ANOVA totalmente aninhada
A ANOVA totalmente aninhada estima quanta variação vem de cada nível de uma hierarquia, com dois a quatro fatores aleatórios aninhados e leituras repetidas como erro. Cada unidade de nível inferior deve pertencer a apenas uma unidade de nível superior. A saída inclui uma tabela ANOVA (F e P somente para planejamentos balanceados), componentes de variância com % do total, quadrados médios esperados, resumo do modelo e médias das células.
Última revisão
Conclusão principal
A ANOVA totalmente aninhada divide a variação de uma medição entre os níveis de uma hierarquia, como lotes, amostras dentro dos lotes e leituras repetidas, para mostrar de onde vem a maior parte da variação.
Nesta página
Finalidade
A ANOVA totalmente aninhada divide a variação de uma medição entre os níveis de uma hierarquia, como lotes, amostras dentro de cada lote e leituras repetidas dentro de cada amostra. Use-a quando cada unidade de nível inferior pertence a apenas uma unidade de nível superior (a Amostra 1 do Lote 1 não é o mesmo material que a Amostra 1 do Lote 2) e você quer saber de onde vem a maior parte da variação, para saber onde agir: no processo, na amostragem ou na medição.
Principais recursos
- De dois a quatro fatores aninhados, do mais externo (ex.: Batch) ao mais interno (ex.: Sample); as leituras repetidas dentro do fator mais interno formam o erro.
- Uma análise por resposta quando várias respostas são selecionadas.
- Tabela ANOVA com somas de quadrados sequenciais e testes F de cada nível contra o nível abaixo dele.
- Componentes de variância com sua % do total e seus desvios padrão.
- Quadrados médios esperados, resumo do modelo e uma tabela de médias e desvios padrão de cada célula.
- Trata dados desbalanceados para os componentes de variância; Data Options para selecionar um subconjunto das linhas.
Métodos estatísticos
Todos os fatores são tratados como aleatórios e cada um está aninhado no anterior. A soma de quadrados de cada fator é a dispersão das médias de suas células em torno das médias do nível acima; a soma de quadrados do erro é a dispersão das leituras em torno das médias das células mais internas. Cada fator tem (número de suas células − número de células acima) graus de liberdade, e o erro tem N − número de células mais internas.
Cada fator é testado contra o próximo fator dentro dele, e o fator mais interno contra o erro: F = MS(fator) / MS(próximo termo interno). F e P são fornecidos apenas para planejamentos balanceados (números iguais de leituras em todas as células e números iguais de subunidades em todas as unidades); para dados desbalanceados, a página informa isso e os omite.
Os componentes de variância vêm dos quadrados médios esperados (método ANOVA): E(MS) de cada fator é σ²(erro) mais múltiplos dos componentes desse fator e dos fatores dentro dele, como mostra a tabela Expected Mean Squares, em que (1), (2), … numeram os fatores na ordem de aninhamento e o último número é o erro. Resolver essas equações do termo mais interno para fora dá cada componente; uma estimativa negativa é exibida com 0% do total. % of Total é a participação de cada componente na soma das variâncias, e StDev é sua raiz quadrada. As linhas com resposta ou valor de fator ausente são descartadas.
Campos de entrada e opções
Campo | Descrição |
Responses | Uma ou mais colunas numéricas. Obrigatório; uma análise por resposta. |
Factor 1 (outermost) | O nível mais alto da hierarquia, ex.: Batch. Obrigatório. |
Factor 2 (nested in Factor 1) | Obrigatório, ex.: Sample dentro de Batch. |
Factor 3 (nested in Factor 2) / Factor 4 (nested in Factor 3) | Níveis mais profundos opcionais; o Factor 4 exige o Factor 3. |
Data Options: Subset (optional) | Exclude matching rows (padrão) ou Include only matching rows, por números de linha e/ou uma condição. |

Figura 1 — Opções do exemplo de pureza: Purity_pct como resposta, Batch como Factor 1 e Sample (aninhado em Batch) como Factor 2.
Descrição da saída
- Analysis of Variance — DF, SS, MS, F e P para cada fator, o erro e o total.
- Variance Components — Var Comp, % of Total e StDev para cada fator, o erro e o total.
- Expected Mean Squares — a composição de cada quadrado médio em termos dos componentes de variância.
- Model Summary — S, R-sq e R-sq(adj).
- Means — N, média e desvio padrão de cada célula mais interna.
- Exportação em PDF por meio de Download.

Figura 2 — ANOVA aninhada da pureza: a variação entre lotes é 86.2% do total; as amostras dentro de um lote acrescentam 5.87% e as leituras repetidas, 7.93%.
Exemplo prático
Um ensaio de pureza é executado em 3 lotes, com 2 amostras retiradas de cada lote e 3 leituras repetidas em cada amostra: 18 resultados. A equipe de qualidade quer saber se a dispersão da pureza vem do processo de produção dos lotes, da amostragem ou da medição. Ela seleciona Purity_pct como resposta, Batch como Factor 1 e Sample como Factor 2; as leituras repetidas formam o erro.
Os lotes diferem: F = 21.25 com 2 e 3 graus de liberdade, p = 0.0169 (Batch é testado contra Sample dentro de Batch). As amostras dentro de um lote não diferem significativamente ao nível de 5% (F = 3.22, p = 0.0613). O Lote 3 tem os valores mais baixos (médias das células de 92.25% e 93.78%) e o Lote 2 os mais altos (97.79% e 97.92%).
Os componentes de variância deixam o quadro claro: a variância entre lotes é 5.70 (86.2% do total, desvio padrão de 2.39 pontos percentuais), a variância entre amostras é 0.388 (5.87%) e a das leituras repetidas é 0.525 (7.93%, desvio padrão de 0.72). Uma amostragem melhor ou um ensaio mais preciso mudaria pouco; a equipe deve investigar o que difere entre os lotes.
Perguntas frequentes
Quando usar uma ANOVA totalmente aninhada?
Use-a quando cada unidade de nível inferior pertence a apenas uma unidade de nível superior, por exemplo, quando a Amostra 1 do Lote 1 não é o mesmo material que a Amostra 1 do Lote 2, e você quer saber de onde vem a maior parte da variação. Isso indica se é preciso agir no processo, na amostragem ou na medição.
Como os fatores são testados em uma ANOVA totalmente aninhada?
Todos os fatores são tratados como aleatórios, cada um aninhado no anterior. Cada fator é testado contra o próximo fator dentro dele, e o fator mais interno contra o erro; assim, F = MS(fator) / MS(próximo termo interno). F e P são fornecidos apenas para planejamentos balanceados; para dados desbalanceados, são omitidos, embora os componentes de variância ainda sejam estimados.
Como interpretar os componentes de variância em uma ANOVA aninhada?
A % of Total de cada componente é sua participação na soma das variâncias, e seu StDev é a raiz quadrada. No exemplo da pureza, a variância entre lotes foi 86.2% do total, as amostras dentro de um lote 5.87% e as leituras repetidas 7.93%; portanto, uma amostragem melhor ou um ensaio mais preciso mudaria pouco, e a equipe deve investigar as diferenças entre os lotes.
Quantos fatores aninhados uma ANOVA totalmente aninhada pode incluir?
De dois a quatro fatores aninhados, do mais externo, como Batch, ao mais interno, como Sample. Factor 1 e Factor 2 são obrigatórios, enquanto Factor 3 e Factor 4 são opcionais, e o Factor 4 exige o Factor 3. As leituras repetidas dentro do fator mais interno formam o erro, e uma análise é executada por resposta selecionada.
