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

Já falamos sobre o teste de Wilcoxon aqui no blog, mas para relembrar o teste de Wilcoxon é um teste de hipóteses para analisar a diferença entre duas amostras comparadas. É comum pensarmos no teste de Wilcoxon como uma alternativa não paramétrica ou teste t de Student para amostras pareadas.

Portanto, podemos usá-lo quando temos duas medidas de uma mesma amostra, isto é, quando seus participantes são médios em duas ocasiões ou sob duas condições.

Para ilustrar o uso dessa técnica, vamos usar a base de dados fornecida por Julie Pallant (2010). Neste exemplo, comparamos as pontuações em um Teste de Medo da Estatística administrado antes e depois de uma intervenção destinada a ajudar os alunos a lidar com um curso de estatística. A pergunta de pesquisa que queremos responder é: Há uma mudança nas pontuações no Teste de Medo da Estatística do Tempo 1 para o Tempo 2?

Vamos à pratica!

O primeiro passo é abrir o banco de dados no SPSS.

No menu na parte superior da tela, clique em Analisar e selecione Testes Não Paramétricos, Diálogos Legados e então, escolha a opção 2 Amostras Relacionadas. Veja esse passo na Figura 1, abaixo.

Figura 1

Irá abrir uma caixa de dialogo conforme pode ser visto na Figura 2 abaixo.

Figura 2

Clique nas variáveis que representam as pontuações no Tempo 1 e no Tempo 2 (por exemplo, medo de stats time1: fost1, medo de stats time2: fost2). Clique no seta para movê-los para a caixa Pares de Teste. Certifique-se de que a caixa Wilcoxon esteja marcada na seção Tipo de teste. Clique no botão Opções. Escolha Quartis (isso fornecerá o pontuações medianas para cada ponto de tempo). Clique em Continuar e depois em OK.

Pronto! Você terá uma saída como esta abaixo.

As duas coisas que você está interessado na saída são o valor Z e os níveis de significância associados, apresentados como Asymp. Ass. (2-caudas). Se o nível de significância for igual ou menor. superior a 0,05 (por exemplo, 0,04, 0,01, 0,001), você pode concluir que a diferença entre as duas pontuações é estatisticamente significativa. Neste exemplo, o Sig. valor é 0,000 (o que realmente significa menos de 0,0005). Portanto, podemos concluir que os dois conjuntos de pontuações são significativamente diferentes.

Os resultados desta análise podem ser apresentados como:

O teste de Wilcoxon revelou uma redução estatisticamente significativa no medo de estatísticas após a participação no programa de treinamento, z = –4,18, p < 0,001. A pontuação mediana na Escala de Medo da Estatística diminuiu do pré-programa (Md = 40) para o pós-programa (Md = 38).

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.