Em formação

No SPSS, você deve alterar o nível de significância para os post-hocs ANOVA de uma via?

No SPSS, você deve alterar o nível de significância para os post-hocs ANOVA de uma via?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Ao executar uma ANOVA unilateral, selecionando "Post-hoc" e marcando "Bonferroni":

Há uma caixa na parte inferior que diz "nível de significância" e o padrão é 0,05.

Minha pergunta é: devo deixar o valor padrão (assumindo que o SPSS se ajusta de acordo) ou alterar o valor para 0,05 / k (k grupos)?


Deixe em 0,05. O SPSS corrige isso corretamente. Somente quando você quiser testar com alfa diferentes (0,10 ou 0,01, por exemplo), você deve alterá-lo.


Saída de histograma

Nossos histogramas nos dizem muito: nossas variáveis ​​têm entre 5 e 10 valores perdidos. Suas médias estão perto de 100 com desvios padrão em torno de 15 - o que é bom porque é assim que esses testes foram calibrados. Uma coisa me incomoda, no entanto, e é mostrado abaixo.

Parece que alguém acertou zero em alguns testes - o que não é plausível. Se ignorarmos isso, nosso correlações serão severamente enviesadas. Vamos classificar nossos casos, ver o que está acontecendo e definir alguns valores ausentes antes de prosseguir.

* Inspecione a caixa com pontuações iq / anxi baixas.

classificar casos por iq.

* Um caso tem zero em ambos os testes. Defina como valor ausente antes de prosseguir.

valores ausentes iq anxi (0).

Se agora executarmos novamente nossos histogramas, veremos que todas as distribuições parecem plausíveis. Só agora devemos prosseguir com a execução das correlações reais.


As etapas a seguir refletem SPSS & rsquos dedicado ANOVA unilateral procedimento. No entanto, como a ANOVA de uma via também faz parte da família de testes estatísticos do Modelo Linear Geral (GLM), ela também pode ser realizada por meio do procedimento GLM univariada (& ldquounivariate & rdquo refere-se a uma variável dependente). Este último método pode ser benéfico se sua análise vai além da ANOVA unilateral simples e envolve múltiplas variáveis ​​independentes, fatores fixos e aleatórios e / ou variáveis ​​de ponderação e covariáveis ​​(por exemplo, ANCOVA unilateral). Prosseguimos explicando como executar uma ANOVA unidirecional usando o procedimento dedicado SPSS & rsquos.

Para executar uma ANOVA unilateral em SPSS, clique Analisar e comparar médias & gt ANOVA unidirecional.

A janela One-Way ANOVA é aberta, onde você especificará as variáveis ​​a serem usadas na análise. Todas as variáveis ​​em seu conjunto de dados aparecem na lista do lado esquerdo. Mova as variáveis ​​para a direita selecionando-as na lista e clicando nos botões de seta azul. Você pode mover variável (es) para uma das duas áreas: Lista de Dependentes ou Fator.

UMA Lista de dependentes: As variáveis ​​dependentes. É a variável cujas médias serão comparadas entre as amostras (grupos). Você pode executar várias comparações de médias simultaneamente, selecionando mais de uma variável dependente.

B Fator: A variável independente. As categorias (ou grupos) da variável independente definirão quais amostras serão comparadas. A variável independente deve ter pelo menos duas categorias (grupos), mas geralmente tem três ou mais grupos quando usada em uma ANOVA de uma via.

C Contrastes: (Opcional) Especifique contrastes, ou comparações planejadas, a serem realizadas após o teste ANOVA geral.

Quando a inicial F teste indica que existem diferenças significativas entre as médias do grupo, os contrastes são úteis para determinar quais médias específicas são significativamente diferentes quando você tem hipóteses específicas que deseja testar. Os contrastes são decididos antes analisar os dados (ou seja, a priori) Os contrastes dividem a variação em partes componentes. Eles podem envolver o uso de pesos, comparações não ortogonais, contrastes padrão e contrastes polinomiais (análise de tendência).

Muitos recursos online e impressos detalham as distinções entre essas opções e ajudarão os usuários a selecionar os contrastes apropriados. Para obter mais informações sobre contrastes, você pode abrir o manual de ajuda do IBM SPSS de dentro do SPSS clicando no botão & quotHelp & quot na parte inferior da janela de diálogo One-Way ANOVA.

D Post Hoc: (Opcional) Solicitação post hoc (também conhecido como comparações múltiplas) testes. Testes post hoc específicos podem ser selecionados marcando as caixas associadas.

1 Variações iguais assumidas: Múltiplas opções de comparações que pressupõem homogeneidade de variância (cada grupo tem variância igual). Para obter informações detalhadas sobre os métodos de comparação específicos, clique no Ajuda botão nesta janela.

2 Teste: Por padrão, um teste de hipótese bilateral é selecionado. Como alternativa, um teste de hipótese direcional e unilateral pode ser especificado se você optar por usar um teste post hoc de Dunnett. Clique na caixa ao lado de Dunnett e, em seguida, especifique se o Categoria de Controle é o último ou primeiro grupo, numericamente, de sua variável de agrupamento. No Teste área, clique em & lt Control ou & gt Controle. As opções unilaterais requerem que você especifique se prevê que a média para o grupo de controle especificado será menor que (& gt Controle) ou maior que (& lt Control) outro grupo.

3 Variâncias iguais não assumidas: Opções de comparações múltiplas que não assumem variâncias iguais. Para obter informações detalhadas sobre os métodos de comparação específicos, clique no Ajuda botão nesta janela.

4 Nível de significância: O ponto de corte desejado para significância estatística. Por padrão, a significância é definida como 0,05.

Quando a inicial F teste indica que existem diferenças significativas entre as médias do grupo, os testes post hoc são úteis para determinar quais médias específicas são significativamente diferentes quando você não tem hipóteses específicas que deseja testar. Os testes post hoc comparam cada par de médias (como os testes t), mas, ao contrário dos testes t, eles corrigem a estimativa de significância para levar em conta as comparações múltiplas.


A taxa de erros baseada na experiência torna-se rapidamente problemática!

A tabela abaixo mostra como o aumento do número de grupos em seu estudo faz com que o número de comparações aumente, o que, por sua vez, aumenta a taxa de erro familiar. Observe a rapidez com que a quantidade de comparações aumenta com a adição de apenas alguns grupos! Correspondentemente, a taxa de erro do experimento torna-se rapidamente problemática.

A tabela começa com dois grupos, e a única comparação entre eles tem uma taxa de erro experimental que é igual ao nível de significância (0,05). Infelizmente, a taxa de erro familiar aumenta rapidamente a partir daí!

A fórmula para o número máximo de comparações que você pode fazer para N grupos é: (N * (N-1)) / 2. O número total de comparações é a família de comparações para sua experiência quando você compara todos os pares de grupos possíveis (ou seja, todas as comparações entre pares). Além disso, a fórmula para calcular a taxa de erro para todo o conjunto de comparações é 1 & ndash (1 & ndash & alpha) ^ C. Alfa é o seu nível de significância para uma única comparação e C é igual ao número de comparações.

A taxa de erro do experimento representa a probabilidade de um erro do tipo I (falso positivo) sobre a família total de comparações. Nosso exemplo de ANOVA tem quatro grupos, o que produz seis comparações e uma taxa de erro familiar de 0,26. Se você aumentar os grupos para cinco, a taxa de erro salta para 40%! Quando você tem 15 grupos, é virtualmente garantido que você terá um falso positivo (99,5%)!


Com exceção das comparações com um controle no teste de Dunnett em post-hocs, onde você tem a opção de especificar um teste unilateral, as significâncias ou p-valores para testes de hipótese em modelos ANOVA em SPSS são todos bilaterais. Aqueles que usam distribuições t também são bicaudais. Aqueles que usam distribuições F são unilaterais, mas geralmente não direcionais ou bilaterais (bilaterais e bilaterais são apenas as mesmas para distribuições simétricas como as famílias normal e t).

Se você quiser relatar valores p unilaterais para hipóteses direcionais, assumindo que os resultados saiam na direção prevista, simplesmente divida os significados impressos por 2. Para obter um intervalo de confiança unilateral para uma diferença entre as médias, dobre o alfa (diga a 0,10 em vez de 0,05)


ANOVA com efeitos simples em SPSS

Como ativamos nosso SPLIT FILE, agora podemos apenas executar ANOVAs de uma via. Usaremos UMAnalyze />GModelo Linear geral />vocênivariate. As capturas de tela abaixo orientam você nas próximas etapas.

Isso resulta na sintaxe abaixo. Vamos executá-lo.


Os testes de previsão examinam como e em que medida
uma variável pode ser prevista a partir de 1+ outras variáveis. O exemplo mais simples é a regressão linear simples, conforme ilustrado abaixo.

As análises de previsão às vezes assumem discretamente causalidade: qualquer que seja prediz alguma variável é frequentemente considerada afeto esta variável. Dependendo do conteúdo de uma análise, a causalidade pode ou não ser plausível. Lembre-se, no entanto, de que as análises listadas abaixo não provar causalidade.


Como devo apresentar graficamente meus resultados?

Em primeiro lugar, não é essencial que você apresente seus resultados em um formato gráfico. No entanto, pode adicionar muita clareza aos seus resultados. Existem alguns pontos-chave para produzir um bom gráfico. Em primeiro lugar, você precisa apresentar barras de erro para cada média de grupo. É comum usar o desvio padrão de cada grupo, mas o erro padrão e os limites de confiança também são usados ​​na literatura. Você também deve se certificar de que a escala é apropriada para o que você está medindo. Geralmente, se apresentar graficamente os dados de uma ANOVA, recomendamos o uso de um gráfico de barras com barras de desvio padrão.


Exemplo

Um pesquisador estava interessado em determinar se um programa de treinamento de exercícios de baixa ou alta intensidade de seis semanas era o melhor para reduzir as concentrações de colesterol no sangue em homens de meia-idade. Ambos os programas de exercícios foram projetados para que o mesmo número de calorias fosse gasto nos grupos de baixa e alta intensidade. Como tal, a duração do exercício diferiu entre os grupos. O pesquisador esperava que qualquer redução na concentração de colesterol induzida pelas intervenções também dependesse da concentração inicial de colesterol do participante. Como tal, o pesquisador queria usar a concentração de colesterol pré-intervenção como uma covariável ao comparar as concentrações de colesterol pós-intervenção entre as intervenções e um grupo de controle. Portanto, o pesquisador executou uma ANCOVA unilateral com: (a) concentração de colesterol pós-intervenção (pós) como variável dependente (b) o controle e dois grupos de intervenção como níveis da variável independente, grupo e (c) o pré - concentrações de colesterol de intervenção como a covariável, pré.

Estatísticas SPSS

Os testes de previsão examinam como e em que medida
uma variável pode ser prevista a partir de 1+ outras variáveis. O exemplo mais simples é a regressão linear simples, conforme ilustrado abaixo.

As análises de previsão às vezes assumem discretamente causalidade: qualquer que seja prediz alguma variável é frequentemente considerada afeto esta variável. Dependendo do conteúdo de uma análise, a causalidade pode ou não ser plausível. Lembre-se, no entanto, de que as análises listadas abaixo não provar causalidade.


ANOVA com efeitos simples em SPSS

Como ativamos nosso SPLIT FILE, agora podemos apenas executar ANOVAs de uma via. Usaremos UMAnalyze />GModelo Linear geral />vocênivariate. As capturas de tela abaixo orientam você nas próximas etapas.

Isso resulta na sintaxe abaixo. Vamos executá-lo.


Com exceção das comparações com um controle no teste de Dunnett em post-hocs, onde você tem a opção de especificar um teste unilateral, as significâncias ou p-valores para testes de hipótese em modelos ANOVA em SPSS são todos bilaterais. Aqueles que usam distribuições t também são bicaudais. Aqueles que usam distribuições F são unilaterais, mas geralmente não direcionais ou bilaterais (bilaterais e bilaterais são apenas as mesmas para distribuições simétricas como as famílias normal e t).

Se você quiser relatar valores p unilaterais para hipóteses direcionais, assumindo que os resultados saiam na direção prevista, simplesmente divida os significados impressos por 2. Para obter um intervalo de confiança unilateral para uma diferença entre as médias, dobre o alfa (diga a 0,10 em vez de 0,05)


As etapas a seguir refletem SPSS & rsquos dedicado ANOVA unilateral procedimento. No entanto, como a ANOVA de uma via também faz parte da família de testes estatísticos do Modelo Linear Geral (GLM), ela também pode ser realizada por meio do procedimento GLM univariada (& ldquounivariate & rdquo refere-se a uma variável dependente). Este último método pode ser benéfico se sua análise vai além da ANOVA unilateral simples e envolve múltiplas variáveis ​​independentes, fatores fixos e aleatórios e / ou variáveis ​​de ponderação e covariáveis ​​(por exemplo, ANCOVA unilateral). Prosseguimos explicando como executar uma ANOVA unidirecional usando o procedimento dedicado SPSS & rsquos.

Para executar uma ANOVA unilateral em SPSS, clique Analisar e comparar médias & gt ANOVA unidirecional.

A janela One-Way ANOVA é aberta, onde você especificará as variáveis ​​a serem usadas na análise. Todas as variáveis ​​em seu conjunto de dados aparecem na lista do lado esquerdo. Mova as variáveis ​​para a direita selecionando-as na lista e clicando nos botões de seta azul. Você pode mover variável (es) para uma das duas áreas: Lista de Dependentes ou Fator.

UMA Lista de dependentes: As variáveis ​​dependentes. É a variável cujas médias serão comparadas entre as amostras (grupos). Você pode executar várias comparações de médias simultaneamente, selecionando mais de uma variável dependente.

B Fator: A variável independente. As categorias (ou grupos) da variável independente definirão quais amostras serão comparadas. A variável independente deve ter pelo menos duas categorias (grupos), mas geralmente tem três ou mais grupos quando usada em uma ANOVA de uma via.

C Contrastes: (Opcional) Especifique contrastes, ou comparações planejadas, a serem conduzidas após o teste ANOVA geral.

Quando a inicial F teste indica que existem diferenças significativas entre as médias do grupo, os contrastes são úteis para determinar quais médias específicas são significativamente diferentes quando você tem hipóteses específicas que deseja testar. Os contrastes são decididos antes analisar os dados (ou seja, a priori) Os contrastes dividem a variação em partes componentes. Eles podem envolver o uso de pesos, comparações não ortogonais, contrastes padrão e contrastes polinomiais (análise de tendência).

Muitos recursos online e impressos detalham as distinções entre essas opções e ajudarão os usuários a selecionar os contrastes apropriados. Para obter mais informações sobre contrastes, você pode abrir o manual de ajuda do IBM SPSS de dentro do SPSS clicando no botão & quotHelp & quot na parte inferior da janela de diálogo One-Way ANOVA.

D Post Hoc: (Opcional) Solicitação post hoc (também conhecido como comparações múltiplas) testes. Testes post hoc específicos podem ser selecionados marcando as caixas associadas.

1 Variações iguais assumidas: Múltiplas opções de comparações que pressupõem homogeneidade de variância (cada grupo tem variância igual). Para obter informações detalhadas sobre os métodos de comparação específicos, clique no Ajuda botão nesta janela.

2 Teste: Por padrão, um teste de hipótese bilateral é selecionado. Como alternativa, um teste de hipótese direcional e unilateral pode ser especificado se você optar por usar um teste post hoc de Dunnett. Clique na caixa ao lado de Dunnett e, em seguida, especifique se o Categoria de Controle é o último ou primeiro grupo, numericamente, de sua variável de agrupamento. No Teste área, clique em & lt Controle ou & gt Controle. As opções unilaterais requerem que você especifique se prevê que a média para o grupo de controle especificado será menor que (& gt Controle) ou maior que (& lt Control) outro grupo.

3 Variâncias iguais não assumidas: Opções de comparações múltiplas que não assumem variâncias iguais. Para obter informações detalhadas sobre os métodos de comparação específicos, clique no Ajuda botão nesta janela.

4 Nível de significância: O ponto de corte desejado para significância estatística. Por padrão, a significância é definida como 0,05.

Quando a inicial F teste indica que existem diferenças significativas entre as médias do grupo, os testes post hoc são úteis para determinar quais médias específicas são significativamente diferentes quando você não tem hipóteses específicas que deseja testar. Os testes post hoc comparam cada par de médias (como os testes t), mas, ao contrário dos testes t, eles corrigem a estimativa de significância para levar em conta as comparações múltiplas.


Procedimento de teste em estatísticas SPSS

As cinco etapas abaixo mostram como analisar seus dados usando uma MANCOVA unilateral no SPSS Statistics quando as 11 suposições na seção anterior, Suposições, não foram violadas. Ao final dessas cinco etapas, mostraremos como interpretar os resultados desse teste.

Nota: Uma vez que algumas das opções no General Linear Model & gt Multivariate. procedimento alterado no SPSS Statistics versão 25, incluímos as capturas de tela para versão 24 e Versões recentes do SPSS Statistics também. Portanto, quaisquer diferenças nas capturas de tela para versão 24 e Versões recentes nas seis etapas abaixo são mostradas nas notas amarelas (como esta) no final de cada etapa. Se você não tiver certeza de qual versão do SPSS Statistics está usando, consulte nosso guia: Identificando sua versão do SPSS Statistics.

Nota: em versão 27 e a versão de assinatura, O SPSS Statistics introduziu uma nova aparência em sua interface chamada "SPSS Light", substituindo a aparência anterior de versões 26 e Versões recentes, que foi chamado de "SPSS Standard". Portanto, se você tiver versões 27 ou 28 (ou o versão de assinatura), as imagens a seguir serão cinza claro em vez de azul. No entanto, o procedimento para versões 25, 26, 27 e 28, assim como o versão de assinatura, estão idêntico.

    Clique UMAnalyze & gt GModelo Linear geral & gt Multivariate. no menu principal, conforme mostrado abaixo:

Publicado com permissão por escrito de SPSS Statistics, IBM Corporation.

Publicado com permissão por escrito de SPSS Statistics, IBM Corporation.

Publicado com permissão por escrito de SPSS Statistics, IBM Corporation.

Nota: Se você tiver estatísticas SPSS versão 24 ou um versão anterior das estatísticas do SPSS, consulte a nota abaixo.

Publicado com permissão por escrito de SPSS Statistics, IBM Corporation.

Nota: Se você tiver estatísticas SPSS versão 24 ou um versão anterior do SPSS Statistics, as opções para executar um teste post hoc para acompanhar um estatisticamente significativo a análise de MANCOVA unilateral é acessada clicando no botão, que iniciará o Multivariável: opções caixa de diálogo, conforme mostrado abaixo:

Estatísticas SPSS

A taxa de erros baseada na experiência rapidamente se torna problemática!

A tabela abaixo mostra como o aumento do número de grupos em seu estudo faz com que o número de comparações aumente, o que, por sua vez, aumenta a taxa de erro familiar. Observe a rapidez com que a quantidade de comparações aumenta com a adição de apenas alguns grupos! Correspondentemente, a taxa de erro do experimento torna-se rapidamente problemática.

A tabela começa com dois grupos, e a única comparação entre eles tem uma taxa de erro experimental que é igual ao nível de significância (0,05). Infelizmente, a taxa de erro familiar aumenta rapidamente a partir daí!

A fórmula para o número máximo de comparações que você pode fazer para N grupos é: (N * (N-1)) / 2. O número total de comparações é a família de comparações para sua experiência quando você compara todos os pares de grupos possíveis (ou seja, todas as comparações entre pares). Além disso, a fórmula para calcular a taxa de erro para todo o conjunto de comparações é 1 & ndash (1 & ndash & alpha) ^ C. Alfa é o seu nível de significância para uma única comparação e C é igual ao número de comparações.

A taxa de erro do experimento representa a probabilidade de um erro do tipo I (falso positivo) sobre a família total de comparações. Nosso exemplo de ANOVA tem quatro grupos, o que produz seis comparações e uma taxa de erro familiar de 0,26. Se você aumentar os grupos para cinco, a taxa de erro salta para 40%! Quando você tem 15 grupos, é virtualmente garantido que você terá um falso positivo (99,5%)!


Saída de histograma

Nossos histogramas nos dizem muito: nossas variáveis ​​têm entre 5 e 10 valores perdidos. Suas médias estão perto de 100 com desvios padrão em torno de 15 - o que é bom porque é assim que esses testes foram calibrados. Uma coisa me incomoda, no entanto, e é mostrado abaixo.

Parece que alguém acertou zero em alguns testes - o que não é plausível. Se ignorarmos isso, nosso correlações serão severamente enviesadas. Vamos classificar nossos casos, ver o que está acontecendo e definir alguns valores ausentes antes de prosseguir.

* Inspecione a caixa com pontuações iq / anxi baixas.

classificar casos por iq.

* Um caso tem zero em ambos os testes. Defina como valor ausente antes de prosseguir.

valores ausentes iq anxi (0).

Se agora executarmos novamente nossos histogramas, veremos que todas as distribuições parecem plausíveis. Só agora devemos prosseguir com a execução das correlações reais.


ANOVA unilateral em estatísticas SPSS (cont.)

O SPSS Statistics gera algumas tabelas em sua análise ANOVA unilateral. Nesta seção, mostramos apenas as tabelas principais necessárias para compreender os resultados da ANOVA de uma via e do teste post hoc de Tukey. Para obter uma explicação completa da saída que você deve interpretar ao verificar seus dados para as seis suposições necessárias para realizar uma ANOVA unilateral, consulte nossos Recursos: ANOVA unilateral página. Isso inclui boxplots relevantes e resultados do teste de Shapiro-Wilk para normalidade e teste de homogeneidade de variâncias. Além disso, se seus dados falharem na suposição de homogeneidade de variâncias, nós o levaremos através dos resultados para Welch ANOVA, que você terá que interpretar em vez da ANOVA unilateral padrão neste guia. A seguir, nos concentramos na tabela de descritivos, bem como nos resultados da ANOVA de uma via e do teste post hoc de Tukey apenas. Examinaremos cada uma das tabelas.

Estatísticas SPSS


Assista o vídeo: Como alterar o idioma do SPSS? (Julho 2022).


Comentários:

  1. Vorn

    É uma pena que eu não possa falar agora - eu tenho que sair.Voltarei - definitivamente vou expressar minha opinião sobre esse assunto.

  2. Xola

    Para onde o mundo está indo?

  3. Francisco

    He has gone to the forum and has seen this topic. Let him help you?

  4. Voodoojinn

    Tudo não é tão simples

  5. Faugar

    Thanks for the nice company.



Escreve uma mensagem