Considerações de dados para ANOVA completamente aninhada

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 que sejam aleatórios e aninhados

Se seu experimento contiver covariáveis, fatores fixos ou fatores cruzados, use Ajustar modelo linear generalizado.

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 estar completamente aninhado

O Minitab ajusta um modelo hierárquica e completamente aninhado com o aninhamento realizado de acordo com a ordem de fatores na caixa Fatores. Se você inserir os fatores A B C, os termos do modelo serão:

• A
• B aninhado em A
• C aninhado em B, aninhado em A

Você não precisa especificar o aninhamento como faria para uma ANOVA ou GLM Balanceadas.

O aninhamento não precisa ser balanceado. Um fator aninhado deve ter pelo menos dois níveis em algum nível do fator de aninhamento. Se o fator B estiver aninhado dentro do fator A, pode haver níveis desiguais de B dentro de cada nível de A. Além disso, os subscritos usados para identificar os níveis B podem diferir dentro de cada nível de A. Entretanto, se seu experimento totalmente aninhado não estiver balanceado, o Minitab não pode calcular os valores-F e valores-p.

O Minitab usa somas de quadrados sequenciais (tipo I) para todos os cálculos em ANOVA completamente aninhada. Se você quiser utilizar somas de quadrados ajustadas, use Ajustar modelo linear generalizado.

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

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 residuais para determinar o quão bem o modelo se ajusta aos dados.