Comparação de grupos

Teste t e ANOVA

Análises a partir do Software SPSS

Prof. Everson Meireles

- Multimétodos -
 Inferência sobre relações entre variáveis

 Para além de descrever e conhecer a distribuição das variáveis do estudo,

muitas vezes queremos entender quais as relações existem entre as variáveis
da pesquisa, como já visto em aulas anteriores (análises de correlação)
 Outro fator importante é verificar se existem diferenças significativas entre
os grupos em função das variáveis de interesse (VDs) da pesquisa;
 Essas informações são basilares para a normatização dos Testes e para a interpretação
adequada dos resultados de uma pesquisa científica, podendo responder algumas perguntas
da pesquisa;
 Podemos investigar se há diferenças entre grupos considerando tanto variáveis
categóricas quanto contínuas;
 Para cada tipo (e quantidade) de variável, existe uma estatística adequada;
 É essa história que veremos na presente exposição
 Comparações de grupos
Teste t de Student
 Algumas análises estatísticas permitem verificar se existem diferenças
significativas entre grupos que participaram do estudo em função de uma variável
contínua/métrica. Vamos estudar o Teste t e a ANOVA.

 Nesses Testes, é possível calcular o tamanho do efeito (d de Cohen) que fornece a magnitude ou
diferença entre duas médias, expressa em desvios padrões. Para fazer esse cálculo é necessário
transformar os escores brutos (médias dos fatores) em escores Z (escore padrão) antes de realizar o Teste
t. O caminho é o seguinte... Analyse – Descriptives Statistics - Descriptives

Selecione as variáveis métricas

(fatores) e marque a opção Save
standardized values as variables,
clicando em OK em seguida. No
final do banco de dados serão criados
os escores Z para cada variável.
 Análises de Variância
 Usaremos o Teste t quando quisermos avaliar se existem diferenças em
termos de duas condições (grupos) – ex.: existe diferença nos escores dos
valores de consumo entre homens e mulheres?

 Usaremos a ANOVA quando quisermos avaliar se existem diferenças em

termos de três ou mais condições (grupos) – ex.: existe diferença nos escores
de valores de consumo entre participantes com diferentes vínculos com a
UFRB: docente, técnico, estudante, terceirizado?
 O Teste t via SPSS
 Para rodar a análise, utilize o mesmo banco que trabalhamos na aula
anterior (Banco de dados para Correlação Canônica).
Analyse – Compare means – Independent-Samples T-Test...
Os caminhos são os seguintes:
Selecione as variáveis métricas
(fatores) padronizados (em escore
Z), em seguida, escolha o grupo de
comparação (sexo) e defina esses
grupos (use 1 e 2). Em seguida,
clique em continue...
O output do Teste t
Estatísticas
descritivas para os
fatores em função
dos grupos
(masculino e
feminino_
 O output do Teste t
 O que você deve observar neste output:

O Teste Levene testa a suposição da igualdade de variância entre os grupos. Verifique a

significância deste Teste.
Se p for maior que 0,05 (ou seja, não significativo), os grupos apresentam
variâncias iguais (equal variances assumed) – use os resultados desta linha.
Se p for menor que 0,05 (ou seja, significativo), os grupos não apresentam
variâncias iguais (equal variances not assumed) – use os resultados desta linha.

Observe o valor da estatística t (o sinal não terá impacto para a interpretação), apenas
o valor – quanto maior, mais provável que a diferença não seja devido a erro
amostral. Observe os graus de liberdade (no Teste t, df (gl) é o número de
participantes -1) e também a significância estatística da análise – só aceitar
resultados com p < 0,05 ou 0,01. Observe ainda o intervalo de confiança, será
muito útil na interpretação...
 O output do Teste t

 Verificamos que a diferença de média é significativa apenas para o Fator

Influência (t = 3,258; df = 327.528; p<0,001). Para identificar que grupo apresenta
médias significativamente maiores, volta a analisar as estatísticas descritivas.
Você verá que o grupo masculino apresenta médias significativamente
superiores quando comparado ao grupo feminino
 O output do Teste t

 Para calcular o tamanho do efeito (d de Cohen) da análise feita, use a

seguinte fórmula: d = média do grupo 1 – média do grupo 2 / média dos
desvios padrões. (Nota: ignore os sinais)
 No exemplo, o tamanho do efeito para o fator influência será o seguinte:
Calcule a diferença de média entre os grupos: 0,1425817 – 0,1998117 =
0,05723
Calcule agora a média dos desvios padrões entre os grupos: 1,08233070 + 0,83683324 / 2
= 1,50074732
 Calcule agora o d:
 d = diferença de média entre os grupos / média dos desvios
0,05723 / 1,50074732 = 0,0381...
Um d = 0,0381 significa que a magnitude da diferença de média gira em torno de 3,81%.
 Calculadora online para calculo do tamanho do efeito

 Para calcular o tamanho do efeito (d de Cohen) vocês podem utilizar uma

calculadora online:

https://www.socscistatistics.com/effectsize/default3.aspx
 Relato do Teste t
 Após a análise, o relato deve conter os seguintes elementos:

 “Na análise para verificar a existência de diferenças significativas nas médias dos valores de
consumo em função da variável sexo, o Teste de homogeneidade de variância de Levene (F =
6,438; p< 0,01) indicou que os grupos não possuem variâncias iguais no fator influência. O Teste
t indicou que o grupo masculino apresentou médias significativamente maiores que o grupo
feminino no fator Influência (t = 3,258; df = 327,528; P<0,001). O tamanho do efeito (d de
Cohen) dessa diferença foi igual a 0,0381, o que significa que cerca de 3,81% das diferenças da
importância atribuída ao fator influência pode ser entendida como sendo em função do sexo dos
participantes” (Pimenta & Meireles, 2011).
 ANOVA via SPSS
 A ANOVA avalia se existem diferenças significativas nas médias atribuídas
pelos participantes a variáveis dependentes (e.g. valores de consumo) em
função de um fator/critério (e.g. vínculo com a UFRB). Testes Post Hoc
identificam onde estão esssas diferenças, caso existam...
Os caminhos são os seguintes: Analyse – Compare means – One Way
ANOVA...

Selecione as variáveis métricas

(fatores) padronizados (em escore
Z), em seguida, escolha o fator de
comparação (vínculo com a UFRB).
Em seguida, clique em Post Hoc...
ANOVA via SPSS – Teste Post Hoc
Selecione as opções assinaladas
(assumindo variâncias iguais e não
assumindo variâncias iguais entre os
grupos e clique em continue...
Depois clique em Options e
selecione as opções assinaladas na
figura abaixo... Em seguida, rode a
análise...
Output da ANOVA
Estatísticas
descritivas para os
fatores em função
dos vínculos com a
UFRB.
 Output da ANOVA
Entre grupos Nos resultados da
Intragrupo ANOVA, avalie a
significância
estatística em cada
fator. Só aceitamos
que a diferença de
média é
significativa quando
p<0,05 ou P<0,01.
Output da ANOVA
Agora que já verificou que apenas os
fatores Universalismo e Impulsividade
apresentam significância, antes de
avaliar os resultados dos Testes Post
Hoc, avalie o Teste de homogeneidade
das variâncias.

Se p for maior que 0,05 (ou seja, não

significativo), os grupos apresentam
variâncias iguais, então utilize os
resultados do Teste Tukey e Dunnett
Se p for menor que 0,05 (ou seja,
significativo), os grupos não
apresentam variâncias iguais (equal
variances not assumed), então utilize
os resultados do Teste Dunnett’s T3
Output da ANOVA – avaliando os Testes Post Hoc

Vamos
usar o
Teste de
Tukey
HSD
porque o p
do Teste
levene foi
> 0,005,
indicando
haver
homogenei
dade de
variância
entre os
grupos
 Relato da ANOVA
 Após a análise, o relato deve conter os seguintes elementos:

“A Figura acima apresenta as relações entre o tipo de vínculo que o participante possui com a UFRB e os
valores de consumo. Análises ANOVA indicaram que o Fator 2. Universalismo diferencia os grupos em função
do vínculo F (3;332) = 1,091; p<0,003. Testes Post Hoc de comparações múltiplas de Tukey revelaram que o
grupo docente atribui importância significativamente maior ao Universalismo quando comparado ao grupo de
estudantes (Pimenta & Meireles, 2011).