Considerações de dados para ANOVA para 1 fator

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 uma variável categórica que é um fator fixo

Para obter mais informações sobre fatores, acesse Fatores e níveis de fatores e Fatores fixos e aleatórios.

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.
Os dados de amostra devem ser de uma população normal, ou cada amostras deve ser > 15 ou 20

Se o tamanho da amostra for maior do que 15 ou 20, o teste executa muito bem com distribuições assimétricas e não normais. Se o tamanho da amostra for inferior a 15 ou 20, os resultados podem ser enganosos com distribuições não normais.

O tamanho da amostra real que você precisa depende do número de grupos em seus dados, da seguinte maneira:
  • Se você tiver de 2 a 9 grupos, o tamanho da amostra para cada grupo deve ser pelo menos 15.
  • Se você tiver de 10 a 12 grupos, o tamanho da amostra para cada grupo deve ser pelo menos 20.

Se você não estiver confiante de que seus dados seguem uma distribuição normal e você não atende às diretrizes de tamanho de amostra, use Teste de Kruskal-Wallis.

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.

Se você tem observações dependentes, vá para Analisando um experimento de medidas repetidas. Para obter mais informações sobre amostras, acesse Como as amostras dependentes e independentes são diferentes?

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, utilize os gráficos residuais, as estatísticas de diagnóstico para observações incomuns e as estatísticas de resumo 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