Qual teste estatístico devo usar
Responda às perguntas
O que você quer descobrir?
O que você está medindo em cada grupo?
Quantos grupos você está comparando?
As duas medidas são dos mesmos indivíduos?
Os mesmos indivíduos são medidos em todas as condições?
Como as categorias estão organizadas?
Alguma célula da tabela espera menos de cinco casos?
De que tipo são as duas variáveis?
A nuvem de pontos parece uma reta, sem valores atípicos extremos?
De que tipo é a variável que você quer prever?
A partir de quantas variáveis você está prevendo?
Teste t para uma amostra
Pergunta se a média do seu grupo é diferente de um valor que você já conhecia.
Confira se os dados são mais ou menos simétricos. Se não forem, use o teste de Wilcoxon dos postos sinalizados.
Teste t para amostras independentes
Pergunta se dois grupos separados têm médias diferentes.
Confira se cada grupo é mais ou menos simétrico. Se não forem, use o teste U de Mann-Whitney.
Teste t pareado
Pergunta se os mesmos indivíduos mudaram entre as duas medidas.
Confira se as diferenças são mais ou menos simétricas. Se não forem, use o teste de Wilcoxon dos postos sinalizados.
ANOVA de um fator
Pergunta se pelo menos um de três ou mais grupos é diferente dos outros.
Ele diz que algum grupo é diferente, não qual, então vem em seguida uma comparação post hoc. Se os dados não forem simétricos, use o teste de Kruskal-Wallis.
ANOVA de medidas repetidas
Pergunta se os mesmos indivíduos mudaram ao longo de três ou mais condições.
Confira a esfericidade e corrija se ela falhar. A alternativa por postos é o teste de Friedman.
Qui-quadrado de aderência
Pergunta se as contagens que você observou batem com as proporções que você esperava.
Com só duas categorias e poucos casos, o teste binomial exato é a escolha mais segura.
Qui-quadrado de independência
Pergunta se duas variáveis categóricas estão associadas.
Ele diz que há associação, não o quanto ela é forte. Informe junto uma medida de efeito, como o V de Cramér.
Teste exato de Fisher
Responde à mesma pergunta do qui-quadrado, mas continua válido quando as contagens são pequenas.
Use-o sempre que uma contagem esperada cair abaixo de cinco, que é exatamente onde o qui-quadrado deixa de ser confiável.
Teste de McNemar
Pergunta se os mesmos indivíduos mudaram de categoria entre dois momentos.
Só os indivíduos que mudaram carregam informação; os que ficaram iguais não entram no teste.
Correlação de Pearson
Mede o quanto duas variáveis numéricas estão perto de uma relação de linha reta.
Correlação não é causa, e um único valor atípico pode criá-la ou destruí-la. Desenhe os pontos antes de confiar no número.
Correlação de Spearman
Mede se uma variável sobe quando a outra sobe, sem exigir uma linha reta.
Trabalha com postos, então resiste a valores atípicos e também serve para escalas ordenadas.
Regressão linear simples
Traça a reta que melhor prevê um número a partir de outro número.
Olhe os resíduos: eles não devem ter padrão. Uma curva neles quer dizer que a reta é a forma errada.
Regressão linear múltipla
Prevê um número a partir de várias outras variáveis ao mesmo tempo.
Confira se as variáveis preditoras não estão dizendo a mesma coisa entre si, o que infla os coeficientes e os deixa instáveis.
Regressão logística
Prevê a probabilidade de um desfecho sim ou não.
Os coeficientes dela são razões de chances, não diferenças de probabilidade, e ler um como o outro é o erro comum.
Regressão logística multinomial
Prevê em qual de várias categorias sem ordem uma observação cai.
Todo resultado é lido contra uma categoria de referência, então diga qual você escolheu.
Regressão logística ordinal
Prevê uma posição numa escala ordenada, mantendo a ordem dentro do modelo.
Ela supõe que o efeito é o mesmo em todo corte da escala. Teste essa suposição antes de relatar.
Regressão de Poisson
Prevê quantas vezes alguma coisa acontece num período ou num lugar.
Ela supõe que a variância é igual à média. Quando a variância é bem maior, use a regressão binomial negativa.
Como sei se meus dados são normais o bastante para um teste t?
Desenhe-os primeiro. Um histograma ou um diagrama de caixa responde mais rápido que qualquer teste, e o que importa não é normalidade perfeita, e sim se a forma é mais ou menos simétrica e sem valores atípicos extremos.
O teste t também fica mais tolerante conforme a amostra cresce, então uma assimetria leve com cem casos raramente é problema, enquanto a mesma assimetria com oito casos é. Na dúvida, rode também a alternativa por postos: se as duas concordam, a escolha não fez diferença.
Qual é a diferença entre um teste paramétrico e um por postos?
Um teste paramétrico trabalha com os próprios valores e supõe uma forma para eles, em geral algo perto da curva normal. Um teste por postos joga fora os valores e guarda só a ordem deles, e é por isso que os valores atípicos deixam de importar.
O preço é que o teste por postos responde a uma pergunta um pouco diferente e tem menos poder quando a suposição do paramétrico de fato vale. Nenhum dos dois é um padrão mais seguro; eles são respostas a situações diferentes.
O teste deu significativo. Isso quer dizer que o efeito é grande?
Não. Um valor de p responde se o resultado é difícil de explicar pelo acaso, e com uma amostra grande o bastante até uma diferença minúscula fica difícil de explicar pelo acaso.
Informe ao lado uma medida de efeito, e um intervalo de confiança se puder. O tamanho diz ao leitor se a diferença importa; o valor de p só diz que ela provavelmente não é ruído.
Isto substitui perguntar a alguém que entende de estatística?
Não, e nem está tentando. Ele aponta a escolha que serve ao formato da sua pergunta, e diz qual suposição conferir antes de usá-la.
Dados reais trazem coisas que um fluxograma não enxerga: valores faltando, indivíduos medidos mais de uma vez, grupos de tamanhos bem diferentes, variáveis escolhidas depois de olhar os resultados. Qualquer uma dessas pode mudar a resposta.
Reações
0
0 Comentários
Seja o primeiro a comentar