Efeitos para Teste de equivalência para experimento cruzado 2x2

Encontre definições e orientações de interpretação para os valores fornecidos na tabela Efeito com o teste de equivalência para um experimento cruzado 2x2.

Efeito de transporte

A estatística de transporte mede o efeito de um tratamento sobre o tratamento seguinte. Por exemplo, suponha que o tratamento de referência tem um efeito forte e o tratamento de teste tem um efeito fraco. Se o período de limpeza não é suficiente, os efeitos residuais do tratamento de referência no Período 1 podem fazer com que os efeitos do tratamento de teste no Período de 2 pareçam mais fortes do que realmente são.

Interpretação

Compare o valor de p para o efeito de transporte com o nível de significância (denotado como alfa ou α). Um α de 0,05 é comum. Se o valor de p for menor que α, o efeito de transporte é estatisticamente significativo. Nesse caso, os resultados do teste de equivalência podem estar viciados.

Efeitos Efeito EP GL Valor-T Valor-p IC 95% para equivalência Carryover 0,45181 0,64988 15 0,69521 0,498 (-0,93339; 1,8370) Tratamento -0,32104 0,060641 15 -5,2941 0,000 (-0,45030; -0,19179) Período -0,097708 0,060641 15 -1,6112 0,128 (-0,22696; 0,031546)

Nestes resultados, o efeito de transporte estimado é 0,45181. No entanto, o valor de p é 0,498, que é maior do que α (0,05). Portanto, o efeito de transporte não é estatisticamente significativo.

Importante

Se o efeito de transporte ou o efeito de período for estatisticamente significativo, os resultados do teste de equivalência podem não ser confiáveis. Além disso, o efeito do tratamento pode ser confundido com o efeito de transporte e/ou o efeito de período, tornando as estimativas incertas. Quando você usa um experimento cruzado 2x2, deve planejar cuidadosamente o seu estudo para evitar efeitos de transporte e os efeitos do período antes de coletar e analisar os dados.

Efeito de tratamento

A estatística tratamento mede a diferença entre os efeitos do tratamento de teste e o tratamento de referência. Na maioria dos estudos, o efeito do tratamento é o efeito de interesse.

Interpretação

Compare o valor de p para o efeito de tratamento com o nível de significância (denotado como alfa ou α). Um α de 0,05 é comum. Se o valor de p for menor que α, o efeito de tratamento é estatisticamente significativo.

Efeitos Efeito EP GL Valor-T Valor-p IC 95% para equivalência Carryover 0,45181 0,64988 15 0,69521 0,498 (-0,93339; 1,8370) Tratamento -0,32104 0,060641 15 -5,2941 0,000 (-0,45030; -0,19179) Período -0,097708 0,060641 15 -1,6112 0,128 (-0,22696; 0,031546)

Nestes resultados, o efeito estimado do tratamento é −0,32104. O valor de p para o efeito do tratamento é 0,000, o que é menos do que 0,05. Assim, o efeito do tratamento é estatisticamente significativo ao nível 0,05. O efeito de tratamento significativo indica que um tratamento tem um efeito melhor do que o outro. No entanto, um efeito significativo do tratamento não significa que você não pode afirmar a equivalência. A diferença entre as médias dos tratamentos pode ainda estar dentro de seus limites de equivalência.

Importante

Se o efeito de transporte ou o efeito de período for estatisticamente significativo, os resultados do teste de equivalência podem não ser confiáveis. Além disso, o efeito do tratamento pode ser confundido com o efeito de transporte e/ou o efeito de período, tornando as estimativas incertas. Quando você usa um experimento cruzado 2x2, deve planejar cuidadosamente o seu estudo para evitar efeitos de transporte e os efeitos do período antes de coletar e analisar os dados.

Efeito de período

A estatística do período mede a diferença entre a resposta no Período 1 e no Período 2. Por exemplo, se você medir a pressão arterial como a resposta, você pode achar que a resposta diminui durante o Período 2, simplesmente porque os participantes estão mais aclimatados ao ambiente de teste e procedimentos. A aclimatação dos participantes poderia, assim, resultar em um efeito de período.

Interpretação

Compare o valor de p para o efeito de período com o nível de significância (denotado como alfa ou α). Um α de 0,05 é comum. Se o valor de p for menor que α, o efeito de período é estatisticamente significativo. Nesse caso, os resultados do teste de equivalência podem estar viciados.

Efeitos Efeito EP GL Valor-T Valor-p IC 95% para equivalência Carryover 0,45181 0,64988 15 0,69521 0,498 (-0,93339; 1,8370) Tratamento -0,32104 0,060641 15 -5,2941 0,000 (-0,45030; -0,19179) Período -0,097708 0,060641 15 -1,6112 0,128 (-0,22696; 0,031546)

Nestes resultados, o efeito de período estimado é -0,097708. No entanto, o valor de p é 0,128, que é maior do que o alfa (0,05). Portanto, o efeito de período não é estatisticamente significativo.

Importante

Se o efeito de transporte ou o efeito de período for estatisticamente significativo, os resultados do teste de equivalência pode não ser confiável. Além disso, o efeito do tratamento pode ser confundido com o efeito de transporte e/ou o efeito de período, tornando as estimativas incertas. Quando você usa um experimento cruzado 2x2, é necessário planejar cuidadosamente seu estudo para evitar efeitos de transporte e efeitos do período antes de coletar e analisar os dados.

SE para os efeitos

O erro padrão da média de cada efeito estima a variabilidade entre o efeito da amostra que você obteria se tivesse extraído repetidas amostras da mesma população.

Interpretação

Use o erro padrão do efeito para avaliar a precisão da estimativa de cada efeito em relação à variabilidade de amostragem aleatória. Geralmente, quanto menor o erro padrão, mais precisa é a estimativa do efeito e mais estreito é o seu intervalo de confiança.

Dividir cada efeito pelo seu erro padrão calcula um valor de t para o efeito. Quanto mais baixo é o erro padrão em relação ao tamanho do efeito, maior é o valor absoluto do valor de t. Se o valor de p associado a este valor de t for menor do que o seu nível de alfa, você conclui que o efeito é estatisticamente significativo. Para obter mais informações, consulte a seção sobre o valor de p para os efeitos.

DF

Os graus de liberdade (DF) indicam a quantidade de informações que estão disponíveis em seus dados para estimar os valores de parâmetros desconhecidos e calcular a variabilidade dessas estimativas.

Interpretação

O Minitab usa os graus de liberdade para calcular a estatística de teste. Os graus de liberdade são afetados pelo tamanho da amostra. Aumentar o tamanho da amostra fornece mais informações sobre a população, que aumenta os graus de liberdade.

Valor de t para os efeitos

O valor de T é um teste estatístico que mede a magnitude do efeito em relação à variabilidade das amostras (erro padrão).

Interpretação

É possível usar um valor de t para determinar se a hipótese nula deve ser rejeitada. No entanto, a maioria das pessoas utiliza o valor de p ou o intervalo de confiança, porque eles são mais fáceis de serem interpretados.

A divisão de cada efeito por seu erro padrão calcula um valor de t para o efeito. Quanto menor o tamanho do erro padrão em relação ao tamanho do efeito, maior o valor absoluto do valor t, e mais forte a prova contra a hipótese nula.

O valor de t para cada efeito é utilizado para calcular o seu valor de p correspondente. Se o valor de p associado a este valor de t for menor do que o seu nível de significância, você conclui que o efeito é estatisticamente significativo. Para obter mais informações, consulte a seção sobre o valor de p para os efeitos.

Valor-p para os efeitos

O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Para um teste de equivalência para um experimento cruzado 2x2, o Minitab calcula os valores-p para o efeito transferido, o efeito do período e o efeito do tratamento.

Interpretação

Use o valor-p para cada efeito para determinar se o efeito é estatisticamente significativo. Compare cada valor-p com o nível de significância (também denotado como alpha ou α). Normalmente, um α de 0,05 funciona bem.

Valores-p para os efeitos
Valor-p ≤ α: O efeito é estatisticamente significativo
Se o valor-p for menor que α, você rejeita a hipótese nula e conclui que o efeito é significativamente diferente de 0.
Valor-p > α: O efeito não é estatisticamente significativo
Se o valor-p for maior do que α, você deixa de rejeitar a hipótese nula. Não há evidências suficientes para concluir que o efeito é estatisticamente significativo.

Se o efeito de transporte ou o efeito de período for estatisticamente significativo, os resultados do teste de equivalência podem não ser confiáveis. O efeito do tratamento pode ser confundido com o efeito do período e/ou o efeito transferido. Ao usar um experimento cruzado 2x2, você deve planejar cuidadosamente seu estudo para evitar efeitos transferidos e os efeitos do período antes de você coletar e analisar os dados.

Se o efeito transferido e o efeito do período são forem estatisticamente significativos, determine se o efeito do tratamento é estatisticamente significativo. Normalmente o efeito do tratamento é o efeito de interesse.

Efeitos Efeito EP GL Valor-T Valor-p IC 95% para equivalência Carryover 0,45181 0,64988 15 0,69521 0,498 (-0,93339; 1,8370) Tratamento -0,32104 0,060641 15 -5,2941 0,000 (-0,45030; -0,19179) Período -0,097708 0,060641 15 -1,6112 0,128 (-0,22696; 0,031546)

Nesses resultados, os valores-p para o efeito transferido e o efeito do período são ambos maiores que 0,05, o nível de significância. Portanto, esses efeitos não são estatisticamente significativos. O valor-p do efeito de tratamento é menor que 0,05, o que indica que a diferença entre os tratamentos é estatisticamente significativa.

Observação

Um efeito do tratamento que é estatisticamente significativo, não indica que você não pode afirmar a equivalência. A diferença entre as médias dos tratamentos pode ainda estar dentro de seus limites de equivalência. Use os resultados no gráfico de equivalência para determinar se você pode afirmar a equivalência. Para obter mais informações, acesse Para gráficos: Teste de equivalência para experimento cruzado 2x2 e clique em "Gráfico de equivalência".

Intervalo de confiança (IC) para a equivalência dos efeitos

O intervalo de confiança de equivalência fornece uma gama de valores prováveis para cada efeito, com base em seus dados de amostra.

Interpretação

Para cada efeito, utilize o intervalo de confiança e o valor de p para determinar se o efeito é estatisticamente significativo.

Efeitos Efeito EP GL Valor-T Valor-p IC 95% para equivalência Carryover 0,45181 0,64988 15 0,69521 0,498 (-0,93339; 1,8370) Tratamento -0,32104 0,060641 15 -5,2941 0,000 (-0,45030; -0,19179) Período -0,097708 0,060641 15 -1,6112 0,128 (-0,22696; 0,031546)

Nestes resultados, o intervalo de confiança de 95% para o efeito de transporte é (-,93339 e 1,8370) e o intervalo de confiança de 95% para o efeito período é -,22696, 0,031546). No entanto, nenhum destes efeitos é estatisticamente significativo (p > 0,05). O intervalo de confiança de 95% para o efeito do tratamento é (-,45030, -0,19179). O efeito de tratamento estatisticamente significativo (p = 0,000).

Importante

Se o efeito de transição ou o efeito de período for estatisticamente significativo, o resultado do teste de equivalência pode não ser confiável. Além disso, o efeito do tratamento pode ser confundido com o efeito de transição e/ou o efeito de período, tornando as estimativas incertas. Ao utilizar um experimento cruzado 2x2, você deve planejar cuidadosamente seu estudo para evitar os efeitos de transporte e os efeitos do período antes de coletar e analisar os dados.

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