Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes quando coletar dados, realizar a análise e interpretar seus resultados.
Observação
Se você usar uma análise paramétrica como uma alternativa para o teste de Kruskal-Wallis, deve verificar se seus dados atendem aos requisitos de dados dessa análise. Os requisitos de dados para análises paramétricas nem sempre são compatíveis com os requisitos para a análise não-paramétricas, como o teste de Kruskal-Wallis.
- 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 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 resposta tiver duas categorias, como aprovação e reprovação, use Ajustar modelo
logístico binário.
- Se a variável resposta contiver três ou mais categorias que têm uma ordem natural, como discorda totalmente, discorda, neutro, concorda e concorda plenamente, use Regressão logística
ordinal.
- Se a variável 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 resposta conta ocorrências, como o número de defeitos, use Ajustar modelo de
Poisson.
- Os dados da amostra não precisam ser normalmente distribuídos
-
As distribuições dos grupos devem ter a mesma forma e dispersão, e não devem conter outliers.
- Se as distribuições dos grupos incluírem outliers, use Teste de mediana de
Mood.
- Se as distribuições dos grupos estiverem normalmente distribuídas, considere usar ANOVA com 1
fator porque ele tem mais poder.
- O tamanho da amostra deve ser inferior a 15 ou 20 observações ou o seu processo deve ser melhor representado pela mediana
-
Os testes não-paramétricos tendem a ter menos poder do que os testes paramétricos. Além disso, os testes paramétricos podem executar bem com dados não-normais dado um tamanho de amostra suficientemente grande. Considere o uso de um teste paramétrico mesmo com dados não-normais a menos que o tamanho da amostra seja muito baixo ou se a mediana for mais significativa para o seu estudo.
Se os seus dados atenderem às seguintes diretrizes de tamanho de amostra, considere usar
ANOVA com 1
fator porque ele vai funcionar muito bem com distribuições assimétricas e não-normais e tem mais poder.
- Os dados contêm 2 a 9 grupos e o tamanho da amostra para cada grupo é de pelo menos 15.
- Os dados contêm 10 a 12 grupos e o tamanho da amostra para cada grupo é de pelo menos 20.
- O tamanho da amostra para cada grupo deve ser pelo menos cinco
- Se uma amostra tiver menos de cinco observações, o valor de p pode ser impreciso.
- 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 Analisar um experimento de medidas repetidas. Para obter mais informações sobre as amostras, vá para Como 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.
