Análise de variância bidirecional - Two-way analysis of variance
Em estatística , a análise de variância ( ANOVA ) bidirecional é uma extensão da ANOVA unilateral que examina a influência de duas variáveis independentes categóricas diferentes em uma variável dependente contínua . A ANOVA bidirecional não visa apenas avaliar o efeito principal de cada variável independente, mas também se há alguma interação entre elas.
História
Em 1925, Ronald Fisher menciona a ANOVA bidirecional em seu livro célebre, Statistical Methods for Research Workers (capítulos 7 e 8). Em 1934, Frank Yates publicou procedimentos para o caso desequilibrado. Desde então, uma extensa literatura foi produzida. O tópico foi revisado em 1993 por Yasunori Fujikoshi . Em 2005, Andrew Gelman propôs uma abordagem diferente de ANOVA, vista como um modelo multinível .
Conjunto de dados
Vamos imaginar um conjunto de dados para o qual uma variável dependente pode ser influenciada por dois fatores que são fontes potenciais de variação. O primeiro fator possui níveis ( ) e o segundo possui níveis ( ) . Cada combinação define um tratamento , para um total de tratamentos. Representamos o número de repetições para tratamento por , e seja o índice da replicação neste tratamento ( ) .
A partir desses dados, podemos construir uma tabela de contingência , onde e , e o número total de repetições é igual a .
O desenho experimental é balanceado se cada tratamento tiver o mesmo número de repetições ,. Nesse caso, o design também é dito ortogonal , permitindo distinguir completamente os efeitos de ambos os fatores. Portanto, podemos escrever , e .
Modelo
Ao observar a variação entre todos os pontos de dados, por exemplo, por meio de um histograma , "a probabilidade pode ser usada para descrever essa variação". Vamos, por conseguinte, indicar pela variável aleatória que o valor observado é a medida -ésimo para tratamento . A ANOVA bidirecional modela todas essas variáveis como variando de forma independente e normalmente em torno de uma média , com uma variância constante, ( homocedasticidade ):
.
Especificamente, a média da variável de resposta é modelada como uma combinação linear das variáveis explicativas:
,
onde é a grande média, é o efeito principal aditivo do nível do primeiro fator ( i -ésima linha na tabela de contingência), é o efeito principal aditivo do nível do segundo fator ( j- ésima coluna na tabela de contingência) e é o efeito de interação não aditivo do tratamento de ambos os fatores (célula na linha i e coluna j na tabela de contingência).
Outra forma equivalente de descrever a ANOVA bidirecional é mencionando que, além da variação explicada pelos fatores, permanece algum ruído estatístico . Essa quantidade de variação inexplicada é tratada através da introdução de uma variável aleatória por ponto de dados,, chamada de erro . Essas variáveis aleatórias são vistas como desvios das médias e são consideradas independentes e normalmente distribuídas:
.
Premissas
Seguindo Gelman e Hill, as suposições da ANOVA e, mais geralmente, o modelo linear geral , são, em ordem decrescente de importância:
- os pontos de dados são relevantes no que diz respeito à questão científica sob investigação;
- a média da variável resposta é influenciada aditivamente (senão o termo de interação) e linearmente pelos fatores;
- os erros são independentes;
- os erros têm a mesma variância;
- os erros são normalmente distribuídos.
Estimativa de parâmetro
Para garantir a identificabilidade dos parâmetros, podemos adicionar as seguintes restrições de "soma para zero":
Testando hipóteses
Na abordagem clássica, o teste de hipóteses nulas (de que os fatores não têm efeito) é obtido por meio de sua significância, que requer o cálculo de somas de quadrados .
Testar se o termo de interação é significativo pode ser difícil devido ao número potencialmente grande de graus de liberdade .
Veja também
- Análise de variação
- Teste F ( inclui um exemplo de ANOVA unilateral )
- Modelo misto
- Análise multivariada de variância (MANOVA)
- ANOVA unilateral
- ANOVA de medidas repetidas
- Teste de aditividade de Tukey
Notas
Referências
- George Casella (18 de abril de 2008). Desenho estatístico . Springer Textos em Estatística. Springer . ISBN 978-0-387-75965-4.