Análise Multivariada da

Variância
(MANOVA)
Notas para a disciplina de Análise
Estatística III
Tomás da Silva

© 2003 Universidade de Coimbra

MANOVA 2

Pontos principais
• O que é a MANOVA? O que pode fazer-se com
a MANOVA?
• MANOVA: Objectivos
✸ Um exemplo

• Assunções para a MANOVA

✸ Efectuar uma MANOVA com o SPSS
✸ Verificação das assunções
✸ Realizar a MANOVA

1
 MANOVA 3

O Que É A MANOVA?
• Uma técnica similar à ANOVA
(Aliás, é uma extensão lógica da ANOVA)
• É usada quando o design envolve mais do que
uma variável dependente.
• Na verdade, devemos falar de modelos da
MANOVA (algo que, aliás, já tínhamos visto
quando falámos da ANOVA)
• Em todos os modelos, de qualquer forma,
teremos a seguinte equação:
DADOS = MODELO + ERRO

MANOVA 4

OBJECTIVOS
Se temos mais do que uma VD (var. dependente), então a
MANOVA permite:
• Controlar a inflação excessiva das taxas do erro
“experimentwise”* de tipo I e II
• Obviar à incapacidade da parte do investigador, ao efectuar
múltiplas ANOVAS unifactoriais, de ter em consideração as
correlações entre as VD’s.
*a taxa de erro experimentwise (αEW), representa o grau de risco
que acresce na análise de mais de uma variável dependente
em cada experiência. Em concreto a taxa de erro é definida
como a probabilidade de cometer um ou mais erros de tipo I
numa série de análises de variáveis dependentes.

2
 MANOVA 5

Um Exemplo
Brace, Kemp & Snelgar (2003) apresentam o seguinte
exemplo:
Imagine que uma equipa de investigadores está interessada
em estudar se o facto de ser vítima de um crime influencia
o grau de medo face ao crime. Neste caso pode comparar
aqueles que foram vítimas de vários crimes, os que apenas
foram vítimas uma vez e aqueles que nunca foram vítimas.
Pode de seguida medir um certo número de diferentes
aspectos do medo do crime, incluindo medidas objectivas
tais como o número de medidas de segurança
implementadas no lar, o número de vezes por semana que os
participantes saem sozinhos, bem como uma medida de
auto-relato.

MANOVA 6

Estrutura da MANOVA
• Por comparação com um modelo familiar consideremos a
estrutura de uma ANOVA bi-factorial, neste caso, já estudado,
teremos:

y ijk = µ + α j + β k + αβ jk + e ijk

• Se aplicarmos a este modelo a partição dos diferentes tipos de

variância, usando as SQ (Somas dos Quadrados), teremos:
SS total = SS A + SS B + SS AB + SS erro

3
 MANOVA 7

Estrutura da MANOVA—Cont.
• Os testes de significância para cada uma das hipóteses do modelo são
obtidos através do teste F, um para cada efeito, e calculados como um
rácio da Média dos Quadrados (MQ) do efeito pela MQerro.

• O modelo multivariado bi-factorial difere do modelo univariado

primariamente porque a sua utilização envolve o emprego de múltiplas
variáveis dependentes.
Por outro lado, as somas dos quadrados na partição do modelo da
MANOVA envolverá o cálculo de valores de matrizes em vez de
quantias escalares do tipo das SQ que encontrámos no modelo da
ANOVA (Um escalar é um valor numérico singular, enquanto que uma
matriz é uma arranjo bidimensional de valores numéricos.)
• Podemos rescrever (em álgebra das matrizes) a partição referente ao
modelo bi-factorial com interacção, como:

Τ = ΗA + HB + Η AB +Ε

MANOVA 8

Estrutura da MANOVA—Cont.
• A matriz total das somas dos quadrados e do cruzamento dos
produtos (T) [SSCP T], é dividida numa parcela que contempla a
adição das expressões matriciais que integram a informação sobre as
SSCP entre os sujeitos (SSCP between; B) para cada hipótese do
modelo (HA, HB e HAB) e uma matriz da SSCP para os elementos erro
do modelo (E).
• Estas matrizes SSCP são muito importantes nas análises
multivariadas. Constituem os termos que transmitem a informação
acerca das correlações entre as variáveis dependentes. Esta
informação é utilizada permanentemente na obtenção da solução do
problema (Haase & Ellis, 1987).
• Depois de ter-se efectuado a partição da variabilidade, podemos
calcular as estatísticas que nos permitirão testar se qualquer um dos
efeitos contemplados no modelo permite dar conta de uma
proporção significativa da variabilidade na variável dependente ou
nas variáveis dependentes.

4
 MANOVA 9

Assunções para a MANOVA

(unifactorial)
• Verifique o grau de correlação existente entre as VD’s (Lembre-se de que
deve haver uma boa razão teórica para considerar mais do que uma VD
na mesma análise. Aumentar indiscriminadamente o seu número pode
reduzir o poder da MANOVA!). Tenha ainda em atenção que a correlação
entre as VD’s não deve ser excessiva (problema da multicolineridade).
Neste caso Tabachnick & Fidell (2001) sugerem que os r’s não devem
exceder .90.
• Verifique ainda:
1. As VD’s devem ser contínuas ou discretas e qualquer relação entre elas
deve ser do tipo linear.
2. Deve certificar-se que o número de casos em cada célula é maior do que
o número de VD’s
3. Deve existir homogeneidade das matrizes de variância-covariância.
4. Deve assumir-se normalidade das distribuições univariada e multivariada
(Esteja atento à platicurtose. Veja ainda se existem outliers).

MANOVA 10

Efectuar uma MANOVA com o

SPSS
• Avaliação da significância estatística dos resultados
(testes multivariados)
Existem quatro testes que podem ser usados para
determinar se existem diferenças estatisticamente
significativas entre os níveis da VI na combinação linear
das VD’s:

Traço de Pillai

Traço de Hoetelling

Lambda de Wilks

Maior raiz de Roy

5
 MANOVA 11

Efectuar uma MANOVA com o

SPSS
• O SPSS oferece um valor para cada um dos índices anteriores.
Para além disso transforma cada um deles num valor de F e
determina a significância estatística que lhes está associada.
• Se o factor em estudo apenas tem dois níveis, então todos os
testes de F, apresentados pelo SPSS, serão idênticos;
• Porém se o factor tem mais de dois níveis, então os valores de F
para cada um dos testes estatísticos serão, habitualmente,
diferentes e é mesmo possível que alguns sejam significativos e
outros não!
• Como regra (Cf. Tabachnick e Fidell, 1996), a maioria dos autores
refere o Lambda de Wilks’, e a nossa sugestão vai também nesse
sentido.
• Todavia, o teste do traço de Pillai é considerado como sendo
aquele que apresenta maior robustez. Daí, se o n for pequeno,
talvez seja apropriado interpretar este teste.

MANOVA 12

Efectuar uma MANOVA com o

SPSS
• Depois de ter realizado um teste multivariado geral (omnibus), no
caso de ter obtido significância estatística, convém localizar onde se
encontram as diferenças entre os níveis da VI, para cada uma das
VD’s. Como proceder?
✸ Análises de Follow-up:
 Múltiplas ANOVAS univariadas*
 Análise Stepdown
 Análise Discriminante*
 Contribuição de cada VD para o efeito multivariado
 Realização de Contrastes Multivariados
* Apenas estas técnicas serão referidas

6
 MANOVA 13

Efectuar uma MANOVA com o

SPSS

• O Exemplo
Vamos usar a base de dados, construída por
Brace, Kemp & Snelgar (2003).
Trata-se do estudo sobre o medo do crime para
diferentes grupos de vítimas deste tipo de
violência.

MANOVA 14

Efectuar uma MANOVA com o

SPSS
• Verificação das assunções
1. Tamanho da amostra?
2. Normalidade (univariada e multivariada)?
3. Outliers (usando o programa Explore)?
4. As VD’ estão correlacionadas e a relação é linear?
5. Homogeneidade das matrizes de variância-
covariância?

7
 MANOVA 15

Efectuar uma MANOVA com o

SPSS
Como testar?
2. Normalidade (univariada e multivariada)
Na barra de comandos do SPSS escolha: (1)Analyse
Regression Linear; (2) Variables Dependent id; (3)
Independent security, outings, report; (4) Save
Distances Mahalanobis.
3. Outliers (usando o programa Explore)
Analyse Descriptive Statistics Explore: (1) Dependent
Mah_1; Label cases by id; (3) Statistics Descriptive
Outliers. Continue.

MANOVA 16

Efectuar uma MANOVA com o

SPSS
Normalidade (univariada e multivariada)?
Outliers (usando o programa Explore)?
Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 2,94 28,22 15,50 8,383 30
Std. Predicted Value -1,499 1,517 ,000 1,000 30
Standard Error of
,589 1,452 1,010 ,239 30
Predicted Value
Adjusted Predicted Value 2,28 27,73 15,40 8,382 30
Residual -6,14 5,82 ,00 2,689 30
Std. Residual -2,161 2,050 ,000 ,947 30
Stud. Residual -2,262 2,275 ,016 1,016 30
Deleted Residual -6,73 7,17 ,10 3,104 30
Stud. Deleted Residual -2,475 2,493 ,012 1,061 30
Mahal. Distance ,282 6,617 2,900 1,785 30 g.l. =3, alfa=0.001
Cook's Distance ,000 ,300 ,039 ,061 30
Centered Leverage Value
valor = 16.27
,010 ,228 ,100 ,062 30
a. Dependent Variable: ID NS

Comparar com o valor crítico obtido numa tabela do qui-quadrado; g.l. = nº de VD’s

8
 MANOVA 17

Efectuar uma MANOVA com o

SPSS

• Realização da MANOVA
General Linear Model Multivariate Dependent
Variables security, outings, report Fixed Factors
group Multivariate options Display Means for
group Display Descriptive statistics Estimates of
effect size Homogeneity tests.
(Cf. Output em Anexo)