MANOVA geral (análise de variância multivariada)

A MANOVA geral testa em conjunto duas ou mais respostas contínuas em relação a um ou mais fatores categóricos, com covariáveis e interações de dois fatores opcionais. Um único teste conjunto mantém a taxa geral de falsos alarmes no nível escolhido e considera a correlação entre as respostas. Pressupõe observações independentes e erros normais multivariados com matrizes de covariância iguais. A saída inclui as estatísticas de Wilks, Pillai, Hotelling-Lawley e Roy, ANOVAs univariadas e análise de autovalores opcional.

Última revisão

Conclusão principal

A MANOVA geral (análise de variância multivariada) testa se um ou mais fatores alteram em conjunto várias respostas relacionadas, como a resistência à tração e o alongamento medidos nos mesmos corpos de prova.

Nesta página
  1. Finalidade
  2. Principais recursos
  3. Métodos estatísticos
  4. Campos de entrada e opções
  5. Descrição da saída
  6. Exemplo prático

Finalidade

A MANOVA geral (análise de variância multivariada) testa se um ou mais fatores alteram em conjunto várias respostas relacionadas, por exemplo a resistência à tração e o alongamento dos mesmos corpos de prova. Use-a quando você mede duas ou mais propriedades em cada unidade: um único teste conjunto mantém a taxa geral de falsos alarmes no nível escolhido, considera a correlação entre as respostas e pode detectar uma mudança na combinação de propriedades que ANOVAs separadas não percebem.

Principais recursos

  • Duas ou mais respostas contínuas testadas em conjunto em relação a um ou mais fatores categóricos.
  • Covariáveis contínuas opcionais e todas as interações de dois fatores.
  • Lambda de Wilks, traço de Pillai, traço de Hotelling-Lawley e maior raiz de Roy para cada termo.
  • ANOVA univariada para cada resposta (somas de quadrados do Tipo III).
  • Matrizes SSCP de hipótese e de erro com correlações parciais e análise de autovalores, sob demanda.
  • Data Options: selecione um subconjunto das linhas antes da análise.

Métodos estatísticos

O modelo é o mesmo do Modelo Linear Geral, ajustado a todas as respostas de uma só vez: fatores com codificação de soma zero (−1, 0, +1), covariáveis como efeitos principais e as interações de dois fatores quando marcadas (somente com dois ou mais fatores). As linhas com valor ausente em qualquer coluna selecionada são descartadas. Para cada termo, a ferramenta forma a matriz de hipótese H (somas de quadrados e produtos cruzados explicadas pelo termo) e a matriz de erro E, e testa o termo a partir dos autovalores λ de E⁻¹H.

Lambda de Wilks = det(E) / det(H + E) = Π 1/(1 + λ), pequeno quando o termo é importante; traço de Pillai = Σ λ/(1 + λ); traço de Hotelling-Lawley = Σ λ; maior raiz de Roy = o maior λ. Cada uma é convertida em uma estatística F aproximada, com os graus de liberdade do numerador e do denominador exibidos. O traço de Pillai é o mais tolerante a tamanhos de grupo desiguais e a matrizes de covariância desiguais; a raiz de Roy é a mais sensível quando os grupos diferem em uma única direção, mas seu F é um limite superior, de modo que seu valor-p é otimista.

A análise de autovalores lista os autovalores de E⁻¹H com suas proporções e os autovetores escalados de modo que v'(E / DF error)v = 1. O primeiro autovetor fornece a combinação ponderada de respostas que mais separa os níveis do fator. As tabelas univariadas são ANOVAs do Tipo III de cada resposta isoladamente. A MANOVA pressupõe observações independentes e erros normais multivariados com a mesma matriz de covariância em todos os grupos.

Campos de entrada e opções

Campo

Descrição

Responses (Y)

Duas ou mais colunas contínuas, testadas em conjunto. Obrigatório.

Factors (categorical)

Uma ou mais colunas de preditores categóricos. Obrigatório.

Covariates (continuous)

Colunas numéricas opcionais, inseridas apenas como efeitos principais.

Include all 2-way factor interactions

Marcado por padrão; habilitado apenas quando dois ou mais fatores são selecionados.

Show univariate ANOVA per response

Marcado por padrão.

Matrices (hypothesis, error, partial correlations)

Desativado por padrão: acrescenta as matrizes SSCP e as correlações parciais das respostas.

Eigen analysis

Desativado por padrão: autovalores e autovetores de E⁻¹H para cada termo.

Data Options: Subset (optional)

Exclude matching rows (padrão) ou Include only matching rows, por números de linha e/ou por uma condição.

general-manova-inputs


Figura 1 — Opções do exemplo de materiais: resistência à tração e alongamento como respostas, Treatment como fator, ANOVA univariada e análise de autovalores marcadas.

Descrição da saída

  • MANOVA — Value, Num DF, Den DF, F Value e P-Value das quatro estatísticas multivariadas para cada termo.
  • Univariate Analysis of Variance — uma tabela de ANOVA por resposta.
  • Matrizes SSCP e correlações parciais — quando Matrices está marcado.
  • Eigen Analysis — autovalores, proporções, proporções acumuladas e autovetores de cada termo, quando marcado.
  • Exportação em PDF por meio de Download.

general-manova-output


Figura 2 — MANOVA das duas propriedades: as quatro estatísticas rejeitam a igualdade das médias dos tratamentos (lambda de Wilks 0.11217, F = 19.86, p < 0.001).

Exemplo prático

Um engenheiro de materiais compara um controle com dois tratamentos, A e B, testando 8 corpos de prova de cada um quanto à resistência à tração (MPa) e ao alongamento na ruptura (%). Executar duas ANOVAs separadas aumentaria a chance de falso alarme, então o engenheiro testa as duas propriedades em conjunto, com Treatment como fator, e marca a ANOVA univariada e a análise de autovalores.

Os tratamentos alteram claramente o par de propriedades: o lambda de Wilks é 0.11217 (F = 19.86 com 4 e 40 DF), o traço de Pillai 1.28404 (F = 18.83) e os quatro testes dão p < 0.001. As tabelas univariadas mostram que cada propriedade também muda isoladamente: resistência F = 25.75 e alongamento F = 18.60, ambos com p < 0.001. A resistência média sobe de 211.9 MPa (controle) para 225.7 (A) e 238.1 (B); o alongamento médio é 12.6%, 14.6% e 10.9%.

A análise de autovalores explica o padrão. A primeira direção (75.7% da separação) pondera a resistência positivamente (0.114) e o alongamento negativamente (−0.518): o compromisso que distingue o Tratamento B, com a maior resistência, mas a menor ductilidade. A segunda direção (24.3%) tem pesos positivos para ambos, e é assim que o Tratamento A difere: ele aumenta a resistência e o alongamento ao mesmo tempo. Se a peça precisa das duas propriedades, o Tratamento A é a escolha mais segura.

Perguntas frequentes

Quando usar a MANOVA em vez de ANOVAs separadas?

Use a MANOVA quando você mede duas ou mais propriedades em cada unidade. Um único teste conjunto mantém a taxa geral de falsos alarmes no nível escolhido, considera a correlação entre as respostas e pode detectar uma mudança na combinação de propriedades que ANOVAs separadas não percebem. Executar ANOVAs separadas aumenta a chance de falso alarme.

Qual é a diferença entre o lambda de Wilks, o traço de Pillai, o traço de Hotelling-Lawley e a raiz de Roy?

As quatro testam cada termo a partir dos autovalores da inversa da matriz de erro multiplicada pela matriz de hipótese, e cada uma é convertida em um F aproximado. O lambda de Wilks é pequeno quando o termo é importante. O traço de Pillai é o mais tolerante a tamanhos de grupo e matrizes de covariância desiguais. A raiz de Roy é a mais sensível a diferenças em uma só direção, mas seu valor-p é otimista.

Quais são as premissas da MANOVA?

A MANOVA pressupõe observações independentes e erros normais multivariados com a mesma matriz de covariância em todos os grupos. As linhas com valor ausente em qualquer coluna selecionada são descartadas. Se os tamanhos dos grupos ou as matrizes de covariância forem desiguais, o traço de Pillai é o mais tolerante das quatro estatísticas multivariadas.

O que a análise de autovalores informa na MANOVA?

A análise de autovalores lista os autovalores com suas proporções e os autovetores. O primeiro autovetor fornece a combinação ponderada de respostas que mais separa os níveis do fator. No exemplo de materiais, a primeira direção ponderou a resistência positivamente e o alongamento negativamente, mostrando o compromisso entre resistência e ductilidade que distinguiu o Tratamento B.