Calculadora de ANOVA de Um Fator

Como usar a calculadora de ANOVA de um fator

1. 1. Insira cada grupo. Dê um nome ao grupo e cole suas pontuações, separadas por vírgulas, espaços ou novas linhas. Três grupos já estão prontos para preencher; adicione até dez ou remova até restarem dois.
2. 2. Escolha α. O nível de significância (0,05 por padrão) determina a linha de decisão e os veredictos dos testes de acompanhamento.
3. 3. Leia o teste global. A tabela ANOVA traz SS, gl, MS, F e p; η² e ω² indicam quanto da variação os grupos explicam.
4. 4. Verifique e aprofunde. Veja o teste de Levene antes de confiar no F clássico, use a ANOVA de Welch se as variâncias diferirem e, depois, leia as comparações par a par para ver quais grupos diferem. Copie a linha em APA ao terminar.

O que a razão F compara

A ANOVA divide a variação total das pontuações em duas partes. A soma de quadrados entre grupos, SS_B = Σ nⱼ(x̄ⱼ − x̄)², mede o quanto a média de cada grupo se afasta da média geral. A soma de quadrados dentro dos grupos, SS_W = Σ Σ (x − x̄ⱼ)², mede o quanto as pontuações individuais se afastam da média do próprio grupo. Dividir cada uma pelos respectivos graus de liberdade dá um quadrado médio, e F = MS_B / MS_W. Se as médias populacionais forem iguais, ambos os quadrados médios estimam a mesma variância do erro e F fica em torno de 1; um F grande significa que as médias dos grupos estão mais distantes entre si do que o ruído dentro dos grupos produziria por acaso.

Exemplo prático: três formatos de ensino

Clique em Experimente um exemplo para carregar notas de quizzes de três turmas de seis alunos: aula expositiva (M = 73,83, DP = 4,36), aula invertida (M = 82,17, DP = 3,76) e online no ritmo do aluno (M = 72,33, DP = 2,58). A média geral é 76,11.

Em estilo APA: as notas dos quizzes diferiram conforme o formato de ensino, F(2, 15) = 12,69, p < ,001, η² = ,63. O teste de Levene não indica variâncias desiguais, F(2, 15) = 0,89, p = ,430, e a ANOVA de Welch concorda com o teste clássico, F(2, 9,49) = 13,33, p = ,002. As comparações ajustadas por Bonferroni localizam a diferença na turma invertida: ela superou a aula expositiva em 8,33 pontos (p ajustado = ,016) e a turma online em 9,83 pontos (p ajustado = ,002), enquanto a aula expositiva e a turma online não diferiram (p ajustado > ,999).

Pressupostos e o que fazer quando falham

• Observações independentes. Cada pontuação vem de uma pessoa diferente e pertence a um único grupo. Medidas repetidas nas mesmas pessoas exigem uma ANOVA de medidas repetidas, que esta calculadora não executa.
• Resíduos aproximadamente normais. A ANOVA tolera assimetria moderada quando os grupos têm tamanhos semelhantes; com grupos pequenos e claramente não normais, use o teste de Kruskal-Wallis.
• Variâncias iguais. O teste de Levene aqui é a versão de Brown–Forsythe, que mede a dispersão em torno da mediana de cada grupo e continua confiável com dados assimétricos. Quando ele for significativo — ou quando os tamanhos dos grupos diferirem muito — relate a ANOVA de Welch, que dispensa esse pressuposto.
• Testes post hoc só com motivo. A tabela de comparações par a par usa testes t de Welch com ajuste de Bonferroni. O HSD de Tukey não é calculado porque exige a distribuição da amplitude studentizada; Bonferroni é um pouco mais conservador, então trate com cuidado os valores p ajustados limítrofes.

Perguntas frequentes

O que uma ANOVA de um fator significativa indica?

Que pelo menos uma média de grupo difere das demais — não qual delas, e não que todas difiram. O teste F global apenas compara a dispersão das médias dos grupos com a dispersão dentro dos grupos. Para localizar a diferença, leia comparações par a par, como os testes ajustados por Bonferroni exibidos junto com os resultados.

Por que não simplesmente fazer vários testes t?

Cada teste t traz sua própria chance de falso positivo. Com três grupos há três testes par a par e, com α = 0,05 em cada um, a chance de pelo menos um alarme falso sobe para perto de 1 − 0,95³ ≈ 14%. A ANOVA testa todas as médias de uma só vez no α escolhido, e os testes post hoc ajustados mantêm sob controle a família de comparações.

Qual é a diferença entre η² e ω²?

Ambos descrevem a proporção da variância total explicada pela pertença ao grupo. η² = SS_B / SS_T é a proporção na amostra e superestima o valor populacional, sobretudo com amostras pequenas. ω² subtrai a variância esperada por acaso e é a estimativa menos enviesada, por isso é sempre um pouco menor. Relate η² se a sua área o espera, e ω² quando as amostras forem pequenas.

Quando devo usar a ANOVA de Welch em vez do teste F clássico?

Quando as variâncias dos grupos diferem — principalmente se os tamanhos dos grupos também diferirem. O teste F clássico combina as variâncias e, se um grupo pequeno tiver a maior variância, sua taxa de falsos positivos pode ficar bem acima de α. A ANOVA de Welch pondera cada grupo por n / s² e ajusta os graus de liberdade do erro, mantendo a precisão; com variâncias iguais, dá quase o mesmo resultado.

Como relato uma ANOVA de um fator em estilo APA?

Informe as médias e os DPs dos grupos e, em seguida, F(gl entre, gl dentro) = valor, p = valor e um tamanho de efeito: F(2, 15) = 12,69, p < ,001, η² = ,63. Use itálico em F e p, mas não na letra grega η; omita o zero à esquerda em p e η², pois nenhum dos dois pode passar de 1. Acrescente os resultados post hoc que mostram quais grupos diferem.

Quantas pontuações preciso em cada grupo?

A calculadora precisa de pelo menos duas por grupo, mas isso é um piso computacional, não uma meta de planejamento. Para detectar um efeito médio (f = 0,25) com três grupos, α = 0,05 e 80% de poder, são necessárias cerca de 53 por grupo. Grupos de tamanhos iguais também deixam o teste mais robusto a variâncias desiguais.