SPSS

6-

6 - Anova

ANLISE DE VARINCIA

6.1 - ENSAIOS UNI-FACTORIAIS

A anlise de varincia uma metodologia estatstica cujo objectivo decidir se existem
ou no diferenas significativas entre as mdias de vrias amostras de uma varivel
numrica, definidas por diferentes tratamentos ou nveis de influncia de um factor. Esta
metodologia uma extenso do teste t-Student para duas amostras independentes.
Isto :
H 0: x1 # x 2 # x3 # ... # xT # , H 1 : Existem diferenas significativas entre as mdias
De um modo muito resumido, a metodologia anova calcula a variabilidade total
existente na caracterstica ou varivel em anlise, e particiona esta variabilidade como
sendo devida fundamentalmente a duas causas: uma causa determinista, que o facto de
as amostras serem sujeitas a tratamentos distintos (variabilidade entre tratamentos);
causas aleatrias ou erro experimental, que engloba todas as restantes fontes de
variabilidade, com excepo dos diferentes tratamentos (variabilidade residual ou erro
experimental). Estas variabilidades so estimativas de varincia (entre tratamentos, e
residual, respectivamente). Isto :
Variabilidade Total = Variabilidade entre Tratamentos + Erro Experimental
A estatstica de teste a estatstica F, que uma razo entre varincias, que sob o
pressuposto de que as observaes tm distribuio normal, segue uma distribuio F de
Snedecor:
F#

Varincia entre Tratamentos

~ F(* ; glnum ; glden )
Varincia Re sidual

Se a estatstica F demasiado grande, ento porque a varincia entre tratamentos

preponderante em relao varincia residual, isto , os diferentes tratamentos a que a
amostra foi sujeita conduz a resultados estatisticamente diferentes.
Na sequncia de uma anlise de varincia em que se conclua que existem diferenas
significativas entre as mdias dos diversos tratamentos em anlise, faz-se um teste
suplementar a fim de identificar quais so as mdias estatisticamente diferentes. Os
mais usuais so os testes LSD (Least Significant Difference, Diferena Mnima
Significativa), HSD-Tuckey (Honnestly Significant Difference), Scheff, Duncan.
Vamos ilustrar a metodologia de anlise de varincia, usando os valores apresentados
no quadro seguinte, referentes s produes obtidas num ensaio em que se pretende

ESACB

90

SPSS

6 - Anova

estudar o efeito da densidade de sementeira, na cultura de arroz (variedade IR8).

Definiram-se 6 densidades de sementeira (kg/ha de semente). Para cada densidade de
fizeram-se 4 repeties. Todos os restantes factores de produo foram mantidos
constantes no ensaio (adaptado de GOMEZ & GOMEZ, 1984).
Densidade
25
50
75
100
125
150

5113
5346
5272
5164
4804
4254

5398
5952
5713
4831
4848
4542

Repeties
5307
4719
5483
4986
4432
4919

4678
5264
5049
4410
4748
4098

A anova simples (ensaios uni-factoriais) pode ser executada no SPSS com dois
procedimentos:

6.1.1 - PROCEDIMENTO ONE-WAY ANOVA

Este o procedimento que conduz elaborao tpica da anlise de varincia, e no qual
possvel definir a obteno de mais resultados no mbito desta metodologia estatstica.
A partir do menu principal do SPSS, seleccionar:
Statistics
Compare Means...
One-Way ANOVA...

Seleccionar para o campo

o nome da varivel que contm os valores da
varivel que contm os resultados a analisar (no exemplo, producao); no campo
selecciona-se a varivel que identifica os diferentes tratamentos (densidad).
Seleccionar a opo
para definir qual ou quais os testes de comparao de
mdias a efectuar na sequncia da anova. Pode seleccionar-se apenas um ou mais testes.
ESACB

91

SPSS

6 - Anova

No exemplo, pediram-se os testes LSD e Tuckey. O nvel de significncia , por defeito,

*=5%, podendo este valor ser definido pelo utilizador:

Fazer

, voltando janela One-Way ANOVA, onde se pode seleccionar o boto

a fim de definir clculos adicionais; no caso, pediram-se o clculo dos

parmetros estatsticos, a realizao do teste de Levene para verificar se as varincias
dos diferentes tratamentos so homogneas e representar graficamente as mdias dos
diferentes tratamentos:

Os resultados so os seguintes:

ESACB

92

SPSS

6 - Anova

Oneway
Descriptives
Produo (kg/ha)

N
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
Total

4
4
4
4
4
4
24

Std.
Deviation
320.2093
504.7893
284.4414
321.9900
188.4958
360.8798
455.9256

Mean
5124.0000
5320.2500
5379.2500
4847.7500
4708.0000
4453.2500
4972.0833

Std. Error
160.1047
252.3947
142.2207
160.9950
94.2479
180.4399
93.0654

95% Confidence Interval

for Mean
Lower
Upper
Bound
Bound
4614.4755
5633.5245
4517.0176
6123.4824
4926.6402
5831.8598
4335.3920
5360.1080
4408.0611
5007.9389
3879.0097
5027.4903
4779.5628
5164.6038

Minimum
4678.00
4719.00
5049.00
4410.00
4432.00
4098.00
4098.00

Maximum
5398.00
5952.00
5713.00
5164.00
4848.00
4919.00
5952.00

Test of Homogeneity of Variances

Produo (kg/ha)
Levene
Statistic
.418

df1

df2
5

Sig.
.830

18

ANOVA
Produo (kg/ha)

Between Groups
Within Groups
Total

ESACB

Sum of
Squares
2657880.8
2123087.0
4780967.8

df
5
18
23

Mean
Square
531576.167
117949.278

F
4.507

Sig.
.008

93

SPSS

6 - Anova

Post Hoc Tests

Multiple Comparisons
Dependent Variable: Produo (kg/ha)

Tukey HSD

(I) Densidade de
sementeira
25 kg/ha

50 kg/ha

75 kg/ha

100 kg/ha

125 kg/ha

150 kg/ha

LSD

25 kg/ha

50 kg/ha

75 kg/ha

100 kg/ha

125 kg/ha

150 kg/ha

(J) Densidade de
sementeira
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha

Mean
Difference
(I-J)
Std. Error
-196.2500
242.8469
-255.2500
242.8469
276.2500
242.8469
416.0000
242.8469
670.7500
242.8469
196.2500
242.8469
-59.0000
242.8469
472.5000
242.8469
612.2500
242.8469
867.0000* 242.8469
255.2500
242.8469
59.0000
242.8469
531.5000
242.8469
671.2500
242.8469
926.0000* 242.8469
-276.2500
242.8469
-472.5000
242.8469
-531.5000
242.8469
139.7500
242.8469
394.5000
242.8469
-416.0000
242.8469
-612.2500
242.8469
-671.2500
242.8469
-139.7500
242.8469
254.7500
242.8469
-670.7500
242.8469
-867.0000* 242.8469
-926.0000* 242.8469
-394.5000
242.8469
-254.7500
242.8469
-196.2500
242.8469
-255.2500
242.8469
276.2500
242.8469
416.0000
242.8469
670.7500* 242.8469
196.2500
242.8469
-59.0000
242.8469
472.5000
242.8469
612.2500* 242.8469
867.0000* 242.8469
255.2500
242.8469
59.0000
242.8469
531.5000* 242.8469
671.2500* 242.8469
926.0000* 242.8469
-276.2500
242.8469
-472.5000
242.8469
-531.5000* 242.8469
139.7500
242.8469
394.5000
242.8469
-416.0000
242.8469
-612.2500* 242.8469
-671.2500* 242.8469
-139.7500
242.8469
254.7500
242.8469
-670.7500* 242.8469
-867.0000* 242.8469
-926.0000* 242.8469
-394.5000
242.8469
-254.7500
242.8469

Sig.
.962
.894
.859
.541
.111
.962
1.000
.408
.170
.023
.894
1.000
.290
.110
.014
.859
.408
.290
.991
.594
.541
.170
.110
.991
.895
.111
.023
.014
.594
.895
.430
.307
.270
.104
.013
.430
.811
.067
.021
.002
.307
.811
.042
.013
.001
.270
.067
.042
.572
.122
.104
.021
.013
.572
.308
.013
.002
.001
.122
.308

95% Confidence Interval

Lower
Upper
Bound
Bound
-968.0352
575.5352
-1027.0352
516.5352
-495.5352
1048.0352
-355.7852
1187.7852
-101.0352
1442.5352
-575.5352
968.0352
-830.7852
712.7852
-299.2852
1244.2852
-159.5352
1384.0352
95.2148
1638.7852
-516.5352
1027.0352
-712.7852
830.7852
-240.2852
1303.2852
-100.5352
1443.0352
154.2148
1697.7852
-1048.0352
495.5352
-1244.2852
299.2852
-1303.2852
240.2852
-632.0352
911.5352
-377.2852
1166.2852
-1187.7852
355.7852
-1384.0352
159.5352
-1443.0352
100.5352
-911.5352
632.0352
-517.0352
1026.5352
-1442.5352
101.0352
-1638.7852
-95.2148
-1697.7852
-154.2148
-1166.2852
377.2852
-1026.5352
517.0352
-706.4525
313.9525
-765.4525
254.9525
-233.9525
786.4525
-94.2025
926.2025
160.5475
1180.9525
-313.9525
706.4525
-569.2025
451.2025
-37.7025
982.7025
102.0475
1122.4525
356.7975
1377.2025
-254.9525
765.4525
-451.2025
569.2025
21.2975
1041.7025
161.0475
1181.4525
415.7975
1436.2025
-786.4525
233.9525
-982.7025
37.7025
-1041.7025
-21.2975
-370.4525
649.9525
-115.7025
904.7025
-926.2025
94.2025
-1122.4525
-102.0475
-1181.4525
-161.0475
-649.9525
370.4525
-255.4525
764.9525
-1180.9525
-160.5475
-1377.2025
-356.7975
-1436.2025
-415.7975
-904.7025
115.7025
-764.9525
255.4525

*. The mean difference is significant at the .05 level.

ESACB

94

SPSS

6 - Anova

Homogeneous Subsets
Produo (kg/ha)

Tukey HSDa

Densidade de
sementeira
150 kg/ha
125 kg/ha
100 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
Sig.

N
4
4
4
4
4
4

Subset for alpha = .05

1
2
4453.2500
4708.0000 4708.0000
4847.7500 4847.7500
5124.0000 5124.0000
5320.2500
5379.2500
.111
.110

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 4.000.

Means Plots
5600

5400

Mean of Produo (kg/ha)

5200

5000

4800

4600

4400
25 kg/ha

50 kg/ha

75 kg/ha

100 kg/ha

125 kg/ha

150 kg/ha

Densidade de sementeira

O primeiro quadro de resultados contm a mdias, desvio padro e erro padro da mdia
e intervalo de confiana da mdia, mnimo e mximo para cada tratamento.
De seguida apresentado o teste de homogeneidade de varincias de Levene:
H 0 : s12 # s 22 # s 32 # s 42

H 1 : As varincias no so homogneas

Como F=0.418 < F(0.05;5;18) =2.77, ou p-value=0.83 > *=0.05, conclui-se que as
varincias so homogneas, isto , dentro de cada um dos tratamentos a variabilidade
apenas devida a causas aleatrias.
O quadro que se segue a tabela da anlise de varincia, apresentando a variabilidade
particionada entre os tratamentos (betwen groups) e residual (within groups). Como
F=4.507 > F(0.05;5;18) =2.77, ou p-value=0.008 < *=0.05, conclui-se que existem
diferenas significativas entre as produes mdias das 6 densidades de sementeira, com
um nvel de significncia de 5%.
Contudo, este resultado no nos permite concluir qual ou quais densidades conduzem a
produes mdias significativamente diferentes de outras. Para concluir tal, h que
proceder comparao da mdia de cada um dos tratamentos com todas as restantes.
esta comparao feita em termos do valor absoluto das diferenas entre mdias: se esta

ESACB

95

SPSS

6 - Anova

diferena entre duas mdias pequena, ento as mdias no diferem; se a diferena

grande, ento as duas mdias so estatisticamente distintas. Este o princpio de
qualquer teste de comparaes mltiplas.
Contudo, h que fixar um critrio que defina a fronteira entre o que uma diferena
grande e uma diferena pequena. Este critrio estabelecido por cada um dos testes
(LSD, Scheff, Tukey, etc), com base em expresses que relacionam a mdia das somas
dos quadrados residual (calculada na tabela anova) e com base em funes de
distribuio de probabilidades.
No quadro dos resultados dos testes de comparaes mltiplas so identificados com o
smbolo * quais os tratamentos cujas mdias diferem significativamente. Repare-se que
ambos os testes acusam como conduzindo a produes mdias diferentes densidades de
50 kg/ha e 150 kg/ha (diferena de 867 kg) e 75 kg/ha e 150 kg/ha (diferena de 926
kg). Contudo apenas o teste LSD acusa existirem diferenas entre as produes
alcanadas com 25 e 150 kg/ha (diferena de 670.75 kg), 50 e 125 kg/ha (diferena de
612.25 kg), 75 e 100 kg/ha (diferena de 531.5 kg).
Isto , o teste LSD acusa como diferentes tratamentos cujas mdias esto menos
afastadas do que o teste Tuckey, que d, por assim dizer, maior margem de dvida antes
de imputar essas diferenas aos efeitos dos tratamentos.
De seguida aparece um quadro complementar do teste Tukey em que agrupa os
tratamentos em grupos homogneos, sendo o critrio de agrupamento o facto de no
existirem diferenas significativas entre os mdias dos tratamentos includos no mesmo
grupo. O mesmo tratamento pode pertencer a mais do que um grupo, desde que no
difira dos restantes tratamentos desse grupo. Assim, as densidades de sementeira de
150, 125, 100, 25 constituem um grupo de tratamentos, cujas produes mdias so as
mais baixas; as densidades de 125, 100, 25, 50, 75 constituem outro grupo, cujas
produes so as mais altas. claro que alguns dos tratamentos densidades de 125, 100,
25) pertencem aos dois grupos6.
Em termos absolutos, a densidade de sementeira que conduz a maior produo a
densidade de 75 kg/ha; contudo, a produo obtida com a densidade de 50 kg/ha no
difere significativamente da anterior, e pode haver vantagens econmicas em usar esta
densidade. Contudo, estas so algumas reflexes de ndole tcnica que competem ao
analista desenvolver, no cabendo propriamente no mbito deste manual.
No final aparece um grfico representado as mdias dos tratamentos, que pode ser til
explorar no sentido de compreender os resultados, e deles tirar o proveito no mbito da
aplicabilidade da Estatstica ao delineamento de ensaios agrcolas.

6.1.2 - PROCEDIMENTO MEANS

A partir do menu principal do SPSS, seleccionar:

ESACB

Deixa-se ao cuidado do leitor a explicao agronmica destas concluses.

96

SPSS

6 - Anova

Statistics
Compare Means...
Means...

Seleccionar para o campo

o nome da varivel que contm os valores da
varivel a analisar (no exemplo, producao); no campo
selecciona-se a
varivel que identifica os diferentes tratamentos (densidad).
a fim de pedir a elaborao da tabela da anlise de
Seleccionar o boto
varincia. Por defeito, so calculados os parmetros mdia e desvio padro; o utilizador
pode seleccionar outras estatsticas a calcular:

Os resultados so os seguintes:

ESACB

97

SPSS

6 - Anova

Means
Case Processing Summary
Cases
Excluded
N
Percent

Included
N
Percent
Produo (kg/ha) *
Densidade de
sementeira

24

100.0%

.0%

Total
N

Percent
24

100.0%

Report
Produo (kg/ha)
Densidade de
sementeira
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
Total

Mean
5124.0000
5320.2500
5379.2500
4847.7500
4708.0000
4453.2500
4972.0833

Std.
Deviation
320.2093
504.7893
284.4414
321.9900
188.4958
360.8798
455.9256

N
4
4
4
4
4
4
24
ANOVA Table

Produo (kg/ha) *
Densidade de
sementeira

Sum of
Squares
2657880.8
2123087.0
4780967.8

Between
(Combined)
G
Within Groups
Total

df

Mean
Square
5 531576.167
18 117949.278
23

F
4.507

Sig.
.008

Measures of Association

Eta
Produo (kg/ha) *
Densidade de
sementeira

.746

Eta
Squared
.556

A tabela da anova idntica obtida no procedimento anterior. Contudo, este

procedimento no permite a obteno dos testes subsequentes que foram obtidos
previamente.
A estatstica Eta-Squared a proporo de varincia da varivel dependente que
SS
explicada pelas diferenas entre os tratamentos; dado pela expresso H (isto ,
SS T
razo entre Soma dos Quadrados entre tratamentos (SSH) e a Soma dos Quadrados total
(SST). A designao de Eta adoptada pelo SPSS no contexto da anova destina-se a no
fazer confuso com o coeficiente de determinao, R2, usado no contexto da regresso
linear, e que pode ser obtido a partir da tabela da anova da regresso pela expresso
anterior.

ESACB

98

SPSS

6 - Anova

6.2 - ENSAIOS MULTI-FACTORIAIS

Os organismos biolgicos esto simultaneamente expostos a muitos factores de
crescimento. A resposta de um organismo a um nico factor de crescimento pode variar
com o nvel de outros factores; assim, os delineamentos uni-factoriais so criticados
pelo seu pequeno leque de aplicabilidade. Na realidade, os resultados dos delineamentos
uni-factoriais so apenas vlidos para o caso particular (e extremamente difceis de
conseguir) de todos os restantes factores serem mantidos constantes.
Neste sentido, quando se espera que a resposta a um factor de interesse varie sob
diferentes nveis de outros factores, devem evitar-se os delineamentos uni-factoriais, e
considerar um delineamento multi-factorial que permita estudar em simultneo dois ou
mais factores.
Em ensaios factoriais, h a considerar os efeitos de cada um dos nveis de um dos
factores, mantendo os nveis dos outros factores constantes (efeitos simples), os efeitos
de cada um dos factores, abstraindo da presena dos outros factores (efeitos principais)
e interaco entre os nveis dos diversos factores (interaco entre factores).
Diz-se que existe interaco entre dois factores se a resposta a um dos factores varia
consoante os nveis do outro factor.
A fim de ilustrar o procedimento de clculo da anlise de varincia multi-factorial,
vamos usar o ficheiro arroz.sav, em que se pretende verificar a influncia de trs
variedades (IR8, IR5, CA-63) e 5 nveis de adubao azotada (0, 60, 90, 120, 150 kg/ha)
na produo de arroz.
Statistics
General Linear Model
GLM General Factorial ...
Na caixa de dilogo seguinte, seleccionar a varivel dependente a analisar (producao) e
os factores de produo cuja influncia se pretende analisar (variedad e adubacao):

ESACB

99

SPSS

De seguida, seleccionar a opo

6 - Anova

a fim de definir o modelo de anova a

, que especifica que a tabela

calcular. Por defeito, est seleccionada a opo
da anova apresentar a os efeitos principais de cada factor, bem como as interaces
entre factores. a situao mais usual. Optando por
o utilizador pode definir
que a anova apresente apenas os efeitos principais, ou apenas algumas das interaces a
definir.

Por defeito, est definido o mtodo de clculo da soma de quadrados (tipo III); para
delineamentos em que no haja missing-values deve definir-se esta metodologia de
clculo.

ESACB

100

SPSS

6 - Anova

A opo
deve ser seleccionada (por defeito, est activada). Caso
se assuma que os dados passam pela origem dos eixos (isto , caso a ausncia dos
factores em anlise conduzam a valor zero da varivel dependente), pode omitir-se esta
opo. Da sua incluso no modelo resulta a apresentao de mais uma linha inusitada na
tabela da anova, que traduz a variabilidade associada varivel dependente para os
nveis zero dos factores. As restantes linhas da tabela so as usuais.
Fazer

para regressar janela GLM General factorial, onde se deve

para representar graficamente as mdias de cada um dos

seleccionar
factores e das interaces de factores:

Para seleccionar o grfico das mdias de um factor, definir esse factor em

; fazer
para adicionar esse grfico; para definir o grfico das
interaces, seleccionar um factor para Horizontal Axis e outro factor para Separate
Lines. Fazer

para continuar.

Optar por

para definir os testes de comparaes mltiplas:

ESACB

101

SPSS

6 - Anova

Fazer
para continuar. Seleccionar
para seleccionar o clculo de
parmetros estatsticos, teste de Levene de homogeneidade de varincias e os intervalos
de confiana para as mdias:

Os resultados deste procedimento so os seguintes:

Univariate Analysis of Variance

ESACB

102

SPSS

6 - Anova

Between-Subjects Factors

Variedade

Adubao

Value
Label
IR8
IR5
C4-63
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha

1
2
3
0
1
2
3
4

N
20
20
20
12
12
12
12
12

Descriptive Statistics
Dependent Variable: Produo
Variedade
IR8

IR5

C4-63

Total

Adubao
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Total
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Total
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Total
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Total

Mean
3124.0000
4723.5000
4459.5000
5717.0000
5823.0000
4769.4000
3548.0000
4806.0000
5436.0000
5739.5000
5680.5000
5042.0000
3778.0000
4753.5000
5320.0000
5552.5000
5886.5000
5058.1000
3483.3333
4761.0000
5071.8333
5669.6667
5796.6667
4956.5000

Std.
Deviation
532.7939
171.9874
400.2345
334.1237
208.3235
1054.8145
540.9054
443.6124
757.8408
494.9542
217.5462
957.4259
314.1507
414.2411
501.1640
573.7000
385.9374
855.9827
513.9808
331.3680
689.7728
441.1381
271.0335
952.5245

N
4
4
4
4
4
20
4
4
4
4
4
20
4
4
4
4
4
20
12
12
12
12
12
60

a
Levene's Test of Equality of Error Variances

Dependent Variable: Produo

F
1.044

df1

df2
14

45

Sig.
.430

Tests the null hypothesis that the error variance of the

dependent variable is equal across groups.
a. Design: Intercept+VARIEDAD+AZOTO+VARIEDAD *
AZOTO

ESACB

103

SPSS

6 - Anova

Tests of Between-Subjects Effects

Dependent Variable: Produo

Source
Corrected Model
Intercept
VARIEDAD
AZOTO
VARIEDAD * AZOTO
Error
Total
Corrected Total

Type III
Sum of
Squares
44578256a
1.47E+09
1052784.4
41234745
2290726.3
8952613.0
1.53E+09
53530869

df
14
1
2
4
8
45
60
59

Mean
Square
3184161.1
1.47E+09
526392.200
10308686
286340.783
198946.956

F
16.005
7409.078
2.646
51.816
1.439

Sig.
.000
.000
.082
.000
.207

a. R Squared = .833 (Adjusted R Squared = .781)

Estimated Marginal Means

1. Variedade
Estimates
Dependent Variable: Produo

Variedade
IR8
IR5
C4-63

Mean
4769.400
5042.000
5058.100

Std. Error
99.736
99.736
99.736

95% Confidence Interval

Lower
Upper
Bound
Bound
4568.521
4970.279
4841.121
5242.879
4857.221
5258.979
Pairwise Comparisons

Dependent Variable: Produo

(I) Variedade
IR8
IR5
C4-63

(J) Variedade
IR5
C4-63
IR8
C4-63
IR8
IR5

Mean
Difference
(I-J)
-272.600
-288.700*
272.600
-16.100
288.700*
16.100

Std. Error
141.049
141.049
141.049
141.049
141.049
141.049

Sig.
.060
.047
.060
.910
.047
.910

95% Confidence Interval

a
for Difference
Lower
Upper
Bound
Bound
-556.686
11.486
-572.786
-4.614
-11.486
556.686
-300.186
267.986
4.614
572.786
-267.986
300.186

Based on estimated marginal means

*. The mean difference is significant at the .05 level.
a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no
adjustments).

ESACB

104

SPSS

6 - Anova

Univariate Tests
Dependent Variable: Produo

Contrast
Error

Sum of
Squares
1052784.4
8952613.0

df
2
45

Mean
Square
526392.200
198946.956

F
2.646

Sig.
.082

The F tests the effect of Variedade. This test is based on the linearly
independent pairwise comparisons among the estimated marginal means.

2. Adubao
Estimates
Dependent Variable: Produo

Adubao
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha

ESACB

Mean
3483.333
4761.000
5071.833
5669.667
5796.667

Std. Error
128.759
128.759
128.759
128.759
128.759

95% Confidence Interval

Lower
Upper
Bound
Bound
3223.999
3742.668
4501.666
5020.334
4812.499
5331.168
5410.332
5929.001
5537.332
6056.001

105

SPSS

6 - Anova

Pairwise Comparisons
Dependent Variable: Produo

(I) Adubao
0 kg/ha

60 kg/ha

90 kg/ha

120 kg/ha

150 kg/ha

Mean
Difference
(I-J)
-1277.667*
-1588.500*
-2186.333*
-2313.333*
1277.667*
-310.833
-908.667*
-1035.667*
1588.500*
310.833
-597.833*
-724.833*
2186.333*
908.667*
597.833*
-127.000
2313.333*
1035.667*
724.833*
127.000

(J) Adubao
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha

Std. Error
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093

Sig.
.000
.000
.000
.000
.000
.095
.000
.000
.000
.095
.002
.000
.000
.000
.002
.489
.000
.000
.000
.489

95% Confidence Interval

a
for Difference
Lower
Upper
Bound
Bound
-1644.421
-910.913
-1955.254
-1221.746
-2553.087
-1819.579
-2680.087
-1946.579
910.913
1644.421
-677.587
55.921
-1275.421
-541.913
-1402.421
-668.913
1221.746
1955.254
-55.921
677.587
-964.587
-231.079
-1091.587
-358.079
1819.579
2553.087
541.913
1275.421
231.079
964.587
-493.754
239.754
1946.579
2680.087
668.913
1402.421
358.079
1091.587
-239.754
493.754

Based on estimated marginal means

*. The mean difference is significant at the .05 level.
a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no
adjustments).
Univariate Tests
Dependent Variable: Produo

Contrast
Error

Sum of
Squares
41234745
8952613.0

df
4
45

Mean
Square
10308686
198946.956

F
51.816

Sig.
.000

The F tests the effect of Adubao. This test is based on the linearly
independent pairwise comparisons among the estimated marginal means.

ESACB

106

SPSS

6 - Anova

3. Variedade * Adubao
Dependent Variable: Produo

Variedade
IR8

IR5

C4-63

Adubao
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha

Mean
3124.000
4723.500
4459.500
5717.000
5823.000
3548.000
4806.000
5436.000
5739.500
5680.500
3778.000
4753.500
5320.000
5552.500
5886.500

Std. Error
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017

95% Confidence Interval

Lower
Upper
Bound
Bound
2674.820
3573.180
4274.320
5172.680
4010.320
4908.680
5267.820
6166.180
5373.820
6272.180
3098.820
3997.180
4356.820
5255.180
4986.820
5885.180
5290.320
6188.680
5231.320
6129.680
3328.820
4227.180
4304.320
5202.680
4870.820
5769.180
5103.320
6001.680
5437.320
6335.680

Post Hoc Tests

Variedade
Multiple Comparisons
Dependent Variable: Produo
Tukey HSD

(I) Variedade
IR8
IR5
C4-63

(J) Variedade
IR5
C4-63
IR8
C4-63
IR8
IR5

Mean
Difference
(I-J)
-272.6000
-288.7000
272.6000
-16.1000
288.7000
16.1000

Std. Error
141.0486
141.0486
141.0486
141.0486
141.0486
141.0486

Sig.
.141
.113
.141
.993
.113
.993

95% Confidence Interval

Lower
Upper
Bound
Bound
-614.4488
69.2488
-630.5488
53.1488
-69.2488
614.4488
-357.9488
325.7488
-53.1488
630.5488
-325.7488
357.9488

Based on observed means.

ESACB

107

SPSS

6 - Anova

Homogeneous Subsets
Produo
a,b

Tukey HSD
Variedade
IR8
IR5
C4-63
Sig.

N
20
20
20

Subset
1
4769.4000
5042.0000
5058.1000
.113

Means for groups in homogeneous subsets are displayed.

Based on Type III Sum of Squares
The error term is Mean Square(Error) = 198946.956.
a. Uses Harmonic Mean Sample Size = 20.000.
b. Alpha = .05.

Adubao
Multiple Comparisons
Dependent Variable: Produo
Tukey HSD

(I) Adubao
0 kg/ha

60 kg/ha

90 kg/ha

120 kg/ha

150 kg/ha

(J) Adubao
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha

Mean
Difference
(I-J)
-1277.6667*
-1588.5000*
-2186.3333*
-2313.3333*
1277.6667*
-310.8333
-908.6667*
-1035.6667*
1588.5000*
310.8333
-597.8333*
-724.8333*
2186.3333*
908.6667*
597.8333*
-127.0000
2313.3333*
1035.6667*
724.8333*
127.0000

Std. Error
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929

Sig.
.000
.000
.000
.000
.000
.440
.000
.000
.000
.440
.016
.002
.000
.000
.016
.956
.000
.000
.002
.956

95% Confidence Interval

Lower
Upper
Bound
Bound
-1795.0797
-760.2536
-2105.9131 -1071.0869
-2703.7464 -1668.9203
-2830.7464 -1795.9203
760.2536
1795.0797
-828.2464
206.5797
-1426.0797
-391.2536
-1553.0797
-518.2536
1071.0869
2105.9131
-206.5797
828.2464
-1115.2464
-80.4203
-1242.2464
-207.4203
1668.9203
2703.7464
391.2536
1426.0797
80.4203
1115.2464
-644.4131
390.4131
1795.9203
2830.7464
518.2536
1553.0797
207.4203
1242.2464
-390.4131
644.4131

Based on observed means.

*. The mean difference is significant at the .05 level.

ESACB

108

SPSS

6 - Anova

Homogeneous Subsets
Produo
a,b

Tukey HSD
Adubao
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Sig.

N
12
12
12
12
12

1
3483.3333

Subset
2

4761.0000
5071.8333

1.000

.440

5669.6667
5796.6667
.956

Means for groups in homogeneous subsets are displayed.

Based on Type III Sum of Squares
The error term is Mean Square(Error) = 198946.956.
a. Uses Harmonic Mean Sample Size = 12.000.
b. Alpha = .05.

Profile Plots

Estimated Marginal Means of Produo

5100

Estimated Marginal Means

5000

4900

4800

4700
IR8

IR5

C4-63

Variedade

ESACB

109

SPSS

6 - Anova

Estimated Marginal Means of Produo

6000

Estimated Marginal Means

5000

4000

3000
0 kg/ha

60 kg/ha

90 kg/ha

120 kg/ha

150 kg/ha

Adubao

Estimated Marginal Means of Produo

7000

Estimated Marginal Means

6000

5000

4000

Variedade
IR8

3000
IR5
C4-63

2000
0 kg/ha

60 kg/ha

90 kg/ha

120 kg/ha

150 kg/ha

Adubao

ESACB

110