ANOVA – Dois Fatores
Na ANOVA com dois fatores, vamos admitir que cada elemento da amostra tenha sido classificado segundo dois critérios, constituindo duas classificações cruzadas.
Admitiremos que exista um total de "nk" observações,
constituindo "k" amostras de "n" elementos segundo cada um dos tratamentos (coluna).
Adicionalmente, consideramos que cada exista um
emparelhamento por cada linha, o qual denominaremos de blocos.
ANOVA – Dois Fatores
ANOVA – Dois Fatores
As nk observações são dispostas em uma tabela com n linhas e k colunas.
ANOVA – Dois Fatores
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Hipóteses:
(todos os tratamentos possuem médias iguais) (todos os blocos possuem médias iguais)
Pelo menos um dos tratamentos apresenta média diferente dos demais
Pelo menos um dos blocos apresenta média diferente dos demais
H01:m. 1=m. 2=.. . =m. k
H02: m1 .=m2 .=. .. =mn.
H11:
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Note-se que agora existem duas hipóteses nulas (H01 e H02). H01 , como antes, refere-se aos tratamentos e H02 aos blocos.
Como antes, a SOMA DE QUADRADOS TOTAL,
SQT, é dada por:
SQT=Q− T
2
ANOVA – Dois Fatores
ANOVA – Dois Fatores
A segunda parcela da variação é dada pela SOMA DOS QUADRADOS ENTRE OS TRATAMENTOS, SQET:
Uma outra parcela da variação é dada pela SOMA DOS QUADRADOS ENTRE OS BLOCOS, SQEB:
SQET= ∑ j=1 n T . j2 n − T 2 nk SQEB= ∑ i=1 k Bi .2 k − T 2 nk
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Como na ANOVA - Um fator, a variação restante, é dada pela SOMA DE QUADRADOS DE RESÍDUOS, SQR, ou seja:
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Em uma Análise de Variância com dois fatores, o modelo relativo aos componentes da variância total é dado por: onde: ST2 =S2ET +SEB2 +SR2 ST2= variância total S ET2 = variância do tratamento S EB2 =variância do bloco
ANOVA – Dois Fatores
ANOVA – Dois Fatores
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Se a hipótese nula 1 for falsa, o valor esperado do QMET será maior que o do QMR. Assim:
Se Rejeita-se H01
Se a hipótese nula 2 for falsa, o valor esperado do QMEB será maior que o do QMR. Assim:
Se Rejeita-se H02
Ft>Fk−1; k−1 n−1 ;α ⇒
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Exemplo:
Os dados que se seguem representam o tempo em segundos gastos por cinco enfermeiros para realizar certo procedimento em quatro postos de saúde diferentes. Ao nível de 5% de significância, verifique de existe diferença assimilável entre postos e entre enfermeiros.
ANOVA – Dois Fatores
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Solução:
Inicialmente, o problema não menciona a questão da normalidade e da independência das amostras, nem para os Postos de Saúde e nem para os Enfermeiros.
Como isso é um exercício, vamos assumir a normalidade e da independência para os Postos de Saúde e para os Enfermeiros.
Se fôsse um caso real, deveríamos testar a normalidade e a independência de ambos. Porém, já sabemos testar a homocedasticidade das variâncias e devemos fazê-lo para todos eles.
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Teste de homocedasticidade para os Postos de Saúde: Hipóteses:
H0: todos os Postos de Saúde possuem a mesma variância no tempo de realização do procedimento.
H1: pelo menos um dos Postos de Saúde tem variância no tempo de realização do procedimento diferente dos demais. gc = 0,48504551
g = 0,7457
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Conclusão: Ao nível de 5% de significância pode-se considerar que todos os Postos de Saúde possuem a mesma variância no tempo de realização do procedimento.
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Teste de homocedasticidade para os Enfermeiros: Hipóteses:
H0: todos Enfermeiros possuem a mesma variância no tempo de realização do procedimento.
H1: pelo menos um dos Enferemeiros tem variância no tempo de realização do procedimento diferente dos demais. gc = 0,42778342
g = 0,6287
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Conclusão: Ao nível de 5% de significância pode-se considerar que todos os Enfermeiros possuem a mesma variância no tempo de realização do procedimento.
Como foi comprovada a homocedasticidade dos Postos de Saúde e dos Enfermeiros, quanto ao tempo de realização do procedimento, então podemos realizar a ANOVA – dois fatores.
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Hipóteses:
H01: todos os Postos de Saúde possuem tempos médios iguais
na realização do procedimento.
H02: todos os Enfermeiros possuem tempos médios iguais na
realização do procedimento.
H11: pelo menos um dos Postos de Saúde possui tempo médio
diferente na realização do procedimento em relação aos demais.
H12: pelo menos um dos Enfermeiros possui tempo médio
diferente na realização do procedimento em relação aos demais.
ANOVA – Dois Fatores
ANOVA – Dois Fatores
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Tabela ANOVA
Decisão: rejeita-se H01, pois 26,577 > F(3,12,0,05) = 3,49 aceita-se H02, pois 1,096 < F(4,12,0,05) = 3,26
ANOVA – Dois Fatores
ANOVA – Dois Fatores
Conclusão:
Conclui-se que ao nível de 5% de significância que os Enfermeiros possuem tempos médios iguais na realização do procedimento, mas que pelo menos um dos Postos de Saúde possui tempo médio diferente na realização do procedimento em relação aos demais.
Comparações Múltiplas
Comparações Múltiplas
Os testes post-hoc para a ANOVA – dois fatores são modificações dos testes para a ANOVA – um fator. Eles têm a mesma serventia, porém são capazes de comparações múltiplas entre tratamentos e também entre blocos.
Comparações Múltiplas
Comparações Múltiplas
Teste de Sheffé
Scheffé demonstrou que devem ser consideradas distintas entre si, e ao nível de significância adotado, as médias µi e µj, dos tratamentos, tais que:
, onde
Dt=
S2R 2 k −1 n FttComparações Múltiplas
Comparações Múltiplas
Teste de Sheffé
Devem ser consideradas diferentes, as médias µi e µj, dos blocos, ao nível de significância, tais que:
, onde ∣xi.−x. j .∣>Δb
Db=
SR2 2 n−1 k FtbComparações Múltiplas
Comparações Múltiplas
Teste de Tukey HSD
O teste de Tukey HSD considera a diferença entre as médias µi e µj, dos tratamentos, quando onde:
e
q
é a estatística de Tukey com parâmetros (α, k, dfr), onde dfr é o número de graus de liberdade doresíduo da ANOVA.
Δt=
SR2 1n qα,k,dfr
Comparações Múltiplas
Comparações Múltiplas
Teste de Tukey HSD
Considera a diferença entre as médias µi e µj, dos blocos, quando onde:
e
q
é a estatística de Tukey com parâmetros (α, n, dfr), onde dfr é o número de graus de liberdade doresíduo da ANOVA.
Δb=
S2R 1k qα,n,dfr
Comparações Múltiplas
Comparações Múltiplas
Exemplo:
Usando o Teste de Scheffé, quais foram as médias responsáveis pela rejeição da hipótese nula no exemplo anterior.
Comparações Múltiplas
Comparações Múltiplas
Solução pelo Teste de Scheffé:
= 18,775, k=4, n=5, F(3,12,0,05) = 3,49 ∆ = 8,86772 = 12,40 > ∆ significativo = 0,40 < ∆ não significativo = 20,60 > ∆ significativo = 12,00 > ∆ significativo = 8,20 < ∆ não significativo = 20,20 > ∆ significativo SR2
∣x
A−x
B∣
∣x
A−x
C∣
∣xA−xD∣ ∣xB−xC∣ ∣xB−xD∣ ∣xC−xD∣Comparações Múltiplas
Comparações Múltiplas
Solução pelo Teste de Scheffé:
Conclusão: Ao nível de 5% de significância conclui-se que somente os Postos de Saúde A e C; B e D são semelhantes.
Referências
Referências
• Hector G. Arango, Bioestatística Teórica e Computacional (2005). Rio de Janeiro: Ed. Guanabara Koogan, 2a ed.
• Hardeo Sahai, Mohammed I. Ageel (2000) Analysis of Variance: Fixed, Random and Mixed Models. Birkhäuser Boston; 1st ed.
• Goldshmidt, Day e Richardson (2000) em "Effects of Prenatal Marijuana Exposure on Child Behavior Problems at Age 10" publicado na Neurotoxicol. and Tetratol., 22, pg. 325-336.
• Brian S. Yandell (1997) Practical Data Analysis for Designed Experiments. Chapman & Hall/CRC; 1st ed.
• John Verzani (2005) Using R for Introductory Statistics. Boca Raton: Chapman & Hall/CRC.
• Psychology World (2009) Tukey's Post Hoc Test. Disponível em <http://web.mst.edu/~psyworld/tukeys4mean.htm>, maio de 2009.