Aps o teste ANOVA (2 fatores) com Efeito Interao Significante: - O que fazer?

Referncias.
1) Huck, Schuyler W; Reading statistics and research. 5th ed Schuyler W. Huck; Boston
Pearson/Allyn & Bacon c2008;
2) http://www2.gsu.edu/~epstco/aeraMain.pdf: T. Cris Oshima and Frances McCarty. How
Should We teach Follow-Up Tests After Significant Interaction in Factorial Analysis of
Variance. American Educational Research Association, New Orleans, April 2000;
3) http://www2.gsu.edu/~epstco/aeraStudent.pdf: Factorial Analysis of Variance. Statistically
Significant Interactions: Whats the next step? T.C. Oshima and F. McCarty. Georgia State
University.
Nos livros de estatstica, nvel introdutrio, bsico ou intermedirio, no se encontra uma
explicao clara, convincente, completa, do que fazer, como proceder, aps o teste ANOVA
fatorial, indicar efeito interao estatisticamente significante. Embora a maioria dos livros textos
inclua esse tpico de anlise fatorial da anlise de varincia, o procedimento de, como
prosseguir aps o efeito interao significante, de como efetuar um teste follow-up tests
rpido, superficial.
Segundo Huck, h trs estratgias, para ganharmos compreenso do efeito interao
significante, aps o teste ANOVA (2 fatores):
Estratgia 1 (Graph): Investigar o grfico de mdias (graph of cell means).
Estratgia 2 (APC): Efetuar uma comparao estatstica das mdias (all comparison of cell
means).
Estratgia 3 (SME): Conduzir testes simple main effects.
Exemplo
Suponha um delineamento tipo CRD: (completely randomized design) com dois fatores:
Medicamento (3 nveis) e Gnero (masculino e feminino).
Primeira estratgia (Graph). Vamos observar o grfico de mdias e avaliar as linhas no
paralelas. A estatstica F na interao significante sugere que essas linhas, provavelmente, no
vem de linhas que so paralelas na populao. Essa estratgia til e podemos at consider-la
etapa necessria para investigar a natureza da interao, porm, no uma estratgia completa.
Enfim, as mdias das linhas, se visualmente diferem, pertencem a uma abordagem descritiva.
Segunda estratgia (APC). As mdias so comparadas simultaneamente mediante um teste
post-hoc, o teste de comparao mltipla de Tukey, por exemplo. Essa estratgia direta e de
fcil entendimento. Porm, essa estratgia muito conservadora e apresenta muitas
comparaes que no so de interesse para o pesquisador. Voltando ao exemplo do CRD, com

Huck, Schuyler W; Reading statistics and research ( 3 ed.), New York: Harper Collins.

2
Medicamentos e Gnero, seria til uma comparao do medicamento tipo 1 em relao ao
medicamento tipo 2 para os pacientes do sexo masculino; mas, no seria interessante uma
comparao entre o medicamento tipo 1 para homens em relao ao medicamento 2 para
mulheres. Porque o pesquisador no quer saber qual medicamento administrar uma vez
estabelecido o sexo do paciente.
Terceira estratgia (SME). Conhecida como simple-main effects, a estratgia mais
difcil de ser ensinada aos estudantes. Nesta estratgia, aps a interao se apresentar como
significante, os dados so separadas para cada nvel de um fator e, a seguir, efetuada o teste
ANOVA 1 fator. Voltando ao exemplo do CRD, com Medicamentos e Gnero, uma ANOVA (1
fator) conduzida para homens para descobrir qual o melhor medicamento e, um outro teste
ANOVA (1 fator) efetuado para as mulheres a fim de descobrir qual o melhor medicamento.
Assim, como em qualquer outra aplicao do teste ANOVA (1 fator), aps o efeito apresentar-se
como significante, qualquer teste post-hoc, o teste de comparao mltipla de Tukey, por
exemplo, pode ser aplicado. Porm, para a aplicao do teste post-hoc, aconselhvel
considerar a varincia residual (MSE: mean square error, do CRD fatorial, ou seja, da tabela
ANOVA (2 fatores).
Aps conhecermos essas trs estratgias, vamos a um exemplo prtico. Mas, antes de
apresent-lo, convm considerar o significado do efeito interao na estatstica, que nada tem a
ver com o efeito interao da farmacologia. Nessa cincia biolgica, o efeito combinado de dois
medicamentos pode ou no conduzir a efeitos sinrgicos; enquanto, na estatstica, o efeito
interao do modelo ANOVA pode ser entendido como diferena das diferenas.
Interpretao do Efeito Interao (diferena das diferenas).
Quando existe uma interao significante, o efeito de uma varivel independente (VI)
sobre a varivel resposta ou dependente (VD) depende do valor (nvel) de alguma outra VI
includa no delineamento experimental. Em outras palavras, o teste de interao d nfase
(focus) na questo de se o efeito de um fator o mesmo para cada nvel do outro fator, ou se o
efeito de um fator no o mesmo para cada nvel do outro fator. Em qualquer um desses dois
casos, o nosso interesse vai para as mdias das condies experimentais estabelecidas palas
variveis em estudo (VIs). Ento, estamos, agora, considerando essas mdias das clulas (cell
means) e no as mdias marginais (das linhas e das colunas). Para recordar, os testes de efeitos
principais, consideram (focus) nas mdias marginais.
Quando existe uma interao significante, evitamos interpretar os efeitos principais e
interpretamos, apenas, o efeito interao. Porque interpretar os efeitos principais na presena de
uma interao significante pode conduzir-nos a concluses errneas.
Ainda, antes de apresentarmos um exemplo prtico, vamos apresentar dois termos
propostos por JACCARD em 1998, que facilita o entendimento, quando se opta pela estratgia
3, referente simple-effects means. Esse autor prope uma distino entre varivel independente
focal e varivel independente moderadora. Assim, a VI focal a varivel que o pesquisador est
mais interessado em comparar e comumente manipulada (tal como tratamento A versus
JACCARD, J. Interactions effects in factorial analysis of variance, SAGE University Papers Series on
Quantitative Applications in Social Sciences, 07-118. Thousand Oaks, CA: SAGE.

3
tratamento B). Uma VI moderadora a varivel na qual o pesquisador acredita que o efeito da
varivel focal na varivel dependente moderada (tal como o gnero). Ento, a VI
moderadora pode ser julgada como a varivel que interessa devido ao seu efeito potencial na VI
focal, que a de interesse principal. De outra forma, pode-se considerar como varivel
moderadora aquela referente s caractersticas intrnsecas do sujeito; enquanto a VI focal
aquela determinada de forma ativa pelo pesquisador, ou seja, caractersticas extrnsecas que
foram determinadas pelo pesquisador.
Exemplo 1. (SME). Simple Main effects.
Um pesquisador est interessado em avaliar o efeito de trs mtodos de reduo de
esgotamento fsico e mental, stress (yoga, meditao, e exerccio). Com fundamento em
pesquisas anteriores, o pesquisador sente que o gnero pode ter algum impacto nos efeitos de
reduo de tenso. Com isso em mente, o pesquisador delineia um estudo onde noventa
participantes (45 homens e 45 mulheres) so designados, aleatoriamente, a um dos trs mtodos
de reduo de stress. No final do estudo, cada participante preencheu um questionrio (menor
escore indica menor stress). Os dados foram analisados via ANOVA fatorial.
A varivel dependente (resposta) foi a quantidade de stress medida pelo questionrio.
As variveis independentes foram duas. A saber, o mtodo de reduo de stress, com trs
nveis (yoga, meditao, e exerccio), e o gnero, com dois nveis (masculino e feminino).
A tabela ANOVA (2 fatores) aplicada aos dados de reduo de stress, apresentada:
Efeito
gl
SQ
QM
F
p-valor
Mtodo
2
1361,22
680,61
28,30
0,0001
Gnero
1
220,00
220,00
9,15
0,003
Interao
2
1120,23
560,11
23,29
0,0001*
Resduo
84
2020,05
24,05
Total
89
4721,50
*p<0,05

Pode-se verificar, tabela acima, que o efeito interao foi significante e a nossa ateno
est sobre esse efeito.

Estratgia 1 (Graph): Investigar o grfico de mdias (graph of cell means).

Reduo de Stress
50

Gnero
feminino
masculino

45

escore mdio

40
35
30
20
10
0

1: Yoga

2: Meditaao
Mtodo

3: Exerccio

Quanto menor o valor de escore menor o nvel de stress.

Figura 1. Grfico de mdias referente s seis condies experimentais.

As mdias obtidas so apresentadas na Tabela 1, mostrada a seguir.
Tabela 1. Mdias dos escores de reduo de stress, das seis condies experimentais
estabelecidas pelas variveis: Mtodo e Gnero.
Mtodo
Gnero
1: yoga
2: meditao
3: exerccio
masculino
44,66*
40,95
38,11
feminino
35,22
47,67
31,47
*n = 15 pacientes

A varivel focal o mtodo de reduo de stress: caracterstica extrnseca, criada pelo

pesquisador.
A varivel moderadora o gnero: caracterstica intrnseca, no criada pelo pesquisador.
Essa distino nos ajudar a estabelecer os nossos testes de simple effects.

Terceira estratgia (SME).

ANOVA (1 fator) para os dados de escore obtidos para o sexo masculino.

5
ANOVA (1 fator) para os dados de escore obtidos para o sexo feminino.
Sexo masculino
Efeito
Entre Mtodos
Resduo
Total

gl
2
42
44

SQ
325,019
945,135
1270,154

QM
162,510
22,503

F
7,222

p-valor
0,002*

F recalculado para masculino: 162,510 /24,05 = 6,757

Sexo feminino
Efeito
Entre Mtodos
Resduo
Total

gl
SQ
QM
F
2
2156,429
1078,214
42,129
42
1074,916
25,593
44
3231,345
F recalculado para feminino: 1078,214 /24,05 = 44,832

p-valor
0,0001*

A tabela ANOVA (2 fatores) aplicada aos dados de reduo de stress, apresentada:

Efeito
Mtodo
Gnero
Interao

gl
2
1
2

SQ
1361,22
220,00
1120,23

QM
680,61
220,00
560,11

Resduo

84

2020,05

24,05

Total

89

4721,50

F
28,30
9,15

p-valor
0,0001
0,003

23,29

0,0001*

*p<0,05

F recalculado para masculino: 162,510 /24,05 = 6,757 > Fgl(2; 84) 5% = 3,15
F recalculado para feminino: 1078,214 /24,05 = 44,832 > Fgl(2; 84) 5%= 3,15
IC (95%) do teste de Tukey (5%): ( x i- x j) = q,gl(k grupos; resduo)(QMresduo/n)
n = 15 ... tamanho comum do grupo
q .... valor tabelado (estatstica faixa de Student) = 3,399
( x i- x j) .... mdias dos mtodos em comparao
gl resduo = 84
gl k = 3 ... trs mtodos em comparao
QMErro (ou resduo) = 23,29 associado com gl resduo = 84
( x i- x j) = q,gl(k grupos; resduo)(QMresduo/n) = dms = 3,399)(23,29/15) = 4,304
dms = 3,399)(23,29/15) = 4,304 para masculino
dms = 3,399)(23,29/15) = 4,304 para feminino
MASCULINO
dms = 3,399(23,29/15) = 4,304 para masculino
Comparao
Yoga Meditao

diferena
IC (95%) do teste de Tukey
44,68-40,95 = 3,73 <dms
-0,574 a 8,034

6
Yoga Exerccio
Meditao Exerccio
Yoga Meditao
etc...

44,68-38,11 = 6,57* >dms

40,95-38,11 = 2,84 <dms

2,266 a 10,874
-1,464 a 7,144

dif = 3,734,304 = -0,574 a 8,034

FEMININO
dms = 3,399)(23,29/15) = 4,304 para feminino
Comparao
Yoga Meditao
Yoga Exerccio
Meditao Exerccio
Yoga Meditao
etc...

diferena calculada vs dms IC (95%) do teste de Tukey

35,22-47,67 = 12,45* >dms
8,146 a 16,754
35,22-31,47 = 3,75 <dms
-0,554 a 8,054
47,67-31,47 = 16,2* >dms
11,896 a 20,504

dif = 12,454,304 = 8,146 a 16,754

Concluso:
Por meio da tabela ANOVA(2 fatores) verificamos que o Mtodo depende do Gnero.
Uma anlise de simple effects indica que as mdias foram diferentes para os homens (F gl(2;84) =
6,757; p<0,05) e para as mulheres (F gl(2;84) = 44,832; p<0,05). Para os homens, o teste de Tukey
(5%) indica que o mtodo Yoga difere apenas do Exerccio. Para as mulheres, o teste de Tukey
(5%) indica que o mtodo difere do Exerccio e da Meditao.
O mtodo de Exerccios para os homens pode trazer um maior alvio, quando comparado
com Yoga.
Os mtodos de Exerccios e de Yoga para as mulheres podem trazer um maior alvio,
quando comparado com a Meditao.

Exemplo 2. Segunda estratgia (APC).

introduo
Essa abordagem pode ser til quando o pesquisador est interessado em descobrir qual
combinao de fatores produzir resultados mais desejveis; neste contexto, uma considerao

7
importante saber se (ou no), os grupos criados pelas variveis independentes proporcionam
comparaes de interesse, do ponto de vista de significado clnico.
Essa abordagem comumente empregada quando ambas as VIs so ativas, isto ,
pesquisador tem controle sobre elas (foram manipuladas, criadas por ele).
Essa abordagem mais direta do que a SME (simple effects). Compara todas as possveis
mdias das condies experimentais. Por exemplo, num delineamento tipo 2 x 2 teremos 4
mdias a serem comparadas entre si (C4,2 = total de 6 comparaes).
Enunciado da Pesquisa
Um pesquisador est interessado em avaliar o efeito de Exerccios para casa (EPC) e da
Durao do curso (DC) sobre o aprendizado. Assim, ele delineou um estudo onde 28 estudantes
foram distribudos, ao acaso, s condies de: (i) alunos que receberam EPC num curso com
durao de 8 semanas; (ii) alunos que receberam EPC num curso com durao de 16 semanas;
(iii) alunos que no receberam o EPC num curso com durao de 8 semanas; (iv) alunos que no
receberam o EPC num curso com durao de 16 semanas. Nesse experimento 7 alunos
participaram em cada uma das quatro condies experimentais. No final de cada curso, foram
submetidos a uma avaliao (exame). As notas foram analisadas por meio do teste ANOVA
fatorial (2 fatores).
A varivel dependente (resposta) foram as notas obtidas pelos alunos no exame.
As variveis independentes foram duas. A saber, a tarefa de exerccios para casa, com dois
nveis (alunos que receberam e alunos que no receberam), e o tempo de durao do curso, com
dois nveis (8 semanas e 16 semanas).
A tabela ANOVA (2 fatores) aplicada s notas obtidas
Efeito
gl
SQ
QM
Exerccio em casa
1
276,901
276,901
Tempo
1
173,507
173,507
Interao
1
555,111
555,111
Resduo
24
475,591
19,816
Total
27

F
13,973
8,756
28,013

p-valor
0,0001
0,007
0,0001*

*p<0,05

Pode-se verificar, tabela acima, que o efeito interao foi significante e a nossa ateno
est sobre esse efeito.

Notas
Exerccio
no
sim

mdia

100
95
90
85
80
75
70
60
50
40
30
20
10
0

16
Tempo(s)

As mdias obtidas so apresentadas na Tabela 1, mostrada a seguir.

Tabela 1. Mdias (dp) obtidas pelos alunos, nas quatro condies experimentais
estabelecidas pelas variveis: tempo de durao do curso e Exerccios para casa
Exerccio para casa
Tempo
1: no receberam
2: receberam
linha
8 semanas
76,864(4,69)*
92,058(2,76)
84,461
16 semanas
90,747(4,50)
88,132(5,42)
89,439
coluna
83,805
90,095
*n = 7 pacientes

A tabela ANOVA (2 fatores) aplicada s notas obtidas

Efeito
gl
SQ
QM
Exerccio em casa
1
276,901
276,901
Tempo
1
173,507
173,507
Interao
1
555,111
555,111
Resduo
24
475,591
19,816
Total
27

F
13,973
8,756
28,013

p-valor
0,0001
0,007
0,0001*

*p<0,05

Para aplicar o teste de Tukey (5%):

q ... valor tabelado para k = 4 mdias e gl = 24 igual a 3,90
( x i- x j) = q,gl(k grupos; resduo)(QMresduo/n) = dms = 3,90(19,816/7) =
dms = 3,90(19,816/7) = 3,90 (1,683) = 6,562
Tempo

1: no receberam

Exerccio para casa

2: receberam

linha

9
8 semanas
16 semanas
coluna

76,864(4,69)*
90,747(4,50)
83,805

92,058(2,76)
88,132(5,42)
90,095

84,461
89,439

Teste de Tukey (5%) aplicado aos quatro grupos

Comparaes
8s / EPC (92,06)
16s / sem
8s / sem EPC
EPC(90,75)
(76,86)
16s / EPC(88,13)
8s / EPC
16s / sem
(92,06)
EPC(90,75)
16s / EPC (88,13)
16s / sem EPC
16s / EPC(88,13)
(90,75)

diferena mdia
15,19*
13,88*

dms* Interpretao
difere
difere
6,562

11,27*
1,31
3,93
1,32

difere
no difere
no difere
no difere

*dms = 3,90(19,816/7) = 3,90 (1,683) = 6,562

Notas
Exerccio
no
sim

mdia

100
95
90
85
80
75
70
60
50
40
30
20
10
0

16
Tempo(s)

Concluso:
A condio: 8 semanas/ Sem Exerccio para casa (EPC) difere das outras trs condies
experimentais. Essa condio apresentou o pior desempenho (mdia igual a 76,86). A
recomendao , portanto, impedir a existncia de cursos de pequena durao e que no passam
exerccios para casa aos alunos.
Consideraes adicionais: Efeito Interao Tripla estatisticamente significante.
No caso de ANOVA fatorial com trs fatores, tipo 2 x 2 x 2, por exemplo, o raciocnio
anlogo ao que j vimos. Se encontrarmos um efeito interao tripla estatisticamente
significante, ento, uma abordagem seria efetuar duas ANOVA (2 fatores), separadamente, uma
para cada nvel do terceiro fator e usar o termo erro (resduo) da original ANOVA trs fatores. E,

10
caso uma interao dupla seja significante, ento, podemos seguir as estratgias (grfica e
simple effects ou grfica e todas as comparaes possveis, APC) aqui apresentadas.