O seu Blog de Psicometria

Tenha acesso à nossa enciclopédia virtual de conhecimento em Psicometria e Análise de Dados

Junte-se a mais de 22.300 membros e receba conteúdos exclusivos e com prioridade

Análise Multivariada de Variância – MANOVA

Alex França

nov 11, 2021

Aqui no blog já exploramos o uso da Análise de Variância – ANOVA para comparar grupos em uma única variável dependente.

Porém, em muitas situações de pesquisa estamos interessados em comparar grupos em uma gama de características diferentes. Isso é bastante comum na pesquisa clínica, principalmente onde o foco está na avaliação do impacto de uma intervenção em uma variedade de medidas de resultados (por exemplo, ansiedade, depressão, bem-estar,resilência,etc).

Nesta situação utilizamos a Análise Multivariada de Variância, para os íntimos, MANOVA. Ela é usada quando você deseja comparar seus grupos em um número de variáveis dependentes diferentes, mas relacionadas: por exemplo, comparar os efeitos de diferentes tratamentos em uma variedade de medidas de resultados.

Pode-se dizer que  a MANOVA é uma extensão da ANOVA, para ser usada  quando você tem mais de uma variável dependente. Essas variáveis dependentes devem estar relacionadas de alguma forma, ou deve haver alguma razão conceitual para considerá-las juntas.

Nesse momento, alguns de vocês podem estar pensando: Por que não conduzir uma série de ANOVAs separadamente para cada variável dependente?

Isso é de fato o que muitos pesquisadores fazem. Infelizmente, ao conduzir uma série de análises, você corre o risco de ‘inflacionar’ o erro Tipo 1. Simplificando, isso significa que quanto mais análises você executa, maior é a probabilidade de encontrar um resultado significativo, mesmo que na realidade não haja diferenças entre seus grupos.

A vantagem de usar MANOVA é que ela ‘controla’ ou ajusta para este risco aumentado de um erro Tipo 1. No entanto, isso tem um custo. MANOVA é um conjunto de procedimentos muito mais complexo e possui uma série de premissas adicionais que devem ser atendidas. Tais como: 1. Tamanho da  amostra., 2. Normalidade., 3. Outliers., 4. Linearidade., 5. Homogeneidade., 6. Multicolinearidade e singularidade.

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

Conteúdo

Mais lidos

Glossário de Análise Fatorial Exploratória

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Covariância e correlação

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Postados recentemente

Glossário de Análise Fatorial Exploratória

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Covariância e correlação

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Alex França

Posts sugeridos

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Nesse post, iremos te ensinar a lidar, de modo metodologicamente adequado com os pressupostos da análise de variância (ANOVA), quando eles não são acatados. O…

psicometriaonline

abr 6, 2024

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de…

Alex França

fev 18, 2024

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de…

Alex França

fev 11, 2024

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.