RM ANOVA RM ANOVA é: uma extensão do teste t(Student) de amostras emparelhadas: paired t-test Prof. Ivan Balducci FOSJC / Unesp A RM ANOVA é diferente da ANOVA 1 fator devido à unidade experimental Antes, na ANOVA 1 fator: a unidade experimental recebia apenas um nível do fator Agora, a unidade experimental recebe todos os níveis do fator RM ANOVA é: uma extensão do teste t(Student) de amostras emparelhadas: paired t-test A unidade experimental que recebe todos os níveis do fator é considerada um bloco ANOVA de Medidas Repetidas Um modo de controlar as diferenças entre sujeitos é observando cada sujeito sob cada condição experimental. Quando medidas repetidas são obtidas de cada respondente, esse delineamento é conhecido como within-subjects design ou repeated measures analysis of variance. Decomposição da Variação Total Independent Variable Subject Categories No. Between People Variation =SSbetween Total Sample … X1 X2 X3 1 Y11 Y12 Y13 Y1c Y1 2 Y21 : : Y22 Y23 Y2c Y2 : : n Yn1 Yn2 Yn3 Ync YN Y1 Y2 Y3 Yc Y people Category Mean X Xc Within People Category Variation = SSwithin people Total Variation =SSy Exemplo Resolvido • 8 sujeitos, cada sujeito é exposto a 3 tipos de palavras: neutra, positiva, negativa. • a variável resposta é o nº de palavras memorizadas • os tipos de palavras são mixed randomly Três condições estão sendo comparadas Exemplo numérico Três condições estão sendo comparadas O mesmo sujeito submetido às três condições que estão sendo comparadas A RM ANOVA é diferente da ANOVA 1 fator devido à unidade experimental Antes, no experimento inteiramente casualizado (CRD), - no usual método ANOVA 1 fatora unidade experimental recebia apenas um nível do fator Agora, a unidade experimental recebe todos os níveis do fator A unidade experimental que recebe todos os níveis do fator é considerada um bloco No modelo ANOVA 1 fator consideramos: apenas o fator Tratamento ( e o resíduo evidentemente) No modelo RM ANOVA consideramos o fator bloco (ou sujeitos) além do fator Tratamento ( e o resíduo evidentemente) São modelos diferentes. O RM ANOVA é mais preciso. Porque a variância residual é menor no RM ANOVA, daí o valor de F é maior. É maior o poder do teste no modelo RM ANOVA. Portanto: a análise de variância 1 fator é uma análise errada Tabela ANOVA 1 fator gl SQ QM F value Pr(>F) Condições 2 112.00 56.00 2.0206 0.1575 não significante Resíduos 21 582.00 27.71 Para o modelo RM ANOVA vamos até o modelo ANOVA 1 fator. Daí, vamos considerar o SQ resíduo da ANOVA 1 fator que deve ser decomposto O valor 582 = SQ resíduo da ANOVA 1 fator deve ser decomposto 582 = ....???...... + .....????....... AVISO IMPORTANTE: Não se preocupe com esses números. Veremos adiante como eles são calculados O truque: O termo SQWithin da ANOVA 1 fator é decomposto em duas partes: 1ª) SQsujeito: aquela variação que é devido ao fato de ser Sujeito i e não ser o Sujeito j ; variabilidade dentro do sujeito 2ª) SQinter-sujeito: aquela variação que não é atribuída a ser Sujeito i no lugar de Sujeito j. A este termo corresponderá a função de MSW no teste F. É a variabilidade residual. AVISO IMPORTANTE: Não se preocupe com esses números. Veremos adiante como eles são calculados 582 = ....???...... + .....????....... 582 = 548 + 34 582 = SQ sujeito + SQ inter-sujeito análise RM ANOVA (correta !) Tabela ANOVA 1 fator de Medidas Repetidas 1ª Parte: ao fato de ser aquele sujeito determinado e não outro gl SQ QM F value Pr(>F) Resíduos 7 548 78.29 2ª Parte: Inter-Sujeitos gl F value Pr(>F) Condições 2 112.000 23.059 3.714e-05 *** SQ 56.000 QM 1ª Parte: ao fato de ser aquele sujeito determinado e não outro gl Residuals SQ 7 QM 548 F Pr(>F) 78.29 variabilidade dentro do sujeito 2ª Parte: Inter-Sujeitos F cond 23.059 Residuals gl SQ Pr(>F) 2 112 3.714e-05 *** 14 34.000 2.429 QM 5 6. 000 variabilidade residual AVISO IMPORTANTE: Não se preocupe com esses números. Veremos adiante como eles são calculados Análise dos dados segundo o modelo RM ANOVA no programa MINITAB 14.12 Temos de saber: 1º) Como entrar com os dados; 2º) Como especificar o modelo RM ANOVA nesse programa. Exemplo numérico Três condições estão sendo comparadas O mesmo sujeito submetido às três condições que estão sendo comparadas Para quem gosta de cálculos à mão Blocos N Dados 1 3 2 3 3 3 4 3 5 3 6 3 7 3 8 3 Média 18.67 9.67 17.00 7.33 13.333 16.67 8.33 21.00 A unidade experimental que recebe Condições Neutral Positive Negative N 8 8 8 Médias 12.00 13.00 17.00 Média geral = 14 todos os níveis do fator é considerada um bloco SQ condições = 8 [(12-14)2 +(13-14)2 + (17-14)2] = 112 SQ blocos = 3 [(18.67-14)2 +(9.67-14)2 + (17-14)2+ (7.33-14)2+ ...(21-14)2] SQ blocos = 548 SQTotal = Σx2 – (Σx)2 = 5398 – (336) 2/24 = 694 Para quem gosta de cálculos à mão SQ condições = 8 [(12-14)2 +(13-14)2 + (17-14)2] = 112 SQ blocos = 3 [(18.67-14)2 +(9.67-14)2 + (17-14)2+ (7.33-14)2+ ...(21-14)2] = 548 SQ blocos = 548 SQTotal = Σx2 – (Σx)2/N = 5398 – (336) 2/24 = 694 SQ Total = SQ condições + SQ Blocos + SQ Residual 694 = 112 + 548 + SQ Residual SQ Residual = 694 - (112 + 548) = 694 – 660 = 34 Entrada dos dados no MINITAB Dados Condições Blocos 18 Neutral 1 6 Neutral 2 14 Neutral 3 5 Neutral 4 12 Neutral 5 15 Neutral 6 6 Neutral 7 20 Neutral 8 16 Positiva 1 11 Positiva 2 17 Positiva 3 4 Positiva 4 13 Positiva 5 16 Positiva 6 7 Positiva 7 20 Positiva 8 continua Entrada dos dados no MINITAB continuação Dados Condições Blocos 22 Negative 1 12 Negative 2 20 Negative 3 13 Negative 4 15 Negative 5 19 Negative 6 12 Negative 7 23 Negative 8 Especificação do Modelo no MINITAB: Model: Condições Blocos Random Factors: .....pode deixar vazio (não importa, nesse nosso caso) Edit>> Command Line Editor ( ou Ctrl+L) e digitamos ANOVA c1 = c2 c3 Análise RM ANOVA no programa MINITAB (versão 14.12, 2004) Stat >> ANOVA >> Balanced ANOVA ou Stat>> ANOVA >> General Linear Model (dá o mesmo resultado) Especificação do Modelo no MINITAB: Model: Condições Blocos Random Factors: .....pode deixar vazio (não importa, nesse nosso caso) Entrada dos dados no MINITAB Dados Condições Blocos 18 Neutral 1 6 Neutral 2 14 Neutral 3 5 Neutral 4 12 Neutral 5 15 Neutral 6 6 Neutral 7 20 Neutral 8 16 Positiva 1 11 Positiva 2 17 Positiva 3 4 Positiva 4 13 Positiva 5 16 Positiva 6 7 Positiva 7 20 Positiva 8 continua Entrada dos dados no MINITAB continuação Dados Condições Blocos 22 Negative 1 12 Negative 2 20 Negative 3 13 Negative 4 15 Negative 5 19 Negative 6 12 Negative 7 23 Negative 8 Especificação do Modelo no MINITAB: Stat >> ANOVA >> Balanced ANOVA Model: Condições Blocos Random Factors: .....pode deixar vazio (não importa, nesse nosso caso) Resultado da Análise RM no MINITAB F.V. gl SQ QM F p Condições 2 112 56 23.06 0.000 Blocos 7 548 78.286 32.24 0.000 Resíduo 14 34 2.249 Total 23 694 gl condições = k-1 = 3 – 1 = 2 gl blocos = b-1 = 8 – 1 = 7 gl Total = N-1 = 24 – 1 = 23 Resultado da Análise RM no MINITAB F.V. gl SQ QM F p Condições 2 112 56 23.06 0.000* Blocos 7 548 78.286 32.24 0.000 Resíduo 14 34 2.249 Total 23 694 * p<0.05 então rejeitamos H0 as médias diferem estatisticamente Para quem gosta de cálculos à mão Blocos N Dados 1 3 2 3 3 3 4 3 5 3 6 3 7 3 8 3 Média 18.67 9.67 17.00 7.33 13.333 16.67 8.33 21.00 Condições N Médias Neutral 8 12.00 Positive 8 13.00 Negative 8 17.00 Média geral = 14 SQ condições = 8 [(12-14)2 +(13-14)2 + (17-14)2] = 112 SQ blocos = 3 [(18.67-14)2 +(9.67-14)2 + (17-14)2+ (7.33-14)2+ ...(21-14)2] SQ blocos = 548 SQTotal = Σx2 – (Σx)2/N = 5398 – (336) 2/24 = 694 Para quem gosta de cálculos à mão SQ condições = 8 [(12-14)2 +(13-14)2 + (17-14)2] = 112 SQ blocos = 3 [(18.67-14)2 +(9.67-14)2 + (17-14)2+ (7.33-14)2+ ...(21-14)2] SQ blocos = 548 SQTotal = Σx2 – (Σx)2/N = 5398 – (336) 2/24 = 694 SQ Total = SQ condições + SQ Blocos + SQ Residual 694 = 112 + 548 + SQ Residual SQ Residual = 694 - (112 + 548) = 694 – 660 = 34 Termos que devem ser familiares Anova de medidas repetidas Experimento em Blocos within-subjects design