Que análise estatística devo executar ao comparar três coisas entre si?

Uma análise estatística para comparar três ou mais conjuntos de dados depende do tipo de dados coletados. Cada teste estatístico tem certas suposições que devem ser atendidas para que o teste funcione adequadamente. Além disso, quais aspectos dos dados você vai comparar afetarão o teste. Por exemplo, se cada um dos três conjuntos de dados tiver duas ou mais medições, você precisará de um tipo diferente de teste estatístico.

Um dos testes estatísticos mais comuns para três ou mais conjuntos de dados é a Análise de Variância ou ANOVA. Para usar este teste, os dados devem atender a certos critérios. Primeiro, os dados devem ser numéricos. Dados ordinais - como classificações de escala de 5 pontos, chamadas escalas de Likert - não são dados numéricos, e a ANOVA não produzirá resultados precisos se usada com dados ordinais. Em segundo lugar, os dados devem ser normalmente distribuídos em uma curva de sino. Se essas suposições forem atendidas, o teste ANOVA pode ser usado para analisar a variância de uma única variável dependente em três ou mais amostras ou conjuntos de dados. Lembre-se de que a variável dependente é o fator que você está medindo no estudo.

Nos casos em que as premissas para ANOVA são atendidas, mas você deseja medir mais de uma variável dependente, você precisará da Análise de Variância Multivariada, ou MANOVA. As variáveis ​​dependentes são os fatores que você está medindo e deseja examinar. A variável ou variáveis ​​independentes afetam a variável dependente. Por exemplo, suponha que você esteja medindo os efeitos de exercícios extenuantes sobre a pressão arterial, perda de peso e frequência cardíaca. A variável independente é o exercício e as variáveis ​​dependentes são pressão arterial, perda de peso e frequência cardíaca. Nessa situação, você usaria MANOVA. Este teste estatístico é muito complicado de calcular e exigirá o uso de um computador e software especial.

Existem muitos testes não paramétricos diferentes, mas geralmente as estatísticas não paramétricas são usadas quando os dados são ordinais e / ou não são normalmente distribuídos. Os testes não paramétricos incluem o teste do sinal, qui-quadrado e o teste da mediana. Esses testes são frequentemente empregados quando você está analisando dados de pesquisas em que os entrevistados tiveram que avaliar declarações diferentes; por exemplo, uma escala de "discordo totalmente, discordo, concordo, concordo totalmente" se qualificaria como dados ordinais. Esses testes geralmente são fáceis de calcular à mão, embora uma planilha ajude.

Além de testes inferenciais, você também pode usar estatísticas descritivas simples para fornecer uma visão rápida e simples dos conjuntos de dados. Você pode relatar a média, os desvios padrão e as porcentagens para cada um dos três conjuntos de dados. As estatísticas descritivas ajudam a fornecer uma visão rápida dos dados, mas não podem ser usadas para tirar conclusões. Por exemplo, se um dos três conjuntos de dados tem uma variável que é 20 por cento maior do que os outros dois conjuntos de dados, você não pode dizer que o a diferença é "estatisticamente significativa" sem o uso de algum teste estatístico inferencial, como ANOVA, MANOVA ou um teste não paramétrico.