tem 4 níveis dentro do primeiro nível de A, B deve ter 4 níveis dentro dos segundo e terceiro níveis de A. O Minitab vai dizer se você tem nidificação desbalanceada. A exigência de que os dados são balanceados deve ser preservada após os dados em falta serem omitidos.

Se seu experimento não for balanceado, use Ajustar modelo linear generalizado .

Para obter mais informações sobre projetos balanceados, acesse Experimentos balanceados e não balanceados.

Fatores aninhados devem usar o mesmo conjunto de identificações
As identificações usadas para indicar os 4 níveis de B dentro de cada nível de A devem ser a mesmas. Assim, os quatro níveis de B não podem ser (1 2 3 4) no nível 1 de A, (5 6 7 8) no nível 2 de A e (9 10 11 12) no nível 3 de A.
A variável de resposta deve ser contínua
Se a variável resposta for categórica, é menos provável que seu modelo atenda às premissas da análise para descrever com precisão os seus dados ou para fazer predições úteis.
  • Se a sua variável de resposta tiver duas categorias, como aprovação e reprovação, use Ajustar modelo logístico binário.
  • Se a variável de resposta contiver três ou mais categorias que têm uma ordem natural, como discorda, discorda, neutro, concorda e concorda plenamente, use Regressão logística ordinal.
  • Se a variável de resposta contém três ou mais categorias que não têm uma ordem natural, como arranhão, dente e rasgo, use Regressão logística nominal.
  • Se a sua variável de resposta conta ocorrências, como o número de defeitos, use Ajustar modelo de Poisson.
Cada observação deve ser independente de todas as outras observações
Se suas observações são dependentes, seus resultados podem não ser válidos. Considere os seguintes pontos para determinar se suas observações são independentes:
  • Se uma observação não fornece informações sobre o valor de outra observação, as observações são independentes.
  • Se uma observação fornece informações sobre o valor de outra observação, as observações são dependentes.
Os dados da amostra devem ser selecionados aleatoriamente

As amostras aleatórias são usadas para fazer generalizações, ou inferências, sobre uma população. Se seus dados não foram coletados aleatoriamente, seus resultados podem não representar a população.

Coleta de dados usando as práticas recomendadas
Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes:
  • Certifique-se de que os dados representem a população de interesse.
  • Colete dados suficientes para proporcionar a precisão necessária.
  • Meça as variáveis com o máximo rigor e precisão possível.
  • Registro os dados na ordem em que são coletados.
O modelo deve fornecer um bom ajuste aos dados

Se o modelo não se ajustar aos dados, os resultados podem ser equivocados. Na saída, use gráficos de resíduos e estatísticas de resumo do modelo para determinar o quão bem o modelo se ajusta aos dados.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política