Spss Manual PDF

ESCOLA SUPERIOR AGRRIA
INSTITUTO POLITCNICO DE CASTELO BRANCO
SPSS - MANUAL DE UTILIZAO
ARMANDO MATEUS FERREIRA

Escola Superior Agrria de Castelo Branco, 1999
SPSS ndice
NDICE
1- INTRODUO .......................................................................................... 1
2- EDITOR DE DADOS .............................................................................. 3
2.1 - CRIAR UM FICHEIRO DE DADOS .................................................. 5
2.1.1 - DEFINIO DE VARIVEIS .................................................................... 5
2.1.2 - INTRODUO DOS VALORES ................................................................ 9
2.1.3 - GRAVAR O FICHEIRO DE DADOS ........................................................ 11
2.1.4 - ABRIR UM FICHEIRO DE DADOS EXISTENTE .................................... 12
2.1.5 - ACESCENTAR NOVOS CASOS A UM FICHEIRO DE DADOS............... 13
2.1.6 - ACRESCENTAR NOVAS VARIVEIS ...................................................... 14
2.1.7 - DEFINIR UMA VARIVEL EM FUNO DE OUTRAS ......................... 15
2.1.8 - ELIMINAR LINHAS E VARIVEIS .......................................................... 16
2.2 - IMPORTAO DE FICHEIROS EXTERNOS .............................. 17
2.2.1 - IMPORTAO DE FICHEIROS LOTUS E EXCEL 4.0 ........................... 17
2.2.2 - IMPORTAO DE FICHEIROS DE DBASE ........................................... 18
2.2.3 - IMPORTAO DE FICHEIROS EXCEL ................................................. 19
2.2.4 - IMPORTAO DE FICHEIROS ACCESS ............................................... 22
2.2.5 - RECODIFICAO DE VALORES ........................................................... 22
2.2.6 - SELECO DE CASOS ........................................................................... 25
3- ANLISE DE DADOS ......................................................................... 29

3.1 - OBTER ESTATSTICAS DESCRITIVAS ....................................... 29
3.1.1 - PROCEDIMENTO DESCRIPTIVES ........................................................ 29
3.1.2 - PROCEDIMENTO EXPLORE ................................................................. 32
3.1.3 - PROCEDIMENTO EXPLORE COM FACTORES .................................... 36
3.1.4 - PROCEDIMENTO FREQUENCIES ........................................................ 39
4- GRFICOS ................................................................................................. 44
4.1 - GRFICOS STANDARDIZADOS .................................................... 44
4.1.1 -GRFICO DE BARRAS ........................................................................... 45
4.1.2 -HISTOGRAMA ........................................................................................ 50
4.1.3 -GRFICO DE EXTREMOS-E-QUARTIS ................................................. 52
4.1.4 -GRFICO DE BARRA DE ERROS .......................................................... 54
4.1.5 -GRFICOS DE PROBABILIDADES........................................................ 56
4.1.6 -GRFICO DE DISPERSO ..................................................................... 59
4.2 - EDIO DOS GRFICOS STANDARDIZADOS........................ 62
4.3 - GRFICOS INTERACTIVOS ............................................................ 65
4.3.1 - GRFICO DE BARRAS ........................................................................... 66
4.3.2 - GRFICO DE DISPERSO ..................................................................... 70
4.4 - EDIO DE GRFICOS INTERACTIVOS ................................... 75
ESACB i
SPSS ndice
5- TESTES T ......................................................................................................... 79
5.1 - TESTE T PARA A MDIA DE UMA AMOSTRA...................................... 82
5.2 - TESTE T PARA DUAS AMOSTRAS INDEPENDENTES ......................... 83
5.3 - TESTE T PARA DUAS AMOSTRAS EMPARELHADAS ......................... 86
6- ANLISE DE VARINCIA ........................................................................... 90
6.1 - ENSAIOS UNI-FACTORIAIS ...................................................................... 90
6.1.1 - PROCEDIMENTO ONE-WAY ANOVA ................................................. 91
6.1.2 - PROCEDIMENTO MEANS.................................................................... 96
6.2 - ENSAIOS MULTI-FACTORIAIS................................................................. 99
7- REGRESSO LINEAR ................................................................................. 111
7.1 - INTRODUO............................................................................................ 111
7.2 - REGRESSO LINEAR SIMPLES.............................................................. 115
7.3 - REGRESSO LINEAR MLTIPLA .......................................................... 121
7.4 - AJUSTAMENTO DE MODELOS PR-DEFINIDOS................................ 131
8- MANUSEAR OS RESULTADOS................................................................. 136
ANEXOS ..................................................................................................................... 143
ESACB ii
SPSS 1 - Introduo
1- INTRODUO
O pakage estatstico SPSS para Windows um poderoso sistema de anlises estatsticas e

manuseamento de dados, num ambiente grfico, em que a utilizao mais frequente, para a
maioria das anlises a efectuar, se resume seleco das respectivas opes em menus e
caixas de dilogo. Contudo, o sistema dispe de um editor de comandos, a que o utilizador
mais avanado poder recorrer a fim de realizar determinado tipo de anlises mais
complexas e elaboradas.
De um modo muito sucinto, o sistema SPSS dispe de:
Data Editor: Editor de Dados: uma verstil folha de clculo, que permite definir,
introduzir, modificar, corrigir e visualizar a informao. O Data Editor abre
automaticamente quando se entra no SPSS.
Viewer: Janela de Resultados: Todos os resultados estatsticos, tabelas, grficos, so

visualizados numa janela designada por Viewer. Uma janela Viewer abre
automaticamente na primeira vez que o utilizador executar uma tarefa que
gera output.
Na figura seguinte apresenta-se o aspecto da janela de resultados referentes
ao clculo das estatsticas elementares um conjunto de dados (varivel com
o nome fosfo). O Viewer composto por duas janelas: esquerda est um
organigrama do output; direita esto os resultados propriamente ditos.
Neste exemplo, os resultados incluem as instrues necessrias execuo
ESACB 1
SPSS 1 - Introduo
da tarefa: o que se designa por Log1, e que composto pelas seguintes

linhas de instrues:
DESCRIPTIVES
VARIABLES=fosfo
/STATISTICS=MEAN SUM STDDEV VARIANCE RANGE MIN MAX SEMEAN KURTOSIS SKEWNESS .
Estas instrues foram geradas, no caso, pela seleco de opes nos menus
do programa; contudo, podem ser digitadas, como se de uma linguagem de
programao se tratasse2.
Pivot Tables: Tabelas Dinmicas: O programa dispe de uma potente rotina de gerao de
tabelas dinmicas (ou pivot tables), que permitem que o utilizador explore
os dados, com o re-arranjo de colunas e linhas.
Grficos: O SPSS permite realizar todos os tipos de grficos usuais em estatstica, a

fim de realar as anlises efectuadas.
Acesso a Bases de Dados: O SPSS permite o acesso s bases de dados mais usuais, em
formato SQL e ODBC, tais como ficheiros de dados criados em dBase,
Access, Excel, Lotus, etc. A importao de ficheiros de texto, Access,
Excel, feita atravs de um assistente de importao (wizard).
1
O Log pode no estar visvel; s aparece na janela Viewer se se tiver configurado o programa para
mostrar este item.
2
O utilizador pode escrever as suas prprias rotinas de anlise; para tal, deve abrir o SPSS Syntax
Editor, janela de edio de comandos do SPSS.
ESACB 2
SPSS 2 - Edio de Dados
2- EDITOR DE DADOS
O Data Editor do SPSS um programa do tipo de folha de clculo que permite facilmente
criar ou editar ficheiros de dados. O Data Editor abre automaticamente quando se entra no
SPSS.
O aspecto inicial do editor o seguinte:
Muitas das caractersticas do data editor do SPSS so similares s de qualquer folha de

clculo em ambiente Windows, tal como o Excel.
As colunas correspondem s variveis. Inicialmente, todas as colunas, ou variveis, tem o

mesmo nome genrico, var, tal como mostrado na imagem. O utilizador ir dar os nomes
s variveis que definir.
As linhas correspondem aos casos, ou indivduos.
Cada clula contm um valor ou observao de um indivduo, em relao a uma

determinada caracterstica ou varivel. As clulas podem apenas conter valores (numricos
ou alfanumricos); no possvel, tal como se faz nas folhas de clculo, definir frmulas
em clulas. O SPSS permite definir frmulas, mas que afectam integralmente toda uma
varivel ou coluna.
O ficheiro de dados rigorosamente rectangular, sendo o seu tamanho definido pelo

nmero de casos e de variveis. O utilizador pode introduzir valores em clulas fora das
ESACB 3
fronteiras actuais da folha de clculo; contudo, o SPSS automaticamente acrescenta linhas

e/colunas de modo a que essa nova observao fique includa dentro da estrutura
rectangular. A fim de ilustrar este aspecto, considere a seguinte imagem referente a um
folha de dados do SPSS, em que existem duas variveis (com os nomes x e y), com 6 casos
ou observaes. Repare na posio da clula activa.
Se se introduzir um valor (por exemplo, 25) para esta clula, fora dos limites do ficheiro
rectangular, o SPSS cria duas novas variveis numricas atribuindo-lhes automaticamente
os nomes var00002 e var00003, e introduz valores em branco para as clulas, de modo a
ficar um ficheiro rectangular, com 4 variveis e 7 casos (repare que estas clulas tm o
ponto decimal):
Estas clulas, aparentemente vazias, so assumidas pelo SPSS como missing values, isto
, observaes em falta para algumas variveis. Contudo, e para j, estas clulas no
afectam os clculos estatsticos, caso se se trate de variveis numricas. Por exemplo,
calculando a mdia da varivel x obter-se- o valor de 15, como lgico, para os valores
apresentados.
ESACB 4
2.1 - CRIAR UM FICHEIRO DE DADOS
Vamos usar os seguintes dados a fim de ilustrar como se cria um ficheiro com o Data Editor
do SPSS. Trata-se dos resultados de um ensaio, em que se registaram as produes (kg/ha)
de arroz, em funo da variedade (V1: IR8; V2: IR5; V3: C4-63) e de 5 nveis de adubao
azotada (N0: 0 kg/ha; N1: 60 kg/ha; N2: 90 kg/ha; N3: 120 kg/ha; N4: 150 kg/ha). Para
cada tratamento fizeram-se 4 repeties.
Na imagem seguinte, capturada do Excel, estes dados esto perceptveis para o leitor, e
esto estruturados para algumas possveis anlises a executar na folha de clculo; contudo,
ao serem introduzidos para um ficheiro SPSS, dever-se-o respeitar as normas deste
programa, de modo a que os dados possam ser analisados.
Repetio
Variedade Azoto 1 2 3 4
N0 3852 2606 3144 2894
N1 4788 4936 4562 4608
V1 N2 4576 4454 4884 3924
N3 6034 5276 5906 5652
N4 5874 5916 5984 5518
N0 2846 3794 4108 3444
N1 4956 5128 4150 4990
V2 N2 5928 5698 5810 4308
N3 5664 5362 6458 5474
N4 5458 5546 5786 5932
N0 4192 3754 3738 3428
N1 5250 4582 4896 4286
V3 N2 5822 4848 5678 4932
N3 5888 5524 6042 4756
N4 5864 6264 6056 5362
Como se referiu atrs, os dados devero ser introduzidos para uma matriz rectangular, em
que as colunas so as variveis e as linhas os casos. Neste caso, as variveis so a
Variedade, o Azoto, a Repetio e a Produo.
2.1.1 - DEFINIO DE VARIVEIS
Vamos comear por definir estas variveis no SPSS dando-lhes nomes vlidos; as regras
para os nomes das variveis so:
nome da varivel tem no mximo, 8 caracteres;

nome da varivel deve comear por uma letra; os restantes caracteres podem ser
letras (maisculas ou minsculas so iguais), algarismos, ou os smbolos @, #, _, $.
No se podem usar espaos em branco, nem os seguintes caracteres: !, ?, , , *, +, -,
%, vrgula, ponto e vrgula, \, /, >, <
Os nomes no podem terminar com ponto;
Evitar terminar o nome com o caracter _ (underscore);
Evitar usar caracteres acentuados ou com til.
ESACB 5
No exemplo, vamos definir as seguintes variveis:
variedad Varivel numrica inteira, cujos valores so 1, 2, 3, com as seguintes

correspondncias, a fim de facilitar a sua introduo:
1 : IR8; 2 : IR5; 3 : C4-64;
azoto Varivel inteira: 0: 0 kg/ha; 1: 60 kg/ha; ... ; 4: 150 kg/ha;
repete Varivel inteira, com os valores 1, 2, 3, 4
producao Varivel real, com duas casas decimais (por defeito).
A fim de definir cada uma das variveis, fazer o seguinte procedimento:
Duplo click na clula do nome da varivel (var) no topo da coluna, ou click em qualquer
stio da coluna para a varivel e seleccionar no menu a opo Data, seleccionando depois a
opo Define Variable...
Igualmente pode fazer click com o boto direito na clula do nome da varivel (var) no
topo da coluna; aparece o menu:
onde se selecciona a opo Define Variable...
Na sequncia de qualquer dos procedimentos anteriores aparece a seguinte caixa de dilogo

de definio da varivel:
ESACB 6
No campo Variable Name escrever o nome da varivel; no caso, variedad
Seleccionar a opo
No campo Decimal Places alterar o valor para 0 (casas decimais); e fazer .
Seleccionar a opo
No campo Value escrever o valor 1; no campo Value Label: escever IR8; fazer :
ESACB 7
Repetir o processo de definio de Value e Value Label para os valores 2 (IR5) e 3 (C4-
63); para cada valor, fazer :
No final, fazer .
A caixa serve para entrar uma breve descrio

da varivel, mais elucidativa que apenas o nome; de preenchimento facultativo.
Para aceitar estas alteraes, e terminar a definio da varivel variedad, na caixa de

dilogo fazer OK:
ESACB 8
De modo idntico, definir as restantes variveis; note-se que a opo Labels serve para
fazer as correspondncias, de modo que neste exemplo s usada para as variveis
variedad e azoto; na definio da varivel producao, no necessrio ir opo Type
porque, por defeito, as variveis so numricas reais (com duas casa decimais).
Terminada a definio de variveis, o Data Editor ter o seguinte aspecto:
2.1.2 - INTRODUO DOS VALORES
Definidas as variveis, introduzem-se os dados; o utilizador deve optar pela estratgia de

introduzir os valores coluna a coluna, ou linha a linha, que lhe for mais favorvel e menos
propensa a erros.
Para apagar um valor, colocar o cursor na clula respectiva e carregar a tecla DEL. Para
alterar ou corrigir um valor errado numa das clulas, activa-se essa clula (levando o cursor
para l, ou simplesmente fazendo click) e digita-se o valor correcto, fazendo-o entrar com
Enter ou deslocando para outra clula.
O ficheiro ficar com o seguinte aspecto:
ESACB 9
Usou-se a codificao dos valores das variveis variedad e azoto, por um lado para facilitar
a introduo dos valores, e por outro lado para ser menos propenso a erros. Contudo, podem
visualizar-se o nome da variedade e o valor da adubao; para tal, no menu principal
seleccionar a opo , e depois seleccionar a opo Value Labels:
O ficheiro de dados toma agora o aspecto mais elucidativo acerca dos dados a analisar:
ESACB 10
2.1.3 - GRAVAR O FICHEIRO DE DADOS
Tendo introduzido e corrigido os dados, grava-se o ficheiro com um nome vlido (aplicam-
se as regras de nomes de ficheiros de MS-DOS). Para gravar, faz-se:
Na caixa escreve-se o nome a dar ao ficheiro, por exemplo arroz; automaticamente

atribuda a extenso .sav tpica dos ficheiros de dados do SPSS:
Caso se pretenda guardar o ficheiro num disco ou directrio que no do directrio activo,
abrir a caixa e seleccionar o disco/directrio

pretendido:
ESACB 11
2.1.4 - ABRIR UM FICHEIRO DE DADOS EXISTENTE
Se se pretende abrir um ficheiro de dados, para introduzir mais dados, para alterar ou
corrigir valores, ou para efectuar a anlise desses dados, tem de se abrir o ficheiro. Para tal,
efectua-se o seguinte procedimento:
Se o ficheiro pretendido aparece na listagem, faz-se click sobre o nome do ficheiro, ou

escreve-se na caixa , e de seguida faz-
se .
Caso o nome do ficheiro no conste na listagem, porque est guardado noutro directrio
que no o especificado na janela. Nesta situao, ter-se- de encaminhar para a
drive/directrio onde se encontra.
Para tal, abre-se a o caixa , e selecciona-se a o

disco ou o directrio pretendido:
Como o SPSS apenas admite um ficheiro de dados aberto, ao abrir um ficheiro o programa
encerra o ficheiro actual. Caso este no esteja gravado, aps quaisquer alteraes, o
programa apresenta uma mensagem de aviso:
ESACB 12
O utilizador dever responder Sim ou No, consoante queira guardar ou no as alteraes

efectuadas no ficheiro aberto (no caso da imagem, tinha-se aberto o ficheiro lambs.sav, em
que se tinham efectuado alteraes).
2.1.5 - ACESCENTAR NOVOS CASOS A UM FICHEIRO DE DADOS
Para acrescentar um novo caso, aps os dados j introduzidos, basta digitar o valor
pretendido para a varivel a acrescentar; automaticamente acrescentado um caso a todas
as variveis.
Se interessa introduzir um caso, no no final dos dados, mas entre duas observaes, ento
ter-se- de introduzir uma linha (caso) entre essas duas observaes.
Admitamos que foi esquecido um caso referente a hora=Manh; este caso deveria ser
introduzido imediatamente antes da primeira observao da Tarde; para tal, faz-se duplo
click sobre o indicador da linha 5, ou um click em qualquer parte da linha 5 e de seguida
selecciona-se a opo no menu. Aparece a janela:
Pode igualmente fazer click com o boto direito do rato sobre o indicador da linha,
aparecendo o menu:
ESACB 13
No menu anterior deve seleccionar . Automaticamente aberta uma

linha, onde se introduzem os valores respectivos das variveis:
2.1.6 - ACRESCENTAR NOVAS VARIVEIS
Para acrescentar uma nova varivel ao ficheiro, basta colocar o cursor numa clula da
primeira coluna no usada, e executar o procedimento de definio de variveis atrs
descrito. O programa cria a nova varivel com tantas clulas (em branco ou missing values)
quantos os casos das restantes variveis. Aps isto, s h que proceder introduo dos
valores.
Se, por algum motivo, h que introduzir uma nova varivel, no no final do ficheiro, mas
entre duas variveis j definidas, colocar o cursor na varivel direita da qual se pretende a
nova varivel, seleccionar a opo e de seguida . Pode igualmente
fazer click com o boto direito do rato, aparecendo o menu:
e seleccionar a opo .
De seguida, definir esta varivel, tal como descrito atrs.
ESACB 14
2.1.7 - DEFINIR UMA VARIVEL EM FUNO DE OUTRAS
O programa SPSS permite criar novas variveis como resultado de funes ou operaes
envolvendo as variveis j existentes.
Por exemplo, determinadas metodologias estatsticas (anlise de varincia, regresso, etc)

baseiam-se no pressuposto de que os dados a analisar seguem a funo de distribuio
normal; ora, tal pressuposto, muitas vezes violado (e, infelizmente para a validade das
concluses, no testado). Nas situaes em que se verificou a no normalidade,
frequente proceder a determinadas transformaes dos dados (logaritmo, raz quadrada,
arc-seno so transformaes usuais).
Vamos ilustrar a criao de uma nova varivel no ficheiro arroz.sav, com o nome ln_prod,
definida como sendo o logaritmo neperiano dos valores da varivel producao.
Para tal, coloca-se o cursor na primeira clula da primeira coluna no ocupada, e faz-se:
Aparece a seguinte caixa de dilogo:
Na caixa Target Variable escreve-se o nome da varivel a criar, ln_prod; transfere-se o

cursor para a caixa Numeric Expression e na caixa das funes selecciona-se a funo
LN(numexpr); de seguida, fazer click sobre a varivel argumento (producao). A janela fica
com o seguinte aspecto:
ESACB 15
Para calcular, basta fazer .
O ficheiro fica com o seguinte aspecto:
A varivel ln_prod visualizada com 2 casas decimais (por defeito), muito embora seja
guardada com maior preciso. Caso haja interesse em visualizar mais casa decimais,
proceder como descrito na definio de variveis.
As transformaes de variveis podem ser mais complexas que uma simples funo; repare-
se que a caixa de definio das transformaes apresenta o que se parece a uma mquina de
calcular cientfica, que permite definir transformaes vrias, incluindo seleco
condicional de casos (if), funes lgicas (e &; ou |; negao ~) comparaes (<, <=, >, >=,
=, ~=), etc.
2.1.8 - ELIMINAR LINHAS E VARIVEIS
Para eliminar linhas de valores (casos) ou colunas (variveis), fazer click sobre o nmero da
linha, esquerda do ecran, ou sobre o nome da varivel; a linha ou coluna, consoante o
caso, ficam seleccionadas (sombreadas). Para a eliminar, seleccionar e de seguida
(ou carregar na tecla DEL).
ESACB 16
Pode tambm fazer click com o boto direito do rato sobre a identificao da linha ou
coluna a eliminar, e fazer Cut ou Clear.
2.2 - IMPORTAO DE FICHEIROS EXTERNOS
O programa SPSS dispe de uma rotina de importao de ficheiros criados noutras

aplicaes, nomeadamente folhas de clculo (Lotus 123, Excel), bases de dados (dBase,
Access), ficheiros ASCII (separados por tabulaes, vrgula, espaos), etc.
Vamos abordar a importao de ficheiros Excel e Access, por serem duas das aplicaes
actualmente mais usadas na constituio de bases de dados, e ficheiros ASCII, pois no
havendo outra forma de transferir informao entre aplicaes, todos os programas
permitem exportar e importar ficheiros ASCII, sendo esta forma uma ponte comum entre as
aplicaes.
pressuposto que, qualquer que tenha sido a aplicao utilizada para criar os ficheiros,
estes devem estar organizados de acordo com a estrutura dos ficheiros SPSS.
2.2.1 - IMPORTAO DE FICHEIROS LOTUS E EXCEL 4.0
Se o ficheiro tiver sigo gravado em Excel 4, Lotus 123 (ou Quattro), o SPSS abre-o
automaticamente. Para tal, executar o seguinte procedimento:
File
Open...
Nesta janela deve especificar-se que o ficheiro do tipo Excel (*.xls) [se se tratar de um
ficheiro Lotus, selecciona-se a opo Lotus(*.w*)]; para tal, abrir a caixa Ficheiro do tipo e
especificar Excel (*.xls):
ESACB 17
Na caixa Procurar em deve especificar-se o directrio onde se encontra o ficheiro:
No campo Nome do ficheiro, especificar o nome do ficheiro a importar e fazer OK:
Aparece de seguida a seguinte caixa de dilogo, onde se especifica se as primeiras clulas

contm os nomes das variveis (se sim activar ) e o intervalo
(rectangular) de clulas (no exemplo, A1:B11):
O SPSS cria um ficheiro, com tantas variveis quantas as colunas e tantos casos quantas as
linhas do bloco especificado.
2.2.2 - IMPORTAO DE FICHEIROS DE DBASE
Dada a relevncia da utilizao do gestor de bases de dados dBase III, natural que alguns
utilizadores disponham de bases de dados organizadas neste programa, e que pretendam
import-las para o SPSS a fim de executar algumas anlises estatsticas.
Os ficheiros gerados pelo dBase III (*.dbf) obedecem tipicamente estrutura dos ficheiros
SPSS, de modo que a sua importao extremamente fcil. Para tal, faz-se o seguinte
procedimento:
File
Open...
Na caixa de dilogo, deve definir-se o tipo de ficheiro [dBase (*.dbf)], o directrio onde
est guardado e o nome do ficheiro a importar, tal como se mostra na figura:
ESACB 18
Ao fazer a importao processa-se automaticamente.
2.2.3 - IMPORTAO DE FICHEIROS EXCEL
Os ficheiros Excel 5.0 e Excel 97 so constitudos por diversas folhas de clculo; a rotina de
importao ligeiramente diferente, e assegurada pelo protocolo Open Database
Connectivity (ODBC), que um mtodo padro de partilha de dados entre bases de dados e
outros programas. Os controladores ODBC utilizam a linguagem SQL (Structured Query
Language) padro para aceder a dados de origens exteriores.
Pretende-se importar a seguinte folha de clculo, criada em Excel 97:
ESACB 19
Para tal, executar o seguinte procedimento:
File
Database Capture
New Query...
Aparece o seguinte assistente de importao de ficheiros:
Especificar qual a origem do ficheiro (no caso ) e fazer . Na

caixa de dilogo que se segue, especificar o disco, directrio e o ficheiro a abrir:
Aparece a seguinte janela:
ESACB 20
Caso o ficheiro tenha diversas folhas de clculo, ser conveniente confirmar qual que se
pretende importar; para visualizar as variveis de cada folha, click sobre o sinal +
esquerda da identificao:
Tendo confirmado qual a folha a importar (neste caso, Folha1$), click sobre o nome da
folha e arraste-o para campo Retrieve Fields :
ESACB 21
Para executar a importao, click em Terminar.
2.2.4 - IMPORTAO DE FICHEIROS ACCESS
Os ficheiros de bases de dados criados em Microsoft Access so constitudos por diversas

folhas ou tabelas (base de dados, consultas, formulrios); a rotina de pelo protocolo Open
Database Connectivity (ODBC), que um mtodo padro de partilha de dados entre bases
de dados e outros programas. Os controladores ODBC utilizam a linguagem SQL
(Structured Query Language) padro para aceder a dados de origens exteriores, e processa-
se em tudo de modo semelhante importao de ficheiros Excel, sendo guiada pelo mesmo
assistente (wizard):
File
Database Capture
New Query...
Aparece o seguinte assistente de importao de ficheiros:
Especificar qual a origem do ficheiro (no caso ) e fazer

Seguinte. Depois, prosseguir tal como descrito para o Excel.
2.2.5 - RECODIFICAO DE VALORES
ESACB 22
Ao fazer a importao de ficheiros externos, acontece que variveis alfanumricas so

importadas como tal, causando posteriormente problemas em determinadas anlises. Isto
acontece, por exemplo, quando se importam variveis de agrupamento ou definio de
classes, ou variveis nominais, do gnero de varivel sexo, que agrupa os casos em
masculino e feminino. Em situaes deste gnero, natural que posteriormente haja
necessidade de agrupar os casos por sexo (genericamente por classes), nomeadamente para
comparar mdias de sub-amostras.
Para contornar esta questo, a fazer a importao destas variveis, h que recodific-las em
variveis nominais, com cdigos numricos, por exemplo masculino=1, feminino=2,
semelhana do que se fez na introduo das variveis variedad e azoto.
Vamos ilustrar usando o ficheiro pulso.sav, que se criou pela importao do ficheiro
pulso.dbf do dBase. Neste ficheiro, as variveis sexo (Homem, Mulher) e fuma (Fuma,
No Fuma) so alfanumricas, mas nitidamente com uma conotao de agrupamento em
classes.
Vamos recodificar a varivel sexo (Homem=1, Mulher=2) e fuma (Fuma=1, No Fuma=2).
Para tal, executar o seguinte procedimento (por varivel a recodificar):
Transform
Recode
Into Same Variable
Na caixa de dilogo seguinte, seleccionar a varivel a recodificar (sexo):
Seleccionar . Na caixa de dilogo seguinte definir as recodificaes,
identificando em o valor antigo a recodificar, e em
o novo valor a atribuir; fazer .
ESACB 23
Repetir para o outro valor da varivel (Mulher=2). No final, a caixa de dilogo mostra as
recodificaes a efectuar:
No final, fazer e OK. As alteraes so executadas.
Seguidamente, deve alterar-se o tipo de varivel para numrica, e definir as labels:

1=Homem; 2=Mulher, tal como j anteriormente explicado:
ESACB 24
Fazer o mesmo procedimento para a outra varivel a recodificar.
No final, aparentemente no houve alteraes: a varivel sexo contm os valor Homem e

Mulher, como anteriormente; s que, aps esta transformao, estas variveis tm a
conotao de agrupamento de casos, coisa que no acontecia tal como resultaram da
importao do ficheiro de dados externo ao SPSS.
2.2.6 - SELECO DE CASOS
Por vezes, h necessidade de proceder a anlises sem a incluso de todos os casos contidos
nas variveis em jogo. Uma situao tpica ter-se verificado que h valores outliers, isto
, valores extremos muito elevados ou muito baixos, que provavelmente so registos mal
efectuados, ou eventualmente observaes anmalas que, includas nas anlises estatsticas,
vo distorcer a validade das concluses. Desta forma, poder ser prefervel exclu-las das
anlises, mas sem as eliminar do ficheiro de dados.
A deteco de outliers ser efectuada no procedimento EXPLORE (cap. 3).
Vamos ilustrar com a excluso do caso n 6 do ficheiro pulso.sav, em que a observao

correspondente varivel ritmod 265, valor impossvel para a caracterstica em anlise,
sendo provvel que tenha acontecido um lapso no acto de registo dos valores. Pretende-se
excluir todo este caso das anlises subsequentes, sem contudo o eliminar do ficheiro, pois
poder haver necessidade de posteriormente efectuar anlises sobre as outras variveis (por
exemplo, ritmoa), cujo valor (96) perfeitamente normal.
Para tal, fazer:
Data
Select Cases...
ESACB 25
Pretende-se excluir o caso n 6 da anlise, isto , incluir na anlise todos os casos com
excepo do caso n 6. Para tal, na caixa de dilogo seleccionar , e

definir que se seleccionam para anlise todos os cados diferenntes do caso n 6:
A indicao caso ~= 6 significa todos os casos excepto o caso 6.
O Data Editor do SPSS criou automaticamente uma varivel designada filter_$, em que
indica quais os casos seleccionados e os no includos. Repare-se que a linha 6 est traada,
indicando que este caso est excludo de futuras anlises:
ESACB 26
A varivel filter_$ uma varivel numrica, cujos valores so 0=Not Selected e

1=Selected. No ecran, aparecem visualizados as labels dos valores, caso se tenha optado
por este modo de visualizao.
A fim de incluir novamente o caso 6 nas anlises, fazer:
Data
Select Cases...
ou digitar o valor 1 na clula 6 da varivel filter_$.
Por exemplo, querendo seleccionar os casos referentes aos homens (sexo=1) que fumam
(fuma=1), dever-se- fazer o seguinte procedimento:
Data
Select Cases...
ESACB 27
Para definir a condio atrs referida, seleccionar a varivel sexo, defini-la como sendo
igual a 1; o operador lgico e (AND) simbolizado pelo caracter &; seleccionar a varivel
fuma e defini-la igual a 1:
Fazer para avanar.
ESACB 28
SPSS 3 - Anlise de Dados
3- ANLISE DE DADOS
Vamos iniciar a utilizao do SPSS a fim de efectuar diversas anlises estatsticas. Antes de
iniciar um processo de anlise, os dados a analisar devem estar carregados na memria do
computador.
Vamos ilustrar utilizando o ficheiro arroz.sav que dever estar carregado na memria do
computador.
3.1 - OBTER ESTATSTICAS DESCRITIVAS
Esta rotina calcula as estatsticas elementares (mdia, moda, mediana, varincia, etc) de
uma varivel numrica. No exemplo, a nica varivel susceptvel de ser analisada a
varivel producao.
3.1.1 - PROCEDIMENTO DESCRIPTIVES
Para obter as estatsticas elementares de uma varivel numrica, fazer:
Aparece a seguinte caixa de dilogo, onde se definem as variveis a analisar; no presente

caso, ser apenas a varivel producao:
ESACB 29
Para seleccionar as variveis a analisar, click sobre o nome da varivel na listagem que
aparece na caixa esquerda, e de seguida click no boto . Ficar com o seguinte aspecto:
A fim de definir quais os parmetros estatsticos a estimar, seleccionar , obtendo-

se a seguinte caixa de dilogo:
Inicialmente, estariam seleccionadas apenas a Mean (mdia), Std. deviation (desvio

padro), Minimum (mnimo) e Maximum (mximo); vamos seleccionar tambm a Sum
ESACB 30
(soma de todas as observaes), Variance (varincia), Range (intervalo de variao),

s
S.E.mean (erro padro da mdia: s x = ), Kurtosis (curtose ou achatamento), Skewness
N
(enviesamento ou assimetria). As opes Display Order s tm significado nos casos em
que se procede ao clculo de parmetros de mais do que uma varivel.
No final, fazer e depois .
O programa abre o Viewer (janela de resultados), com o aspecto:
Na janela direita esto os resultados; como se pediu o clculo de muitos parmetros, o

quadro de resultados demasiado largo para caber no ecran; use a barra de scroll para ler o
quadro de resultados
Caso tenha interesse em imprimir os resultados, o SPSS resolve o problema da largura,

fraccionando o quadro em vrios.
Repare que ficou no SPSS Viewer; para voltar ao Data Editor do SPSS, onde est aberto o
ficheiro arroz.sav, restaure a janela na barra Iniciar do Windows:
O SPSS permite capturar os resultados visualizados no Viewer e col-los por exemplo, no

relatrio que est a ser escrito no editor de texto Word; no processador de texto, pode
seleccionar-se a tabela e fazer o ajuste automtico, de modo a que o quadro, demasiado
largo, caiba na largura do texto. Contudo, resulta mais elegante se no for necessrio reduzir
ESACB 31
muito a largura do quadro original. Para tal, a soluo obter menos parmetros estatsticos,
de modo que o quadro de resultados seja menos largo.
3.1.2 - PROCEDIMENTO EXPLORE
Em caso de necessidade de apresentar todos os parmetros estatsticos, estes podem ser

obtidos noutra rotina do SPSS, cujo quadro de resultados se desenvolve na vertical, sendo
mais fcil inclui-los no relatrio em Word. Vamos ilustrar esta opo.
A opo EXPLORE calcula os parmetros estatsticos, e elabora o grfico caule-e-folhas

(esquema de histograma) e o grfico de extremos-e-quartis, muito til para analisar a
amostra em termos de concentrao ou disperso dos valores por intervalos quartlicos, bem
como a sua simetria; alm disso, uma boa ferramenta de verificar se h observaes
outliers, isto , observaes extremas que se afastam muito da gama mdia dos valores da
amostra. Opcionalmente, podem obter-se outras anlises, como veremos.
Na caixa de dilogo que se segue, selecciona-se a varivel a analisar (producao) tal como
descrito atrs. De seguida, seleccionar o boto
ESACB 32
Seleccionando o boto , verifica-se que o clculo das estatsticas descritivas est

activado; pode-se optar por verificar analiticamente a existncia de outliers, bem como
calcular os percentis. A opo M-estimators destina-se ao clculo de parmetros estatsticos
(mdia e varincia) ponderados; geralmente esta opo s interessa em utilizaes muito
especficas. No final, fazer .
Voltando caixa de dilogo Explore, seleccionar a opo ; seleccionar a opo

e fazer .
Na janela Explore seleccionar a opo fazer para obter os resultados.
ESACB 33
Note-se que os resultados vm na sequncia dos resultados obtidos anteriormente, de modo

que durante a sesso de trabalho, os resultados vo-se acumulando, podendo o utilizador em
qualquer momento seleccionar os que lhe interessam.
Utilize a barra se scroll vertical para visualizar os resultados, ou na caixa do organigrama

dos resultados, esquerda, seleccione os que lhe interessa visualizar. Por exemplo, para ver
os parmetros estatsticos, click sobre :
Esta opo, alm dos parmetros estatsticos obtidos no procedimento DESCRIPTIVES,

calcula o intervalo de confiana para a mdia, e a mdia aps eliminar as 5% observaes
inferiores e as 5% observaes superiores (5% Trimmed Mean).
De seguida apresentam-se o histograma, diagrama de caule-e-folhas (steam-and-leaf) e

diagrama de extremos-e-quartis (Boxplot) referentes a esta anlise.
ESACB 34
Histogram
10
4
Frequency
2
Std. Dev = 952.52
Mean = 4956.5
0 N = 60.00
25
2 7 0.0
3 0 0.0
3 2 0.0
3 5 0.0
3 7 0.0
4 0 0.0
4 2 0.0
4 5 0.0
4 7 0.0
5 0 0.0
5 2 0.0
5 5 0.0
5 7 0.0
6 0 0.0
6 2 0.0
6 5 0.0
0
5
0
5
0
5
0
5
0
5
0
5
0
5
0
5
00
.0
Producao
Producao Stem-and-Leaf Plot
Frequency Stem & Leaf
3.00 2 . 688
3.00 3 . 144
5.00 3 . 77789
6.00 4 . 111234
13.00 4 . 5556778889999
7.00 5 . 1223344
18.00 5 . 555666678888899999
5.00 6 . 00024
Stem width: 1000.00

Each leaf: 1 case(s)
ESACB 35
7000
6000
5000
4000
3000
2000
N= 60
Producao
3.1.3 - PROCEDIMENTO EXPLORE COM FACTORES
Os resultados anteriores referem-se globalidade das produes, e tm o interesse que o

utilizador pretender retirar deles.
Numa situao como a que estamos a analisar, teria igualmente interesse executar estas
anlises, no para a globalidade das observaes, mas sim repartidas por um ou mais dos
factores.
Vamos executar o procedimento EXPLORE, obtendo os resultados para cada uma das trs
variedades (poderia ser para os cinco nveis de azoto, ou para os dois factores em
simultneo).
ESACB 36
Na caixa de dilogo que se segue, selecciona-se a varivel a analisar (producao) tal como
descrito atrs. Seleccionar a varivel variedad para o campo Factor List:
A partir deste ponto, o procedimento anlogo ao atrs descrito. Os resultados tm o

seguinte aspecto:
A seguir apresenta-se a listagem completa dos resultados do procedimento:
ESACB 37
Descriptives
Variedade Statistic Std. Error
Producao IR8 Mean 4769.4000 235.8637
95% Confidence Interval for Mean Lower Bound 4275.7316
Upper Bound 5263.0684
5% Trimmed Mean 4819.3333
Median 4836.0000
Variance 1112633.726
Std. Deviation 1054.8145
Minimum 2606.00
Maximum 6034.00
Range 3428.00
Interquartile Range 1762.0000
Skewness -.651 .512
Kurtosis -.441 .992
IR5 Mean 5042.0000 214.0869
Median 5410.0000
Variance 916664.421
Minimum 2846.00
Maximum 6458.00
Range 3612.00
Skewness -.839 .512
Kurtosis -.076 .992
C4-63 Mean 5058.1000 191.4035
Median 5091.0000
Variance 732706.305
Minimum 3428.00
Maximum 6264.00
Range 2836.00
Skewness -.419 .512
Kurtosis -.921 .992
O diagrama de extremos-e-quartis apresentado agora para cada uma das trs variedades:
ESACB 38
7000
6000
5000
4000
3000
Producao
2000
N= 20 20 20
IR8 IR5 C4-63
Variedade
Estes resultados podem comear a fornecer pistas para a anlise dos dados, do gnero de
que a variedade C4-63 apresenta uma produo mais homognea.
3.1.4 - PROCEDIMENTO FREQUENCIES
O procedimento FREQUENCIES permite gerar tabelas de frequncias (contagem de casos

quer de variveis alfanumricas, quer de variveis numricas. Adicionalmente, pode
calcular os parmetros estatsticos calculados pelos procedimentos DESCRIPTIVES e
EXPLORE, anteriormente vistos; pode igualmente gerar histogramas, com o ajustamento a
uma funo de distribuio de probabilidades.
No caso de variveis numricas, em que se admite que seguem uma lei de distribuio
normal (pressuposto quase obrigatrio para a maioria das metodologias estatsticas usuais
em cincias agrrias), a visualizao do ajustamento do respectivo histograma funo de
distribuio normal pode ser uma valiosa ferramenta para anlises subsequentes.
A fim de ilustrar, vamos executar dois procedimentos FREQUENCIES: gerar as tabelas de

frequncia das variveis nominais azoto e variedad, e gerar a tabela de frequncias da
varivel producao, neste caso com o respectivo histograma ajustado fdp normal.
Seleccionar:
Statistics
Summarize
Frequencies...
Na caixa de dilogo, seleccionar as variveis variedad e azoto:
ESACB 39
A opo permite seleccionar, facultativamente, quais os parmetros estatsticos a

calcular. No caso de variveis nominais e alfanumricas no tm significado.
Os resultados obtidos, que so acrescentados ao Viewer, tm o seguinte aspecto:
Repita-se o procedimento para a varivel numrica producao:
Statistics
Summarize
Frequencies...
ESACB 40
V opo seleccionar para calcular os decis (com a seleco da opo

), a mdia, mediana e varincia. No final, fazer :
De seguida, v-se opo para seleccionar o histograma com ajustamento

funo de distribuio normal:
ESACB 41
Fazer para avanar, e OK para calcular.
Veja no Viewer os resultados.
O histograma com o ajustamento f.d.p. normal tem o seguinte aspecto, onde sobressai o
enviezamento da amostra para a direita em relao distribuio terica, bem como um
achatamento um pouco maior que o que seria de esperar (isto , cerca de 75% da amostra
est abaixo da curva, nomeadamente na zona central da distribuio):
Producao
10
4
Frequency
2
Std. Dev = 952.52
Mean = 4956.5
0 N = 60.00
25
2 7 0.0
3 0 0.0
3 2 0.0
3 5 0.0
3 7 0.0
4 0 0.0
4 2 0.0
4 5 0.0
4 7 0.0
5 0 0.0
5 2 0.0
5 5 0.0
5 7 0.0
6 0 0.0
6 2 0.0
6 5 0.0
0
5
0
5
0
5
0
5
0
5
0
5
0
5
0
5
00
.0
Producao
ESACB 42
SPSS 4 - Grficos
4- GRFICOS
A representao grfica dos dados geralmente uma boa abordagem para as anlises
estatsticas a efectuar: a representao de variveis numricas em histograma permite inferir
acerca da simetria, achatamento e normalidade da amostra em anlise; o grfico de barras
representando contagens ou percentagens de valores de variveis permite comparar
visualmente diversas caractersticas amostrais; a representao grfica de duas variveis que
se julgam correlacionadas num grfico de pontos ou de disperso permite definir uma
abordagem prvia metodologia de regresso; os grficos de extremos-e-quartis facilitam a
deteco de outliers, alm de permitirem analisar a simetria e sub-intervalos de maior
concentrao da amostra; etc.
Muitos dos procedimentos estatsticos do SPSS incluem j a elaborao de grficos

adequados s anlises respectivas. Nesta seco, vamos abordar a criao de grficos
isolados de outros procedimentos.
O programa SPSS permite definir os grficos por duas vias:
grficos interactivos: disponveis a partir do sub-menu Interactive do menu

Graphs; a caracterstica principal desta metodologia de gerar
grficos a facilidade em intercambiar variveis entre os
eixos do grfico, nomeadamente a partir da janela Viewer,
aps ter gerado o grfico. A edio do grfico faz-se
directamente na janela Viewer.
grficos standardizados: esta metodologia permite definir os grficos, a partir de sub-

menus individualizados no menu Graphs; aps criados, estes
grficos so menos dinmicos que os grficos interactivos.
Para editar o grfico, selecciona-se este na janela Viewer e
abre-se uma janela de edio do grfico.
De seguida vo-se apresentar a definio de alguns tipos de grficos, tendo como base de
trabalho os dados do ficheiro pulso.sav (listagem em anexo).
Vamos de seguida ilustrar a realizao de alguns grficos. No se pretende fazer uma

apresentao exaustiva de todos os tipos de grficos; contudo, os procedimentos para
qualquer outro tipo de grfico so genericamente semelhantes, de modo que os grficos
descritos de seguida fornecem bases suficientes para que o utilizador explore e crie qualquer
outro tipo de grficos.
4.1 - GRFICOS STANDARDIZADOS
ESACB 44
SPSS 4 - Grficos
4.1.1 - GRFICO DE BARRAS
Vamos ilustrar criando um grfico com a contagem de casos de cada uma das idades do
ficheiro pulso.sav. Para tal:
Graphs
Bar ...
Aparece a seguinte caixa de dilogo, onde se selecciona o tipo de grfico de barras a

executar (Simple: para representar uma nica srie de valores ou varivel; Clustered:
permite representar vrias variveis agrupadas; para cada valor de uma das variveis so
geradas barras para cada valor da outra varivel; Stacked: permite representar vrias
variveis em barras sobrepostas). Vamos iniciar por criar o grfico de barras simples. Nesta
caixa de dilogo selecciona-se tambm o tipo de dados (no caso, pretende-se representar a
contagem das idades, isto , um sumrio contagem dos dados; para tal, selecciona-se a
opo ).
Para prosseguir, fazer .
Na janela seguinte, selecciona-se a varivel a representar no grfico para o campo Category

Axis, e define-se que as barras representam a contagem de casos (N of cases):
ESACB 45
SPSS 4 - Grficos
Para definir os ttulos do grfico, seleccionar . Escrever o ttulo principal (Title -

Line 1 e Line 2), sub-ttulo (Subtitle) e notas de rodap (Footnote Line 1 e Line 2).
Qualquer destes ttulos facultativo:
No final fazer . O grfico tem o seguinte aspecto:
ESACB 46
SPSS 4 - Grficos
Distribuio das idades dos pacientes

As idades esto expressas em anos completos
10
2
Count
0
19 21 23 25 27 29 31 33 35 38 42
IDADE
Fonte: Abcde, 1998.
Os grficos de linhas (Line) e rea (Area) do a mesma informao; em vez de barras ou

colunas, desenhada uma linha unindo os pontos altura da contagem do nmero de casos
em cada categoria ou valor do eixo dos xx; no caso do grfico de reas, a rea definida por
essa linha e o eixo dos xx preenchida. A definio destes grficos tem os mesmos passos
do grfico de barras. A ttulo de exemplo, apresenta-se de seguida o grfico de rea para a
varivel idade (o grfico de linhas seria exactamente o mesmo, sem a rea sombreada):
Distribuio das idades dos pacientes

As idades esto expressas em anos completos
10
2
Count
0
19 21 23 25 27 29 31 33 35 38 42
IDADE
Fonte: Abcde, 1998.
ESACB 47
SPSS 4 - Grficos
Poder ter interesse ver a distribuio de idades por sexo, isto , fazer a separao das
idades por sexo; para tal, na janela Bars Chart selecciona-se a opo Clustered. Aparece a
seguinte janela, onde se seleccionam a varivel a representar em barras (idade) e a varivel
de agrupamento (sexo):
Todo o restante procedimento semelhante. O grfico resultante o seguinte:
Distribuio das idades dos pacientes por sexo
As idades so expressas em anos completos

5
2
SEXO
1
Homem
Count
0 Mulher
19 21 23 25 27 29 31 33 35 38 42
IDADE
Fonte: Abcde, 1998
O grfico de barras pode tambm usar-se para comparar visualmente a mdia (ou outro
parmetro estatstico) de duas ou mais variveis da mesma natureza. Para exemplificar,
vamos elaborar o grfico de barras referente s mdias das variveis ritmoa e ritmod. Para
tal:
ESACB 48
SPSS 4 - Grficos
Graphs
Bar ...
Na janela de dilogo seguinte, seleccionar o tipo Simple (s uma srie de barras) e a opo
(isto , cada barra representa um parmetro estatstico de uma
varivel):
Para prosseguir, fazer . Na janela seguinte, seleccionar as variveis a representar:
Veja-se que, por defeito, ser representada a mdia (mean) das variveis. Pretendendo
representar outro parmetro, fazer (seleccionando individualmente cada
uma das variveis, ou seleccionando todas as variveis em simultneo para tal, manter o
boto esquerdo pressionado e arrastar sobre o nome das variveis a seleccionar). Aparece a
seguinte caixa de dilogo, onde se define o parmetro a representar. Veja-se que pode
seleccionar-se um parmetro estatstico (primeiro bloco da janela), ou ento o nmero (ou
ESACB 49
SPSS 4 - Grficos
percentagem) de casos acima ou abaixo de um valor a definir (bloco central), ou entre dois
valores a definir (ltimo bloco)3:
Definir os ttulos como referido previamente. O grfico tem o seguinte aspecto:
Ritmo cardaco antes e aps exerccio fsico
Valores mdios
160
140
120
100
80
Mean
60
RITMOA RITMOD
Fonte: Abcde, 1998
4.1.2 - HISTOGRAMA
3
Os campos Value, Low, High s so activados aps seleccionar uma opo do respectivo bloco de
opes.
ESACB 50
SPSS 4 - Grficos
O histograma um grfico parecido ao de barras, s que o eixo dos xx escalar contnuo,

representando classes de uma varivel numrica, e no categorias como no caso do grfico
de barras. As barras representam as frequncias absolutas registadas no intervalo ou classe
definido no eixo dos xx.
O histograma traduz a distribuio de frequncias, sendo possvel analisar a simetria e o

achatamento da amostra.
Para ilustrar a elaborao do histograma, vamos usar a varivel ritmoa do ficheiro

pulso.sav. Executar o seguinte procedimento:
Graphs
Histogram ...
Aparece a seguinte caixa de dilogo, onde se selecciona a varivel numrica a representar

no eixo dos xx do histograma:
Seleccionando a opo , sobreposta a curva de distribuio normal

ao histograma.
Para definir os ttulos do grfico, seleccionar , tal como descrito anteriormente.
ESACB 51
SPSS 4 - Grficos
Histograma das frequncias absolutas
Ritmo cardaco
14
12
10
4
Std. Dev = 9.54
2 Mean = 76.0
0 N = 40.00
60.0 65.0 70.0 75.0 80.0 85.0 90.0 95.0
RITMOA
Fonte: Abcde, 1998
4.1.3 - GRFICO DE EXTREMOS-E-QUARTIS
O diagrama de extremos-e-quartis, ou caixa-com-bigodes, uma til representao grfica

dos dados na deteco de outliers, e na anlise da simetria e de sub-intervalos de
concentrao da amostra de valores.
O grfico baseia-se na localizao dos quartis (1 quartil, 2 quartil ou mediana, 3 quartil),

que definem assim 4 sub-intervalos, cada um com 25% das observaes: 1 intervalo
quartlico, delimitado pelo xmin e quartil1; 2 intervalo quartlico, delimitado pelo quartil1 e
quartil2; 3 intervalo quartlico, definido pelo quartil2 e quartil3; 4 intervalo quartlico,
desde o quartil3 ao xmax.
So considerados outliers as observaes que fiquem abaixo do limite definido pela

expresso q1 1.5 (q3 q1 ) ou acima do limite q3 + 1.5 (q3 q1 ) ; caso existam outliers,
o limite do bigode do diagrama passa a ser a observao extrema que se situe dentro dos
limites dos outliers atrs definidos.
Para criar o diagrama de extremos-e-quartis, executar o seguinte procedimento (vamos usar

a varivel ritmoa do ficheiro pulso.sav):
Graphs
Boxplot ...
Na caixa de dilogo seguinte seleccionar a opo Simple, j que se trata de uma nica
varivel, e a opo para criar um diagrama de extremos-e-
quartis da varivel ritmoa para cada categoria de uma outra varivel (vamos usar a varivel
sexo para definir as categorias). Seleccionar a opo se se
ESACB 52
SPSS 4 - Grficos
pretender criar o grfico com todos os dados da varivel ritmoa, sem separar pelas
categorias da varivel sexo:
Fazer para continuar. Na seguinte caixa de dilogo, seleccionar a varivel

numrica a representar no grfico (ritmoa), e a varivel para definir as categorias (sexo):
O resultado o seguinte:
Case Processing Summary
Cases
Valid Missing Total
SEXO N Percent N Percent N Percent
RITMOA Homem 22 100.0% 0 .0% 22 100.0%
Mulher 18 100.0% 0 .0% 18 100.0%
ESACB 53
SPSS 4 - Grficos
100
15
90 10
38
80
70
60
RITMOA
50
N= 22 18
Homem Mulher
SEXO
Repare-se que no caso dos homens, h duas observaes outliers, que so assinaladas fora
dos bigodes do diagrama; o bigode chega, neste caso, at observao mais alta, mas
que no seja outlier (valor 80). Repare-se que indicado o nmero de observaes para
cada uma das categorias (N=22 para os homens; N=18 para as mulheres).
4.1.4 - GRFICO DE BARRA DE ERROS
Um grfico de barra de erros representa um intervalo de confiana para a mdia de uma

varivel numrica de uma amostra (ou sub-amostras definidas pelas categorias de uma
varivel categrica). O intervalo de confiana definido por uma das seguintes expresses
(entre parentesis so indicadas as respectivas opes a seleccionar durante a definio do
grfico ver frente):
s
x t ( , N 1) .
, em que t ( a , N 1) o quantil da distribuio t-Student (opo
N
Confidence interval for mean);
s
x k .s x , em que s x = o erro padro da mdia e k (opo Standard
N
error of mean);
x z .s , em que z o quantil da distribuio normal reduzida N(0,1) (opo

Standard deviation).
Vamos ilustrar a criao deste tipo de grfico usando a varivel ritmoa do ficheiro
pulso.sav, sub-dividida pelas duas categorias (Homem, Mulher) da varivel sexo:
ESACB 54
SPSS 4 - Grficos
Graphs
Error Bar ...
Na caixa de dilogo seguinte seleccionar a opo Simple, j que se trata de uma nica
varivel, e a opo para um grfico da varivel ritmoa para
cada categoria de uma outra varivel (sexo). Seleccionar a opo
se se pretender criar o grfico com todos os dados da varivel ritmoa, sem separar pelas
categorias da varivel sexo:
Fazer para continuar. Na seguinte caixa de dilogo, seleccionar a varivel

numrica a representar no grfico (ritmoa), e a varivel para definir as categorias (sexo):
Na caixa Bars Represent deve seleccionar-se o tipo de intervalo de confiana que se

pretende (definidos anteriormente). Para pequenas amostras, o mais usual o intervalo de
confiana para a mdia (Confidence interval for mean). O nvel de confiana de 95% (o
utilizador pode definir outro nvel de confiana).
ESACB 55
SPSS 4 - Grficos
Para definir os ttulos do grfico, seleccionar .
O grfico tem o seguinte aspecto:
Intervalo de confiana a 95% para a mdia do ritmo cardaco
(por categoria sexo)

90
80
95% CI RITMOA
70
60
N= 22 18
Homem Mulher
SEXO
Fonte: Abcde, 1998
4.1.5 - GRFICOS DE PROBABILIDADES
Os grficos de probabilidades (P-P: Probability Plots) visualizam graficamente o

ajustamento de uma varivel a uma funo de distribuio de probabilidades.
Este tipo de grficos representa no eixo dos xx as frequncias relativas acumuladas

observadas na amostra (observed cummulative probability) e no eixo dos yy a funo de
distribuio de probabilidades esperada (expected cummulative probability). A diagonal
do grfico (x=y) representa um ajustamento perfeito da amostra funo de distribuio de
probabilidades. Quanto mais os pontos se afastam da diagonal, ou se se distribuem segundo
um determinado padro, menor o ajustamento da amostra distribuio terica.
O SPSS pode fazer o grfico P-P de ajustamento s seguintes distribuies: beta, chi-
quadrado, exponencial, gamma, Laplace, Logistic, Log-normal, normal, semi-normal,
Pareto, t-Student, Weibull e uniforme.
Vamos ilustrar ajustando a varivel ritmoa distribuio de probabilidades normal, com

mdia x (parmetro de localizao) e varincia s 2 (parmetro de escala), estimados a partir
da amostra:
Graphs
P-P ...
ESACB 56
SPSS 4 - Grficos
O campo permite seleccionar a distribuio terica de probabilidades. As

frequncias acumuladas tericas ou esperadas so calculadas por expresses
matematicamente definidas, e todas relacionadas com o ranking das observaes (isto ,
com a ordem desde 0 correspondente a xmin - a n correspondente a xmax), sendo o mtodo
Blom o mais usual. Quando h observaes repetidas (ties), a sua ordem pode ser definida
pela ordem da observao mdia ( ), ou pela ordem mais elevada (High) ou da
observao mais baixa (Low) da observao repetida.
O resultado o seguinte:
PPlot
MODEL: MOD_3.
Expected Normal quantiles calculated using Blom's

proportional
estimation formula and assigning the mean to ties.
For variable RITMOA...
Normal distribution parameters estimated: location=75.95

scale=9.5379135
ESACB 57
SPSS 4 - Grficos
Normal P-P Plot of RITMOA

1.00
.75
.50
Expected Cum Prob
.25
0.00
0.00 .25 .50 .75 1.00
Observed Cum Prob
Detrended Normal P-P Plot of RITMOA

.10
.08
.06
.04
Deviation from Normal
.02
0.00
-.02
-.04
-.06
0.0 .2 .4 .6 .8 1.0
Observed Cum Prob
O output inclui, alm do grfico de ajustamento normal (onde se observa um afastamento

com comportamento cclico em relao diagonal), um grfico do ajustamento dos resduos
(yobs-yest); se a amostra perfeitamente normal, os resduos distribuir-se-o segundo uma
faixa horizontal em torno do zero, sem denotar qualquer padro de distribuio; no
exemplo, ntido um comportamento cclico em torno do zero, denotando algum
afastamento em relao normal.
ESACB 58
SPSS 4 - Grficos
4.1.6 - GRFICO DE DISPERSO
O grfico de disperso (scatterplot) um grfico de pontos, representando num plano (x,y)

N pares de valores numricos escalares, que permite analisar a distribuio conjunta das
duas variveis.
Este tipo de grficos muito til como metodologia prvia de anlise a problemas de
regresso, quando se tenta ajustar uma funo y=f(x), que estabelece uma relao de
dependncia entre as duas variveis.
Permite igualmente detectar observaes outliers bi-variadas, isto , observaes que se

afastam do contexto das restantes observaes, mesmo que, analisadas isoladamente em
relao a cada varivel, no se suspeite desses outliers.
No eixo dos xx representa-se a varivel independente ou causal, e no eixo dos yy a varivel

dependente, resposta ou efeito.
A fim de ilustrar, vamos usar as variveis ritmoa (x) e ritmod (y), pensando a priori que o
ritmo cardaco aps exerccio fsico est relacionado com o ritmo cardaco em repouso do
mesmo indivduo.
Graphs
Scatter ...
Nesta janela, deve seleccionar-se o tipo de grfico de disperso a executar:
Simple quando se pretende representar num plano xy uma srie de observaes bi-
variadas (x,y); se nessa srie existem diferentes categorias, definidas por
uma terceira varivel categrica, podem identificar-se os pontos
correspondentes a cada categoria com marcas diferentes;
Overlay quando se pretende representar num mesmo plano (x,y) duas ou mais sries
de observaes bi-variadas (x,y) da mesma natureza;
Matrix quando se pretendem representar os grficos xy de todas as combinaes
possveis de duas ou mais variveis; isto , dispondo de 3 variveis
genericamente identificadas por x,y,z, esta opo representa os seguintes
grficos: (x,y), (x,z), (y,z), bem como a imagem simtrica destes grficos;
este grfico til para uma anlise exploratria das associaes entre
diversas variveis;
3-D representa o grfico espacial a 3 dimenses definido pelos eixos (x,y,z).
O tipo de grfico mais usual o Simple. Tendo seleccionado a opo pretendida, fazer
para prosseguir. Na janela seguinte, definir as variveis a usar em cada um dos
ESACB 59
SPSS 4 - Grficos
eixos (x: ritmoa; y: ritmod), bem como a varivel categrica (sexo) de agrupamento
(opcional):
Definir os ttulos como previamente descrito. O grfico resultante tem o seguinte aspecto:
Ritmo aps exerccio versus ritmo cardaco em repouso
Os casos so identificados por sexo

280
260
240
220
200
180
160
SEXO
RITMOD
140
Mulher
120
100 Homem
60 70 80 90 100
RITMOA
Fonte: Abcde, 1998
Nota-se que, aparte da observao no canto superior direito do grfico, que um outlier bi-
variado, todas as outras observaes tm uma tendncia mais ou menos linear ligeiramente
crescente.
Para ilustrar a matriz de grficos, com as variveis idade, ritmoa, ritmod, executar o
procedimento:
ESACB 60
SPSS 4 - Grficos
Graphs
Scatter ...
Matrix
O grfico resultante o seguinte:
Relao entre idade, ritmoa, ritmod
Casos identificados por sexo
IDADE
RITMOA
SEXO
RITMOD
Mulher
Homem
Fonte: Abcde, 1998
ESACB 61
SPSS 4 - Grficos
4.2 - EDIO DOS GRFICOS STANDARDIZADOS
Quando o grfico criado e aparece na janela Viewer do SPSS pode no estar optimizado
em relao a algumas caractersticas, nomeadamente cores e padres de preenchimento
(com particular nfase se se pretende imprimir ou exportar para outras aplicaes).
Para editar o grfico, a fim de fazer estes pequenos ajustamentos, seleccionar o grfico
(click sobre o grfico) na janela Viewer do SPSS e abri-lo com um dos seguintes
procedimentos:
i) Edit
SPSS Chart Object
Open
ii) Click com o boto direito do rato

Aparece o seguinte menu:
Seleccionar SPSS Chart Object

Open
iii) Duplo click com o boto esquerdo do rato
Qualquer dos anteriores procedimentos abre o grfico numa nova janela, com a designao
SPSS Chart Editor, sobreposta ao Viewer, tal como se ilustra; o grfico est sombreado na
janela Viewer durante a edio; as alteraes efectuadas so reflectidas automaticamente
neste grfico:
ESACB 62
SPSS 4 - Grficos
Para alterar um pormenor, por exemplo o padro de preenchimento das barras, fazer click
sobre uma barra (no Chart Editor); repare-se que automaticamente todas as barras ficaram
seleccionadas (muito embora as marcas sejam colocadas em apenas algumas barras, todas
elas esto seleccionadas):
Para alterar o formato das barras, seleccionar o menu Format:
ESACB 63
SPSS 4 - Grficos
Neste menu, seleccionar uma das seguintes opes, conforme o objectivo; cada opo abre
uma caixa de dilogo onde o utilizador selecciona a alterao a efectuar; para tomar efeito,
fazer :
Nota: A barra de ferramentas do SPSS Chart Editor tem os botes de atalho para
as respectivas entradas no menu Format, tal como de seguida se
apresentam:
Fill Patern... ou Alterar o padro de preenchimento;
Color... ou Alterar a cor;

Marker... ou Alterar o tipo de marca ou ponto (no scatterplot);
Line Style... ou Alterar o tipo (contnua, pontuada) e espessura de linhas;
Bar Style ... ou Alterar o tipo de barras:
ESACB 64
SPSS 4 - Grficos
Text... ou Alterar as caractersticas (fonte e tamanho) do texto (s activo se se se

seleccionou previamente uma regio de texto, por exemplo os ttulos)
Cada uma das caixas de dilogo tem o boto ou , para fechar aps aplicar a
alterao.
Para alterar os ttulos ou notas de rodap (ou defini-los, se no o foram durante o

procedimento do elaborao do grfico), faz-se o seguinte procedimento:
Chart
Title... (ou Footnote... se se trata de editar as notas de rodap)
Abre-se a seguinte janela de dilogo, onde o utilizador poder alterar os ttulos (se no
foram previamente definidos os ttulos, os respectivos campos aparecem vazios), e o
respectivo alinhamento:
No caso da edio das notas de rodap, a janela de dilogo a seguinte:
Aps ter efectuado as alteraes pretendidas, fechar o Chart Editor para regressar ao
Viewer; para tal, fazer File Close, ou click no boto .
4.3 - GRFICOS INTERACTIVOS
ESACB 65
SPSS 4 - Grficos
Como referido no incio do captulo, o SPSS dispe de uma rotina interactiva de definio
de grficos, em que a seleco e alterao do tipo de grficos, variveis a incluir, e
pormenores, so mais facilmente editados.
Para criar um grfico interactivo, seleccionar:
Graphs
Interactive
No menu seguinte, selecciona-se o tipo de grfico a criar:
Vamos ilustrar a criao de um grfico de barras e de um grfico de disperso; para os

restantes tipos, os procedimentos so anlogos.
4.3.1 - GRFICO DE BARRAS
No menu Interactive selecciona-se a opo Bar... , aparecendo a seguinte janela de

dilogo:
ESACB 66
SPSS 4 - Grficos
Esta janela tpica dos grficos interactivos, e representa o esqueleto do grfico, com um
sistema de eixos ortogonais, cada um com um campo, para o qual se selecciona a varivel a
usar nesse eixo; alguns campos podem j conter uma varivel4 automaticamente assumida
pelo programa; o que acontece no eixo dos yy, em que o programa prope representar o
nmero de casos iguais, ou frequncias absolutas (varivel $count).
O grfico pode ser bi-dimensional, ou tri-dimensional; a seleco faz-se com os botes:
grfico bi-dimensional (plano xy)
grfico tri-dimensional (espao xyz)
No caso de um grfico bi-dimensional, pode ser representado na vertical ( ) ou na
horizontal ( ).
Seleccionar para o eixo dos xx a varivel a representar (sexo):
4
Aparte das variveis definidas no ficheiro, nesta rotina o programa automaticamente define outras
variveis, nomeadamente a varivel $count (contagem de casos), $pct (percentagem de casos), $case (nmero
de ordem dos casos). Se a varivel precedida pelo con , trata-se de uma varivel categrica; se
precedida pelo con , uma varivel numrica escalar do ficheiro; se o con , trata-se de uma
varivel escalar definida pelo programa, e no constante no ficheiro.
ESACB 67
SPSS 4 - Grficos
Para definir os ttulos, seleccionar o separador Titles:
O grfico resultante tem o seguinte aspecto:
ESACB 68
SPSS 4 - Grficos
Se se pretende visualizar a distribuio, dentro de cada um dos sexos, pela varivel fuma,
deve especificar-se esta diviso por categorias, no separador Assign Variables da janela
Create Bar Chart, incluindo a varivel para definir as categorias no campo Legend
Variables Color; o que se est a fazeer, instruir o programa para usar cores diferentes
para cada uma das categorias da varivel fuma:
O grfico resultante o seguinte:
ESACB 69
SPSS 4 - Grficos
4.3.2 - GRFICO DE DISPERSO
Vamos ilustrar com a criao do grfico que relaciona o ritmo cardaco antes de exerccio
(ritmoa) com o ritmo cardaco aps exerccio (ritmod). Para tal:
Graphs
Interactive
Scatterplot ...
Na janela de dilogo seguinte, definir as variveis para os eixos dos xx e dos yy; para
identificar os casos por sexo, seleccionar a varivel sexo para o campo Legend Variable
Style (os casos de cada um dos sexos so identificados com uma marca distinta; se se
incluir a varivel em Color, para cada um dos sexos usada uma cor distinta):
ESACB 70
SPSS 4 - Grficos
Para definir os ttulos, seleccionar o separador Titles. O grfico tem o seguinte aspecto:
ESACB 71
SPSS 4 - Grficos
O grfico de disperso interactivo tem a particularidade de poder ajustar uma equao de

regresso linear aos pontos, na totalidade, sem diferenciao por categorias, ou ento para
os pontos de cada uma das categorias definidas por uma varivel categrica. Para tal, na
janela de dilogo Create Scatterplot, aps identificar as variveis x e y e a varivel
categrica (se se pretender uma equao para cada categoria), seleccionar o separador Fit:
ESACB 72
SPSS 4 - Grficos
No campo Method, seleccionar a opo Regression; no campo Fit lines for, seleccionar a
opo se se pretende uma equao para cada um dos casos da varivel sexo (a
opo Total, que pode ser seleccionada isolada ou em conjunto com a opo Subgroups,
destina-se a ajustar uma equao a toda a amostra). O resultado o seguinte:
ESACB 73
SPSS 4 - Grficos
Para cada uma das sub-amostras definidas pela varivel sexo, foi ajustada a equao de
regresso linear, cujas equaes, e o respectivo coeficiente de determinao R2, so
apresentadas na figura.
Uma outra possibilidade apresentar os grficos por categorias isolados. Para tal, na janela
Create Scatterplot, a varivel categrica seleccionada para o campo Panel Variables (e
no para o campo Legend Variables):
ESACB 74
SPSS 4 - Grficos
Para ajustar, em cada um dos grficos, a respectiva equao de regresso, seleccionar no
separador Fit a opo (j que o ajustamento da equao feito para

cada um dos grficos isoladamente). O resultado o seguinte:
4.4 - EDIO DE GRFICOS INTERACTIVOS
Para editar um grfico criado com a rotina Interactive, seleccionar o grfico a editar e fazer
um dos seguintes procedimentos:
i) Edit
SPSS Interactive Graphic Object
ii) Click no boto direito do rato; no menu seguinte:
seleccionar SPSS Interactive Graphic Object
iii) Duplo click com o boto esquerdo do rato sobre o grfico
O grfico editado na janela Viewer do SPSS, tomando o seguinte aspecto:
ESACB 75
SPSS 4 - Grficos
A rea do grfico em edio, assinalada na margem esquerda por uma seta, est no interior
de uma bordadura tracejada. No permitido efectuar modificaes em qualquer zona fora
desta bordadura.
Os cons na borda do grfico so botes de atalho para as tarefas de edio. Para editar um
elemento do grfico, deve seleccionar-se previamente, fazendo click sobre esse elemento.
Seguidamente, utiliza-se o boto pretendido:
Espessura de linhas;
Estilo de linhas (contnuas, tracejadas);
Tamanho de marcas ou pontos;
Estilo (forma) de marcas ou pontos;
Padro de preenchimento de reas;
Estilo e cor das linhas de bordadura de reas;
Cor de preenchimento de reas;
Ferramenta para criar/editar uma caixa de texto;
Ponteiro do rato para selecco de elementos do grfico;
Abre a seguinte caixa de dilogo de seleco de variveis, onde se podem

mudar as variveis a representar no grfico:
ESACB 76
SPSS 4 - Grficos
Permite inserir elementos no grfico (os elementos que se podem

inserir dependem do tipo de grfico, e natureza das variveis em uso):
Boto que permite desfazer a ltima modificao efectuada no grfico;
Selecciona a orientao horizontal ou vertical do grfico;
Dispe automaticamente na rea os elementos do grfico;
Definio da fonte e tamanho do texto, bold

ou negrito, itlico (s est activo se previamente se tiver seleccionado um
elemento de texto do grfico).
Alm destes botes, que permitem efectuar a maior parte das modificaes que o utilizador
normal pretende efectuar no grfico, os menus Edit, View, Format possibilitam executar
ESACB 77
SPSS 4 - Grficos
essas mesmas alteraes atravs de menus, e outras modificaes que no dispem de boto
de atalho.
No final, para terminar a sesso de edio do grfico, basta fazer click sobre uma rea do
ecran no pertencente janela do grfico.
ESACB 78
SPSS 5 - Testes T
5- TESTES T
As metodologias estatsticas que envolvem testes de hipteses acerca de mdias de

hiptese designam-se genericamente por testes t.
O SPSS dispe de trs tipos de testes t:
Teste t para a mdia de uma amostra: compara a mdia de uma amostra com a
mdia hipottica conhecida de uma populao. So apresentados os parmetros
estatsticos da amostra em anlise; igualmente estabelecido um intervalo de
confiana para ( x ) .
O teste de hiptese subjacente :

H0 :x = H1 : x

H0 : x = 0 H1 : x 0
x
e a estatstica de testes t =

N
Teste t para duas amostras independentes: Compara as mdias de uma mesma

varivel ou caracterstica observada sobre duas amostras independentes de
indivduos, com a condio de que os indivduos sejam aleatoriamente atribudos
aos dois conjuntos em comparao (por exemplo, produo obtida sob um
tratamento versus produo obtida sob outro tratamento diferente, ou de um
modo genrico, controlo versus tratamento). So apresentados os parmetros
estatsticos das amostras em anlise; efectuado o teste de LEVENE para a
homogeneidade das varincias das duas amostras; so apresentadas as
estatsticas de teste para as situaes de varincias homogneas e no
homogneas; estabelecido um intervalo de confiana para ( x1 x 2 ).

H 0 : x1 = x 2 H 1 : x1 x 2

H 0 : x1 x 2 = 0 H 1 : x1 x 2 0
x1 x 2
1 1
s 2
N1 N 2
O teste de Levene para decidir H 0 : s12 = s 22 H 1 : s12 s 22 consiste numa anlise

de varincia aos valores absolutos das diferenas entre os valores observados e a
mdia de cada uma das amostras.
ESACB 79
SPSS 5 - Testes T
Teste t para duas amostras emparelhadas: Compara as mdias de duas variveis

ou caractersticas para uma mesma amostra de indivduos (do gnero peso antes
versus peso depois de um determinado tratamento). So apresentados os
parmetros estatsticos para as duas amostras em anlise; calculada a
correlao entre as duas amostras; So apresentados os parmetros estatsticos
para as diferenas entre as duas amostras emparelhadas; estabelecido um
intervalo de confiana para ( x1 x 2 ).

H 0 : x1 = x 2 H 1 : x1 x 2

H 0 : x1 x 2 = 0 H 1 : x1 x 2 0
x1 x 2
1 1
s 2
1
N N 2
A fim de ilustrar a realizao destes testes vamos usar o ficheiro PULSO.SAV que foi
criado por importao de um ficheiro dBase. Em anexo fornecida uma impresso do
ficheiro.
Os dados consistem em 40 casos de pacientes (seleccionados aleatoriamente entre os

alunos de uma universidade), homens e mulheres, alguns dos quais fumam e outros no
fumam. Para cada um dos indivduos foi medido o ritmo cardaco antes (ritmoa) e aps
uma corrida de 1500 m (ritmod). Pretende-se, entre outros objectivos, verificar se h
diferenas entre os ritmos cardacos antes e aps o exerccio fsico; se h diferenas de
ritmo cardaco entre homens e mulheres, entre fumadores e no fumadores. Pretende-se
igualmente saber qual o valor indicativo do ritmo cardaco mdio da populao dessa
universidade.
Antes de prosseguir para os testes t aconselhado fazer uma anlise exploratria dos
dados, tal como foi ilustrado no captulo 3. A seguir apresentam-se dois estratos desta
anlise, nomeadamente o diagrama de extremos-e-quartis e os valores extremos:
ESACB 80
SPSS 5 - Testes T
300
200
100
0
N= 40
RITMOD
Extreme Values
Case Value
Number
RITMOA Highest 1 6 96
2 4 96
3 15 92
4 10 90
5 38 90
Lowest 1 1 62
2 36 62
3 3 64
4 13 66
a
5 39
RITMOD Highest 1 6 265
2 9 160
3 17 158
4 26 158
5 19 156
Lowest 1 16 112
2 27 116
3 37 116
4 7 120
5 28 120
a Only a partial list of cases with the value 66 are shown in the table of lower
extremes.
ESACB 81
SPSS 5 - Testes T
Por esta anlise pode concluir-se que o caso n 6 constitui uma observao outlier no
referente observao ritmod: provavelmente, o observador queria registar o valor 165
e, por erro, introduziu 265, valor virtualmente impossvel para o ritmo cardaco de
qualquer humano, mesmo que sujeito a condies in extremis. Contudo, como na
realidade o estatstico no sabe ou que se passou, a melhor estratgia ser ignorar este
caso (indivduo n 6) sempre que tiver de utilizar a varivel ritmod.
5.1 - TESTE T PARA A MDIA DE UMA AMOSTRA
Pretende-se verificar se se pode considerar que a mdia da varivel ritmoa da populao

universitria em anlise pode ser de 80 pulsaes por minuto. Isto , trata-se de dar
resposta ao seguinte teste de hipteses:
H0 :x = H1 : x

H0 : x = 0 H1 : x 0
Para tal, fazer Statistics Compare Means One-Sample T Test...
Aparece a seguinte caixa de dilogo, onde se selecciona a varivel a analisar (ritmoa), e

o valor hipottico da mdia da populao :
ESACB 82
SPSS 5 - Testes T
De seguida, seleccionar a fim de difinir o nvel de confiana para ( x ) :
Por defeito, est definido (1-)=0.95; se o desejar, o utilizador poder alterar este nvel
de confiana. Fazer e depois OK:
Para um nvel de significncia de 5%, deve rejeitar-se a hiptese nula de que o ritmo
mdio cardaco da populao, com base nesta amostra, possa ser de 80 (pois o p-value
ou significance level da amostra de 0.011<=0.05, ou porque |tcalc|=2.686 >
t(0.05,39)=2.021).
O intervalo de confiana para ( x ) [ 7.01, 1.00]
5.2 - TESTE T PARA DUAS AMOSTRAS INDEPENDENTES
Pretende-se verificar se, em relao ao ritmo cardaco antes do exerccio fsico, h ou

no diferenas entre os fumadores e os no fumadores, isto :
H 0: x ritmoaFumadores = x ritmoano fumadres H 1 : x ritmoaFumadores x ritmoano fumadres
ESACB 83
SPSS 5 - Testes T
Para tal, fazer Statistics Compare Means Independent Samples T

Test...:
Na caixa de dilogo seguinte, seleccionar a varivel resposta a analisar (ritmoa); as

duas amostras a comparar so dois sub-grupos desta varivel, definidos pela varivel
fuma; para tal, seleccionar esta varivel para o campo :
Para definir os sub-grupos ou amostras, seleccionar ; usar os valores

codificados da varivel fuma (1=Fuma; 2=No Fuma) para definir os grupos:
ESACB 84
SPSS 5 - Testes T
No final, fazer . De seguida, seleccionar a fim de difinir o nvel de

confiana para a diferena entre mdias:
Fazer e depois OK:
Group Statistics
Std. Std. Error

FUMA N Mean Deviation Mean
RITMOA Fuma 16 76.75 12.00 3.00
No Fuma 24 75.42 7.72 1.58
Independent Samples Test
Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Sig. Mean Std. Error Difference
F Sig. t df (2-tailed) Difference Difference Lower Upper
RITMOA Equal variances
8.665 .006 .429 38 .671 1.33 3.11 -4.96 7.63
assumed
Equal variances not
.394 23.274 .698 1.33 3.39 -5.67 8.34
assumed
No primeiro quadro so apresentados alguns parmetros estatsticos de cada uma das

amostras. No segundo quadro apresentam-se os testes de homogeneidade de varincias
(Levene) e o teste t-Student de comparao das mdias das duas amostras.
Comea por analisar-se a homogeneidade das varincias, isto , verificar se se devem

considerar homogneas ou diferentea as varincias dos dois sub-grupos:
2
H 0 : s ritmoa Fuma
= s ritmoa
2
No Fuma
2
H 1 : s ritmoa Fuma
s ritmoa
2
No Fuma
concluindo-se que se devem considerar as varincias no homogneas, pois p-value

deste teste (0.006) inferior a um valor =5% ou mesmo =1% (isto , podemos fazer
esta deciso com 99% de probabilidade de acertar). Tambm se pode decidir este teste,
comparando o valor Fcalc=8.665 com um valor crtico da distribuio F de Snedecor (por
exemplo, para =5%, F(0.05; 1, 38)=4.105).
5
O teste de Levene uma anova. Os graus de liberdade totais so N-1=39; pretendem-se
comparar duas amostras, de modo que fica 1 grau de liberdade para as amostras, restando 38 graus de
liberdade para o erro experimental.
ESACB 85
SPSS 5 - Testes T
De seguida, faz-se a deciso do teste t-Student, para a situao de varincias no

homogneas, isto :
H 0: x ritmoaFumadores = x ritmoano fumadres H 1 : x ritmoaFumadores x ritmoano fumadres
O valor da estatstica de teste t=0.394 < t(0.05; 23) = 2.069, ou p-value = 0.698 > =5%,
concluindo-se assim que os ritmos cardacos em repouso, destas duas amostras, so
estatisticamente iguais, para um nvel de significncia de 5%.
O intervalo de confiana a 95% para a diferena entre as mdias [-5.67 , 8.34],

podendo teoricamente a diferena ser nula.
5.3 - TESTE T PARA DUAS AMOSTRAS EMPARELHADAS
Pretende-se verificar se existem ou no diferenas significativas entre os ritmos

cardacos antes e depois de realizao do exerccio fsico, isto :
H 0 : x ritmoa = x rit mod H 1 :x ritmoa x rit mod

H 0 : x ritmoa x rit mod = 0 H 1 :x ritmoa x rit mod 0
Como anteriormente se fez notar, este teste dever ser efectuando, sem incluir o
indivduo n 6, por se suspeitar que o respectivo registo do ritmo cardaco aps
exerccio est errado. Para tal, fazer:
Data
Select Cases...
ESACB 86
SPSS 5 - Testes T
Pretende-se excluir o caso n 6 da anlise, isto , incluir na anlise todos os casos com
excepo do caso n 6. Para tal, na caixa de dilogo seleccionar ,e

definir que se seleccionam para anlise todos os cados diferenntes do caso n 6:
A indicao caso ~= 6 significa todos os casos excepto o caso 6.
O Data Editor do SPSS criou automaticamente uma varivel designada filter_$, em que
indica quais os casos seleccionados e os no includos. Repare-se que a linha 6 est
traada, indicando que este caso est excludo de futuras anlises:
Note-se que este procedimento de seleccionar casos no exclusivo nem obrigatrio do

procedimento da comparao de mdias de duas amostras emparelhadas. um
procedimento geral a efectuar previamente a qualquer anlise em que haja necessidade
de seleccionar ou excluir casos.
De seguida, passa-se ento comparao das mdias das duas amostras emparelhadas.
Tal como o nome indica, deve haver pares de observaes, de modo que ambas as
amostras tm o mesmo nmero de observaes.
Para tal, fazer Statistics Compare Means Paired Samples T Test...:
ESACB 87
SPSS 5 - Testes T
Na caixa de dilogo seguinte, seleccionar as duas variveis emparelhadas cujas mdias

se pretendem comparar:
O boto serve para definir o intervalo de confiana para a diferena entre as

duas mdias (por defeito, (1-)=0.95).
Os resultados so os seguintes:
Paired Samples Statistics
Std. Std. Error

Mean N Deviation Mean
Pair RITMOA 75.44 39 9.08 1.45
1 RITMOD 137.31 39 12.56 2.01
ESACB 88
SPSS 5 - Testes T
Paired Samples Correlations
N Correlation Sig.
Pair 1 RITMOA & RITMOD 39 .544 .000
Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Std. Std. Error Difference Sig.
Mean Deviation Mean Lower Upper t df (2-tailed)
Pair 1 RITMOA - RITMOD -61.87 10.78 1.73 -65.36 -58.38 -35.858 38 .000
No primeiro quadro so apresentados alguns parmetros estatsticos de cada uma das

amostras. Repare-se que foram s levados em conta 39 observaes em cada amostra.
O quadro seguinte apresenta o valor do coeficiente de correlao de Pearson entre as

duas variveis (r=0.544).
No ltimo quadro apresentado o valor de x ritmoa x rit mod = 61.87 , o intervalo de
confiana para a diferena entre mdias ([-65.36 , -58.38]) e o valor da estatstica de
teste t-Student t= -35.858, bem como os graus de liberdade do teste e o valor p-value ou
verdaddeiro nvel de significncia (0.000). Como |tcalc| = 35.858 > t(0.05,38)=2.025 (ou p-
value=0.000 < =5%) conclui-se que as mdias so significativamente diferentes.
ESACB 89
SPSS 6 - Anova
6- 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:
Varincia entre Tratamentos

F= ~ 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 Repeties
25 5113 5398 5307 4678
50 5346 5952 4719 5264
75 5272 5713 5483 5049
100 5164 4831 4986 4410
125 4804 4848 4432 4748
150 4254 4542 4919 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:
ESACB 92
SPSS 6 - Anova
Oneway
Descriptives
Produo (kg/ha)
95% Confidence Interval
for Mean
Std. Lower Upper
N Mean Deviation Std. Error Bound Bound Minimum Maximum
25 kg/ha 4 5124.0000 320.2093 160.1047 4614.4755 5633.5245 4678.00 5398.00
50 kg/ha 4 5320.2500 504.7893 252.3947 4517.0176 6123.4824 4719.00 5952.00
75 kg/ha 4 5379.2500 284.4414 142.2207 4926.6402 5831.8598 5049.00 5713.00
100 kg/ha 4 4847.7500 321.9900 160.9950 4335.3920 5360.1080 4410.00 5164.00
125 kg/ha 4 4708.0000 188.4958 94.2479 4408.0611 5007.9389 4432.00 4848.00
150 kg/ha 4 4453.2500 360.8798 180.4399 3879.0097 5027.4903 4098.00 4919.00
Total 24 4972.0833 455.9256 93.0654 4779.5628 5164.6038 4098.00 5952.00
Test of Homogeneity of Variances
Produo (kg/ha)
Levene
Statistic df1 df2 Sig.
.418 5 18 .830
ANOVA
Produo (kg/ha)
Sum of Mean
Squares df Square F Sig.
Between Groups 2657880.8 5 531576.167 4.507 .008
Within Groups 2123087.0 18 117949.278
Total 4780967.8 23
ESACB 93
SPSS 6 - Anova
Post Hoc Tests

Multiple Comparisons
Dependent Variable: Produo (kg/ha)
Mean 95% Confidence Interval

(I) Densidade de (J) Densidade de Difference Lower Upper
sementeira sementeira (I-J) Std. Error Sig. Bound Bound
Tukey HSD 25 kg/ha 50 kg/ha -196.2500 242.8469 .962 -968.0352 575.5352
75 kg/ha -255.2500 242.8469 .894 -1027.0352 516.5352
100 kg/ha 276.2500 242.8469 .859 -495.5352 1048.0352
125 kg/ha 416.0000 242.8469 .541 -355.7852 1187.7852
150 kg/ha 670.7500 242.8469 .111 -101.0352 1442.5352
50 kg/ha 25 kg/ha 196.2500 242.8469 .962 -575.5352 968.0352
75 kg/ha -59.0000 242.8469 1.000 -830.7852 712.7852
100 kg/ha 472.5000 242.8469 .408 -299.2852 1244.2852
125 kg/ha 612.2500 242.8469 .170 -159.5352 1384.0352
150 kg/ha 867.0000* 242.8469 .023 95.2148 1638.7852
75 kg/ha 25 kg/ha 255.2500 242.8469 .894 -516.5352 1027.0352
50 kg/ha 59.0000 242.8469 1.000 -712.7852 830.7852
100 kg/ha 531.5000 242.8469 .290 -240.2852 1303.2852
125 kg/ha 671.2500 242.8469 .110 -100.5352 1443.0352
150 kg/ha 926.0000* 242.8469 .014 154.2148 1697.7852
100 kg/ha 25 kg/ha -276.2500 242.8469 .859 -1048.0352 495.5352
50 kg/ha -472.5000 242.8469 .408 -1244.2852 299.2852
75 kg/ha -531.5000 242.8469 .290 -1303.2852 240.2852
125 kg/ha 139.7500 242.8469 .991 -632.0352 911.5352
150 kg/ha 394.5000 242.8469 .594 -377.2852 1166.2852
125 kg/ha 25 kg/ha -416.0000 242.8469 .541 -1187.7852 355.7852
50 kg/ha -612.2500 242.8469 .170 -1384.0352 159.5352
75 kg/ha -671.2500 242.8469 .110 -1443.0352 100.5352
100 kg/ha -139.7500 242.8469 .991 -911.5352 632.0352
150 kg/ha 254.7500 242.8469 .895 -517.0352 1026.5352
150 kg/ha 25 kg/ha -670.7500 242.8469 .111 -1442.5352 101.0352
50 kg/ha -867.0000* 242.8469 .023 -1638.7852 -95.2148
75 kg/ha -926.0000* 242.8469 .014 -1697.7852 -154.2148
100 kg/ha -394.5000 242.8469 .594 -1166.2852 377.2852
125 kg/ha -254.7500 242.8469 .895 -1026.5352 517.0352
LSD 25 kg/ha 50 kg/ha -196.2500 242.8469 .430 -706.4525 313.9525
75 kg/ha -255.2500 242.8469 .307 -765.4525 254.9525
100 kg/ha 276.2500 242.8469 .270 -233.9525 786.4525
125 kg/ha 416.0000 242.8469 .104 -94.2025 926.2025
150 kg/ha 670.7500* 242.8469 .013 160.5475 1180.9525
50 kg/ha 25 kg/ha 196.2500 242.8469 .430 -313.9525 706.4525
75 kg/ha -59.0000 242.8469 .811 -569.2025 451.2025
100 kg/ha 472.5000 242.8469 .067 -37.7025 982.7025
125 kg/ha 612.2500* 242.8469 .021 102.0475 1122.4525
150 kg/ha 867.0000* 242.8469 .002 356.7975 1377.2025
75 kg/ha 25 kg/ha 255.2500 242.8469 .307 -254.9525 765.4525
50 kg/ha 59.0000 242.8469 .811 -451.2025 569.2025
100 kg/ha 531.5000* 242.8469 .042 21.2975 1041.7025
125 kg/ha 671.2500* 242.8469 .013 161.0475 1181.4525
150 kg/ha 926.0000* 242.8469 .001 415.7975 1436.2025
100 kg/ha 25 kg/ha -276.2500 242.8469 .270 -786.4525 233.9525
50 kg/ha -472.5000 242.8469 .067 -982.7025 37.7025
75 kg/ha -531.5000* 242.8469 .042 -1041.7025 -21.2975
125 kg/ha 139.7500 242.8469 .572 -370.4525 649.9525
150 kg/ha 394.5000 242.8469 .122 -115.7025 904.7025
125 kg/ha 25 kg/ha -416.0000 242.8469 .104 -926.2025 94.2025
50 kg/ha -612.2500* 242.8469 .021 -1122.4525 -102.0475
75 kg/ha -671.2500* 242.8469 .013 -1181.4525 -161.0475
100 kg/ha -139.7500 242.8469 .572 -649.9525 370.4525
150 kg/ha 254.7500 242.8469 .308 -255.4525 764.9525
150 kg/ha 25 kg/ha -670.7500* 242.8469 .013 -1180.9525 -160.5475
50 kg/ha -867.0000* 242.8469 .002 -1377.2025 -356.7975
75 kg/ha -926.0000* 242.8469 .001 -1436.2025 -415.7975
100 kg/ha -394.5000 242.8469 .122 -904.7025 115.7025
125 kg/ha -254.7500 242.8469 .308 -764.9525 255.4525
*. The mean difference is significant at the .05 level.
ESACB 94
SPSS 6 - Anova
Homogeneous Subsets
Produo (kg/ha)
Densidade de Subset for alpha = .05

sementeira N 1 2
Tukey HSDa 150 kg/ha 4 4453.2500
125 kg/ha 4 4708.0000 4708.0000
100 kg/ha 4 4847.7500 4847.7500
25 kg/ha 4 5124.0000 5124.0000
50 kg/ha 4 5320.2500
75 kg/ha 4 5379.2500
Sig. .111 .110
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 4.000.
Means Plots
5600
5400
5200
Mean of Produo (kg/ha)
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:
6
Deixa-se ao cuidado do leitor a explicao agronmica destas concluses.
ESACB 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).
Seleccionar o boto a fim de pedir a elaborao da tabela da anlise de

varincia. Por defeito, so calculados os parmetros mdia e desvio padro; o utilizador
pode seleccionar outras estatsticas a calcular:
ESACB 97
SPSS 6 - Anova
Means
Case Processing Summary
Cases
Included Excluded Total
N Percent N Percent N Percent
Produo (kg/ha) *
Densidade de 24 100.0% 0 .0% 24 100.0%
sementeira
Report
Produo (kg/ha)
Densidade de Std.
sementeira Mean N Deviation
25 kg/ha 5124.0000 4 320.2093
50 kg/ha 5320.2500 4 504.7893
75 kg/ha 5379.2500 4 284.4414
100 kg/ha 4847.7500 4 321.9900
125 kg/ha 4708.0000 4 188.4958
150 kg/ha 4453.2500 4 360.8798
Total 4972.0833 24 455.9256
ANOVA Table
Sum of Mean
Produo (kg/ha) * Between (Combined) 2657880.8 5 531576.167 4.507 .008
Densidade de G
Within Groups 2123087.0 18 117949.278
sementeira Total 4780967.8 23
Measures of Association
Eta
Eta Squared
Produo (kg/ha) *
Densidade de .746 .556
sementeira
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 6 - Anova
De seguida, seleccionar a opo a fim de definir o modelo de anova a

calcular. Por defeito, est seleccionada a opo , que especifica que a tabela
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

seleccionar para representar graficamente as mdias de cada um dos
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
Value
Label N
Variedade 1 IR8 20
2 IR5 20
3 C4-63 20
Adubao 0 0 kg/ha 12
1 60 kg/ha 12
2 90 kg/ha 12
3 120 kg/ha 12
4 150 kg/ha 12
Descriptive Statistics
Dependent Variable: Produo

Std.
Variedade Adubao Mean Deviation N
IR8 0 kg/ha 3124.0000 532.7939 4
60 kg/ha 4723.5000 171.9874 4
90 kg/ha 4459.5000 400.2345 4
120 kg/ha 5717.0000 334.1237 4
150 kg/ha 5823.0000 208.3235 4
Total 4769.4000 1054.8145 20
IR5 0 kg/ha 3548.0000 540.9054 4
60 kg/ha 4806.0000 443.6124 4
90 kg/ha 5436.0000 757.8408 4
120 kg/ha 5739.5000 494.9542 4
150 kg/ha 5680.5000 217.5462 4
Total 5042.0000 957.4259 20
C4-63 0 kg/ha 3778.0000 314.1507 4
60 kg/ha 4753.5000 414.2411 4
90 kg/ha 5320.0000 501.1640 4
120 kg/ha 5552.5000 573.7000 4
150 kg/ha 5886.5000 385.9374 4
Total 5058.1000 855.9827 20
Total 0 kg/ha 3483.3333 513.9808 12
60 kg/ha 4761.0000 331.3680 12
90 kg/ha 5071.8333 689.7728 12
120 kg/ha 5669.6667 441.1381 12
150 kg/ha 5796.6667 271.0335 12
Total 4956.5000 952.5245 60
a
Levene's Test of Equality of Error Variances

F df1 df2 Sig.
1.044 14 45 .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

Type III
Sum of Mean
Source Squares df Square F Sig.
Corrected Model 44578256a 14 3184161.1 16.005 .000
Intercept 1.47E+09 1 1.47E+09 7409.078 .000
VARIEDAD 1052784.4 2 526392.200 2.646 .082
AZOTO 41234745 4 10308686 51.816 .000
VARIEDAD * AZOTO 2290726.3 8 286340.783 1.439 .207
Error 8952613.0 45 198946.956
Total 1.53E+09 60
Corrected Total 53530869 59
a. R Squared = .833 (Adjusted R Squared = .781)
Estimated Marginal Means

1. Variedade
Estimates

Lower Upper
Variedade Mean Std. Error Bound Bound
IR8 4769.400 99.736 4568.521 4970.279
IR5 5042.000 99.736 4841.121 5242.879
C4-63 5058.100 99.736 4857.221 5258.979
Pairwise Comparisons

a
Mean for Difference
Difference Lower Upper
a
(I) Variedade (J) Variedade (I-J) Std. Error Sig. Bound Bound
IR8 IR5 -272.600 141.049 .060 -556.686 11.486
C4-63 -288.700* 141.049 .047 -572.786 -4.614
IR5 IR8 272.600 141.049 .060 -11.486 556.686
C4-63 -16.100 141.049 .910 -300.186 267.986
C4-63 IR8 288.700* 141.049 .047 4.614 572.786
IR5 16.100 141.049 .910 -267.986 300.186
Based on estimated marginal means
a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no
adjustments).
ESACB 104
SPSS 6 - Anova
Univariate Tests

Sum of Mean
Contrast 1052784.4 2 526392.200 2.646 .082
Error 8952613.0 45 198946.956
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

Lower Upper
Adubao Mean Std. Error Bound Bound
0 kg/ha 3483.333 128.759 3223.999 3742.668
60 kg/ha 4761.000 128.759 4501.666 5020.334
90 kg/ha 5071.833 128.759 4812.499 5331.168
120 kg/ha 5669.667 128.759 5410.332 5929.001
150 kg/ha 5796.667 128.759 5537.332 6056.001
ESACB 105
SPSS 6 - Anova
Pairwise Comparisons

a
Mean for Difference
a
(I) Adubao (J) Adubao (I-J) Std. Error Sig. Bound Bound
0 kg/ha 60 kg/ha -1277.667* 182.093 .000 -1644.421 -910.913
90 kg/ha -1588.500* 182.093 .000 -1955.254 -1221.746
120 kg/ha -2186.333* 182.093 .000 -2553.087 -1819.579
150 kg/ha -2313.333* 182.093 .000 -2680.087 -1946.579
60 kg/ha 0 kg/ha 1277.667* 182.093 .000 910.913 1644.421
90 kg/ha -310.833 182.093 .095 -677.587 55.921
120 kg/ha -908.667* 182.093 .000 -1275.421 -541.913
150 kg/ha -1035.667* 182.093 .000 -1402.421 -668.913
90 kg/ha 0 kg/ha 1588.500* 182.093 .000 1221.746 1955.254
60 kg/ha 310.833 182.093 .095 -55.921 677.587
120 kg/ha -597.833* 182.093 .002 -964.587 -231.079
150 kg/ha -724.833* 182.093 .000 -1091.587 -358.079
120 kg/ha 0 kg/ha 2186.333* 182.093 .000 1819.579 2553.087
60 kg/ha 908.667* 182.093 .000 541.913 1275.421
90 kg/ha 597.833* 182.093 .002 231.079 964.587
150 kg/ha -127.000 182.093 .489 -493.754 239.754
150 kg/ha 0 kg/ha 2313.333* 182.093 .000 1946.579 2680.087
60 kg/ha 1035.667* 182.093 .000 668.913 1402.421
90 kg/ha 724.833* 182.093 .000 358.079 1091.587
120 kg/ha 127.000 182.093 .489 -239.754 493.754
Based on estimated marginal means
a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no
adjustments).
Univariate Tests

Sum of Mean
Contrast 41234745 4 10308686 51.816 .000
Error 8952613.0 45 198946.956
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

Lower Upper
Variedade Adubao Mean Std. Error Bound Bound
IR8 0 kg/ha 3124.000 223.017 2674.820 3573.180
60 kg/ha 4723.500 223.017 4274.320 5172.680
90 kg/ha 4459.500 223.017 4010.320 4908.680
120 kg/ha 5717.000 223.017 5267.820 6166.180
150 kg/ha 5823.000 223.017 5373.820 6272.180
IR5 0 kg/ha 3548.000 223.017 3098.820 3997.180
60 kg/ha 4806.000 223.017 4356.820 5255.180
90 kg/ha 5436.000 223.017 4986.820 5885.180
120 kg/ha 5739.500 223.017 5290.320 6188.680
150 kg/ha 5680.500 223.017 5231.320 6129.680
C4-63 0 kg/ha 3778.000 223.017 3328.820 4227.180
60 kg/ha 4753.500 223.017 4304.320 5202.680
90 kg/ha 5320.000 223.017 4870.820 5769.180
120 kg/ha 5552.500 223.017 5103.320 6001.680
150 kg/ha 5886.500 223.017 5437.320 6335.680
Post Hoc Tests

Variedade

Tukey HSD

(I) Variedade (J) Variedade (I-J) Std. Error Sig. Bound Bound
IR8 IR5 -272.6000 141.0486 .141 -614.4488 69.2488
C4-63 -288.7000 141.0486 .113 -630.5488 53.1488
IR5 IR8 272.6000 141.0486 .141 -69.2488 614.4488
C4-63 -16.1000 141.0486 .993 -357.9488 325.7488
C4-63 IR8 288.7000 141.0486 .113 -53.1488 630.5488
IR5 16.1000 141.0486 .993 -325.7488 357.9488
Based on observed means.
ESACB 107
SPSS 6 - Anova
Homogeneous Subsets
Produo
a,b
Tukey HSD
Subset
Variedade N 1
IR8 20 4769.4000
IR5 20 5042.0000
C4-63 20 5058.1000
Sig. .113
Based on Type III Sum of Squares
The error term is Mean Square(Error) = 198946.956.
b. Alpha = .05.
Adubao

Tukey HSD

(I) Adubao (J) Adubao (I-J) Std. Error Sig. Bound Bound
0 kg/ha 60 kg/ha -1277.6667* 182.0929 .000 -1795.0797 -760.2536
90 kg/ha -1588.5000* 182.0929 .000 -2105.9131 -1071.0869
120 kg/ha -2186.3333* 182.0929 .000 -2703.7464 -1668.9203
150 kg/ha -2313.3333* 182.0929 .000 -2830.7464 -1795.9203
60 kg/ha 0 kg/ha 1277.6667* 182.0929 .000 760.2536 1795.0797
90 kg/ha -310.8333 182.0929 .440 -828.2464 206.5797
120 kg/ha -908.6667* 182.0929 .000 -1426.0797 -391.2536
150 kg/ha -1035.6667* 182.0929 .000 -1553.0797 -518.2536
90 kg/ha 0 kg/ha 1588.5000* 182.0929 .000 1071.0869 2105.9131
60 kg/ha 310.8333 182.0929 .440 -206.5797 828.2464
120 kg/ha -597.8333* 182.0929 .016 -1115.2464 -80.4203
150 kg/ha -724.8333* 182.0929 .002 -1242.2464 -207.4203
120 kg/ha 0 kg/ha 2186.3333* 182.0929 .000 1668.9203 2703.7464
60 kg/ha 908.6667* 182.0929 .000 391.2536 1426.0797
90 kg/ha 597.8333* 182.0929 .016 80.4203 1115.2464
150 kg/ha -127.0000 182.0929 .956 -644.4131 390.4131
150 kg/ha 0 kg/ha 2313.3333* 182.0929 .000 1795.9203 2830.7464
60 kg/ha 1035.6667* 182.0929 .000 518.2536 1553.0797
90 kg/ha 724.8333* 182.0929 .002 207.4203 1242.2464
120 kg/ha 127.0000 182.0929 .956 -390.4131 644.4131
Based on observed means.
ESACB 108
SPSS 6 - Anova
Homogeneous Subsets
Produo
a,b
Tukey HSD
Subset
Adubao N 1 2 3
0 kg/ha 12 3483.3333
60 kg/ha 12 4761.0000
90 kg/ha 12 5071.8333
120 kg/ha 12 5669.6667
150 kg/ha 12 5796.6667
Sig. 1.000 .440 .956
Based on Type III Sum of Squares
The error term is Mean Square(Error) = 198946.956.
b. Alpha = .05.
Profile Plots
Estimated Marginal Means of Produo

5100
5000
4900
4800
4700
IR8 IR5 C4-63
Variedade
ESACB 109
SPSS 6 - Anova

6000
5000
4000
3000
0 kg/ha 60 kg/ha 90 kg/ha 120 kg/ha 150 kg/ha
Adubao

7000
6000
5000
4000
Variedade
IR8
3000
IR5
2000 C4-63
0 kg/ha 60 kg/ha 90 kg/ha 120 kg/ha 150 kg/ha
Adubao
ESACB 110
SPSS 7 - Regresso Linear
7- REGRESSO LINEAR
7.1 - INTRODUO
Muitos estudos estatsticos tm como objectivo estabelecer uma relao, traduzida por
uma equao, que permite estimar o valor de uma varivel, em funo de outra ou
outras variveis.
O caso mais simples traduzir esta relao pela equao de uma recta, quando o
acrscimo de uma varivel, designada por dependente e usualmente representada por y,
varia linearmente com os acrscimos provocados noutra varivel, designada por
independente, representada por x.
A equao que traduz esta relao y = a + bx ou y = b0 + b1 x , em que os parmetros

ou coeficientes so a ordenada na origem, a (ou bo), e o declive, b (ou b1).
Como regra, previamente ao clculo da regresso linear, deve fazer-se uma anlise
grfica aos dados (grfico de disperso ou scatterplot), a fim de ter uma percepo
visual da existncia ou no de uma tendncia de dependncia entre as variveis, e como
mtodo de detectar possveis observaes outliers ou influentes, que distoram os
resultados.
A representao grfica dos dados, num grfico de pontos (scatterplot) ajuda a

identificar algumas situaes em que a equao de regresso linear simples no tem um
ajustamento perfeito. De seguida, ilustram-se algumas destas situaes.
Na situao 1, a observao assinalada um outlier bi-variado, muito embora no o seja

em relao a cada uma das variveis, j que no observao extrema. Contudo, o par
(x,y) est deslocado do contexto geral das restantes observaes. Em relao s
restantes observaes, o grfico evidencia uma tendncia segundo uma recta crescente.
O utilizador dever verificar os dados e corrigir eventuais registos errneos, ou
simplesmente desprezar esta observao e efectuar a regresso com os dados restantes.
Note-se que a incluso desta observao ir provocar uma acentuada variao no
declive da recta.
ESACB 111
Situao 1
50
0
10
Na situao 2 existe uma observao igualmente muito influente em termos do declive

da recta ajustada. Neste caso, a observao assinalada tem tendncia a ser outlier, quer
bi-variado, quer em relao a cada uma das variveis. Alm disso, eliminando esta
observao, resta uma nuvem de pontos, em que no ntida qualquer tendncia de
relao entre as variveis.
Situao 2
60
0
10
Na situao 3, a varincia da varivel y no uniforme, ao longo dos valores em x, isto

, tomando fatias verticais ao longo do eixo dos xx, a disperso dos valores y vai
aumentando para valores mais elevados de y. Muito embora a normalidade dos dados
no seja um pressuposto obrigatrio para a estimativa da regresso linear, contudo
necessrio que os resduos (yobs yest) tenham distribuio normal e varincia constante.
Nesta situao, estes pressupostos so violados, invalidando as inferncias que se faam
a partir da equao estimada.
ESACB 112
Situao 3
50
0
10
A situao 4 ilustra uma forte relao entre x e y, mas no de tipo linear, pelo que o
ajustamento de uma recta para traduzir esta funo de dependncia errada e sem
significado.
Situao 4
12
0
0 16
Na situao 5 recolheram-se observaes apenas nas zonas extremas do intervalo de

variao de x, no existindo dados para valores intermdios da varivel x. A funo de
regresso linear nesta situao fortemente influenciada pelos valores extremos, mas
no traduz a relao que existe para todo o intervalo de x. Na recolha de dados, deve
haver a preocupao de que a amostragem cubra todo o intervalo de variao de x, de
modo a evidenciar o comportamento da relao no interior desse intervalo.
Situao 5
20
0
0 10
ESACB 113
O objectivo da regresso linear estabelecer a funo y = a + bx desta recta, que de um

modo muito aproximado permite estimar o valor de y para dado valor de x. O clculo
dos coeficientes de regresso faz-se pelo mtodo dos mnimos quadrados, que minimiza
a soma dos quadrados dos resduos, isto , minimiza a funo ( y obs y ) , em que
2
y representa o valor estimado pela equao para dado valor x.
No grfico seguinte representam-se os valores de 24 pares de valores do tipo (x,y), em

que no eixo dos xx est representada a varivel % de slidos insolveis em gua e nos
yy se representa a % total de slidos, duas caractersticas importantes em molho de
tomate (adaptado de DERECK PIKE, 19??; os dados so apresentados em anexo):
60
50
40
% slidos no molho
30
20
10 11 12 13 14 15 16 17 18
% insolveis em gua
evidente a tendncia do decrscimo da % de slidos no molho com o aumento da %

de insolveis em gua, segundo uma relao aproximadamente linear. Pretende-se
estabelecer esta relao entre as duas variveis, com os objectivos de (i) descrever a
relao entre as caractersticas para este tipo de molho, e (ii) poder estimar ou prever a
% de slidos do molho (caracterstica bastante difcil de quantificar) mediante a % de
insolveis em gua que o molho contm (caracterstica relativamente fcil de
determinar).
A equao de regresso linear uma estatstica, e como tal, tem inerente a componente
de erro estatstico. A fim de interpretar a equao estimada, so apresentados uma srie
de coeficientes e estatsticas suplementares, que de um modo geral permitem analisar o
maior ou menor grau de rigor com que a equao de regresso traduz a relao entre as
variveis em estudo.
Um dos coeficientes associados equao o coeficiente de correlao linear,

representado por r, que representa, na escala ]-1, 1[, a correlao ou associao entre as
ESACB 114
duas variveis; o quadrado deste coeficiente constitui o coeficiente de correlao total,

ou coeficiente de determinao, representado por R2, que traduz, a % de variabilidade
da varivel dependente (y) que explicada pela varivel independente (x).
apresentado o coeficiente de determinao ajustado, que um estimador no

enviezado de R2 (que tende a ser um estimador sobre-avaliado) definido a partir de R2
pela expresso:
p (1 R 2 )
Ra2 = R 2
N p 1
em que p o nmero de variveis independentes; no caso da equao de regresso

linear simples y = a + bx , p=1.
So apresentados os intervalos de confiana para os coeficientes a e b, bem como os

erros-padro e as estatsticas dos seguintes testes de hipteses:
teste referente ao coeficiente a: H0 : a = 0 H1 : a 0

teste referente ao coeficiente b: H0 : b = 0 H1 : b 0
O output do procedimento do clculo da equao de regresso apresenta a tabela da

anova, que constitui um teste de hipteses existncia ou no de uma relao de
dependncia:
H 0 : y no depende de x H 1 : y depende de x

H0 : b = 0 H1 : b 0
A estatstica F tem um valor alto quando a varivel independente ajuda a explicar a

variabilidade da varivel dependente.
Alm disso, a tabela da anlise de varincia fornece a mdia da soma dos quadrados
dos resduos, cuja raz quadrada o erro padro da estimativa. A equao de regresso
to mais ajustada aos dados, quanto menor for o erro padro da estimativa,
comparativamente com o desvio padro da varivel dependente.
7.2 - REGRESSO LINEAR SIMPLES
Para proceder ao clculo da equao de regresso linear, executar o seguinte

procedimento7:
Statistics
Regression
7
No exemplo usam-se os dados das caractersticas do molho de tomate, em que as variveis so
insoluve (% de insolveis em gua) e solidos (% total de slidos no molho).
ESACB 115
No menu anterior, seleccionar a opo . Aparece a seguinte caixa de dilogo,

onde se define a varivel dependente (solidos) e a varivel independente (insoluve) para
os respectivos campos:
Seleccionar o boto , que abre a seguinte caixa de dilogo, onde se

seleccionam as opes Confidence intervals e Descriptives; as opes Estimates e
Model fit esto activadas por defeito:
ESACB 116
Fazer a fim de regressar janela Linear Regression, onde se selecciona

:
Nesta caixa de dilogo, deve seleccionar e para obter

o histograma e o grfico do ajustamento normal dos resduos, a fim de verificar se os
resduos seguem distribuio normal (pressuposto para a validade da regresso linear)
para verificar a linearidade e a igualdade de varincia dos resduos, efectuar o grfico
dos resduos, com os valores estimados standardizados (ZPRED) no eixo dos xx, e os
resduos standardizados (ZRESID) no eixo dos yy. No final, fazer a fim de
regressar janela Linear Regression.
O boto d acesso seguinte caixa de dilogo, onde se podem definir critrios

de selecco ou remoo de variveis independentes (s tm efeito em regresso
mltipla):
ESACB 117
Os resultados do procedimento so os seguintes:
Regression
Std.
Mean Deviation N
% slidos no molho 39.7292 5.1826 24
% insolveis em gua 13.7775 1.8995 24
Correlations
%
% slidos insolveis
no molho em gua
Pearson Correlation % slidos no molho 1.000 -.970
% insolveis em gua -.970 1.000
Sig. (1-tailed) % slidos no molho . .000
% insolveis em gua .000 .
N % slidos no molho 24 24
% insolveis em gua 24 24
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 % insolveis em guaa . Enter
a. All requested variables entered.
b. Dependent Variable: % slidos no molho
ESACB 118
Model Summaryb
Std. Error
Adjusted R of the
Model R R Square Square Estimate
1 .970a .941 .938 1.2880
a. Predictors: (Constant), % insolveis em gua
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 581.272 1 581.272 350.378 .000a
Residual 36.498 22 1.659
Total 617.770 23
a. Predictors: (Constant), % insolveis em gua
Coefficientsa
Standardi
zed
Unstandardized Coefficien 95% Confidence Interval
Coefficients ts for B
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound
1 (Constant) 76.193 1.966 38.761 .000 72.117 80.270
% insolveis em gua -2.647 .141 -.970 -18.718 .000 -2.940 -2.353
a. Dependent Variable: % slidos no molho
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 27.9714 47.8478 39.7292 5.0272 24
Residual -1.5871 3.1522 -3.70E-15 1.2597 24
Std. Predicted Value -2.339 1.615 .000 1.000 24
Std. Residual -1.232 2.447 .000 .978 24
a. Dependent Variable: % slidos no molho
ESACB 119
Charts
Histogram
Dependent Variable: % slidos no molho
7
2
Frequency
Std. Dev = .98

1
Mean = 0.00
0 N = 24.00
-1.00 -.50 0.00 .50 1.00 1.50 2.00 2.50
Regression Standardized Residual
Normal P-P Plot of Regression Standardized Residual

1.00
.75
Expected Cum Prob
.50
.25
0.00
0.00 .25 .50 .75 1.00
Observed Cum Prob
ESACB 120
Scatterplot
3
-1
-2
-3 -2 -1 0 1 2
Regression Standardized Predicted Value
A equao da recta estimada y = 76.193 2.647 x , em que x a % de insolveis em

gua e y a % de slidos no molho.
A anlise e interpretao pormenorizadas dos resultados deixam-se a cargo do leitor.

Chama-se apenas a ateno para o facto de os resduos estarem ligeiramente
desajustados da distribuio normal, como est evidenciado no histograma (nota-se um
acentuado enviezamento esquerda, bem como a falta de resduos numa das classes
centrais) e no grfico de ajustamento normal (um perfeito ajustamento traduzido
pela diagonal do grfico; neste caso, os resduos situam-se sistematicamente acima ou
abaixo desta linha, em diferentes zonas do grfico). No grfico dos resduos
standardizados versus valores previstos standardizados nota-se uma tendncia para que
os resduos se distribuam segundo uma curva ligeiramente cncava.
Estas anlise dos resduos sugerem que o modelo linear ajustado (equao de uma recta)
no o melhor modelo para traduzir a relao entre estas variveis; a distribuio dos
resduos indica que o ajustamento de um modelo linear polinomial de 2 ordem, com
uma equao do tipo y = a + bx + cx 2 aumentar a preciso da estimativa (que
traduzida pelo coeficiente de determinao R2=0.941).
O ajustamento a uma equao de segundo grau ser abordado no pargrafo seguinte.
7.3 - REGRESSO LINEAR MLTIPLA
Neste pargrafo ser abordada a metodologia de clculo da equao de regresso linear

mltipla, do tipo y = b0 + b1 x1 + b2 x 2 + b3 x3 + ... + bn x x , em que a varivel resposta ou
dependente funo de vrias variveis independentes.
ESACB 121
Os coeficientes de regresso b1, b2, ..., bn traduzem o declive ou acrscimo na varivel

dependente provocado pelo acrscimo unitrio de cada uma das variveis
independentes, x1, x2, ..., xn, respectivamente.
A metodologia que se vai abordar serve igualmente para estimar uma equao de
regresso linear polinomial, do tipo y = b0 + b1 x + b2 x 2 + b3 x 3 + ... + bn x n , em que y
depende, no de diversas variveis independentes x1, x2, ..., xn, mas de um polinmio da
mesma varivel independente x. Neste caso, previamente a efectuar o procedimento da
regresso linear, devem gerar-se as variveis correspondentes s potncias x2, x3, ..., xn a
incluir no modelo. No pargrafo seguinte ser abordada uma metodologia diferente que
permite o ajustamento de equaes de curvas polinomiais a uma amostra de dados (x,y).
Quando se ajusta um modelo de regresso mltipla, pode acontecer que se justifique

estatisticamente incluir na equao de regresso todas as variveis independentes, ou
que se incluam apenas algumas destas variveis explanatrias. Esta deciso tomada
em funo da significncia do parmetro de regresso de cada uma das variveis, ou
pelo acrscimo do coeficiente de determinao, R2, provocado pela incluso dessas
variveis.
De um modo geral, existem duas estratgias a seguir:
(i) comear por incluir todas as variveis, e analisar a contribuio ou

significncia dos coeficientes de regresso de cada uma das variveis
independentes no modelo; eliminar a varivel independente menos
significativa, desde que a sua contribuio seja inferior a determinado limite
(normalmente analisado em termos da estatstica F associada a essa varivel
na tabela da anova); recalcular de novo o modelo sem esta varivel e, se for
caso disso, eliminar nova varivel, e assim sucessivamente, at que todas as
restantes variveis independentes sejam significativas para a preciso do
modelo. Este tipo de estratgia designa-se por processo backward ou
stepback.
(ii) comear por calcular um modelo de regresso simples, y = b0 + b1 x ,

incluindo, se for caso disso, apenas a varivel independente cujo coeficiente
de regresso mais significativo em termos de preciso; analisar a
significncia da prxima varivel independente mais significativa, e inclu-
la, se for caso disso; recalcular de novo o modelo; analisar a significncia da
prxima varivel independente mais significativa, e inclu-la, se for caso
disso, e assim sucessivamente at que mais nenhuma das variveis
independentes seja significativa. Este tipo de metodologia designa-se por
processo stepwise ou forward.
Pode acontecer que os modelos obtidos por estes dois tipos de metodologias, para a
mesma amostra de valores, no sejam inteiramente coincidentes, nomeadamente quando
alguma ou algumas das variveis independentes esto muito prximas do limite que
define a significncia da sua incluso ou no incluso no modelo.
Chama-se a ateno que, por vezes, a incluso de muitas variveis explanatrias no

modelo pouco acrscimo trazem em termos de preciso do modelo, e este fica muito
ESACB 122
pouco funcional e muito fictcio ou artificial, isto , muito bem ajustado amostra
particular de valores usados para o clculo da equao, mas pouco adaptvel
populao.
Para ilustrar o ajustamento de uma equao de regresso linear mltipla, vamos usar o
seguinte conjunto de dados (adaptado de DRAPPER & SMITH, 1981), em que as
variveis independentes so a temperatura mdia mensal (graus Fahrenheit), a produo
mensal (toneladas), o nmero de dias teis de trabalho por ms e o nmero de
empregados, e a varivel dependente o consumo de gua (m3), observados numa
determinada empresa fabril:
Temperatura Produo Dias teis do Nmero de Consumo de

(F) mensal ms operrios gua (m3)
58.80 7107.00 20.00 129.00 2967.00
65.20 8373.00 20.00 141.00 2828.00
70.90 9796.00 20.00 153.00 2891.00
77.40 9208.00 20.00 166.00 2994.00
79.30 14792.00 22.00 193.00 3282.00
81.00 14564.00 23.00 189.00 3498.00
71.90 11964.00 21.00 175.00 3302.00
63.90 13526.00 22.00 186.00 3260.00
54.50 12656.00 21.00 190.00 3211.00
39.50 14119.00 21.00 187.00 3286.00
44.50 15691.00 22.00 195.00 3432.00
43.60 14571.00 23.00 206.00 3425.00
56.00 13619.00 22.00 198.00 3256.00
64.70 14575.00 22.00 192.00 3422.00
73.00 14556.00 21.00 191.00 3250.00
78.90 16573.00 22.00 200.00 3464.00
79.40 15618.00 22.00 200.00 3495.00
68.40 14346.00 23.00 185.00 3568.00
Pretende-se ajustar uma equao do tipo y = b0 + b1 x1 + b2 x 2 + b3 x3 + b4 x 4 que permita

estimar o consumo mensal de gua nesta empresa, em funo das variveis
independentes observadas.
Para estimar uma equao de regresso mltipla executar o seguinte procedimento:
Statistics
Regression
ESACB 123
No menu anterior, seleccionar a opo . Aparece a seguinte caixa de dilogo,

onde se definem a varivel dependente e as todas as variveis independentes:
No campo das variveis independentes esto includas todas as variveis explanatrias.

O mtodo de clculo seleccionado Enter, que obriga incluso de todas as variveis
independentes no modelo, sejam ou no significativas. Os outros mtodos de clculo
so Stepwise e Forward (mtodos de incluso progressiva de variveis independentes),
Backward (mtodo de eliminao progressiva de variveis independentes) e Remove
(mtodo que calcula o modelo sem incluso de qualquer varivel independente, isto , o
modelo resume-se a y = y ):
A fim de comparar diversos modelos de regresso, vamos comear por incluir todas as
variveis independentes, optando pelo mtodo Enter; seguidamente, deve repetir-se a
metodologia, e optar por outros mtodos de clculo, nomeadamente Stepwise e
Backward.
Seleccionar o boto , e tal como descrito para a regresso

linear simples.
ESACB 124
Regression
Std.
Mean Deviation N
Consumo mensal de
3268.3889 218.9502 18
gua (m3)
Temperatura mdia
65.0500 13.1334 18
mensal (F)
Produo mensal (Ton) 13091.89 2716.3310 18
Dias teis no ms 21.5000 1.0432 18
Nmero de operrios 182.0000 21.3514 18
Correlations
Consumo Temperatura Produo

mensal de mdia mensal Dias teis Nmero de
gua (m3) mensal (F) (Ton) no ms operrios
Pearson Correlation Consumo mensal de
1.000 .013 .894 .901 .831
gua (m3)
Temperatura mdia
.013 1.000 -.005 -.022 -.080
mensal (F)
Produo mensal (Ton) .894 -.005 1.000 .811 .939
Dias teis no ms .901 -.022 .811 1.000 .784
Nmero de operrios .831 -.080 .939 .784 1.000
Sig. (1-tailed) Consumo mensal de
. .480 .000 .000 .000
gua (m3)
Temperatura mdia
.480 . .493 .466 .377
mensal (F)
Produo mensal (Ton) .000 .493 . .000 .000
Dias teis no ms .000 .466 .000 . .000
Nmero de operrios .000 .377 .000 .000 .
N Consumo mensal de
18 18 18 18 18
gua (m3)
Temperatura mdia
18 18 18 18 18
mensal (F)
Produo mensal (Ton) 18 18 18 18 18
Dias teis no ms 18 18 18 18 18
Nmero de operrios 18 18 18 18 18
Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 Nmero de operrios,
Temperatura mdia mensal (F),
. Enter
Dias teis no ams, Produo
mensal (Ton)
a. All requested variables entered.
b. Dependent Variable: Consumo mensal de gua (m3)
Model Summaryb
Std. Error Change Statistics

Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change
1 .945a .893 .860 81.8974 .893 27.127 4 13 .000
a.
Predictors: (Constant), Nmero de operrios, Temperatura mdia mensal (F), Dias teis no ms, Produo mensal (Ton)
ESACB 125
ANOVAb
Sum of Mean
1 Regression 727772.930 4 181943.232 27.127 .000a
Residual 87193.348 13 6707.181
Total 814966.278 17
a. Predictors: (Constant), Nmero de operrios, Temperatura mdia mensal (F),
Dias teis no ms, Produo mensal (Ton)
Coefficientsa
Standardi
zed
Coefficients ts for B Correlations
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound Zero-order Partial Part
1 (Constant) 531.302 619.067 .858 .406 -806.111 1868.714
Temperatura mdia
.232 1.550 .014 .150 .883 -3.117 3.581 .013 .041 .014
mensal (F)
Produo mensal (Ton) 5.027E-02 .023 .624 2.166 .049 .000 .100 .894 .515 .197
Dias teis no ms 110.460 32.724 .526 3.376 .005 39.765 181.156 .901 .683 .306
Nmero de operrios -1.709 2.801 -.167 -.610 .552 -7.759 4.342 .831 -.167 -.055
a. Dependent Variable: Consumo mensal de gua (m3)
Std.
Predicted Value 2890.9719 3499.8154 3268.3889 206.9062 18
Residual -111.5868 131.9858 1.011E-13 71.6172 18
Std. Residual -1.363 1.612 .000 .874 18
Charts
Histogram
Dependent Variable: Consumo mensal de gua
5
2
Frequency
1 Std. Dev = .87

Mean = 0.00
0 N = 18.00
-1.50 -1.00 -.50 0.00 .50 1.00 1.50
ESACB 126
Dependent Variable: Consumo mensal de gua (m3)

1.00
.75
.50
Expected Cum Prob
.25
0.00
0.00 .25 .50 .75 1.00
Observed Cum Prob
Scatterplot
2.0
1.5
1.0
.5
0.0
-.5
-1.0
-1.5
-2.0 -1.5 -1.0 -.5 0.0 .5 1.0 1.5
A equao do modelo ajustado :
consumo=531.302+0.232temperat+0.05027producao+110.46dias-1.709operario
sendo R2=0.893 e Rajustado

2
= 0.86 .
Repita-se o processo, optando pelo mtodo de clculo Stepwise. Neste caso, chegar-se-
ao modelo:
ESACB 127
consumo=443.965+0.03842producao+107.976dias
e R2=0.889 e Rajustado
2
= 0.874 .
Repare-se que se simplificou o modelo, sem contudo prejudicar a preciso deste como
instrumento de estimativa da varivel dependente.
De seguida apresentam-se os resultados completos obtidos com o mtodo stepwise, de

modo a possibilitar a comparao com o modelo que inclui todas as variveis
independentes:
Regression
Std.
Mean Deviation N
Consumo mensal de
3268.3889 218.9502 18
gua (m3)
Temperatura mdia
65.0500 13.1334 18
mensal (F)
Produo mensal (Ton) 13091.89 2716.3310 18
Dias teis no ms 21.5000 1.0432 18
Nmero de operrios 182.0000 21.3514 18
Correlations
Consumo Temperatura Produo

mensal de mdia mensal Dias teis Nmero de
gua (m3) mensal (F) (Ton) no ms operrios
Pearson Correlation Consumo mensal de
1.000 .013 .894 .901 .831
gua (m3)
Temperatura mdia
.013 1.000 -.005 -.022 -.080
mensal (F)
Produo mensal (Ton) .894 -.005 1.000 .811 .939
Dias teis no ms .901 -.022 .811 1.000 .784
Nmero de operrios .831 -.080 .939 .784 1.000
Sig. (1-tailed) Consumo mensal de
. .480 .000 .000 .000
gua (m3)
Temperatura mdia
.480 . .493 .466 .377
mensal (F)
Produo mensal (Ton) .000 .493 . .000 .000
Dias teis no ms .000 .466 .000 . .000
Nmero de operrios .000 .377 .000 .000 .
N Consumo mensal de
18 18 18 18 18
gua (m3)
Temperatura mdia
18 18 18 18 18
mensal (F)
Produo mensal (Ton) 18 18 18 18 18
Dias teis no ms 18 18 18 18 18
Nmero de operrios 18 18 18 18 18
ESACB 128
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Stepwise (Criteria:
Probability-of-F-to-e
Dias teis no
. nter <= .050,
ms
Probability-of-F-to-re
move >= .100).
2 Stepwise (Criteria:
Probability-of-F-to-e
Produo
. nter <= .050,
mensal (Ton)
Probability-of-F-to-re
move >= .100).
Model Summaryc
Std. Error Change Statistics

Adjusted R of the R Square Sig. F
Model R R Square Square Estimate Change F Change df1 df2 Change
1 .901a .811 .800 98.0273 .811 68.810 1 16 .000
2 .943b .889 .874 77.5677 .078 10.554 1 15 .005
a. Predictors: (Constant), Dias teis no ms
b. Predictors: (Constant), Dias teis no ms, Produo mensal (Ton)
c. Dependent Variable: Consumo mensal de gua (m3)
ANOVAc
Sum of Mean
1 Regression 661216.554 1 661216.554 68.810 .000a
Residual 153749.724 16 9609.358
Total 814966.278 17
2 Regression 724715.124 2 362357.562 60.225 .000b
Residual 90251.154 15 6016.744
Total 814966.278 17
a. Predictors: (Constant), Dias teis no ms
b. Predictors: (Constant), Dias teis no ms, Produo mensal (Ton)
Coefficientsa
Standardi
zed
Coefficients ts for B Correlations
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound Zero-order Partial Part
1 (Constant) -796.273 490.549 -1.623 .124 -1836.190 243.643
Dias teis no ms 189.054 22.791 .901 8.295 .000 140.740 237.369 .901 .901 .901
2 (Constant) 443.965 544.446 .815 .428 -716.494 1604.425
Dias teis no ms 107.976 30.791 .514 3.507 .003 42.346 173.606 .901 .671 .301
Produo mensal (Ton) 3.842E-02 .012 .477 3.249 .005 .013 .064 .894 .643 .279
ESACB 129
Excluded Variablesc
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 Temperatura mdia a
.032 .290 .776 .075 1.000
mensal (F)
Produo mensal (Ton) .477a 3.249 .005 .643 .343
Nmero de operrios .323a 2.017 .062 .462 .385
2 Temperatura mdia b
.026 .296 .772 .079 .999
mensal (F)
Nmero de operrios -.176b -.683 .506 -.179 .116
a. Predictors in the Model: (Constant), Dias teis no ms
b. Predictors in the Model: (Constant), Dias teis no ms, Produo mensal (Ton)
Std.
Predicted Value 2876.5112 3487.1743 3268.3889 206.4711 18
Residual -105.6879 130.9278 2.274E-13 72.8621 18
Std. Residual -1.363 1.688 .000 .939 18
Charts
Histogram
5
2
Frequency
1 Std. Dev = .94

Mean = 0.00
0 N = 18.00
-1.50 -1.00 -.50 0.00 .50 1.00 1.50
ESACB 130

1.00
.75
.50
Expected Cum Prob
.25
0.00
0.00 .25 .50 .75 1.00
Observed Cum Prob
Scatterplot
2.0
1.5
1.0
.5
0.0
-.5
-1.0
-1.5
-2.0 -1.5 -1.0 -.5 0.0 .5 1.0 1.5
7.4 - AJUSTAMENTO DE MODELOS PR-DEFINIDOS
O SPSS dispe de uma rotina que permite o ajustamento de vrios modelos pr-
definidos a uma amostra de valores bi-variados (x,y). Tais modelos so:
ESACB 131
Linear: y = b0 + b1 .x
Quadrtico: y = b0 + b1 .x + b2 .x 2
Cbico: y = b0 + b1 .x + b2 .x 2 + b3 .x 3
Logartmico: y = b0 + b1 . ln x
b1
Inverso: y = b0 +
x
Potncia: y = b0 .x b1 ln y = ln b0 + b1 . ln x
Composto (compound): y = b0 .b 1
x
ln y = ln b0 + x. ln b1
b
b0 + 1 b1
Sigmoidal (S): y=e x
ln y = b0 +
x
1 1
ln = ln(b0 + x. ln b1 )
1
Logstico: y=
1 y u
+ b0 .b1x
u
(em que u o limite assimpttico superior, u>0, u>ymax)
Crescimento (growth): y = e b0 +b1 . x ln y = b0 + b1 .x
Exponencial: y = b0 .e b1 . x ln y = ln b0 + b1 .x
Muitos destes modelos so frequentemente usados em modelos economtricos, em que

a varivel independente ou causal o decurso do tempo. Se for este o caso, no menu
apropriado o utilizador pode definir que x o tempo (ver caixa de dilogo seguinte).
Para exemplificar esta metodologia, vamos usar os dados referentes s caractersticas do

molho de tomate (em anexo). Como anteriormente se viu, o grfico denota uma ligeira
curvatura na zona superior dos valores xx, que faz suspeitar que um modelo polinomial
talvez seja melhor ajustado que o modelo linear simples.
Para tal, fazer:
Statistics
Regression
Neste menu, seleccionar a opo Curve Estimation... que d acesso seguinte caixa de
dilogo, onde se definem as variveis dependente (solidos) e independente (insoluve) e
se seleccionam os modelos que se pretendem obter, e se define para apresentar a tabela
da anova para cada um dos modelos calculados:
ESACB 132
Por defeito, os modelos ajustados incluem a constante (coeficiente b0)

, e apresentado o grfico com os modelos calculados
.
O utilizador pode seleccionar um ou mais modelos, com o objectivo de, pela anlise dos
resultados, nomeadamente R2 e anova, seleccionar o modelo melhor ajustado. No
exemplo, foi solicitado para calcular os modelos linear, quadrtico e cbico. Os
resultados so os seguintes:
MODEL: MOD_1.
Dependent variable.. SOLIDOS Method.. LINEAR
Listwise Deletion of Missing Data

Multiple R .97001
R Square .94092
Adjusted R Square .93823
Standard Error 1.28802
Analysis of Variance:
DF Sum of Squares Mean Square
Regression 1 581.27190 581.27190

Residuals 22 36.49768 1.65899
F = 350.37794 Signif F = .0000
-------------------- Variables in the Equation ------------

--------
ESACB 133
Variable B SE B Beta
T Sig T
INSOLUVE -2.646653 .141393 -.970010 -

18.718 .0000
(Constant) 76.193433 1.965707
38.761 .0000
Dependent variable.. SOLIDOS Method.. QUADRATI

Multiple R .98637
R Square .97293
Standard Error .89243
Regression 2 601.04440 300.52220

Residuals 21 16.72518 .79644
F = 377.33322 Signif F = .0000

--------
T Sig T
INSOLUVE -8.288178 1.136478 -3.037655 -

7.293 .0000
INSOLUVE**2 .200730 .040286 2.075370
4.983 .0001
(Constant) 115.123024 7.930949
14.516 .0000
Dependent variable.. SOLIDOS Method.. CUBIC

Multiple R .98637
R Square .97293
Standard Error .89243
Regression 2 601.04440 300.52220

Residuals 21 16.72518 .79644
ESACB 134
F = 377.33322 Signif F = .0000

--------
T Sig T
INSOLUVE -8.288178 1.136478 -3.037655 -

7.293 .0000
INSOLUVE**2 .200730 .040286 2.075370
4.983 .0001
(Constant) 115.123024 7.930949
14.516 .0000
--------------- Variables not in the Equation -------------

--
Variable Beta In Partial Min Toler T Sig

T
INSOLUVE**3 -4.796852 -.214795 1.368E-05 -.984

.3371
Notes:
9 Tolerance limits reached; some dependent variables were
not entered.
% slidos no molho
60
50
40
30
Obs erved
Linear
20 Quadratic
10 12 14 16 18 20
% insolveis em gua
ESACB 135
Note-se que ao passar do modelo linear y = 76.1934 2.6467x, R2=0.9409 para o

modelo quadrtico y = 115.1230 8.2882x + 0.2007x2, R2=0.9729, h um acrscimo
significativo do ajustamento (Tb2=4.983, significativo; F=377.33 significativo);
contudo, ao passar para o modelo cbico, a estatstica Tb3=-0.984 no significativa, e
nem sequer calculado este modelo, sendo apresentados os resultados do modelo
quadrtico, o que significa que o melhor modelo (dos pedidos) o modelo quadrtico.
ESACB 136
SPSS 8 - Manusear os Resultados
8- MANUSEAR OS RESULTADOS
medida que se vo executando tarefas com o SPSS, os resultados vo-se acumulando

sucessivamente no Viewer do programa.
A janela do organigrama apresenta a sequncia de resultados, que comeam na

identificao ; cada rotina ou tarefa aparece identificada com uma marca
identificativa dos resultados, e respectivo contedo; por exemplo, os resultados
correspondentes obteno das estatsticas descritivas identificado no organigrama
pelo esquema .
Cada conjunto de resultados comea pela identificao da rotina ou tarefa

( ) e com o respectivo contedo; esta rotina apresenta um ttulo
visvel (repare que o livro est aberto), e que corresponde linha
Descriptives na janela direita, um conjunto de notas que no esto visveis
no output (o livro est fechado), e as estatsticas descritivas visveis na janela de
output (o livro est aberto). Esta organizao mantm-se para
os resultados das tarefas seguintes.
ESACB 136
Note que cada rotina tem um conjunto de notas, mas que no esto visualizadas; para as
ver na janela de output, o utilizador s tem que fazer duplo click sobre , de
modo a abrir o livro, e aparecerem as notas na janela direita.
Repare que as notas incluem a data e hora de obteno dos resultados, a localizao do
ficheiro de dados usado, o nmero de linhas ou casos do ficheiro de dados, indicaes
sobre a existncia e tratamento de missing values, e as instrues que originaram os
resultados (o utilizador gerou estas instrues, ou programa, seleccionando cons e
janelas nos menus do programa; contudo, e para utilizaes mais avanadas, o SPSS
tem um editor de programas, em que o utilizador constri as rotinas de anlise, como se
de uma linguagem de programao de tratasse). A ltima linha das notas indica o tempo
de processamento que a CPU do computador levou a executar esta rotina (neste caso,
0.99 segundos).
Para fechar o livro de notas, isto , para que as notas no sejam visualizadas no
output, fazer duplo click sobre .
Para condensar a parte de organigrama correspondente a uma rotina de anlise, fazer

click sobre o boto - esquerda da sua identificao; por exemplo, para condensar o
organigrama das estatsticas descritivas, fazer click sobre
O organigrama fica com o seguinte aspecto:
ESACB 137
Esta condensao do organigrama tem a vantagem de permitir maior rapidez na

localizao de determinados conjuntos de resultados, pois o utilizador pode condensar
as partes no relevantes do organigrama, ficando apenas aberta a parte relevante do
organigrama.
Para expandir, fazer duplo click sobre o boto + correspondente
Para visualizar resultados subsequentes, o utilizador pode usar a barra de scroll vertical
da janela de resultados, ou simplesmente fazer clik no item respectivo do organigrama.
Para ter acesso imediato ao diagrama de extremos-e-quartis referente a todos is valores,
fazer click sobre o item
Alm da visualizao, o utilizador pode copiar este grfico (ou qualquer outro conjunto
de resultados) para outra aplicao em Windows (por exemplo, processador de texto).
ESACB 138
Para tal, localizar o bloco de resultados pretendido (tal como descrito); Fazer Edit Copy
(ou CTRL-C), para capturar uma imagem do bloco seleccionado para o clipboard
(rea de transferncia) do Windows; colocar-se na aplicao pretendida (poor exemplo,
num documento do Word) e fazer a colagem da imagem (Edit Past, ou CTRL-V).
Se se efectuou uma anlise e se chegou concluso que est repetida, ou que pura e
simplesmente no interessa, pode eliminar-se do Viewer. No exemplo seguinte, repetiu-
se a rotina Descriptives, de modo que os resultados esto em duplicado.
Podem acrescentar-se caixas de texto com comentrios aos resultados, por exemplo
algumas anlises que se considerem pertinentes.
Para incluir o comentrio O histograma evidencia uma tendncia assimtrica aps o

histograma, seleccionar o item Histogram:
e fazer Insert New Text ou fazer click no boto . Na janela de resultados aberta
uma caixa de texto, onde se esccrevem os comentrios pretendidos:
ESACB 139
Para eliminar um dos conjunto de resultados da rotina Descriptives, fazer click sobre o
item respectivo no organigrama:
e de seguida fazer Edit Cut, ou CTRL-X, ou simplesmente carregar na tecla DEL.
Podem guardar-se os resultados em ficheiro, de modo que posteriormente o utilizador

possa recuper-los sem ter de os recalcular. Para gravar os resultados contidos no
Viewer do SPSS, estando colocado nesta janela, fazer:
File
Save
Aparece a seguinte caixa de dilogo, onde se selecciona o disco/directrio onde se

pretende gravar; na caixa escreve-se
o nome a dar ao ficheiro (sem extenso); o programa automaticamente acrescenta a
extenso .spo tpica dos ficheiros Viewer do SPSS.
ESACB 140
Posteriormente, se se pretender apenas consultar os resultados, basta abrir este ficheiro

no SPSS. Caso se pretenda continuar a executar anlises e acrescent-las a este ficheiro,
ento deve abrir-se tambm o ficheiro de dados para a partir da proceder s anlises.
Para imprimir os resultados do Viewer, faz-se File Print; na caixa de dilogo seguinte,
confirmar a impressora, e fazer OK:
Se interessar imprimir no todo o conjunto de resultados, mas apenas alguns dos blocos,
devem seleccionar-se previamente. Para tal, se os blocos so contguos, manter a tecla
SHIFT carregada e fazer click sobre os items a seleccionar; se os blocos no so
adjacentes, manter a tecla CTRL carregada e fazer click sobre os items a seleccionar:
ESACB 141
Neste exemplo, apenas o bloco Descriptives e o bloco Producao esto seleccionados; se

se mandar imprimir, s sero impressos estes resultados.
Repare que agora, no aparece activada a opo , a indicar

que imprimir apenas os blocos seleccionados.
ESACB 142
SPSS Anexos
ANEXOS
Listagem dos ficheiros SPSS referenciados no texto
ESACB 143
plasma.sav
hora estrogen fosfo

1 Manh Controle 8,53
4 Manh Controle 14
6 Manh Presente 17,53
11 Tarde Controle 39,14
16 Tarde Presente 32
17 Tarde Presente 23,8
pulso.sav
caso sexo fuma idade ritmoa ritmod

1 Homem Fuma 31 62 126
2 Mulher Fuma 20 78 154
3 Homem No Fuma 28 64 128
4 Mulher No Fuma 29 96 155
5 Homem Fuma 21 66 128
10 Homem Fuma 28 90 144
15 Homem Fuma 23 92 134
20 Homem Fuma 20 66 132
21 Homem Fuma 38 70 122
29 Homem Fuma 22 68 126
30 Homem Fuma 19 70 144
36 Homem Fuma 34 62 132
38 Homem Fuma 21 90 138
arroz.sav
caso variedad azoto repete producao

1 IR8 0 kg/ha 1 3852
2 IR8 0 kg/ha 2 2606
3 IR8 0 kg/ha 3 3144
4 IR8 0 kg/ha 4 2894
5 IR8 60 kg/ha 1 4788
6 IR8 60 kg/ha 2 4936
7 IR8 60 kg/ha 3 4562
8 IR8 60 kg/ha 4 4608
9 IR8 90 kg/ha 1 4576
10 IR8 90 kg/ha 2 4454
11 IR8 90 kg/ha 3 4884
12 IR8 90 kg/ha 4 3924
13 IR8 120 kg/ha 1 6034
14 IR8 120 kg/ha 2 5276
15 IR8 120 kg/ha 3 5906
16 IR8 120 kg/ha 4 5652
17 IR8 150 kg/ha 1 5874
18 IR8 150 kg/ha 2 5916
19 IR8 150 kg/ha 3 5984
20 IR8 150 kg/ha 4 5518
21 IR5 0 kg/ha 1 2846
22 IR5 0 kg/ha 2 3794
23 IR5 0 kg/ha 3 4108
24 IR5 0 kg/ha 4 3444
25 IR5 60 kg/ha 1 4956
26 IR5 60 kg/ha 2 5128
27 IR5 60 kg/ha 3 4150
28 IR5 60 kg/ha 4 4990
29 IR5 90 kg/ha 1 5928
30 IR5 90 kg/ha 2 5698
31 IR5 90 kg/ha 3 5810
32 IR5 90 kg/ha 4 4308
33 IR5 120 kg/ha 1 5664
34 IR5 120 kg/ha 2 5362
35 IR5 120 kg/ha 3 6458
36 IR5 120 kg/ha 4 5474
37 IR5 150 kg/ha 1 5458
38 IR5 150 kg/ha 2 5546
39 IR5 150 kg/ha 3 5786
40 IR5 150 kg/ha 4 5932
41 C4-63 0 kg/ha 1 4192
42 C4-63 0 kg/ha 2 3754
43 C4-63 0 kg/ha 3 3738
44 C4-63 0 kg/ha 4 3428
45 C4-63 60 kg/ha 1 5250
46 C4-63 60 kg/ha 2 4582
47 C4-63 60 kg/ha 3 4896
arroz.sav
48 C4-63 60 kg/ha 4 4286

49 C4-63 90 kg/ha 1 5822
50 C4-63 90 kg/ha 2 4848
51 C4-63 90 kg/ha 3 5678
52 C4-63 90 kg/ha 4 4932
53 C4-63 120 kg/ha 1 5888
54 C4-63 120 kg/ha 2 5524
55 C4-63 120 kg/ha 3 6042
56 C4-63 120 kg/ha 4 4756
57 C4-63 150 kg/ha 1 5864
58 C4-63 150 kg/ha 2 6264
59 C4-63 150 kg/ha 3 6056
60 C4-63 150 kg/ha 4 5362
catsup.sav
caso insoluve solidos

1 10,71 51
2 11,76 45,2
3 11,36 44,8
4 11,27 47,4
5 15,3 35,5
6 12,07 44,5
7 15,98 35,3
8 13,34 39,3
9 13,34 40,8
10 14,29 38,4
11 13,66 39,3
12 14,79 36
13 14,5 37,9
14 14,8 36,2
15 14,88 35,3
16 10,86 48,5
17 13,34 40
18 13,01 43
19 12,87 41,5
20 14,4 36,7
21 15,12 35,3
22 17,06 32,5
23 18,22 30,2
24 13,73 38,9

Spss Manual PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Spss Manual PDF

Enviado por

Direitos autorais:

Formatos disponíveis

ESCOLA SUPERIOR AGRRIA

INSTITUTO POLITCNICO DE CASTELO BRANCO

SPSS - MANUAL DE UTILIZAO

ARMANDO MATEUS FERREIRA

3- ANLISE DE DADOS ......................................................................... 29

ANEXOS ..................................................................................................................... 143

O pakage estatstico SPSS para Windows um poderoso sistema de anlises estatsticas e

De um modo muito sucinto, o sistema SPSS dispe de:

Viewer: Janela de Resultados: Todos os resultados estatsticos, tabelas, grficos, so

da tarefa: o que se designa por Log1, e que composto pelas seguintes

Grficos: O SPSS permite realizar todos os tipos de grficos usuais em estatstica, a

O aspecto inicial do editor o seguinte:

Muitas das caractersticas do data editor do SPSS so similares s de qualquer folha de

As colunas correspondem s variveis. Inicialmente, todas as colunas, ou variveis, tem o

As linhas correspondem aos casos, ou indivduos.

Cada clula contm um valor ou observao de um indivduo, em relao a uma

O ficheiro de dados rigorosamente rectangular, sendo o seu tamanho definido pelo

fronteiras actuais da folha de clculo; contudo, o SPSS automaticamente acrescenta linhas

2.1 - CRIAR UM FICHEIRO DE DADOS

2.1.1 - DEFINIO DE VARIVEIS

nome da varivel tem no mximo, 8 caracteres;

No exemplo, vamos definir as seguintes variveis:

variedad Varivel numrica inteira, cujos valores so 1, 2, 3, com as seguintes

A fim de definir cada uma das variveis, fazer o seguinte procedimento:

onde se selecciona a opo Define Variable...

Na sequncia de qualquer dos procedimentos anteriores aparece a seguinte caixa de dilogo

No campo Variable Name escrever o nome da varivel; no caso, variedad

No campo Decimal Places alterar o valor para 0 (casas decimais); e fazer .

A caixa serve para entrar uma breve descrio

Para aceitar estas alteraes, e terminar a definio da varivel variedad, na caixa de

Terminada a definio de variveis, o Data Editor ter o seguinte aspecto:

2.1.2 - INTRODUO DOS VALORES

Definidas as variveis, introduzem-se os dados; o utilizador deve optar pela estratgia de

O ficheiro ficar com o seguinte aspecto:

2.1.3 - GRAVAR O FICHEIRO DE DADOS

Na caixa escreve-se o nome a dar ao ficheiro, por exemplo arroz; automaticamente

abrir a caixa e seleccionar o disco/directrio

2.1.4 - ABRIR UM FICHEIRO DE DADOS EXISTENTE

Se o ficheiro pretendido aparece na listagem, faz-se click sobre o nome do ficheiro, ou

Para tal, abre-se a o caixa , e selecciona-se a o

O utilizador dever responder Sim ou No, consoante queira guardar ou no as alteraes

2.1.5 - ACESCENTAR NOVOS CASOS A UM FICHEIRO DE DADOS

No menu anterior deve seleccionar . Automaticamente aberta uma

2.1.6 - ACRESCENTAR NOVAS VARIVEIS

De seguida, definir esta varivel, tal como descrito atrs.

2.1.7 - DEFINIR UMA VARIVEL EM FUNO DE OUTRAS

Por exemplo, determinadas metodologias estatsticas (anlise de varincia, regresso, etc)

Aparece a seguinte caixa de dilogo:

Na caixa Target Variable escreve-se o nome da varivel a criar, ln_prod; transfere-se o

Para calcular, basta fazer .

O ficheiro fica com o seguinte aspecto:

2.1.8 - ELIMINAR LINHAS E VARIVEIS

2.2 - IMPORTAO DE FICHEIROS EXTERNOS

O programa SPSS dispe de uma rotina de importao de ficheiros criados noutras

2.2.1 - IMPORTAO DE FICHEIROS LOTUS E EXCEL 4.0

Na caixa Procurar em deve especificar-se o directrio onde se encontra o ficheiro:

No campo Nome do ficheiro, especificar o nome do ficheiro a importar e fazer OK:

Aparece de seguida a seguinte caixa de dilogo, onde se especifica se as primeiras clulas

2.2.2 - IMPORTAO DE FICHEIROS DE DBASE

Ao fazer a importao processa-se automaticamente.

2.2.3 - IMPORTAO DE FICHEIROS EXCEL

Pretende-se importar a seguinte folha de clculo, criada em Excel 97:

Para tal, executar o seguinte procedimento: