01/11/2022 10:17 Tutorial ANOVA

Tutorial ANOVA
Amanda C. Reiter, Ana M. Barreto, Clara R. Pires, Daniel Gonçalves-Souza, Danilo
S.S. Lima & Rafaela Lampa
24/10/2019
O que é ANOVA e para que serve?
Os testes de hipóteses estão classificados em duas categorias: paramétricos e não paramétricos. Testes
paramétricos são aqueles que utilizam os parâmetros da distribuição dos dados, ou uma estimativa destes,
para o cálculo de sua estatística. Exemplo: Média, desvio-padrão e proporção. Já os testes não paramétricos
não requerem tais pressupostos.

A Análise de Variância, ou ANOVA, é um teste paramétrico. Ela testa a hipótese de que a média de duas ou
mais populações são iguais. A ANOVA é uma ferramenta que auxilia o pesquisador a avaliar a importância de
um ou mais fatores, comparando as médias das variáveis resposta nos diferentes grupos.

Há duas formas de se utilizar a ANOVA:

Com 1 critério de classificação (1 variável categórica) (ex: diferentes locais influenciando na produção
de cortisol por macacos) -> One way;

Com 2 critérios de classificação (2 variáveis categóricas) (ex: tanto diferentes locais como os gêneros
dos macacos influenciando na produção de cortisol) -> Two way.

O princípio utilizado pela ANOVA para determinar a diferença entre médias é baseada na análise de dois
elementos da amostra: (i) a variação entre as médias dos grupos analisados; (ii) a variação em relação às
amostras dentro do mesmo grupo.

Temos que:

SQ(total) = SQ(entre) + SQ(dentro)

Onde:

SQ(total) ou soma total de quadrados: é uma medida da variação total(em torno de x) em todos os dados
amostrais combinados;

SQ(entre): é uma medida da variação entre as médias amostrais combinados.

Matematicamente calculamos o SQ(entre) da seguinte maneira:

Onde:

https://rpubs.com/dangs12/tutorial_anova 1/11
01/11/2022 10:17 Tutorial ANOVA

SQ(dentro) ou SQ(intra): é a soma de quadrados que representa a variabilidade comum a todas a

populações em consideração.

Matematicamente calculamos o SQ(intra) da seguinte maneira:

Onde:

Após calculados as somas dos quadrados, calcularemos os graus de liberdade (GL) da nossa amostra da
seguinte maneira:

GL(intra):

GL(entre):

Encontrados os nossos valores das somas dos quadrados, e os nossos graus de liberdade intra e entre
grupos, podemos calcular os nossos quadrados médios (QM). Para isso, calculamos da seguinte maneira:

QM(intra) = SQ(intra)/GL(intra)
QM(entre) = SQ(entre)/GL(entre)
Após isso, podemos calcular o nosso valor de F, que diz respeito ao valor de poder que nos prediz quanto da
fração é explicado pelo tratamento.

F é calculado da seguinte maneira:

Onde:

QM(entre): Variação entre as amostras

QM(intra): Variação dentro das amostras

É importante salientar que, para aplicarmos a ANOVA, os dados devem respeitar as seguintes premissas:

Amostras independentes;
Homogeneidade das variâncias entre os grupos (homocedásticos);
Resíduos com distribuição normal.

Lembrando, para o teste de hipótese usamos:

Hipótese Alternativa: existe diferença de média em, pelo menos, um grupo.

https://rpubs.com/dangs12/tutorial_anova 2/11
01/11/2022 10:17 Tutorial ANOVA

Hipótese Nula: não existem diferenças entre as médias dos grupos, ou seja:

μ A = μB = μC = μD
Caso o resultado seja estatisticamente significativo, aplica-se testes a posteriori para comparações múltiplas
entre médias. Esses testes, chamados de post hoc, permitem identificar quais as populações são diferentes
entre si, mantendo controlado o nível de significância do teste.

Delineamento amostral
Um pesquisador piauiense desenvolve junto ao Nuevo um estudo com bem-estar de macacos-prego (Sapajus
libidinosus). Uma das suas perguntas de pesquisa é se há diferença nos níveis de estresse do macacos-
prego nas diferentes áreas de seu trabalho, visto que o estresse afeta diretamente o bem-estar animal. Após
consultar a literatura, ele decidiu utilizar os níveis de cortisol presente nas fezes dos macacos como variável
preditora de estresse. Para isso, ele coletou as fezes de diferentes animais dos diferentes locais para verificar
a quantidade de cortisol presente.

Configurando os dados para a ANOVA

Antes de importar os dados para o R, tenha certeza de que sua tabela está com a formatação correta. Aqui
colocamos algumas dicas que vão te ajudar a deixar a sua planilha mais funcional:

Coloque cabeçalho na tabela, use a primeira linha para isso;

Caso o nome do cabeçalho seja duplo, separe-os por “.” ou “;”.
Evite nomes de cabeçalho separados por um espaço em branco;
Evite o uso de acentos;
Se algumas observações não foram coletadas (valores ausentes), não deixe a célula vazia, coloque
“NA”;
Certifique-se de que TODAS as células da planilha estão preenchidas;
Certifique-se de que a configuração do seu computador esteja com separador decimal como “.”;
Evite nome de colunas que comecem com números;
Colunas contendo datas devem ser escritas usando o formato de 4 dígitos, ex: 23/10/2019;
Evite usar outros símbolos além de "**_**" ou “.” para nomes de linhas e colunas.

Assim, uma planilha que continha alguns tipos de erros, como os destacados em vermelho da imagem a
seguir:

https://rpubs.com/dangs12/tutorial_anova 3/11
01/11/2022 10:17 Tutorial ANOVA

Após corrigirmos os erros, a mesma deve ficar assim:

Após certificar-se que a planilha encontra-se apropriada, salve-a em formato .csv ou em formato .txt, para
começarmos a trabalhar com os dados.

Usando seus dados no R

Após as duas etapas iniciais, importe seus dados para o R:

https://rpubs.com/dangs12/tutorial_anova 4/11
01/11/2022 10:17 Tutorial ANOVA

#Definindo diretório de trabalho

setwd("/home/daniel/Dados")

# Lendo a planilha

# Se estiver no formato .csv, use

macacos <- read.csv("dados_macacos.csv")

# Se estiver no formato .txt, use

macacos2 <- read.delim("dados_macacos.txt")

# OBS: lembre-se de especificar o argumento sep = ";"

# Caso a configuração do seu computador esteja com separador decimal como ",", chame a tabela
da seguinte maneira no R:

macacos3 <- read.csv2("dados_macacos.csv", dec = ",")

# Visualize sua planilha de dados

View(macacos)

Aplicando a ANOVA
A função do R que executa a ANOVA é a aov. Nessa função temos como argumentos nossa a variável
resposta(cortisol), variável preditora (local) e nossa planilha de dados:

model <- aov(Cortisol ~ Local, data = macacos)

model

## Call:
## aov(formula = Cortisol ~ Local, data = macacos)
##
## Terms:
## Local Residuals
## Sum of Squares 6248447 324986
## Deg. of Freedom 3 116
##
## Residual standard error: 52.93016
## Estimated effects may be unbalanced

Essa função nos retorna alguns elementos:

Em Call temos a fórmula que o R usou para executar a ANOVA

Em Terms temos algumas estatísticas importantes, sendo a primeira coluna referente as análises
dentro dos grupos e a segunda coluna referente a análises entre dos grupos
Sum of Squares : soma dos quadrados
Df: graus de liberdade
Residual standard error: Erro padrão dos resíduos. Calculado a partir da raiz quadrada da divisão
entre a soma dos quadrados dos resíduos e seus graus de liberdade.

Com a função summary conseguimos mais informações:

https://rpubs.com/dangs12/tutorial_anova 5/11
01/11/2022 10:17 Tutorial ANOVA

summary(model)

## Df Sum Sq Mean Sq F value Pr(>F)

## Local 3 6248447 2082816 743.4 <2e-16 ***
## Residuals 116 324986 2802
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Temos agora informação de:

Mean sq: quadrados médios.

F value: estatística F.
Pr(>F): valor-p para a estatística F.

A partir da estatística F e seu valor-p abaixo de 0.05 podemos temos embasamento estatístico para afirmar
com grande confiança que as médias de Cortisol dos macacos difere entre os locais analisado.

Testando as premissas da ANOVA

Embora tenhamos encontrado que há um diferença entre as médias, o resultado da ANOVA só é robusto se
as premissas do testes forem satisfeitas.

Homogeneidade das amostras

Uma vez que a ANOVA tem como premissa a homogeneidade dos dados, podemos testar se nossos dados
são adequados nesse quesito com o Teste de Levene para homocedasticia. Para isso precisaremos do
pacote car:

library(car)
leveneTest(Cortisol ~ Local, data = macacos)

## Levene's Test for Homogeneity of Variance (center = median)

## Df F value Pr(>F)
## group 3 0.6416 0.5898
## 116

A hipótese nula do Teste de Levene é de que não há diferença entre as variâncias dos grupos. O valor-p
maior do que 0.05 nos dá uma confiança estatística para afirmar que as variâncias são de fato iguais e
portanto nossos dados são homogêneos.

Normalidade dos resíduos

Já premissa da ANOVA referente a normalidade dos resíduos pode ser testada através do teste de Shapiro-
Wilk:

shapiro.test(resid(model))

##
## Shapiro-Wilk normality test
##
## data: resid(model)
## W = 0.98995, p-value = 0.5294

https://rpubs.com/dangs12/tutorial_anova 6/11
01/11/2022 10:17 Tutorial ANOVA

A hipótese nula do Teste de Shapiro-Wilk é de que não há diferença entre a nossa distribuição dos dados e a
distribuição normal. O valor-p maior do que 0.05 nos dá uma confiança estatística para afirmar que as
distribuição dos nossos resíduos não difere da distribuição normal.

Dessa forma nossos dados satisfazem todas as premissas da ANOVA e portanto, o resultado da nossa
ANOVA são válidos.

Comparação de médias par-a-par

Quando fizemos a ANOVA, rejeitamos a hipótese nula de que todas as médias são iguais, no entanto, não
sabemos exatamente quais grupos têm médias diferentes. Para avaliar isso podemos fazer um Teste de
Tukey:

TukeyHSD(model)

## Tukey multiple comparisons of means

## 95% family-wise confidence level
##
## Fit: aov(formula = Cortisol ~ Local, data = macacos)
##
## $Local
## diff lwr upr p adj
## Pedra Furada-Baixa Grande -154.16410 -189.78811 -118.54009 0.0000000
## Recife-Baixa Grande 457.59546 421.97145 493.21948 0.0000000
## Teresina-Baixa Grande 13.11672 -22.50729 48.74073 0.7724681
## Recife-Pedra Furada 611.75957 576.13556 647.38358 0.0000000
## Teresina-Pedra Furada 167.28083 131.65682 202.90484 0.0000000
## Teresina-Recife -444.47874 -480.10275 -408.85473 0.0000000

A função retorna uma tabela onde as linhas são referentes à comparação par-a-par entre os grupos:

diff: diferença entre as médias dos grupos.

lwr: limite inferior do intervalo de confiança da diferença entre as médias.
upr: limite superior do intervalo de confiança da diferença entre as médias.
p adj: O valor-p do teste. Um valor menor que 0.05 nos dá uma confiança estatística para afirmar que
há uma diferença entre média entre os grupos.

No nosso exemplo temos que todas as médias de cortisol diferem entre todos os locais, exceto entre Teresina
e Baixa Grande.

Gráficos
É importante também exibirmos graficamente a distribuição dos nossos dados, uma vez que esta é uma
ferramenta que facilita o entendimento do comportamento dos dados.

Para produzir os gráficos a seguir utilizamos os pacotes ggplot2 e ggpubr.

Histograma
Os gráficos de histograma nos mostram como os dados estão distribuídos. Com esse tipo de gráfico é
possível estimar onde os valores estão concentrados, quais são os extremos e se existem lacunas ou valores
incomuns. Eles também são úteis ao fornecer uma visão aproximada da distribuição de probabilidade.

https://rpubs.com/dangs12/tutorial_anova 7/11
01/11/2022 10:17 Tutorial ANOVA

library(ggplot2)
ggplot(macacos, aes(x = Cortisol,fill = Local)) +
geom_histogram(color = "black", binwidth = 50)+
facet_grid(Local ~ .) +
labs(y = 'Frequência') +
scale_fill_manual(values=c("#0f8bf7", "#f7830f", "#ff12d0", "#2a8008"))+
theme(panel.grid.major = element_blank(), panel.grid.minor = element_blank(),
panel.background = element_blank(), legend.position = 'top',
axis.line = element_line(colour = "black"))

O eixo x indica o nível de cortisol. O eixo y indica a frequência das observações.

Boxplot
O boxplot, assim como o histograma, mostra a distribuição do dados, porém exibindo-a através de quartis. Os
3 segmentos que formam o “box” equivalem ao 1º quartil, 2º quartil (ou mediana) e 3º quartil. As linhas
verticais mostram os limites mínimos e máximos dos valores da amostra. O boxplot também exibe os outliers
(representados pelos pontos), que são amostras que divergem muito da distribuição do restante das
amostras.

library(ggpubr)
ggboxplot(macacos, x = "Local", y = "Cortisol",
fill = "Local", palette = c("#0f8bf7", "#f7830f", "#ff12d0", "#2a8008"),
order = c("Baixa Grande","Pedra Furada", "Recife", "Teresina"),
ylab = "Níveis de cortisol", xlab = "Locais de estudo")

https://rpubs.com/dangs12/tutorial_anova 8/11
01/11/2022 10:17 Tutorial ANOVA

O eixo x indica os locais. O eixo y indica o nível de cortisol.

Gráfico Violino
O gráfico de violino, ou como também é chamado beanplot, é similar ao boxplot. É usado para visualizar a
distribuição dos dados e a densidade de probabilidade. O gráfico é uma combinação do boxplot e gráfico de
densidade, que é girado na vertical e espelhado, para mostrar a distribuição dos dados.

library(ggpubr)
ggviolin (macacos, x = "Local", y = "Cortisol", fill = "Local",
palette = c("#0f8bf7", "#f7830f", "#ff12d0", "#2a8008"),
order = c("Baixa Grande","Pedra Furada", "Recife", "Teresina"),
add = "boxplot", add.params = list(fill = "white"),
ylab = "Níveis de cortisol", xlab = "Locais de estudo")

https://rpubs.com/dangs12/tutorial_anova 9/11
01/11/2022 10:17 Tutorial ANOVA

O eixo x indica os locais. O eixo y indica o nível de cortisol.

Barplot
O barplot representa as médias dos grupos e seu respectivo intervalo de confiança

#Calculando o intervalo de confiança da média

fatores <- unique(macacos$Local)
data.bp <- data.frame(matrix(nrow = length(fatores), ncol = 4))
for (i in 1:length(fatores)){
media <- mean(macacos$Cortisol[macacos$Local == fatores[i]])
sd <- sd(macacos$Cortisol[macacos$Local == fatores[i]])
n <- length(macacos$Cortisol[macacos$Local == fatores[i]])
se <- sd(macacos$Cortisol[macacos$Local == fatores[i]]) /
sqrt(length(macacos$Cortisol[macacos$Local == fatores[i]]))
alpha = 0.05
t = qt((1 - alpha) / 2 + 0.5, length(macacos$Cortisol[macacos$Local == fatores[i]]) - 1)
ci = t * se
lower <- media - ci
upper <- media + ci
data.bp[i, 2:4] <- data.frame(media, lower, upper)
}

data.bp[, 1] <- fatores

names(data.bp) <- c('Local', 'media', 'lower', 'upper')
head(data.bp)

https://rpubs.com/dangs12/tutorial_anova 10/11
01/11/2022 10:17 Tutorial ANOVA

## Local media lower upper

## 1 Baixa Grande 452.4705 432.9370 472.0040
## 2 Pedra Furada 298.3064 277.9987 318.6141
## 3 Teresina 465.5872 448.2114 482.9630
## 4 Recife 910.0660 888.4637 931.6682

#Plotando o barplot
library(ggplot2)
ggplot(data.bp) +
geom_bar(aes(x = Local, y = media, fill = Local), stat = "identity") +

geom_errorbar( aes(x = Local, ymin = lower, ymax= upper),

width = 0.5, colour = "black") +
scale_fill_manual(values=c("#0f8bf7", "#f7830f", "#ff12d0", "#2a8008")) +
labs(x = 'Local', y = 'Média de Cortisol') +
theme(panel.grid.major = element_blank(), panel.grid.minor = element_blank(),
panel.background = element_blank(), legend.position = 'top',
axis.line = element_line(colour = "black"))

O eixo x indica os locais. O eixo y as médias de cortisol na fezes dos macacos em cada um dos locais. As
linha horizontais acima das barras indicam os valores mínimos e máximos do intervalo de confiança da média
de cortisol.

https://rpubs.com/dangs12/tutorial_anova 11/11