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 2.1.1 2.1.2 2.1.3 2.1.4 2.1.5 2.1.6 2.1.7 2.1.8 -

2.2 2.2.1 2.2.2 2.2.3 2.2.4 2.2.5 2.2.6 -

3-

CRIAR UM FICHEIRO DE DADOS .................................................. 5

DEFINIO DE VARIVEIS .................................................................... 5
INTRODUO DOS VALORES ................................................................ 9
GRAVAR O FICHEIRO DE DADOS ........................................................ 11
ABRIR UM FICHEIRO DE DADOS EXISTENTE .................................... 12
ACESCENTAR NOVOS CASOS A UM FICHEIRO DE DADOS............... 13
ACRESCENTAR NOVAS VARIVEIS ...................................................... 14
DEFINIR UMA VARIVEL EM FUNO DE OUTRAS ......................... 15
ELIMINAR LINHAS E VARIVEIS .......................................................... 16
IMPORTAO DE FICHEIROS EXTERNOS .............................. 17
IMPORTAO DE FICHEIROS LOTUS E EXCEL 4.0 ........................... 17
IMPORTAO DE FICHEIROS DE DBASE ........................................... 18
IMPORTAO DE FICHEIROS EXCEL ................................................. 19
IMPORTAO DE FICHEIROS ACCESS ............................................... 22
RECODIFICAO DE VALORES ........................................................... 22
SELECO DE CASOS ........................................................................... 25

ANLISE DE DADOS ......................................................................... 29

3.1 3.1.1 3.1.2 3.1.3 3.1.4 -

4-

OBTER ESTATSTICAS DESCRITIVAS ....................................... 29

PROCEDIMENTO DESCRIPTIVES ........................................................ 29
PROCEDIMENTO EXPLORE ................................................................. 32
PROCEDIMENTO EXPLORE COM FACTORES .................................... 36
PROCEDIMENTO FREQUENCIES ........................................................ 39

GRFICOS ................................................................................................. 44

4.1 -

GRFICOS STANDARDIZADOS .................................................... 44

GRFICO DE BARRAS ........................................................................... 45

HISTOGRAMA ........................................................................................ 50
GRFICO DE EXTREMOS-E-QUARTIS ................................................. 52
GRFICO DE BARRA DE ERROS .......................................................... 54
GRFICOS DE PROBABILIDADES........................................................ 56
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
4.1.1 4.1.2 4.1.3 4.1.4 4.1.5 4.1.6 -

ESACB

SPSS

55.1 5.2 5.3 6-

ndice

TESTES T ......................................................................................................... 79
TESTE T PARA A MDIA DE UMA AMOSTRA...................................... 82
TESTE T PARA DUAS AMOSTRAS INDEPENDENTES ......................... 83
TESTE T PARA DUAS AMOSTRAS EMPARELHADAS ......................... 86
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
77.1 7.2 7.3 7.4 8-

REGRESSO LINEAR ................................................................................. 111

INTRODUO............................................................................................ 111
REGRESSO LINEAR SIMPLES.............................................................. 115
REGRESSO LINEAR MLTIPLA .......................................................... 121
AJUSTAMENTO DE MODELOS PR-DEFINIDOS................................ 131
MANUSEAR OS RESULTADOS................................................................. 136

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

ESACB

ii

SPSS

1-

1 - Introduo

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:

ESACB

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

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).

ESACB

O Log pode no estar visvel; s aparece na janela Viewer se se tiver configurado o programa para
mostrar este item.
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.

SPSS

2-

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

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.

Variedade Azoto
N0
N1
V1
N2
N3
N4
N0
N1
V2
N2
N3
N4
N0
N1
V3
N2
N3
N4

1
3852
4788
4576
6034
5874
2846
4956
5928
5664
5458
4192
5250
5822
5888
5864

Repetio
2
3
2606
3144
4936
4562
4454
4884
5276
5906
5916
5984
3794
4108
5128
4150
5698
5810
5362
6458
5546
5786
3754
3738
4582
4896
4848
5678
5524
6042
6264
6056

4
2894
4608
3924
5652
5518
3444
4990
4308
5474
5932
3428
4286
4932
4756
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:

ESACB

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.

SPSS

2 - Edio de Dados

No exemplo, vamos definir as seguintes variveis:

variedad
azoto
repete
producao

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;
Varivel inteira: 0: 0 kg/ha; 1: 60 kg/ha; ... ; 4: 150 kg/ha;
Varivel inteira, com os valores 1, 2, 3, 4
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

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

Repetir o processo de definio de Value e Value Label para os valores 2 (IR5) e 3 (C463); 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

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

2.1.3 - GRAVAR O FICHEIRO DE DADOS

Tendo introduzido e corrigido os dados, grava-se o ficheiro com um nome vlido (aplicamse 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
pretendido:

ESACB

e seleccionar o disco/directrio

11

SPSS

2 - Edio de Dados

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
se

, e de seguida faz-

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
disco ou o directrio pretendido:

, e selecciona-se a o

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

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

. Automaticamente aberta uma

No menu anterior deve seleccionar
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
fazer click com o boto direito do rato, aparecendo o menu:

e seleccionar a opo

. Pode igualmente

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

ESACB

14

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

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; reparese 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

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

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
(rectangular) de clulas (no exemplo, A1:B11):

) e o intervalo

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

SPSS

Ao fazer

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

Para tal, executar o seguinte procedimento:

File
Database Capture
New Query...
Aparece o seguinte assistente de importao de ficheiros:

) e fazer
Especificar qual a origem do ficheiro (no caso
caixa de dilogo que se segue, especificar o disco, directrio e o ficheiro a abrir:

. Na

Aparece a seguinte janela:

ESACB

20

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

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 processase 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

Seguinte. Depois, prosseguir tal como descrito para o Excel.

) e fazer

2.2.5 - RECODIFICAO DE VALORES

ESACB

22

SPSS

2 - Edio de Dados

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
identificando

. Na caixa de dilogo seguinte definir as recodificaes,

em

o
o novo valor a atribuir; fazer

ESACB

valor

antigo

recodificar,

em

23

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

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
definir que se seleccionam para anlise todos os cados diferenntes do caso n 6:

, e

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

SPSS

2 - Edio de Dados

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

SPSS

2 - Edio de Dados

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

ESACB

para avanar.

28

SPSS

3-

3 - Anlise de Dados

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

SPSS

3 - Anlise de Dados

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

se a seguinte caixa de dilogo:

, obtendo-

Inicialmente, estariam seleccionadas apenas a Mean (mdia), Std. deviation (desvio

padro), Minimum (mnimo) e Maximum (mximo); vamos seleccionar tambm a Sum
ESACB

30

SPSS

3 - Anlise de Dados

(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

SPSS

3 - Anlise de Dados

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

SPSS

3 - Anlise de Dados

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

e fazer

Na janela Explore seleccionar a opo fazer

ESACB

; seleccionar a opo

para obter os resultados.

33

SPSS

3 - Anlise de Dados

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

SPSS

3 - Anlise de Dados

Histogram
10

Frequency

Std. Dev = 952.52

Mean = 4956.5
N = 60.00

.0
00
6 5 0.0
5
6 2 0.0
0
6 0 0.0
5
5 7 0.0
0
5 5 0.0
5
5 2 0.0
0
5 0 0.0
5
4 7 0.0
0
4 5 0.0
5
4 2 0.0
0
4 0 0.0
5
3 7 0.0
0
3 5 0.0
5
3 2 0.0
0
3 0 0.0
5
2 7 0.0
0
25

Producao

Producao Stem-and-Leaf Plot

Frequency
3.00
3.00
5.00
6.00
13.00
7.00
18.00
5.00
Stem width:
Each leaf:

ESACB

Stem &
2
3
3
4
4
5
5
6

.
.
.
.
.
.
.
.

Leaf
688
144
77789
111234
5556778889999
1223344
555666678888899999
00024

1000.00
1 case(s)

35

SPSS

3 - Anlise de Dados

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

SPSS

3 - Anlise de Dados

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

SPSS

Descriptives
Variedade
Producao IR8
Mean
95% Confidence Interval for Mean Lower Bound
Upper Bound
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
IR5
Mean
95% Confidence Interval for Mean Lower Bound
Upper Bound
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
C4-63
Mean
95% Confidence Interval for Mean Lower Bound
Upper Bound
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis

3 - Anlise de Dados

Statistic
4769.4000
4275.7316
5263.0684
4819.3333
4836.0000
1112633.726
1054.8145
2606.00
6034.00
3428.00
1762.0000
-.651
-.441
5042.0000
4593.9109
5490.0891
5085.3333
5410.0000
916664.421
957.4259
2846.00
6458.00
3612.00
1574.5000
-.839
-.076
5058.1000
4657.4878
5458.7122
5081.6667
5091.0000
732706.305
855.9827
3428.00
6264.00
2836.00
1493.5000
-.419
-.921

Std. Error
235.8637

.512
.992
214.0869

.512
.992
191.4035

.512
.992

O diagrama de extremos-e-quartis apresentado agora para cada uma das trs variedades:

ESACB

38

SPSS

3 - Anlise de Dados

7000

6000

5000

Producao

4000

3000

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

SPSS

3 - Anlise de Dados

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

SPSS

V opo

3 - Anlise de Dados

seleccionar para calcular os decis (com a seleco da opo

), a mdia, mediana e varincia. No final, fazer

De seguida, v-se opo

funo de distribuio normal:

ESACB

para seleccionar o histograma com ajustamento

41

SPSS

3 - Anlise de Dados

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

Frequency

Std. Dev = 952.52

Mean = 4956.5
N = 60.00

.0
00
6 5 0.0
5
6 2 0.0
0
6 0 0.0
5
5 7 0.0
0
5 5 0.0
5
5 2 0.0
0
5 0 0.0
5
4 7 0.0
0
4 5 0.0
5
4 2 0.0
0
4 0 0.0
5
3 7 0.0
0
3 5 0.0
5
3 2 0.0
0
3 0 0.0
5
2 7 0.0
0
25

Producao

ESACB

42

SPSS

4-

4 - Grficos

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:

grficos standardizados: esta metodologia permite definir os grficos, a partir de submenus 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.

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.

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

ESACB

. O grfico tem o seguinte aspecto:

46

SPSS

4 - Grficos

Distribuio das idades dos pacientes

As idades esto expressas em anos completos
10

Count

2
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

Count

2
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

Count

SEXO
1

Homem

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

Mean

80

60
RITMOA

RITMOD

Fonte: Abcde, 1998

4.1.2 - HISTOGRAMA

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
ao histograma.
Para definir os ttulos do grfico, seleccionar

ESACB

, sobreposta a curva de distribuio normal

, tal como descrito anteriormente.

51

SPSS

4 - Grficos

Histograma das frequncias absolutas

Ritmo cardaco
14
12
10
8
6
4
Std. Dev = 9.54
2

Mean = 76.0
N = 40.00

0
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-equartis da varivel ritmoa para cada categoria de uma outra varivel (vamos usar a varivel
sexo para definir as categorias). Seleccionar a opo

ESACB

se se

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

Valid
RITMOA

ESACB

SEXO
Homem
Mulher

N
22
18

Percent
100.0%
100.0%

Cases
Missing
N
Percent
0
.0%
0
.0%

Total
N
22
18

Percent
100.0%
100.0%

53

SPSS

4 - Grficos

100

15

90

10
38

80

RITMOA

70

60

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):

x t ( , N 1) .

, em que t ( a , N 1) o quantil da distribuio t-Student

N
Confidence interval for mean);

x k .s x , em que s x =

s
N

o erro padro da mdia e k

(opo

(opo

Standard

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

95% CI RITMOA

80

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, chiquadrado, 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

permite seleccionar a distribuio terica de probabilidades. As

O campo
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
proportional
estimation formula and assigning the mean to ties.

Blom's

For variable RITMOA...

Normal distribution
scale=9.5379135

ESACB

parameters

estimated:

location=75.95

57

SPSS

4 - Grficos

Normal P-P Plot of RITMOA

1.00

.75

Expected Cum Prob

.50

.25

0.00
0.00

.25

.50

.75

1.00

Observed Cum Prob

Detrended Normal P-P Plot of RITMOA

.10
.08
.06

Deviation from Normal

.04
.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

Overlay
Matrix

3-D

quando se pretende representar num plano xy uma srie de observaes bivariadas (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;
quando se pretende representar num mesmo plano (x,y) duas ou mais sries
de observaes bi-variadas (x,y) da mesma natureza;
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;
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

RITMOD

160

SEXO
140
Mulher

120

Homem

100
60

70

80

90

100

RITMOA
Fonte: Abcde, 1998

Nota-se que, aparte da observao no canto superior direito do grfico, que um outlier bivariado, 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)

iii)

Click com o boto direito do rato

Aparece o seguinte menu:

Seleccionar SPSS Chart Object

Open
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:

ESACB

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:

64

SPSS

4 - Grficos

Alterar as caractersticas (fonte e tamanho) do texto (s activo se se se

Text... ou
seleccionou previamente uma regio de texto, por exemplo os ttulos)
Cada uma das caixas de dilogo tem o boto
alterao.

ou

, para fechar aps aplicar a

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 (

horizontal (

) ou na

).

Seleccionar para o eixo dos xx a varivel a representar (sexo):

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
varivel escalar definida pelo programa, e no constante no ficheiro.

ESACB

, trata-se de uma

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
se se pretende uma equao para cada um dos casos da varivel sexo (a
opo
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-

5 - Testes T

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
e a estatstica de testes t =

H1 : x 0

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 ).
O teste de hiptese subjacente :
H 0 : x1 = x 2

H 1 : x1 x 2

H 0 : x1 x 2 = 0
e a estatstica de testes t =

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 ).
O teste de hiptese subjacente :
H 0 : x1 = x 2

H 1 : x1 x 2

H 0 : x1 x 2 = 0
e a estatstica de testes t =

H 1 : x1 x 2 0
x1 x 2

1
1

s 2
N
N
2
1

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

RITMOA Highest

Lowest

RITMOD Highest

Lowest

a Only a partial list

extremes.

ESACB

Case
Value
Number
1
6
96
2
4
96
3
15
92
4
10
90
5
38
90
1
1
62
2
36
62
3
3
64
4
13
66
a
5
39
1
6
265
2
9
160
3
17
158
4
26
158
5
19
156
1
16
112
2
27
116
3
37
116
4
7
120
5
28
120
of cases with the value 66 are shown in the table of lower

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
Para tal, fazer Statistics

Compare Means

H1 : x 0
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

ESACB

H 1 : x ritmoaFumadores x ritmoano fumadres

83

SPSS

Para tal, fazer Statistics

Test...:

5 - Testes T

Compare Means

Independent

Samples

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
confiana para a diferena entre mdias:

a fim de difinir o nvel de

e depois OK:

Fazer

Group Statistics

RITMOA

FUMA
Fuma
No Fuma

N
16
24

Std.
Deviation
12.00
7.72

Mean
76.75
75.42

Std. Error
Mean
3.00
1.58

Independent Samples Test

Levene's Test for
Equality of Variances

F
RITMOA

Equal variances
assumed
Equal variances not
assumed

8.665

Sig.
.006

t-test for Equality of Means

Sig.
(2-tailed)

df

Mean
Difference

Std. Error
Difference

95% Confidence
Interval of the
Difference
Lower
Upper

.429

38

.671

1.33

3.11

-4.96

7.63

.394

23.274

.698

1.33

3.39

-5.67

8.34

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
2
H 0 : s ritmoa
= s ritmoa
Fuma
No Fuma

2
2
H 1 : s ritmoa
s ritmoa
Fuma
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).

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
definir que se seleccionam para anlise todos os cados diferenntes do caso n 6:

,e

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

ESACB

Compare Means

Paired Samples T Test...:

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

Pair
1

ESACB

RITMOA
RITMOD

Mean
75.44
137.31

N
39
39

Std.
Deviation
9.08
12.56

Std. Error
Mean
1.45
2.01

88

SPSS

5 - Testes T

Paired Samples Correlations

N
Pair 1

RITMOA & RITMOD

39

Correlation
.544

Sig.
.000

Paired Samples Test

Paired Differences

Pair 1

RITMOA - RITMOD

Mean
-61.87

Std.
Deviation
10.78

Std. Error
Mean
1.73

95% Confidence
Interval of the
Difference
Lower
Upper
-65.36
-58.38

t
-35.858

df
38

Sig.
(2-tailed)
.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 pvalue=0.000 < =5%) conclui-se que as mdias so significativamente diferentes.

ESACB

89

SPSS

6-

6 - Anova

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:
F=

Varincia entre Tratamentos

~ 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
25
50
75
100
125
150

5113
5346
5272
5164
4804
4254

5398
5952
5713
4831
4848
4542

Repeties
5307
4719
5483
4986
4432
4919

4678
5264
5049
4410
4748
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:

Os resultados so os seguintes:

ESACB

92

SPSS

6 - Anova

Oneway
Descriptives
Produo (kg/ha)

N
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
Total

4
4
4
4
4
4
24

Std.
Deviation
320.2093
504.7893
284.4414
321.9900
188.4958
360.8798
455.9256

Mean
5124.0000
5320.2500
5379.2500
4847.7500
4708.0000
4453.2500
4972.0833

Std. Error
160.1047
252.3947
142.2207
160.9950
94.2479
180.4399
93.0654

95% Confidence Interval

for Mean
Lower
Upper
Bound
Bound
4614.4755
5633.5245
4517.0176
6123.4824
4926.6402
5831.8598
4335.3920
5360.1080
4408.0611
5007.9389
3879.0097
5027.4903
4779.5628
5164.6038

Minimum
4678.00
4719.00
5049.00
4410.00
4432.00
4098.00
4098.00

Maximum
5398.00
5952.00
5713.00
5164.00
4848.00
4919.00
5952.00

Test of Homogeneity of Variances

Produo (kg/ha)
Levene
Statistic
.418

df1

df2
5

Sig.
.830

18

ANOVA
Produo (kg/ha)

Between Groups
Within Groups
Total

ESACB

Sum of
Squares
2657880.8
2123087.0
4780967.8

df
5
18
23

Mean
Square
531576.167
117949.278

F
4.507

Sig.
.008

93

SPSS

6 - Anova

Post Hoc Tests

Multiple Comparisons
Dependent Variable: Produo (kg/ha)

Tukey HSD

(I) Densidade de
sementeira
25 kg/ha

50 kg/ha

75 kg/ha

100 kg/ha

125 kg/ha

150 kg/ha

LSD

25 kg/ha

50 kg/ha

75 kg/ha

100 kg/ha

125 kg/ha

150 kg/ha

(J) Densidade de
sementeira
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
125 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
150 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha

Mean
Difference
(I-J)
Std. Error
-196.2500
242.8469
-255.2500
242.8469
276.2500
242.8469
416.0000
242.8469
670.7500
242.8469
196.2500
242.8469
-59.0000
242.8469
472.5000
242.8469
612.2500
242.8469
867.0000* 242.8469
255.2500
242.8469
59.0000
242.8469
531.5000
242.8469
671.2500
242.8469
926.0000* 242.8469
-276.2500
242.8469
-472.5000
242.8469
-531.5000
242.8469
139.7500
242.8469
394.5000
242.8469
-416.0000
242.8469
-612.2500
242.8469
-671.2500
242.8469
-139.7500
242.8469
254.7500
242.8469
-670.7500
242.8469
-867.0000* 242.8469
-926.0000* 242.8469
-394.5000
242.8469
-254.7500
242.8469
-196.2500
242.8469
-255.2500
242.8469
276.2500
242.8469
416.0000
242.8469
670.7500* 242.8469
196.2500
242.8469
-59.0000
242.8469
472.5000
242.8469
612.2500* 242.8469
867.0000* 242.8469
255.2500
242.8469
59.0000
242.8469
531.5000* 242.8469
671.2500* 242.8469
926.0000* 242.8469
-276.2500
242.8469
-472.5000
242.8469
-531.5000* 242.8469
139.7500
242.8469
394.5000
242.8469
-416.0000
242.8469
-612.2500* 242.8469
-671.2500* 242.8469
-139.7500
242.8469
254.7500
242.8469
-670.7500* 242.8469
-867.0000* 242.8469
-926.0000* 242.8469
-394.5000
242.8469
-254.7500
242.8469

Sig.
.962
.894
.859
.541
.111
.962
1.000
.408
.170
.023
.894
1.000
.290
.110
.014
.859
.408
.290
.991
.594
.541
.170
.110
.991
.895
.111
.023
.014
.594
.895
.430
.307
.270
.104
.013
.430
.811
.067
.021
.002
.307
.811
.042
.013
.001
.270
.067
.042
.572
.122
.104
.021
.013
.572
.308
.013
.002
.001
.122
.308

95% Confidence Interval

Lower
Upper
Bound
Bound
-968.0352
575.5352
-1027.0352
516.5352
-495.5352
1048.0352
-355.7852
1187.7852
-101.0352
1442.5352
-575.5352
968.0352
-830.7852
712.7852
-299.2852
1244.2852
-159.5352
1384.0352
95.2148
1638.7852
-516.5352
1027.0352
-712.7852
830.7852
-240.2852
1303.2852
-100.5352
1443.0352
154.2148
1697.7852
-1048.0352
495.5352
-1244.2852
299.2852
-1303.2852
240.2852
-632.0352
911.5352
-377.2852
1166.2852
-1187.7852
355.7852
-1384.0352
159.5352
-1443.0352
100.5352
-911.5352
632.0352
-517.0352
1026.5352
-1442.5352
101.0352
-1638.7852
-95.2148
-1697.7852
-154.2148
-1166.2852
377.2852
-1026.5352
517.0352
-706.4525
313.9525
-765.4525
254.9525
-233.9525
786.4525
-94.2025
926.2025
160.5475
1180.9525
-313.9525
706.4525
-569.2025
451.2025
-37.7025
982.7025
102.0475
1122.4525
356.7975
1377.2025
-254.9525
765.4525
-451.2025
569.2025
21.2975
1041.7025
161.0475
1181.4525
415.7975
1436.2025
-786.4525
233.9525
-982.7025
37.7025
-1041.7025
-21.2975
-370.4525
649.9525
-115.7025
904.7025
-926.2025
94.2025
-1122.4525
-102.0475
-1181.4525
-161.0475
-649.9525
370.4525
-255.4525
764.9525
-1180.9525
-160.5475
-1377.2025
-356.7975
-1436.2025
-415.7975
-904.7025
115.7025
-764.9525
255.4525

*. The mean difference is significant at the .05 level.

ESACB

94

SPSS

6 - Anova

Homogeneous Subsets
Produo (kg/ha)

Tukey HSDa

Densidade de
sementeira
150 kg/ha
125 kg/ha
100 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
Sig.

N
4
4
4
4
4
4

Subset for alpha = .05

1
2
4453.2500
4708.0000 4708.0000
4847.7500 4847.7500
5124.0000 5124.0000
5320.2500
5379.2500
.111
.110

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 4.000.

Means Plots
5600

5400

Mean of Produo (kg/ha)

5200

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:

ESACB

Deixa-se ao cuidado do leitor a explicao agronmica destas concluses.

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:

Os resultados so os seguintes:

ESACB

97

SPSS

6 - Anova

Means
Case Processing Summary
Cases
Excluded
N
Percent

Included
N
Percent
Produo (kg/ha) *
Densidade de
sementeira

24

100.0%

.0%

Total
N

Percent
24

100.0%

Report
Produo (kg/ha)
Densidade de
sementeira
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha
125 kg/ha
150 kg/ha
Total

Mean
5124.0000
5320.2500
5379.2500
4847.7500
4708.0000
4453.2500
4972.0833

Std.
Deviation
320.2093
504.7893
284.4414
321.9900
188.4958
360.8798
455.9256

N
4
4
4
4
4
4
24
ANOVA Table

Produo (kg/ha) *
Densidade de
sementeira

Sum of
Squares
2657880.8
2123087.0
4780967.8

Between
(Combined)
G
Within Groups
Total

df

Mean
Square
5 531576.167
18 117949.278
23

F
4.507

Sig.
.008

Measures of Association

Eta
Produo (kg/ha) *
Densidade de
sementeira

.746

Eta
Squared
.556

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

De seguida, seleccionar a opo

6 - Anova

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
o utilizador pode definir
entre factores. a situao mais usual. Optando por
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

para representar graficamente as mdias de cada um dos

seleccionar
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

Variedade

Adubao

Value
Label
IR8
IR5
C4-63
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha

1
2
3
0
1
2
3
4

N
20
20
20
12
12
12
12
12

Descriptive Statistics
Dependent Variable: Produo
Variedade
IR8

IR5

C4-63

Total

Adubao
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Total
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Total
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Total
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Total

Mean
3124.0000
4723.5000
4459.5000
5717.0000
5823.0000
4769.4000
3548.0000
4806.0000
5436.0000
5739.5000
5680.5000
5042.0000
3778.0000
4753.5000
5320.0000
5552.5000
5886.5000
5058.1000
3483.3333
4761.0000
5071.8333
5669.6667
5796.6667
4956.5000

Std.
Deviation
532.7939
171.9874
400.2345
334.1237
208.3235
1054.8145
540.9054
443.6124
757.8408
494.9542
217.5462
957.4259
314.1507
414.2411
501.1640
573.7000
385.9374
855.9827
513.9808
331.3680
689.7728
441.1381
271.0335
952.5245

N
4
4
4
4
4
20
4
4
4
4
4
20
4
4
4
4
4
20
12
12
12
12
12
60

a
Levene's Test of Equality of Error Variances

Dependent Variable: Produo

F
1.044

df1

df2
14

45

Sig.
.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

Dependent Variable: Produo

Source
Corrected Model
Intercept
VARIEDAD
AZOTO
VARIEDAD * AZOTO
Error
Total
Corrected Total

Type III
Sum of
Squares
44578256a
1.47E+09
1052784.4
41234745
2290726.3
8952613.0
1.53E+09
53530869

df
14
1
2
4
8
45
60
59

Mean
Square
3184161.1
1.47E+09
526392.200
10308686
286340.783
198946.956

F
16.005
7409.078
2.646
51.816
1.439

Sig.
.000
.000
.082
.000
.207

a. R Squared = .833 (Adjusted R Squared = .781)

Estimated Marginal Means

1. Variedade
Estimates
Dependent Variable: Produo

Variedade
IR8
IR5
C4-63

Mean
4769.400
5042.000
5058.100

Std. Error
99.736
99.736
99.736

95% Confidence Interval

Lower
Upper
Bound
Bound
4568.521
4970.279
4841.121
5242.879
4857.221
5258.979
Pairwise Comparisons

Dependent Variable: Produo

(I) Variedade
IR8
IR5
C4-63

(J) Variedade
IR5
C4-63
IR8
C4-63
IR8
IR5

Mean
Difference
(I-J)
-272.600
-288.700*
272.600
-16.100
288.700*
16.100

Std. Error
141.049
141.049
141.049
141.049
141.049
141.049

Sig.
.060
.047
.060
.910
.047
.910

95% Confidence Interval

a
for Difference
Lower
Upper
Bound
Bound
-556.686
11.486
-572.786
-4.614
-11.486
556.686
-300.186
267.986
4.614
572.786
-267.986
300.186

Based on estimated marginal means

*. The mean difference is significant at the .05 level.
a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no
adjustments).

ESACB

104

SPSS

6 - Anova

Univariate Tests
Dependent Variable: Produo

Contrast
Error

Sum of
Squares
1052784.4
8952613.0

df
2
45

Mean
Square
526392.200
198946.956

F
2.646

Sig.
.082

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
Dependent Variable: Produo

Adubao
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha

ESACB

Mean
3483.333
4761.000
5071.833
5669.667
5796.667

Std. Error
128.759
128.759
128.759
128.759
128.759

95% Confidence Interval

Lower
Upper
Bound
Bound
3223.999
3742.668
4501.666
5020.334
4812.499
5331.168
5410.332
5929.001
5537.332
6056.001

105

SPSS

6 - Anova

Pairwise Comparisons
Dependent Variable: Produo

(I) Adubao
0 kg/ha

60 kg/ha

90 kg/ha

120 kg/ha

150 kg/ha

Mean
Difference
(I-J)
-1277.667*
-1588.500*
-2186.333*
-2313.333*
1277.667*
-310.833
-908.667*
-1035.667*
1588.500*
310.833
-597.833*
-724.833*
2186.333*
908.667*
597.833*
-127.000
2313.333*
1035.667*
724.833*
127.000

(J) Adubao
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha

Std. Error
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093
182.093

Sig.
.000
.000
.000
.000
.000
.095
.000
.000
.000
.095
.002
.000
.000
.000
.002
.489
.000
.000
.000
.489

95% Confidence Interval

a
for Difference
Lower
Upper
Bound
Bound
-1644.421
-910.913
-1955.254
-1221.746
-2553.087
-1819.579
-2680.087
-1946.579
910.913
1644.421
-677.587
55.921
-1275.421
-541.913
-1402.421
-668.913
1221.746
1955.254
-55.921
677.587
-964.587
-231.079
-1091.587
-358.079
1819.579
2553.087
541.913
1275.421
231.079
964.587
-493.754
239.754
1946.579
2680.087
668.913
1402.421
358.079
1091.587
-239.754
493.754

Based on estimated marginal means

*. The mean difference is significant at the .05 level.
a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no
adjustments).
Univariate Tests
Dependent Variable: Produo

Contrast
Error

Sum of
Squares
41234745
8952613.0

df
4
45

Mean
Square
10308686
198946.956

F
51.816

Sig.
.000

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
Dependent Variable: Produo

Variedade
IR8

IR5

C4-63

Adubao
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha

Mean
3124.000
4723.500
4459.500
5717.000
5823.000
3548.000
4806.000
5436.000
5739.500
5680.500
3778.000
4753.500
5320.000
5552.500
5886.500

Std. Error
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017
223.017

95% Confidence Interval

Lower
Upper
Bound
Bound
2674.820
3573.180
4274.320
5172.680
4010.320
4908.680
5267.820
6166.180
5373.820
6272.180
3098.820
3997.180
4356.820
5255.180
4986.820
5885.180
5290.320
6188.680
5231.320
6129.680
3328.820
4227.180
4304.320
5202.680
4870.820
5769.180
5103.320
6001.680
5437.320
6335.680

Post Hoc Tests

Variedade
Multiple Comparisons
Dependent Variable: Produo
Tukey HSD

(I) Variedade
IR8
IR5
C4-63

(J) Variedade
IR5
C4-63
IR8
C4-63
IR8
IR5

Mean
Difference
(I-J)
-272.6000
-288.7000
272.6000
-16.1000
288.7000
16.1000

Std. Error
141.0486
141.0486
141.0486
141.0486
141.0486
141.0486

Sig.
.141
.113
.141
.993
.113
.993

95% Confidence Interval

Lower
Upper
Bound
Bound
-614.4488
69.2488
-630.5488
53.1488
-69.2488
614.4488
-357.9488
325.7488
-53.1488
630.5488
-325.7488
357.9488

Based on observed means.

ESACB

107

SPSS

6 - Anova

Homogeneous Subsets
Produo
a,b

Tukey HSD
Variedade
IR8
IR5
C4-63
Sig.

N
20
20
20

Subset
1
4769.4000
5042.0000
5058.1000
.113

Means for groups in homogeneous subsets are displayed.

Based on Type III Sum of Squares
The error term is Mean Square(Error) = 198946.956.
a. Uses Harmonic Mean Sample Size = 20.000.
b. Alpha = .05.

Adubao
Multiple Comparisons
Dependent Variable: Produo
Tukey HSD

(I) Adubao
0 kg/ha

60 kg/ha

90 kg/ha

120 kg/ha

150 kg/ha

(J) Adubao
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
120 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
150 kg/ha
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha

Mean
Difference
(I-J)
-1277.6667*
-1588.5000*
-2186.3333*
-2313.3333*
1277.6667*
-310.8333
-908.6667*
-1035.6667*
1588.5000*
310.8333
-597.8333*
-724.8333*
2186.3333*
908.6667*
597.8333*
-127.0000
2313.3333*
1035.6667*
724.8333*
127.0000

Std. Error
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929
182.0929

Sig.
.000
.000
.000
.000
.000
.440
.000
.000
.000
.440
.016
.002
.000
.000
.016
.956
.000
.000
.002
.956

95% Confidence Interval

Lower
Upper
Bound
Bound
-1795.0797
-760.2536
-2105.9131 -1071.0869
-2703.7464 -1668.9203
-2830.7464 -1795.9203
760.2536
1795.0797
-828.2464
206.5797
-1426.0797
-391.2536
-1553.0797
-518.2536
1071.0869
2105.9131
-206.5797
828.2464
-1115.2464
-80.4203
-1242.2464
-207.4203
1668.9203
2703.7464
391.2536
1426.0797
80.4203
1115.2464
-644.4131
390.4131
1795.9203
2830.7464
518.2536
1553.0797
207.4203
1242.2464
-390.4131
644.4131

Based on observed means.

*. The mean difference is significant at the .05 level.

ESACB

108

SPSS

6 - Anova

Homogeneous Subsets
Produo
a,b

Tukey HSD
Adubao
0 kg/ha
60 kg/ha
90 kg/ha
120 kg/ha
150 kg/ha
Sig.

N
12
12
12
12
12

1
3483.3333

Subset
2

4761.0000
5071.8333

1.000

.440

5669.6667
5796.6667
.956

Means for groups in homogeneous subsets are displayed.

Based on Type III Sum of Squares
The error term is Mean Square(Error) = 198946.956.
a. Uses Harmonic Mean Sample Size = 12.000.
b. Alpha = .05.

Profile Plots

Estimated Marginal Means of Produo

5100

Estimated Marginal Means

5000

4900

4800

4700
IR8

IR5

C4-63

Variedade

ESACB

109

SPSS

6 - Anova

Estimated Marginal Means of Produo

6000

Estimated Marginal Means

5000

4000

3000
0 kg/ha

60 kg/ha

90 kg/ha

120 kg/ha

150 kg/ha

Adubao

Estimated Marginal Means of Produo

7000

Estimated Marginal Means

6000

5000

4000

Variedade
IR8

3000
IR5
C4-63

2000
0 kg/ha

60 kg/ha

90 kg/ha

120 kg/ha

150 kg/ha

Adubao

ESACB

110

SPSS

7-

7 - Regresso Linear

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

SPSS

7 - Regresso Linear

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

SPSS

7 - Regresso Linear

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

ESACB

10

113

SPSS

7 - Regresso Linear

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
2
a soma dos quadrados dos resduos, isto , minimiza a funo ( y obs y ) , em que
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

% slidos no molho

40

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

SPSS

7 - Regresso Linear

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:
Ra2 = R 2

p (1 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:
teste referente ao coeficiente b:

H0 : a = 0
H0 : b = 0

H1 : a 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

ESACB

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).

115

SPSS

7 - Regresso Linear

. Aparece a seguinte caixa de dilogo,

No menu anterior, seleccionar a opo
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

SPSS

7 - Regresso Linear

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
regressar janela Linear Regression.

a fim de

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

SPSS

7 - Regresso Linear

Os resultados do procedimento so os seguintes:

Regression
Descriptive Statistics

% slidos no molho
% insolveis em gua

Mean
39.7292
13.7775

Std.
Deviation
5.1826
1.8995

N
24
24

Correlations

Pearson Correlation
Sig. (1-tailed)
N

% slidos
no molho
1.000
-.970
.
.000
24
24

% slidos no molho
% insolveis em gua
% slidos no molho
% insolveis em gua
% slidos no molho
% insolveis em gua

%
insolveis
em gua
-.970
1.000
.000
.
24
24

Variables Entered/Removedb

Model
1

Variables Entered
% insolveis em guaa

Variables
Removed
.

Method
Enter

a. All requested variables entered.

b. Dependent Variable: % slidos no molho

ESACB

118

SPSS

7 - Regresso Linear

Model Summaryb

Model
1

R
.970a

Std. Error
of the
Estimate
1.2880

Adjusted R
Square
.938

R Square
.941

a. Predictors: (Constant), % insolveis em gua

b. Dependent Variable: % slidos no molho
ANOVAb

Model
1

Sum of
Squares
581.272
36.498
617.770

Regression
Residual
Total

Mean
Square
581.272
1.659

df
1
22
23

F
350.378

Sig.
.000a

a. Predictors: (Constant), % insolveis em gua

b. Dependent Variable: % slidos no molho
Coefficientsa

Unstandardized
Coefficients
Model
1

(Constant)
% insolveis em gua

B
76.193
-2.647

Std. Error
1.966
.141

Standardi
zed
Coefficien
ts
Beta
-.970

t
38.761
-18.718

Sig.
.000
.000

95% Confidence Interval

for B
Lower
Upper
Bound
Bound
72.117
80.270
-2.940
-2.353

a. Dependent Variable: % slidos no molho

Residuals Statisticsa

Predicted Value
Residual
Std. Predicted Value
Std. Residual

Minimum
27.9714
-1.5871
-2.339
-1.232

Maximum
47.8478
3.1522
1.615
2.447

Mean
39.7292
-3.70E-15
.000
.000

Std.
Deviation
5.0272
1.2597
1.000
.978

N
24
24
24
24

a. Dependent Variable: % slidos no molho

ESACB

119

SPSS

7 - Regresso Linear

Charts

Histogram
Dependent Variable: % slidos no molho
7
6
5
4

Frequency

3
2
Std. Dev = .98
1

Mean = 0.00
N = 24.00

0
-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

Dependent Variable: % slidos no molho
1.00

Expected Cum Prob

.75

.50

.25

0.00
0.00

.25

.50

.75

1.00

Observed Cum Prob

ESACB

120

SPSS

7 - Regresso Linear

Scatterplot
Dependent Variable: % slidos no molho
Regression Standardized Residual

-1

-2
-3

-2

-1

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

SPSS

7 - Regresso Linear

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 inclula, 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

SPSS

7 - Regresso Linear

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
(F)
58.80
65.20
70.90
77.40
79.30
81.00
71.90
63.90
54.50
39.50
44.50
43.60
56.00
64.70
73.00
78.90
79.40
68.40

Produo
mensal
7107.00
8373.00
9796.00
9208.00
14792.00
14564.00
11964.00
13526.00
12656.00
14119.00
15691.00
14571.00
13619.00
14575.00
14556.00
16573.00
15618.00
14346.00

Dias teis do
ms
20.00
20.00
20.00
20.00
22.00
23.00
21.00
22.00
21.00
21.00
22.00
23.00
22.00
22.00
21.00
22.00
22.00
23.00

Nmero de
operrios
129.00
141.00
153.00
166.00
193.00
189.00
175.00
186.00
190.00
187.00
195.00
206.00
198.00
192.00
191.00
200.00
200.00
185.00

Consumo de
gua (m3)
2967.00
2828.00
2891.00
2994.00
3282.00
3498.00
3302.00
3260.00
3211.00
3286.00
3432.00
3425.00
3256.00
3422.00
3250.00
3464.00
3495.00
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

SPSS

7 - Regresso Linear

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
linear simples.

tal como descrito para a regresso

Os resultados so os seguintes:

ESACB

124

SPSS

7 - Regresso Linear

Regression
Descriptive Statistics
Std.
Deviation

Mean
Consumo mensal de
gua (m3)
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Dias teis no ms
Nmero de operrios

3268.3889

218.9502

18

65.0500

13.1334

18

13091.89
21.5000
182.0000

2716.3310
1.0432
21.3514

18
18
18

Correlations

Pearson Correlation

Sig. (1-tailed)

Consumo
mensal de
gua (m3)

Temperatura
mdia
mensal (F)

1.000

.013

.894

.901

.831

.013

1.000

-.005

-.022

-.080

.894
.901
.831

-.005
-.022
-.080

1.000
.811
.939

.811
1.000
.784

.939
.784
1.000

.480

.000

.000

.000

.480

.493

.466

.377

.000
.000
.000

.493
.466
.377

.
.000
.000

.000
.
.000

.000
.000
.

18

18

18

18

18

18

18

18

18

18

18
18
18

18
18
18

18
18
18

18
18
18

18
18
18

Consumo mensal de
gua (m3)
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Dias teis no ms
Nmero de operrios
Consumo mensal de
gua (m3)
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Dias teis no ms
Nmero de operrios
Consumo mensal de
gua (m3)
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Dias teis no ms
Nmero de operrios

Produo
mensal
(Ton)

Dias teis
no ms

Nmero de
operrios

Variables Entered/Removedb

Model
1

Variables Entered
Nmero de operrios,
Temperatura mdia mensal (F),
Dias teis no ams, Produo
mensal (Ton)

Variables
Removed

Method
.

Enter

a. All requested variables entered.

b. Dependent Variable: Consumo mensal de gua (m3)
Model Summaryb

Model
1

R
.945a

R Square
.893

Adjusted R
Square
.860

Std. Error
of the
Estimate
81.8974

Change Statistics
R Square
Change
.893

F Change
27.127

df1

df2
4

13

Sig. F
Change
.000

a.
Predictors: (Constant), Nmero de operrios, Temperatura mdia mensal (F), Dias teis no ms, Produo mensal (Ton)
b. Dependent Variable: Consumo mensal de gua (m3)

ESACB

125

SPSS

7 - Regresso Linear

ANOVAb

Model
1

Sum of
Squares
727772.930
87193.348
814966.278

Regression
Residual
Total

Mean
Square
181943.232
6707.181

df
4
13
17

F
27.127

Sig.
.000a

a. Predictors: (Constant), Nmero de operrios, Temperatura mdia mensal (F),

Dias teis no ms, Produo mensal (Ton)
b. Dependent Variable: Consumo mensal de gua (m3)
Coefficientsa
Standardi
zed
Coefficien
ts

Unstandardized
Coefficients
Model
1

(Constant)
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Dias teis no ms
Nmero de operrios

B
531.302

Std. Error
619.067

.232

1.550

5.027E-02
110.460
-1.709

.023
32.724
2.801

Beta

95% Confidence Interval

for B
Lower
Upper
Bound
Bound
-806.111
1868.714

Correlations

.858

Sig.
.406

Zero-order

Partial

Part

.014

.150

.883

-3.117

3.581

.013

.041

.014

.624
.526
-.167

2.166
3.376
-.610

.049
.005
.552

.000
39.765
-7.759

.100
181.156
4.342

.894
.901
.831

.515
.683
-.167

.197
.306
-.055

a. Dependent Variable: Consumo mensal de gua (m3)

Residuals Statisticsa

Minimum
Predicted Value
2890.9719
Residual
-111.5868
Std. Predicted Value
-1.824
Std. Residual
-1.363

Maximum
3499.8154
131.9858
1.119
1.612

Mean
3268.3889
1.011E-13
.000
.000

Std.
Deviation
206.9062
71.6172
1.000
.874

N
18
18
18
18

a. Dependent Variable: Consumo mensal de gua (m3)

Charts

Histogram
Dependent Variable: Consumo mensal de gua
5

Frequency

Std. Dev = .87

Mean = 0.00
N = 18.00

0
-1.50

-1.00

-.50

0.00

.50

1.00

1.50

Regression Standardized Residual

ESACB

126

SPSS

7 - Regresso Linear

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Consumo mensal de gua (m3)
1.00

Expected Cum Prob

.75

.50

.25

0.00
0.00

.25

.50

.75

1.00

Observed Cum Prob

Scatterplot
Dependent Variable: Consumo mensal de gua (m3)
Regression Standardized Residual

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

Regression Standardized Predicted Value

A equao do modelo ajustado :

consumo=531.302+0.232temperat+0.05027producao+110.46dias-1.709operario
2
sendo R2=0.893 e Rajustado
= 0.86 .

Repita-se o processo, optando pelo mtodo de clculo Stepwise. Neste caso, chegar-se-
ao modelo:
ESACB

127

SPSS

7 - Regresso Linear

consumo=443.965+0.03842producao+107.976dias
2
e R2=0.889 e Rajustado
= 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
Descriptive Statistics

Mean
Consumo mensal de
gua (m3)
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Dias teis no ms
Nmero de operrios

Std.
Deviation

3268.3889

218.9502

18

65.0500

13.1334

18

13091.89
21.5000
182.0000

2716.3310
1.0432
21.3514

18
18
18

Correlations

Pearson Correlation

Sig. (1-tailed)

ESACB

Consumo mensal de
gua (m3)
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Dias teis no ms
Nmero de operrios
Consumo mensal de
gua (m3)
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Dias teis no ms
Nmero de operrios
Consumo mensal de
gua (m3)
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Dias teis no ms
Nmero de operrios

Consumo
mensal de
gua (m3)

Temperatura
mdia
mensal (F)

Produo
mensal
(Ton)

1.000

.013

.894

.901

.831

.013

1.000

-.005

-.022

-.080

.894
.901
.831

-.005
-.022
-.080

1.000
.811
.939

.811
1.000
.784

.939
.784
1.000

.480

.000

.000

.000

.480

.493

.466

.377

.000
.000
.000

.493
.466
.377

.
.000
.000

.000
.
.000

.000
.000
.

18

18

18

18

18

18

18

18

18

18

18
18
18

18
18
18

18
18
18

18
18
18

18
18
18

Dias teis
no ms

Nmero de
operrios

128

SPSS

7 - Regresso Linear

Variables Entered/Removeda
Model
1

Variables
Entered

Variables
Removed

Dias teis no
ms

Produo
mensal (Ton)

Method
Stepwise (Criteria:
Probability-of-F-to-e
nter <= .050,
Probability-of-F-to-re
move >= .100).
Stepwise (Criteria:
Probability-of-F-to-e
nter <= .050,
Probability-of-F-to-re
move >= .100).

a. Dependent Variable: Consumo mensal de gua (m3)

Model Summaryc

Model
1
2

R
.901a
.943b

R Square
.811
.889

Adjusted R
Square
.800
.874

Change Statistics

Std. Error
of the
Estimate
98.0273
77.5677

R Square
Change
.811
.078

F Change
68.810
10.554

df1

df2
1
1

16
15

Sig. F
Change
.000
.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

Model
1

Regression
Residual
Total
Regression
Residual
Total

Sum of
Squares
661216.554
153749.724
814966.278
724715.124
90251.154
814966.278

df
1
16
17
2
15
17

Mean
Square
661216.554
9609.358
362357.562
6016.744

F
68.810

Sig.
.000a

60.225

.000b

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)
Coefficientsa

Unstandardized
Coefficients
Model
1
2

(Constant)
Dias teis no ms
(Constant)
Dias teis no ms
Produo mensal (Ton)

B
-796.273
189.054
443.965
107.976
3.842E-02

Std. Error
490.549
22.791
544.446
30.791
.012

Standardi
zed
Coefficien
ts
Beta
.901
.514
.477

t
-1.623
8.295
.815
3.507
3.249

Sig.
.124
.000
.428
.003
.005

95% Confidence Interval

for B
Lower
Upper
Bound
Bound
-1836.190
243.643
140.740
237.369
-716.494
1604.425
42.346
173.606
.013
.064

Correlations
Zero-order

Partial

Part

.901

.901

.901

.901
.894

.671
.643

.301
.279

a. Dependent Variable: Consumo mensal de gua (m3)

ESACB

129

SPSS

7 - Regresso Linear

Excluded Variablesc

Model
1

Beta In
Temperatura mdia
mensal (F)
Produo mensal (Ton)
Nmero de operrios
Temperatura mdia
mensal (F)
Nmero de operrios

t
a

Sig.

Partial
Correlation

Collinearit
y
Statistics
Tolerance

.032

.290

.776

.075

1.000

.477a
.323a

3.249
2.017

.005
.062

.643
.462

.343
.385

.026

.296

.772

.079

.999

-.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)
c. Dependent Variable: Consumo mensal de gua (m3)
Residuals Statisticsa

Minimum
Predicted Value
2876.5112
Residual
-105.6879
Std. Predicted Value
-1.898
Std. Residual
-1.363

Maximum
3487.1743
130.9278
1.060
1.688

Mean
3268.3889
2.274E-13
.000
.000

Std.
Deviation
206.4711
72.8621
1.000
.939

N
18
18
18
18

a. Dependent Variable: Consumo mensal de gua (m3)

Charts

Histogram
Dependent Variable: Consumo mensal de gua (m3)
5

Frequency

Std. Dev = .94

Mean = 0.00
N = 18.00

0
-1.50

-1.00

-.50

0.00

.50

1.00

1.50

Regression Standardized Residual

ESACB

130

SPSS

7 - Regresso Linear

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Consumo mensal de gua (m3)
1.00

Expected Cum Prob

.75

.50

.25

0.00
0.00

.25

.50

.75

1.00

Observed Cum Prob

Scatterplot
Dependent Variable: Consumo mensal de gua (m3)
Regression Standardized Residual

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

Regression Standardized Predicted Value

7.4 - AJUSTAMENTO DE MODELOS PR-DEFINIDOS

O SPSS dispe de uma rotina que permite o ajustamento de vrios modelos prdefinidos a uma amostra de valores bi-variados (x,y). Tais modelos so:

ESACB

131

SPSS

7 - Regresso Linear

Linear:

y = b0 + b1 .x

Quadrtico:

y = b0 + b1 .x + b2 .x 2

Cbico:
Logartmico:

y = b0 + b1 .x + b2 .x 2 + b3 .x 3
y = b0 + b1 . ln x

Inverso:

y = b0 +

Potncia:

y = b0 .x b1

ln y = ln b0 + b1 . ln x

Composto (compound):

y = b0 .b

ln y = ln b0 + x. ln b1

ln y = b0 +

1 1
ln = ln(b0 + x. ln b1 )
y u

ln y = ln b0 + b1 .x

b1
x

x
1

b
b0 + 1
x

b1
x

Sigmoidal (S):

y=e

Logstico:

y=

Crescimento (growth):

1
+ b0 .b1x
u
(em que u o limite assimpttico superior, u>0, u>ymax)
y = e b0 +b1 . x
ln y = b0 + b1 .x

Exponencial:

y = b0 .e 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

ESACB

para cada um dos modelos calculados:

132

SPSS

Por

7 - Regresso Linear

defeito,

os

modelos

ajustados

incluem

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

Listwise
Multiple
R Square
Adjusted
Standard

Deletion of Missing Data

R
.97001
.94092
R Square
.93823
Error
1.28802
Analysis of Variance:
DF

Sum of Squares

Mean Square

1
22

581.27190
36.49768

581.27190
1.65899

350.37794

Signif F =

Regression
Residuals
F =

Method.. LINEAR

.0000

-------------------- Variables in the Equation -------------------

ESACB

133

SPSS

7 - Regresso Linear

Variable
T Sig T

INSOLUVE
-2.646653
18.718 .0000
(Constant)
38.761 .0000
Dependent variable.. SOLIDOS
Listwise
Multiple
R Square
Adjusted
Standard

.141393

Beta

-.970010

76.193433

1.965707

Method.. QUADRATI

Deletion of Missing Data

R
.98637
.97293
R Square
.97035
Error
.89243
Analysis of Variance:
DF

Sum of Squares

Mean Square

2
21

601.04440
16.72518

300.52220
.79644

377.33322

Signif F =

Regression
Residuals
F =

SE B

.0000

-------------------- Variables in the Equation ------------------Variable

T Sig T

INSOLUVE
7.293 .0000
INSOLUVE**2
4.983 .0001
(Constant)
14.516 .0000

-8.288178

SE B

1.136478

.200730

Listwise
Multiple
R Square
Adjusted
Standard

.040286

2.075370
7.930949

Method.. CUBIC

Deletion of Missing Data

R
.98637
.97293
R Square
.97035
Error
.89243
Analysis of Variance:

Regression
Residuals

ESACB

-3.037655

115.123024

Dependent variable.. SOLIDOS

Beta

DF

Sum of Squares

Mean Square

2
21

601.04440
16.72518

300.52220
.79644

134

SPSS

F =

7 - Regresso Linear

377.33322

Signif F =

.0000

-------------------- Variables in the Equation ------------------Variable

T Sig T

INSOLUVE
7.293 .0000
INSOLUVE**2
4.983 .0001
(Constant)
14.516 .0000

-8.288178

SE B

1.136478

.200730

Beta

-3.037655

.040286

115.123024

2.075370
7.930949

--------------- Variables not in the Equation -------------Variable

T

Beta In

Partial

Min Toler

INSOLUVE**3
.3371

-4.796852 -.214795

1.368E-05

Sig

-.984

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

SPSS

7 - Regresso Linear

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-

8 - Manusear os Resultados

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
(repare que o livro est aberto), e que corresponde linha
visvel
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

SPSS

8 - Manusear os Resultados

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

SPSS

8 - Manusear os Resultados

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

SPSS

8 - Manusear os Resultados

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, repetiuse 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

SPSS

8 - Manusear os Resultados

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

SPSS

8 - Manusear os Resultados

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

SPSS

8 - Manusear os Resultados

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
que imprimir apenas os blocos seleccionados.

ESACB

, a indicar

142

SPSS

Anexos

ANEXOS
Listagem dos ficheiros SPSS referenciados no texto

ESACB

143

plasma.sav

hora
1 Manh
2 Manh
3 Manh
4 Manh
5 Manh
6 Manh
7 Manh
8 Manh
9 Manh
10 Manh
11 Tarde
12 Tarde
13 Tarde
14 Tarde
15 Tarde
16 Tarde
17 Tarde
18 Tarde
19 Tarde
20 Tarde

estrogen fosfo
Controle
8,53
Controle
20,53
Controle
12,53
Controle
14
Controle
10,8
Presente
17,53
Presente
21,07
Presente
20,8
Presente
17,33
Presente
20,07
Controle
39,14
Controle
26,2
Controle
31,33
Controle
45,8
Controle
40,2
Presente
32
Presente
23,8
Presente
28,87
Presente
25,06
Presente
29,3

pulso.sav

caso
sexo
fuma
1 Homem Fuma
2 Mulher
Fuma
3 Homem No Fuma
4 Mulher
No Fuma
5 Homem Fuma
6 Mulher
Fuma
7 Homem No Fuma
8 Mulher
No Fuma
9 Mulher
Fuma
10 Homem Fuma
11 Mulher
No Fuma
12 Homem No Fuma
13 Mulher
Fuma
14 Mulher
No Fuma
15 Homem Fuma
16 Homem No Fuma
17 Homem No Fuma
18 Mulher
No Fuma
19 Mulher
Fuma
20 Homem Fuma
21 Homem Fuma
22 Homem No Fuma
23 Mulher
Fuma
24 Mulher
No Fuma
25 Mulher
No Fuma
26 Mulher
No Fuma
27 Homem No Fuma
28 Homem No Fuma
29 Homem Fuma
30 Homem Fuma
31 Mulher
No Fuma
32 Homem No Fuma
33 Mulher
No Fuma
34 Mulher
No Fuma
35 Mulher
No Fuma
36 Homem Fuma
37 Homem No Fuma
38 Homem Fuma
39 Homem No Fuma
40 Homem No Fuma

idade
31
20
28
29
21
27
21
42
22
28
21
22
43
19
23
41
24
21
21
20
38
20
33
25
37
22
32
22
22
19
21
26
32
24
28
34
35
21
21
30

ritmoa
62
78
64
96
66
96
68
72
88
90
82
74
66
68
92
68
76
86
88
66
70
80
76
78
76
80
68
70
68
70
86
72
84
72
80
62
74
90
66
70

ritmod
126
154
128
155
128
265
120
138
160
144
140
134
148
142
134
112
158
146
156
132
122
136
148
148
136
158
116
120
126
144
144
126
136
142
138
132
116
138
142
132

arroz.sav

caso variedad
azoto
1 IR8
0 kg/ha
2 IR8
0 kg/ha
3 IR8
0 kg/ha
4 IR8
0 kg/ha
5 IR8
60 kg/ha
6 IR8
60 kg/ha
7 IR8
60 kg/ha
8 IR8
60 kg/ha
9 IR8
90 kg/ha
10 IR8
90 kg/ha
11 IR8
90 kg/ha
12 IR8
90 kg/ha
13 IR8
120 kg/ha
14 IR8
120 kg/ha
15 IR8
120 kg/ha
16 IR8
120 kg/ha
17 IR8
150 kg/ha
18 IR8
150 kg/ha
19 IR8
150 kg/ha
20 IR8
150 kg/ha
21 IR5
0 kg/ha
22 IR5
0 kg/ha
23 IR5
0 kg/ha
24 IR5
0 kg/ha
25 IR5
60 kg/ha
26 IR5
60 kg/ha
27 IR5
60 kg/ha
28 IR5
60 kg/ha
29 IR5
90 kg/ha
30 IR5
90 kg/ha
31 IR5
90 kg/ha
32 IR5
90 kg/ha
33 IR5
120 kg/ha
34 IR5
120 kg/ha
35 IR5
120 kg/ha
36 IR5
120 kg/ha
37 IR5
150 kg/ha
38 IR5
150 kg/ha
39 IR5
150 kg/ha
40 IR5
150 kg/ha
41 C4-63
0 kg/ha
42 C4-63
0 kg/ha
43 C4-63
0 kg/ha
44 C4-63
0 kg/ha
45 C4-63
60 kg/ha
46 C4-63
60 kg/ha
47 C4-63
60 kg/ha

repete producao
1
3852
2
2606
3
3144
4
2894
1
4788
2
4936
3
4562
4
4608
1
4576
2
4454
3
4884
4
3924
1
6034
2
5276
3
5906
4
5652
1
5874
2
5916
3
5984
4
5518
1
2846
2
3794
3
4108
4
3444
1
4956
2
5128
3
4150
4
4990
1
5928
2
5698
3
5810
4
4308
1
5664
2
5362
3
6458
4
5474
1
5458
2
5546
3
5786
4
5932
1
4192
2
3754
3
3738
4
3428
1
5250
2
4582
3
4896

arroz.sav
48 C4-63
49 C4-63
50 C4-63
51 C4-63
52 C4-63
53 C4-63
54 C4-63
55 C4-63
56 C4-63
57 C4-63
58 C4-63
59 C4-63
60 C4-63

60 kg/ha
90 kg/ha
90 kg/ha
90 kg/ha
90 kg/ha
120 kg/ha
120 kg/ha
120 kg/ha
120 kg/ha
150 kg/ha
150 kg/ha
150 kg/ha
150 kg/ha

4
1
2
3
4
1
2
3
4
1
2
3
4

4286
5822
4848
5678
4932
5888
5524
6042
4756
5864
6264
6056
5362

catsup.sav

caso
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

insoluve
10,71
11,76
11,36
11,27
15,3
12,07
15,98
13,34
13,34
14,29
13,66
14,79
14,5
14,8
14,88
10,86
13,34
13,01
12,87
14,4
15,12
17,06
18,22
13,73

solidos
51
45,2
44,8
47,4
35,5
44,5
35,3
39,3
40,8
38,4
39,3
36
37,9
36,2
35,3
48,5
40
43
41,5
36,7
35,3
32,5
30,2
38,9