ANÁLISE MULTIVARIADA APLICADA AS CIÊNCIAS AGRÁRIAS

PÓS-GRADUAÇÃO EM AGRONOMIA CIÊNCIA DO SOLO: CPGA-CS

MANOVA
Análise de variância multivariada
Carlos Alberto Alves Varella
 Introdução

• A análise de variância multivariada é

utilizada para comparar vetores de médias;
• Os dados normalmente são provenientes de
delineamentos estatísticos;
• Um ponto relevante da análise multivariada é
o aproveitamento da informação conjunta
das variáveis envolvidas (REGAZZI, 2000).
 Introdução

• As pressuposições para realização da

MANOVA são as seguintes:
1. Modelo aditivo para efeitos de tratamentos,
blocos (se houver) e erro;
2. Independência dos erros;
3. Igualdade da matriz de covariância 
para todas as amostras;
4. Distribuição multinormal dos erros, com
variância .
 Modelo Estatístico: blocos

Yijr   r  tir  b jr  eijr

i  1,2, , k ; j  1,2, , b; r  1,2, , p
r = indexador de variáveis;
Yijr = valor observado da r-ésima variável sob o
efeito do i-ésimo tratamento no j-ésimo bloco;
µr = média geral da r-ésima variável;
tir=efeito do i-ésimo tratamento na r-ésima variável;
bjr= efeito do j-ésimo bloco na r-ésima variável;
eirj= efeito aleatório associado à observação Yijr .
 Modelo na Forma Matricial

Y  X  
Y= matriz de valores resposta para os efeitos
de tratamentos bk x p;
X= matriz de valores das p variáveis
independentes bk x (1+k+b);
В= matriz de parâmetros de dimensões
(1+k+b) x p;
ε= matriz de erros de dimensões bk x p.
 Sistema de Equações Normais


X ' X  X ' Y
• A solução de mínimos quadrados do
sistema de equações normais é dada pela
matriz:

 1 2 
   ,  ,  ,    X ' X 1 X ' Y
p

• O sistema admite mais de uma solução,

isto é, a matriz (X’X) não possui inversa
verdadeira.
 Solução do Sistema de Equações
Normais
• Impondo-se as restrições de que os
somatórios dos efeitos de tratamentos e
blocos sejam igual a zero, o sistema
apresenta solução única que denotaremos
por:

ˆ   X ' X  AA'1 X ' Y  ˆ1 , ˆ2 ,  , ˆ p 
• ̂ =melhor estimador linear ou BLUE de В ;
•  X ' X  AA' =inversa condicional de X’X.
1
 Decomposição da Soma de
Quadrados e Produtos de Totais
• Da mesma forma que no modelo
univariado temos que: blocos ao acaso

A H BE
• A= SQP de Totais;
• H= SQP de Tratamentos;
• B= SQP de Blocos;
• E= SQP do Resíduo.
• Todas são matrizes de dimensões p x p
 Soma de Quadrados e Produtos de
Totais
• A matriz de soma de quadrados e
produtos de totais que denotaremos por A
é:

A  Y 'Y
 Soma de Quadrados e Produtos do
Resíduo
• Do método dos mínimos quadrados temos
que SQPResíduo é:

ˆ ˆ ˆ
 '   Y ' Y  ' X ' Y
Y ' Y  Soma de quadrados e produtos de totais;
ˆ ' X ' Y  Soma de quadrados e produtos de parâmetros;
ne= n-Posto[X] graus de liberdade
 Graus de Liberdade do Resíduo

• Graus de liberdade do resíduo

denotaremos por ne:

ne  n  PostoX 

ne  kb  k  b  1  kb  k  b  1  k  1b  1

ne  k  1b  1
 Teste para a Hipótese Nula H0

• A hipótese H0 à ser testada, considerando

k tratamentos e p variáveis, é a de que os
vetores de médias de tratamentos são
iguais, isto é:
~ ~ ~
H 0 : 1   2     k
• O mesmo que testar se os vetores de
efeito de tratamentos são nulos:
~ ~ ~
H 0 : t1  t2    tk  0
Testes de Hipótese H0 da MANOVA

• O teste de Wilks é o mais utilizado para

testar a hipótese H0 da MANOVA;
• Outros testes também são utilizados, tais
como Pillai, Hotelling-Lawley e o teste de
Roy, os quais podem apresentar
resultados diferentes para a mesma
análise.
 O Teste de Wilks
• O teste de Wilks é representado pela letra
grega (lambda maiúsculo), assim definido:

det E  E
 
det H  E  H  E
• Na presença de diferenças sistemáticas
entre tratamentos, espera-se sempre obter
LAMBDA menor que um, e tanto mais
significativo quanto menor for seu valor.
 Regra de Decisão para Wilks

• Rejeita-se a hipótese nula ao nível de

significância  se:

 cal   tab
• Caso contrário não se rejeita H0 e diz-se que o
teste foi significativo ao nível de siginificância .
 O Teste T de Hotelling
2

• Esse tes