Considerações de dados para MANOVA generalizada

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 pelo menos um fator categórico

Os fatores categóricos devem ser fatores fixos que podem ser cruzados e aninhados.

• Se você tiver fatores categóricos que sejam aleatórios, use Ajustar modelo de efeitos mistos.
• Se você tiver apenas variáveis preditoras contínuas, use Ajuste do modelo de regressão.

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?.

As variáveis de resposta devem ser contínuas

Se as variáveis de resposta estiverem correlacionados, o teste de MANOVA pode detectar padrões de resposta multivariadas e diferenças menores do que são possíveis com os testes ANOVA separados. 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 você quiser ter uma resposta ou múltiplas variáveis de resposta não correlacionadas, pode usar Ajustar modelo linear generalizado para obter resultados semelhantes.
• 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, 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.