Teste Anova F Em Stata Forex

ANOVA de dois vias em Stata Introdução A ANOVA de dois sentidos compara as diferenças médias entre grupos que foram divididos em duas variáveis ​​independentes (chamados de fatores). O objetivo principal de uma ANOVA bidirecional é entender se existe uma interação entre as duas variáveis ​​independentes na variável dependente. Por exemplo, você pode usar uma ANOVA de dois sentidos para entender se existe uma interação entre nível educacional e grau em salário (ou seja, sua variável dependente seria salário, medida em uma escala contínua usando dólares americanos e suas variáveis ​​independentes seriam Nível educacional, que tem três grupos de alunos de graduação, mestrado e doutorado e tipo de licenciatura, que tem cinco grupos: estudos de negócios, psicologia, ciências biológicas, engenharia e direito). Alternativamente, você pode usar uma ANOVA de dois sentidos para entender se existe uma interação entre o nível de atividade física e o gênero na concentração de colesterol no sangue em crianças (ou seja, sua variável dependente seria a concentração de colesterol no sangue, medida em uma escala contínua em mmolL e sua As variáveis ​​independentes seriam o nível de atividade física, que tem três grupos com ndash baixo, moderado e alto e gênero, que tem dois grupos: machos e fêmeas). Nota: Se você tem três variáveis ​​independentes em vez de duas, você precisa de uma ANOVA de três vias. Se você tiver uma interação estatisticamente significativa entre suas duas variáveis ​​independentes na variável dependente, você pode acompanhar esse resultado determinando se há algum efeito de quotsimple principal e, se houver, quais são esses efeitos (por exemplo, talvez mulheres com educação universitária Teve um maior interesse na política do que os homens com uma educação universitária). Voltamos aos efeitos principais simples mais tarde. Neste guia de início rápido, mostramos como realizar uma ANOVA de duas vias usando o Stata, bem como interpretar e relatar os resultados desse teste. No entanto, antes de apresentarmos este procedimento, você precisa entender os diferentes pressupostos que seus dados devem atender para que uma ANOVA de dois sentidos lhe dê um resultado válido. Nós discutimos estes pressupostos a seguir. Pressupostos Existem seis pressupostos que sustentam a ANOVA de dois sentidos. Se qualquer um desses seis pressupostos não for cumprido, você não pode analisar seus dados usando uma ANOVA de dois sentidos porque você não obterá um resultado válido. Uma vez que os pressupostos 1, 2 e 3 referem-se ao design do estudo e à escolha das variáveis, eles não podem ser testados para usar o Stata. No entanto, você deve decidir se seu estudo atende a essas premissas antes de seguir em frente. Assunção 1: sua variável dependente deve ser medida no nível contínuo. Exemplos de tais variáveis ​​contínuas incluem altura (medida em pés e polegadas), temperatura (medida em degC), salário (medido em dólares norte-americanos), tempo de revisão (medido em horas), inteligência (medida usando o escore de QI), tempo de reação Em milissegundos), o desempenho do teste (medido de 0 a 100), as vendas (medidas em número de transações por mês), e assim por diante. Se você não tem certeza se sua variável dependente é contínua (ou seja, medido no intervalo ou nível de relação), consulte o nosso Guia de Tipos de Variáveis. Assunção 2: Suas duas variáveis ​​independentes devem consistir em duas ou mais categóricas. Grupos independentes (não relacionados). Exemplos de variáveis ​​categóricas incluem gênero (por exemplo, 2 grupos: masculino e feminino), etnia (por exemplo, 3 grupos: caucasiano, afro-americano e hispânico), profissão (por exemplo, 5 grupos: cirurgião, médico, enfermeiro, dentista, terapeuta) e assim por diante . Assunção 3: você deve ter independência de observações. O que significa que não há relação entre as observações em cada grupo ou entre os próprios grupos. Por exemplo, deve haver diferentes participantes em cada grupo, sem participantes em mais de um grupo. Se você não tem independência de observações, é provável que você tenha grupos relacionados, o que significa que você precisará usar uma ANOVA de medidas repetidas de duas vias em vez da ANOVA de dois sentidos. Felizmente, você pode verificar os pressupostos 4, 5 e 6 usando o Stata. Ao passar às premissas 4, 5 e 6, sugerimos testá-las nesta ordem porque representa uma ordem em que, se uma violação ao pressuposto não for corrigível, você não poderá mais usar uma ANOVA de dois sentidos. Na verdade, não se surpreenda se seus dados falharem em um ou mais desses pressupostos, pois isso é bastante típico quando se trabalha com dados do mundo real em vez de exemplos de livros didáticos, que geralmente mostram apenas como realizar uma ANOVA de dois sentidos quando tudo vai bem. No entanto, não se preocupe, porque mesmo quando seus dados falham em certos pressupostos, muitas vezes há uma solução para superar isso (por exemplo, transformar seus dados ou usar outro teste estatístico em vez disso). Basta lembrar que, se você não verificar se seus dados atendem a essas premissas ou você as teste incorretamente, os resultados obtidos ao executar uma ANOVA de dois sentidos podem não ser válidos. Assunção 4: Não deve haver valores atípicos significativos. Um outlier é simplesmente um único caso dentro do seu conjunto de dados que não segue o padrão usual (por exemplo, em um estudo de 100 alunos de pontuação do QI, onde o escore médio foi de 108 com apenas uma pequena variação entre os alunos, um aluno teve uma pontuação de 156 , O que é muito incomum, e pode até colocá-la no topo 1 dos escores de QI globalmente). O problema com outliers é que eles podem ter um efeito negativo na ANOVA de dois sentidos, reduzindo a precisão de seus resultados. Felizmente, ao usar o Stata para executar uma ANOVA de dois sentidos em seus dados, você pode facilmente detectar possíveis outliers. Assunção 5: Sua variável dependente deve ser aproximadamente normalmente distribuída para cada combinação dos grupos das duas variáveis ​​independentes. Os seus dados só precisam ser aproximadamente normais para executar uma ANOVA de dois sentidos porque é bastante robusto para violações da normalidade, o que significa que essa suposição pode ser um pouco violada e ainda fornecer resultados válidos. Você pode testar a normalidade usando o teste Shapiro-Wilk de normalidade, que é facilmente testado para usar o Stata. Assunção 6: precisa haver homogeneidade de variâncias para cada combinação dos grupos das duas variáveis ​​independentes. Você pode testar essa suposição em Stata usando o teste de Levenes para homogeneidade de variâncias. Na prática, a verificação de hipóteses 4, 5 e 6 provavelmente ocupará a maior parte do tempo ao realizar uma ANOVA de dois sentidos. No entanto, não é uma tarefa difícil, e a Stata fornece todas as ferramentas que você precisa para fazer isso. Na seção, Procedimento de teste em Stata. Nós ilustramos o procedimento Stata necessário para realizar uma ANOVA de dois sentidos, assumindo que nenhum pressuposto foi violado. Primeiro, apresentamos o exemplo que usamos para explicar o procedimento ANOVA de duas vias em Stata. Um pesquisador estava interessado em saber se o interesse de uma pessoa pela política era influenciado pelo seu nível de educação e gênero. Portanto, a variável dependente era o interesse na política, e as duas variáveis ​​independentes eram gênero e nível de educação. Em particular, o pesquisador queria saber se havia uma interação entre nível educacional e gênero. Dito de outra forma, o efeito do nível de educação sobre o interesse em políticas diferentes para homens e mulheres. Para responder a esta pergunta, uma amostra aleatória de 60 participantes foram recrutados para participar do estudo ndash 30 homens e 30 mulheres ndash igualmente divididas por nível De educação: escola, faculdade e universidade (ou seja, 10 participantes em cada grupo). Cada participante no estudo completou um questionário que marcou seu interesse em política em uma escala de 0 a 100, com pontuações mais altas que indicam um maior interesse pela política. O interesse dos participantes pela política foi registrado na variável, IntPolitics. Seu gênero na variável, gênero. E seu nível de educação na variável, EduLevel. Em termos variáveis, o pesquisador queria saber se havia uma interação entre Gender e EduLevel na IntPolitics. Configuração em Stata In Stata, separamos os indivíduos em seus grupos apropriados usando duas colunas que representam as duas variáveis ​​independentes, e rotulá-las de gênero e EduLevel. Para gênero. Nós codificamos Masculino como 1 e Feminino como 2. E para EduLevel. Codificamos a Escola como 1. Faculdade como 2 e Universidade como 3. O interesse dos participantes em política ndash a variável dependente ndash foi inserido sob o nome da variável, IntPolitics. A configuração para este exemplo pode ser vista abaixo: Publicado com permissão por escrito da StataCorp LP. As pontuações para as variáveis ​​independentes, EduLevel e Gender. Bem como as pontuações para a variável dependente, IntPolitics. Foram então inseridos na folha de cálculo do Editor de Dados (Editar), conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Procedimento de teste em Stata Nesta seção, mostramos como analisar seus dados usando uma ANOVA de dois sentidos em Stata quando os seis pressupostos na seção anterior, Suposições. Não foram violados. Você pode realizar uma ANOVA de duas vias usando código ou interface gráfica do usuário do Statas (GUI). Depois de ter realizado sua análise, mostramos como interpretar seus resultados. Primeiro, escolha se deseja usar o código ou a interface gráfica do usuário Statas (GUI). Na primeira seção abaixo, estabelecemos o código para realizar uma ANOVA de dois sentidos. Todo o código é inserido na caixa Statas, conforme ilustrado abaixo: Publicado com permissão por escrito da StataCorp LP. O código para executar uma ANOVA de dois sentidos em seus dados toma a forma: anova DependentVariable FirstIndependentVariableSecondIndependentVariable Usando nosso exemplo onde a variável dependente é IntPolitics e as duas variáveis ​​independentes são Gender e EduLevel. O código necessário seria: anova IntPolitics GenderEduLevel Portanto, digite o código e pressione o botão ReturnEnter na sua palavra-chave. Você pode ver a saída da Stata que será produzida aqui. Se houver uma interação estatisticamente significativa, você pode realizar efeitos principais simples. Discutiremos isso mais tarde. Interface de usuário gráfica (GUI) Clique em Estatísticas gt Modelos lineares e gt relacionados ANOVAMANOVA gt Análise de variância e covariância no menu superior como mostrado abaixo. Publicado com permissão por escrito da StataCorp LP. Você receberá a seguinte caixa de diálogo anova - Análise de variação e covariância: Publicado com permissão por escrito da StataCorp LP. Selecione a variável dependente, IntPolitics. Dentro da caixa suspensa Dependente: drop-down, e clique no botão de três pontos,, na parte inferior direita do modelo: caixa suspensa. Publicado com permissão por escrito da StataCorp LP. Você receberá a seguinte caixa de diálogo Criar varlist com variáveis ​​de fator: Publicado com permissão por escrito da StataCorp LP. Mantenha a opção Variável do fator selecionada no ndashType da área variablendash. Na área variablendash do fator ndashAdd, selecione a opção dentro da caixa suspensa Especificação:. Você receberá uma segunda caixa suspensa Variáveis, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Para Variável 1. selecione Sexo na caixa suspensa Variáveis ​​e padrão na caixa suspensa Base. Para variável 2. selecione EduLevel na caixa suspensa Variáveis ​​e padrão na caixa suspensa Base. Em seguida, clique no botão, que adicionará o termo Modelo, GenderEduLevel. Para a caixa Varlist: Publicado com permissão por escrito da StataCorp LP. Nota: Não marcamos a caixa de seleção, sob c. Para qualquer uma de nossas duas variáveis ​​independentes, Gender ou EduLevel. Isso ocorre porque a Assunção 2 de uma ANOVA de dois sentidos é que ambas as variáveis ​​independentes são variáveis ​​fatoriais (ou seja, variáveis ​​categóricas), o Sexo tem duas categorias (ie Masculino e Feminino), enquanto a EduLevel tem três categorias (ie Escola, Faculdade e Universidade ). Clique no botão. Você receberá a caixa de diálogo anova - Análise de variância e covariância, mas agora com o termo Modelo, GenderEduLevel. Tendo sido adicionado no modelo: caixa, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Clique no botão. Isso gerará a saída do Stata para a ANOVA de dois sentidos, mostrada na próxima seção. Saída da ANOVA bidirecional em Stata Se seus dados passaram a suposição 4 (ou seja, não houve outliers significativos), a hipótese 5 (ou seja, sua variável dependente foi aproximadamente normalmente distribuída para cada grupo da variável independente) e a suposição 6 (ou seja, houve Homogeneidade das variações), que explicamos anteriormente na seção Suposições, você só precisará interpretar a seguinte saída da Stata para a ANOVA de dois sentidos: Publicado com permissão por escrito da StataCorp LP. O gênero . As linhas EduLevel e GenderEduLevel na saída acima explicam se temos efeitos estatisticamente significativos para nossas duas variáveis ​​independentes, Gender e EduLevel. E para sua interação, GenderEduLevel. Examinamos primeiro a interação GenderEduLevel porque este é o resultado mais importante que estamos a seguir. Podemos ver a partir da coluna Prob gt F que temos uma interação estatisticamente significativa no nível p .0016. Você também pode reportar os resultados de Gender e EduLevel. Podemos ver a partir do resultado acima que não houve diferença estatisticamente significativa no interesse em política entre gênero (p. 4987), mas houve diferenças estatisticamente significativas entre níveis educacionais (p lt .0005). Finalmente, se você tiver uma interação estatisticamente significativa, você também precisará relatar efeitos principais simples, o efeito de uma das variáveis ​​independentes em um determinado nível da outra variável independente. No nosso exemplo, isso implicaria a determinação da diferença média no interesse da política entre os gêneros em cada nível educacional, bem como entre o nível educacional para cada gênero (por exemplo, talvez as mulheres com educação universitária tivessem um maior interesse em política do que os homens com uma universidade Educação). Alternativamente, se você não tiver uma interação estatisticamente significativa, você pode reportar os principais efeitos. Tanto os efeitos principais simples como os efeitos principais podem ser calculados usando o Stata. Relatando os resultados de uma ANOVA de dois sentidos Ao relatar a saída de sua ANOVA de dois sentidos, é uma boa prática incluir: A. Uma introdução à análise que você realizou. B. Informações sobre sua amostra (incluindo quantos participantes estavam em cada um de seus grupos se os tamanhos dos grupos fossem desiguais ou havia valores faltantes). C. Uma indicação de se houve uma interação estatisticamente significativa entre suas duas variáveis ​​independentes na variável dependente (incluindo o valor F observado, os graus de liberdade df e o nível de significância, ou mais especificamente, o valor p de 2 colas Prob gt F. D. Se a interação foi estatisticamente significativa, uma declaração de quais grupos das duas variáveis ​​independentes mostrou diferenças estatisticamente significativas em termos da variável dependente que é, os principais efeitos simples (indicando quais grupos foram ou não foram estatisticamente significativos Diferentes, incluindo os valores-p relevantes). Com base no resultado da Stata acima, podemos relatar os resultados deste estudo da seguinte forma (NB, também incluímos um exemplo de efeitos principais simples): um ANOVA de dois sentidos foi executado em um Amostra de 60 participantes para examinar o efeito do gênero e nível de educação sobre o interesse na política. Houve uma interação significativa entre os efeitos do gênero e nível de educação em Interesse na política, F (2, 52) 7,33, p. 0016. A análise simples de efeitos principais mostrou que os machos estavam significativamente mais interessados ​​na política do que as mulheres quando educadas para o nível universitário (p .002), mas não houve diferenças entre o gênero quando educado para a escola (p. 465) ou o nível da faculdade (p. 793) ANOVA on-line usando Stata Introdução O analise de variância (ANOVA) é usado para determinar se a média de uma variável dependente é a mesma em dois ou mais grupos independentes independentes. No entanto, normalmente é usado somente quando você possui três ou mais grupos independentes e não relacionados, uma vez que uma amostra t de amostras independentes é mais comumente usada quando você tem apenas dois grupos. Se você tem duas variáveis ​​independentes, você pode usar uma ANOVA de dois sentidos. Por exemplo, você pode usar uma ANOVA unidirecional para determinar se o desempenho do exame diferiu com base nos níveis de ansiedade nos testes entre os alunos (ou seja, sua variável dependente seria o desempenho do exame, medido de 0 a 100 e sua variável independente seria níveis de ansiedade no teste, Que tem três grupos: estudantes de baixa estressão, alunos com estressos médios e estudantes altamente estressados). Alternativamente, uma ANOVA unidirecional poderia ser usada para entender se há uma diferença no salário com base no tipo de grau (ou seja, sua variável dependente seria salário e sua variável independente seria de grau, que tem cinco grupos: estudos de negócios, psicologia, Ciências biológicas, engenharia e direito). Quando há uma diferença estatisticamente significativa entre os grupos, é possível determinar quais grupos específicos foram significativamente diferentes uns dos outros usando testes post hoc. Você precisa realizar esses testes post hoc porque a ANOVA unidirecional é um teste omnibus e não pode dizer quais grupos específicos foram significativamente diferentes um do outro, apenas diz que pelo menos dois grupos eram diferentes. Este guia de início rápido mostra como realizar uma ANOVA unidirecional com testes post hoc usando o Stata, bem como como interpretar e relatar os resultados desse teste. No entanto, antes de apresentá-lo a este procedimento, você precisa entender os diferentes pressupostos que seus dados devem atender para que uma ANOVA unidirecional lhe dê um resultado válido. Nós discutimos estes pressupostos a seguir. Pressupostos Existem seis pressupostos que sustentam a ANOVA unidirecional. Se algum desses seis pressupostos não for cumprido, você não pode analisar seus dados usando uma ANOVA unidirecional porque você não obterá um resultado válido. Uma vez que os pressupostos 1, 2 e 3 referem-se ao design do estudo e à escolha das variáveis, eles não podem ser testados para usar o Stata. No entanto, você deve decidir se seu estudo atende a essas premissas antes de seguir em frente. Assunção 1: sua variável dependente deve ser medida no nível contínuo. Exemplos de tais variáveis ​​contínuas incluem altura (medida em pés e polegadas), temperatura (medida em degC), salário (medido em dólares norte-americanos), tempo de revisão (medido em horas), inteligência (medida usando o escore de QI), tempo de reação Em milissegundos), o desempenho do teste (medido de 0 a 100), as vendas (medidas em número de transações por mês), e assim por diante. Se você não tem certeza se sua variável dependente é contínua (ou seja, medido no intervalo ou nível de relação), consulte o nosso Guia de Tipos de Variáveis. Se sua variável dependente for ordinária, você pode considerar executar um teste de Kruskal-Wallis H em vez disso. Assunção 2: sua variável independente deve consistir em dois ou mais categóricos. Grupos independentes (não relacionados). Exemplos de variáveis ​​categóricas incluem gênero (por exemplo, 2 grupos: masculino e feminino), etnia (por exemplo, 3 grupos: caucasiano, afro-americano e hispânico), nível de atividade física (por exemplo, 4 grupos: sedentário, baixo, moderado e alto) e profissão ( Por exemplo, 5 grupos: cirurgião, médico, enfermeiro, dentista, terapeuta). Assunção 3: você deve ter independência de observações. O que significa que não há relação entre as observações em cada grupo ou entre os próprios grupos. Por exemplo, deve haver diferentes participantes em cada grupo, sem participantes em mais de um grupo. Se você não tem independência de observações, é provável que você tenha grupos relacionados, o que significa que você precisará usar uma ANOVA repetida de sentido único em vez da ANOVA unidirecional. Felizmente, você pode verificar os pressupostos 4, 5 e 6 usando o Stata. Ao passar às premissas 4, 5 e 6, sugerimos testá-las nesta ordem porque representa uma ordem em que, se uma violação ao pressuposto não for corrigível, você não poderá mais usar uma ANOVA unidirecional. Na verdade, não se surpreenda se seus dados falharem em uma ou mais dessas premissas, pois isso é bastante típico quando se trabalha com dados do mundo real, em vez de exemplos de livros didáticos, que geralmente mostram apenas como realizar uma ANOVA unidirecional quando tudo vai bem. No entanto, não se preocupe, porque mesmo quando seus dados falham em certos pressupostos, muitas vezes há uma solução para superar isso (por exemplo, transformar seus dados ou usar outro teste estatístico em vez disso). Basta lembrar que, se você não verificar se seus dados atendem a esses pressupostos ou você os testou corretamente, os resultados obtidos ao executar um ANOVA de sentido único podem não ser válidos. Assunção 4: Não deve haver valores atípicos significativos. Um outlier é simplesmente um único caso dentro do seu conjunto de dados que não segue o padrão usual (por exemplo, em um estudo de 100 alunos de pontuação do QI, onde o escore médio foi de 108 com apenas uma pequena variação entre os alunos, um aluno teve uma pontuação de 156 , O que é muito incomum, e pode até colocá-la no topo 1 dos escores de QI globalmente). O problema com outliers é que eles podem ter um efeito negativo na ANOVA unidirecional, reduzindo a precisão de seus resultados. Felizmente, ao usar o Stata para executar uma ANOVA unidirecional em seus dados, você pode facilmente detectar possíveis valores esporádicos. Assunção 5: Sua variável dependente deve ser aproximadamente normalmente distribuída para cada categoria da variável independente. Os seus dados só precisam ser aproximadamente normais para executar uma ANOVA unidirecional porque é bastante robusto para violações da normalidade, o que significa que essa suposição pode ser um pouco violada e ainda fornecer resultados válidos. Você pode testar a normalidade usando o teste Shapiro-Wilk de normalidade, que é facilmente testado para usar o Stata. Assunção 6: precisa haver homogeneidade de variâncias. Você pode testar essa suposição em Stata usando o teste de Levenes para homogeneidade de variâncias. O teste de Levenes é muito importante quando se trata de interpretar os resultados de um guia ANOVA unidirecional porque a Stata é capaz de produzir diferentes resultados, dependendo se seus dados atendem ou falham nesta suposição. Na prática, a verificação dos pressupostos 4, 5 e 6 provavelmente ocupará a maior parte do tempo ao realizar uma ANOVA unidirecional. No entanto, não é uma tarefa difícil, e a Stata fornece todas as ferramentas que você precisa para fazer isso. Na seção, Procedimento de teste em Stata. Ilustramos o procedimento Stata exigido para executar uma ANOVA unidirecional assumindo que nenhum pressuposto foi violado. Em primeiro lugar, definimos o exemplo que usamos para explicar o procedimento ANOVA unidirecional em Stata. Um revendedor online quer obter o melhor dos funcionários, além de melhorar sua experiência de trabalho. Atualmente, os funcionários do centro de atendimento de pedidos dos varejistas não são fornecidos com nenhum tipo de entretenimento enquanto trabalham (por exemplo, música de fundo, televisão, etc.). No entanto, o revendedor quer saber se o fornecimento de música, que alguns funcionários solicitaram, levaria a uma maior produtividade e, em caso afirmativo, por quanto. Portanto, o pesquisador recruta uma amostra aleatória de 60 funcionários. Esta amostra de 60 participantes foi dividida aleatoriamente em três grupos independentes com 20 participantes em cada grupo: (a) um grupo de controle que não escutou música (b) um grupo de tratamento que ouviu música, mas não tinha escolha do que escutaram E (c) um segundo grupo de tratamento que ouviu música e teve a escolha do que escutaram. A experiência durou um mês. No final do experimento, a produtividade dos três grupos foi medida em termos da quantidade média de pacotes processados ​​por hora. Portanto, a variável dependente foi a produtividade (medida em termos de número médio de pacotes processados ​​por hora durante o experimento de um mês), enquanto a variável independente era de tipo de tratamento, onde havia três grupos independentes: sem música (grupo de controle), música - Sem escolha (grupo de tratamento A) e Música - Escolha (grupo de tratamento B). Foi utilizada uma ANOVA unidirecional para determinar se houve diferença estatisticamente significativa na produtividade entre os três grupos independentes. Nota: O exemplo e os dados utilizados para este guia são fictícios. Acabamos de criá-los para os propósitos deste guia. Configuração em Stata In Stata, separamos os três grupos para análise criando a variável independente. Chamado Música. E deu: (a) um valor de 1 - Sem música para o grupo de controle (b) um valor de 2 - Música - Nenhuma escolha para o grupo de tratamento que ouviu música, mas não tinha escolha do que escutaram e (C) um valor de 3 - Música - Escolha para o grupo de tratamento que ouviu música e tinha a escolha do que escutaram, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. As pontuações para a variável independente, Música. Foram então inseridos na coluna do lado esquerdo da planilha do Editor de Dados (Editar), enquanto os valores para a variável dependente. Produtividade. Foram inseridos na coluna da direita, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Procedimento de teste em Stata Nesta seção, mostramos como analisar seus dados usando uma ANOVA unidirecional em Stata quando os seis pressupostos na seção anterior, Suposições. Não foram violados. Você pode realizar uma ANOVA unidirecional usando código ou interface gráfica do usuário do Statas (GUI). Depois de ter realizado sua análise, mostramos como interpretar seus resultados. Primeiro, escolha se deseja usar o código ou a interface gráfica do usuário Statas (GUI). Na primeira seção abaixo, estabelecemos o código para realizar uma ANOVA unidirecional. E na segunda seção, o teste post hoc que segue a ANOVA unidirecional. Todo o código é inserido na caixa Statas, conforme ilustrado abaixo: Publicado com permissão por escrito da StataCorp LP. ANOVA de sentido único O código para executar uma ANOVA de sentido único em seus dados assume a forma: oneway DependentVariable IndependentVariable, tabulate Usando nosso exemplo, onde a variável dependente é Productivity e a variável independente é Music. O código necessário seria: oneway Productivity Music, tabulate Nota: Você pode executar o comando oneway sem adicionar o comando tabulate ao final do código, mas isso fornece estatísticas descritivas úteis (ou seja, média, desvio padrão e N), então nós Escolha incluir. Portanto, digite o código e pressione o botão ReturnEnter no seu teclado. Você pode ver a saída da Stata que será produzida aqui. Se houver uma diferença estatisticamente significativa entre seus grupos, você pode então realizar testes post hoc usando o código abaixo para determinar onde existem diferenças. Teste post hoc Existem muitos tipos de teste post hoc que você pode usar seguindo uma ANOVA unidirecional (por exemplo, Bonferroni, Sidak, Scheffe, Tukey, etc.). Mostramos o código para executar o teste Tukey post hoc abaixo, que assume a forma: pwmean DependentVariable, overIndependentVariable, mcompare (tukey) effects Usando nosso exemplo onde a variável dependente é Productivity e a variável independente é Music. O código requerido seria: efeitos de produtividade, overMusic, mcompare (tukey) Nota: Você precisa executar o ANOVA unidirecional em Stata antes de realizar testes pós-hoc ou o Stata exibirá o seguinte erro: última estimativa não encontrada . Não basta que seu arquivo esteja configurado corretamente com as variáveis ​​dependentes e independentes relevantes rotuladas corretamente. A Stata não identifica estes para a realização de testes pos hoc até que você tenha executado pela primeira vez a ANOVA de sentido único. Portanto, se você receber uma mensagem de erro, você terá que executar o procedimento ANOVA de ida e novamente digitar o código post hoc uma segunda vez. Portanto, digite o código e pressione o botão ReturnEnter no seu teclado. Você pode ver a saída da Stata que será produzida a partir do teste post hoc aqui e o principal procedimento ANOVA de sentido único aqui. Interface gráfica de usuário (GUI) Na primeira seção abaixo, definimos o código para realizar uma ANOVA unidirecional. E na segunda seção, o teste post hoc que segue a ANOVA unidirecional. ANOVA de sentido único Selecionar estatísticas gt Modelos lineares e gt ANOVAMANOVA gt ANOVA unidirecional no menu superior, conforme mostrado abaixo. Publicado com permissão por escrito da StataCorp LP. Você receberá o seguinte oneway - Caixa de diálogo de análise de variância unidirecional: Publicado com permissão por escrito da StataCorp LP. Selecione a variável dependente, Produtividade. Dentro da variável Resposta: caixa suspensa, e a variável independente, Música. Na caixa de listagem Variável do fator:. Em seguida, marque a caixa de Tabela de resumo de Produção na área ndashOutputndash, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Você pode ver a saída da Stata que será produzida aqui. Se houver uma diferença estatística significativa entre seus grupos, você pode então realizar testes post hoc usando o procedimento abaixo para determinar onde existem diferenças. Testes Post hoc Clique em Estatísticas gt Resumos, tabelas e testes gt Resumo e estatística descritiva gt Comparações parciais de meios no menu superior, conforme mostrado abaixo. Publicado com permissão por escrito da StataCorp LP. Você receberá o seguinte esquema: caixa de diálogo Comparação entre pares de meios: Publicado com permissão por escrito da StataCorp LP. Selecione a variável dependente, Produtividade. Dentro da caixa suspensa Variável: e a variável independente, Música. Dentro da caixa suspensa Over:. Em seguida, selecione o teste pós-hoc dentro da caixa suspensa Ajuste de comparações múltiplas, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Nota: Você precisa executar o ANOVA de sentido único em Stata antes de realizar testes pós-hoc ou o Stata mostrará uma mensagem de erro. Não basta que seu arquivo esteja configurado corretamente com as variáveis ​​dependentes e independentes relevantes rotuladas corretamente. A Stata não identifica estes para a realização de testes pos hoc até que você tenha executado pela primeira vez a ANOVA de sentido único. Portanto, se você receber uma mensagem de erro, você terá que executar o procedimento ANOVA de ida e depois seguir o procedimento post hoc por segunda vez. Clique na guia destacada no retângulo vermelho. Você acabará com uma tela semelhante à que se segue: Publicado com permissão por escrito da StataCorp LP. Mantenha o intervalo de confiança padrão 95 ao não alterar o valor 95 na caixa suspensa Nível de Confiança. Em seguida, selecione a opção de tabelas de efeitos, que abrirá mais três opções abaixo. Finalmente, marque a tabela Show effects com intervalos de confiança e caixa p-values, conforme mostrado abaixo: Publicado com permissão por escrito da StataCorp LP. Você pode ver a saída da Stata que será produzida a partir do teste post hoc aqui e o principal procedimento ANOVA de sentido único aqui. Saída da ANOVA unidirecional em Stata Se seus dados passaram a suposição 4 (ou seja, não houve outliers significativos), a hipótese 5 (ou seja, sua variável dependente foi distribuída aproximadamente normalmente por cada grupo da variável independente) e a suposição 6 (ou seja, houve homogeneity of variances), which we explained earlier in the Assumptions section, you will only need to interpret the following Stata output for the one-way ANOVA: Descriptive statistics The descriptives output, highlighted in the red rectangle below, provides some very useful descriptive statistics , including the mean, standard deviation and sample sizes for the dependent variable ( Productivity ) for each group of the independent variable, Music (ie No music, Music - No choice and Music - Choice), as well as when all groups are combined ( Total). These figures are useful when you need to describe your data. Published with written permission from StataCorp LP. One-way ANOVA results The Stata output for the one-way ANOVA is shown in the red rectangle below, indicating whether we have a statistically significant difference between our three group means. We can see that the significance level is 0.0040 ( p .004), which is below 0.05. and, therefore, there is a statistically significant difference in the mean productivity between the three different groups of the independent variable, Music (i. e. No Music, Music - No Choice and Music - Choice). This is great to know, but we do not know which of the specific groups differed. Luckily, we can find this out in the Pairwise comparisons of means with equal variances output that contains the results of our post hoc tests (see below ). Published with written permission from StataCorp LP. Pairwise comparisons results for the Tukey post hoc test From the results so far, we know that at least one of the group means is different from the other group means. Next, we can use the Stata output below, entitled Pairwise comparisons of means with equal variances . to determine which groups differed from each other. Looking at the p - value (i. e. the Pgtt row under the Tukey column), we can see that there is a statistically significant difference in productivity between the Music - Choice group who listened to music (and had a choice over what music they listened to) and the No music control group who did not listen to music ( p 0.003). However, there were no differences between the Music - No choice group who listened to music (but had no choice over what music they listened to) and the No music control group ( p 0.467), or between the Music - Choice group and Music - No choice group ( p 0.072). Published with written permission from StataCorp LP. In the section that follows, we show you how you could report these results. Note: We present the output from the one-way ANOVA above. However, since you should have tested your data for the assumptions we explained earlier in the Assumptions section, you will also need to interpret the Stata output that was produced when you tested for them. This includes: (a) the boxplots you used to check if there were any significant outliers (b) the output Stata produces for your Shapiro-Wilk test of normality to determine normality and (c) the output Stata produces for Levenes test for homogeneity of variances. Also, remember that if your data failed any of these assumptions, the output that you get from the one-way ANOVA procedure (i. e. the output we discuss above) will no longer be relevant, and you will need to interpret the Stata output that is produced when they fail (i. e. this includes different results). Reporting the Output of the One-Way ANOVA When you report the output of your one-way ANOVA, it is good practice to include: A. An introduction to the analysis you carried out. B. Information about your sample (including how many participants were in each of your groups if the group sizes were unequal or there were missing values). C. A statement of whether there were statistically significant differences between your groups (including the observed F - value F , degrees of freedom df , and significance level, or more specifically, the 2-tailed p - value Prob gt F . D. If there was a statistically significant difference between the groups, the results from the Tukey post hoc test, including the mean ( Contrast ) and standard error ( Std. Err. ) for each of your groups, as well as the relevant 2-tailed p - value Prob gt t . Based on the Stata output above. we could report the results of this study as follows: A one-way ANOVA was conducted to determine if productivity in a packing facility was different for groups with different physical activity levels. Data is mean standard error. Participants were classified into three groups: No music ( n 20), Music - No choice ( n 20) and Music - Choice ( n 20). There was a statistically significant difference between groups as determined by one-way ANOVA ( F (2,57) 6.08, p .004). A Tukey post-hoc test revealed that productivity was statistically significantly higher in the Music - Choice group compared to the No music control group (8.55 2.49 packages, p .003). However, there were no statistically significant differences between the Music - No choice and No music groups (2.95 2.49 packages, p .467), or the Music - Choice and Music - No choice groups (5.6 2.49 packages, p .072). In addition to the reporting the results as above, a diagram can be used to visually present your results. For example, you could do this using a bar chart with error bars (e. g. where the errors bars could be the standard deviation, standard error or 95 confidence intervals). This can make it easier for others to understand your results. Furthermore, you are increasingly expected to report effect sizes in addition to your one-way ANOVA results. Effect sizes are important because whilst the one-way ANOVA tells you whether differences between group means are real (i. e. different in the population), it does not tell you the size of the difference. Whilst Stata will not produce these effect sizes for you using this procedure, there is a procedure in Stata to do so.