Tabela de teste MANOVA para MANOVA generalizada

Encontre definições e interpretações para cada estatística na tabela de teste MANOVA.

Neste tópico

s
m
n
Critério
Estatística de teste
Valor-f
Num de DF
Denom de DF
Valor de p

s

O Minitab usa n para calcular a estatística F para o teste de Wilks, de Lawley-Hotelling e de Pillai. A estatística F é exata se s = 1 ou 2. Se s ≠ 1 ou 2, a estatística F é aproximada. Para obter mais informações sobre como Minitab calcula s, acesse Métodos e fórmulas para testes de MANOVA.

Interpretação

O Minitab usa s para calcular o valor de F o valor de p. Normalmente, você avalia o valor de p porque ele é mais fácil de ser interpretado.

m

O Minitab usa m para calcular a estatística F para o teste de Wilks, de Lawley-Hotelling e de Pillai. Para obter mais informações sobre como Minitab calcula m, acesse Métodos e fórmulas para testes de MANOVA.

Interpretação

O Minitab usa m para calcular o valor de F o valor de p. Normalmente, você avalia o valor de p porque ele é mais fácil de ser interpretado.

n

Minitab usa n para calcular a estatística F para o teste de Wilks, de Lawley-Hotelling e de Pillai. Para obter mais informações sobre como Minitab calcula n, acesse Métodos e fórmulas para testes de MANOVA.

Interpretação

O Minitab usa o n para calcular o valor de F para calcular e, em seguida, o valor de p. Normalmente, você avalia o valor de p porque ele é mais fácil de ser interpretado.

Critério

Por padrão, o Minitab exibe uma tabela de quatro testes multivariados para cada termo no modelo:

O teste de Wilk é o teste mais comumente utilizado porque foi o primeiro teste a ser extraído e tem uma aproximação F bem conhecida.
Lawley-Hotelling também é conhecido como estatística T² generalizada de Hotelling.
O teste de Pillai é o melhor teste ser usado na maioria das situações. Pillai de dá resultados semelhantes aos testes de Wilk e Lawley-Hotelling.
O teste da maior raiz de Roy é o melhor quando os vetores médios são colineares. O teste de Roy não tem uma aproximação F satisfatória.

Interpretação

Examine os valores de p para a estatística de teste de Wilk, Lawley-Hotelling e Pillai para determinar se há evidências significativas para os efeitos do modelo. Se o valor de p for menor que seu nível de significância, o efeito é estatisticamente significativo. Geralmente, você chega à mesma conclusão utilizando qualquer um dos testes. Nos casos em que as conclusões diferem, baseie sua decisão no teste que é melhor para seus dados.

Estatística de teste

Minitab fornece uma estatística de teste para cada teste multivariado. O nome da estatística de teste para cada teste é da seguinte maneira:

Lambda de Wilk
Traço Lawley-Hotelling
Traço de Pillai
Maior autovalor, λ1

Para obter mais informações sobre como o Minitab calcula cada estatística de teste, acesse Métodos e Fórmulas.

Interpretação

O Minitab usa a estatística de teste para calcular o valor de F e o valor de p. Normalmente, você avalia o valor de p porque é mais fácil de interpretar.

Valor-f

Aparece um Valor de F para cada termo na análise da tabela de variância:

F-valor para o modelo ou os termos: O valor-f é a estatística de teste usado para determinar se o termo está associado com a resposta.
Valor-f para o teste de ajuste (lack-of-fit): O valor-f é a estatística de teste usada para determinar se no modelo estão faltando termos de ordem mais alta, que incluem as preditoras no modelo atual.

Interpretação

O Minitab usa a o valor de F para calcular o valor de p, que pode ser usado para a tomada de uma decisão sobre a significância estatística dos termos e do modelo. 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.

Um valor de F grande o bastante indica que o termo ou modelo é significativo.

Se você quiser usar o valor-f para determinar se deve rejeitar a hipótese nula, compare o valor-f com o seu valor crítico. É possível calcular o valor crítico no Minitab ou encontrar o valor crítico de uma tabela distribuição F na maioria dos livros de estatísticas. Para obter mais informações sobre como usar o Minitab para calcular o valor crítico, acesse Usando a função de distribuição acumulada inversa (ICDF) e clique em "Usar o ICDF para calcular valores críticos".

Num de DF

O Num de DF são os graus de liberdade para o numerador que Minitab utiliza para calcular F.

Interpretação

O Minitab usa o valor de F para calcular o valor de p. Normalmente, você avalia o valor de p, porque é mais fácil de interpretar.

Denom de DF

O Denom de DF representa os graus de liberdade para o denominador comum que o Minitab utiliza para calcular F.

Interpretação

O Minitab usa o valor de F para calcular o valor de p. Normalmente, você avalia o valor de p porque ele é mais fácil de se interpretado.

Valor de p

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.

Interpretação

Para testar simultaneamente uma igualdade das médias de todas as respostas, compare os valores-p nas tabelas de teste MANOVA de cada termo com o seu nível de significância. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de se concluir que existe uma associação quando não existe uma associação real.

Valor-p ≤ α: as diferenças entre algumas das médias são estatisticamente significativas: Se o valor-p for menor ou igual ao nível de significância, é possível concluir que as diferenças entre as médias são estatisticamente significativas.
Valor-p > α: as diferenças entre algumas das médias não são estatisticamente significativas: Se o valor-p for maior que o nível de significância, não é possível concluir que as diferenças entre as médias são estatisticamente significativas. Talvez seja necessário reajustar o modelo sem o termo.; Se houver vários preditores sem uma associação estatisticamente significativa com a resposta, você pode reduzir o modelo removendo os termos um de cada vez. Para obter mais informações sobre como remover os termos do modelo, vá para Redução de modelo.

Se um termo do modelo for estatisticamente significativo, a interpretação dependerá do tipo de termo. As interpretações são da seguinte maneira:

Se um efeito principal for significativo, as médias de nível para o fator são significativamente diferentes umas das outras em todas as respostas em seu modelo.
Se um termo de interação for significativo, os efeitos de cada fator são diferentes em cada nível de outros fatores em todas as respostas em seu modelo. Por esta razão, você não deve analisar os efeitos individuais de termos envolvidos nas interações significativas de ordem superior.