Professional Documents
Culture Documents
Anlise da Covarincia
Pontos principais
Regresso, ANOVA e ANCOVA: O modelo linear geral (MLG/GLM) Anlise da Covarincia: Objectivos
Q Um exemplo
Assunes para a ANCOVA com um factor e uma var. concomitante (ANCOVA unifactorial)
Q Efectuar uma anlise da covarincia com o SPSS: Abordagem clssica Q Verificao das assunes Q Realizar a ANCOVA
Anlise da Covarincia
Anlise da Covarincia
Regresso
Yi = 0 + 1 Xi + I (regresso linear simples)
A anlise da regresso procura explicar os dados (os resultados na var. dependente, VD) a partir de um conjunto de var. independentes (VI) ou preditores (o modelo) e um componente residual (o erro). Habitualmente o investigador que usa a Regresso est interessado em predizer uma VD quantitativa a partir de uma, ou mais, VI quantitativas e em determinar a contribuio relativa de cada VI para a predio: h interesse na proporo de varincia da VD que pode ser atribuda variao nas VIs. A regresso tambm pode utilizar variveis categoriais (isto , nominais ou qualitativas)
Cont.
Anlise da Covarincia
ANOVA
A ANOVA tambm pode ser conceptualizada como modelo + erro. Aqui, os resultados na VD constituem os dados, as condies experimentais constituem o modelo e o componente dos dados no acomodado pelo modelo, modelo, mais uma vez representam o temo de erro. Ao usar a ANOVA o investigador, tipicamente, est interessado em saber se a mdia dos resultados da VD, obtida em cada uma das condies experimentais diferem significativamente. O que se realiza determinando quanto da variao na VD atribuda s diferenas entre os resultados obtidas nas condies experimentais, e comparando esta com o termo de erro, erro, que atribudo variao nos resultados dependentes dentro de cada uma das condies experimentais. H interesse em conhecer a proporo da variao na VD que pode ser atribuda manipulao da(s) VIs. Portanto, a ANOVA um tipo particular de anlise de regresso que recorre a preditores quantitativos para actuarem como variveis categoriais.
Anlise da Covarincia
Anlise da Covarincia
Modelo da COVARINCIA
Valor observado na var. dependente Efeito = Constante + do nvel de tratamento ou grupo + Efeito da covarivel + Resduo
Algebricamente
Y ij = u + i + (X ij X ) + e ij
Anlise da Covarincia
OBJECTIVOS
Aumentar a preciso nas experincias completamente aleatorizadas; Remover o vis que pode resultar quando as unidades testadas no podem ser distribudas aleatoriamente pelas condies experimentais (utilizao de grupos intactos); Remover os efeitos de variveis parasitas nos estudos no experimentais; Para verificar a aderncia de rectas de regresso no contexto de mltiplas classificaes.
Anlise da Covarincia
Um Exemplo
Andy Field apresenta o seguinte exemplo relacionado com a utilizao do VIAGRA. Considera trs grupos experimentais (Placebo, Baixa dose de Viagra (Low), e Alta dose de Viagra (High)). A VD uma medida comportamental da Lbido do sujeito. Neste exemplo, possvel especular que outras variveis, para alm do VIAGRA, podem afectar a lbido do sujeito. Algumas dessas influncias na lbido podem ser, por exemplo, a lbido do parceiro/a do sujeito (Afinal, so precisas duas pessoas para danar o tango (!), como refere Field), ou outra medicao que suprima a lbido (por exemplo, anti-depressivos), ou mesmo a fadiga! Ora, se estas variveis forem medidas, ento possvel controlar a influncia que elas podem ter na varivel dependente, nomeadamente incluindo-as no modelo de regresso, ou, como no caso aqui discutido, no modelo da ANCOVA. O objectivo conhecer qual o efeito que a VI tem depois do efeito da varivel concomitante ser controlado, ou seja, depois de removermos (parcializarmos) o efeito da co-varivel.
Anlise da Covarincia
10
Anlise da Covarincia
11
O Exemplo
Vamos usar a base de dados, construda por Julie Pallant (2002), experim.sav (ver prximo slide) ywww.openup.co.uk/spss/data Estes dados referemreferem-se a um estudo fictcio que envolve a realizao de um teste do impacto de dois tipos diferentes de intervenes para ajudar os estudantes a lidarem com a sua ansiedade a respeito do prximo exame de estatstica.
Anlise da Covarincia
12
Etiqueta da varivel
Tipo de classe
Instrues de codificao
1=Maths skills 2=Confidence Building
Pontuaes totais no Fost administrado antes do programa. Amplitude da escala 2020-60. Pontos elevados indicam maior medo da estatstica. Pontuaes totais no Fost administrado depois do programa. Amplitude da escala 2020-60. Pontos elevados indicam maior medo da estatstica.
Fost2
Anlise da Covarincia
13
H uma diferena significativa nos resultados do teste Fear of Statistics para o grupo de maths skills (grupo 1) e o grupo de confidence building (grupo 2), depois de controlarmos os resultados no prpr-teste nesta varivel?
Anlise da Covarincia
14
Anlise da Covarincia
15
Anlise da Covarincia
16
Anlise da Covarincia
17
Anlise da Covarincia
18
1. Passo Graphs Scatter Simple Define Y axis fear of stats time 2 X axis fear of stats time 1 Set markers by group OK.
2. Passo Viewer Chart Editor Chart Options Display Show subgroups Fit Lines Subgroups Fit Options Regression Options Display R square in legend Continue OK.
Anlise da Covarincia
19
50
40
30
type of class
confidence building Rsq = 0.7655 maths skills
20 20
Rsq = 0.7250 30 40 50 60
Anlise da Covarincia
20
10
Anlise da Covarincia
21
Anlise da Covarincia
22
Este o termo de interaco. Na Ancova desejamos que o nvel de significncia seja maior do que .05
11
Anlise da Covarincia
23
Anlise da Covarincia
Levene's Test of Equality of Error Variances Dependent Variable: fear of stats time2 F ,141 df1 1 df2 28 Sig. ,710
a
24
Testa a assuno da homogeneidade da varincia
Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept+FOST1+GROUP
Tests of Between-Subjects Effects Dependent Variable: fear of stats time2 Type III Sum of Squares Source Corrected Model 577,279b Intercept 3,510 FOST1 576,446 GROUP 5,434 Error 192,221 Total 42957,000 Corrected Total 769,500 a. Computed using alpha = ,05 b. R Squared = ,750 (Adjusted R Squared = ,732) df 2 1 1 1 27 30 29 Mean Square 288,640 3,510 576,446 5,434 7,119 F 40,543 ,493 80,970 ,763 Sig. ,000 ,489 ,000 ,390 Partial Eta Noncent. Observed a Squared Parameter Power ,750 81,087 1,000 ,018 ,493 ,104 ,750 80,970 1,000 ,027 ,763 ,135
12
Anlise da Covarincia
25
Anlise da Covarincia
26
Parameter Estimates Dependent Variable: fear of stats time2 95% Confidence Interval Parameter Intercept FOST1 [GROUP=1] [GROUP=2] B 2,308 ,866 ,853 0a Std. Error 3,953 ,096 ,976 , t ,584 8,998 ,874 , Sig. ,564 ,000 ,390 , Lower Bound -5,803 ,668 -1,150 , Upper Bound 10,419 1,063 2,855 ,
A= Intercept/Ponto de intercepo B1=Group1( Maths Skills) B2=Group2 (Confidence Building) F1=Group1=1, Group2=0 B3=Fost1 Xbarra=mdia de Fost1
13
Anlise da Covarincia
27
Referncias*
DHainaut, L. (1992). [Vol 2.; 45. Anlise da covarincia com uma dimenso] Howell, D. (1992). [Cap.16; 16.5 The one-way analysis of covariance] Pestana & Gageiro (2003). [Cap.4; 1.2 Anlise da covarincia] Porter & Raudenbush (1987). Analysis of covariance: Its model and use in psychological research. Journal of Counseling Psychology, 34, 383-392. Stevans, J. (1992). [Cap. 9].
* As Referncias bibliogrficas completas constam no Guia do Estudante
14