Os testes não paramétricos para comparação entre grupos são ferramentas analíticas úteis no arsenal de pesquisadores quantitativos. Esses testes permitem analisar hipóteses sem exigir uma distribuição específica dos dados (como a distribuição normal). Em vez disso, baseiam-se em características mais gerais, como os postos (ranks) dos escores ou a frequência de ocorrência.
Os testes não paramétricos são especialmente úteis quando os dados não atendem aos requisitos exigidos pelos testes paramétricos. Com eles, é possível realizar comparações entre grupos e obter respostas a perguntas de pesquisa relevantes.
Na sequência deste post, buscaremos responder a três perguntas gerais. Primeiramente, descreveremos quando usar testes não paramétricos. Em seguida, daremos dicas de como escolher o teste não paramétrico mais adequado ao seu conjunto de dados e pergunta de pesquisa. Por fim, falaremos sobre o que fazer quando os pressupostos estatísticos não são atendidos em delineamentos complexos.
Quando usar testes não paramétricos?
Imagine, por exemplo, que uma pesquisadora deseja comparar o tempo de recuperação de pacientes submetidos a dois tipos de cirurgia: tratamento A e tratamento B. Ela coleta dados de 20 pacientes para cada grupo e quer avaliar se há diferença significativa entre os tempos de recuperação.
No entanto, ao analisar as distribuições dos tempos de recuperação em cada condição, ela constata que ambas se desviam de uma distribuição normal, pré-requisito no teste t para amostras independentes. Nesse cenário, os testes não paramétricos se tornam a escolha ideal. Um dos testes mais adequados para este caso é o teste U de Mann-Whitney.
Como escolher o teste não paramétrico correto?
Neste post, apresentaremos alguns dos testes não paramétricos mais conhecidos. No entanto, para decidir qual deles usar, devemos considerar dois aspectos distintos em nossos dados.
Primeiramente, devemos avaliar se nossa variável de agrupamento é entressujeitos ou intrassujeitos. Em outras palavras, se cada participante contribui com apenas uma variável de agrupamento, como sexo e profissão, temos uma variável entressujeitos, também chamada de variável de grupos independentes.
Por outro lado, se o mesmo participante contribui com mais de uma variável de agrupamento, como diferentes ocasiões ou condições, temos uma variável intrassujeitos, também chamada de variável de medidas repetidas.
Além disso, devemos considerar se nossa variável independente possui dois grupos ou três ou mais grupos. Por exemplo, a variável estado civil pode ter dois grupos (solteiro, casado) ou mais (solteiro, casado, viúvo), a depender da composição amostral em nosso estudo. O mesmo vale para medidas repetidas, que podem ter duas condições (pré-teste, pós-teste) ou mais (pré-teste, pós-teste, follow-up).
Quatro testes não paramétricos para pesquisas científicas
A Figura 1 apresenta os quatro testes não paramétricos mais populares em pesquisas científicas, com base nas duas considerações principais para escolhê-los.
No teste U de Mann–Whitney, comparamos uma variável dependente ou critério entre dois grupos independentes. Por exemplo, como já vimos, podemos comparar o tempo de recuperação em função de diferentes procedimentos cirúrgicos (A, B).
No teste de postos sinalizados de Wilcoxon, por sua vez, comparamos dois grupos dependentes. Por exemplo, podemos comparar as habilidades de leitura das mesmas crianças no início e no final do ano letivo.
Os demais testes são apropriados quando temos mais grupos ou condições. No teste de Kruskal–Wallis, comparamos uma variável dependente ou critério entre três ou mais grupos independentes. Por exemplo, podemos comparar os níveis de estresse no final de semestre entre graduandos, mestrandos e doutorandos.
Para concluir, na análise de variância (ANOVA) de Friedman, comparamos uma variável dependente ou critério entre três ou mais grupos dependentes. Por exemplo, podemos comparar as avaliações de quatro filmes feitas pelo mesmo conjunto de respondentes.
Testes não paramétricos para delineamentos complexos
Anteriormente, demos exemplo de delineamentos que envolvem apenas uma variável preditora de interesse. No entanto, em delineamentos complexos, nós temos duas ou mais variáveis preditoras.
Por exemplo, podemos querer comparar as habilidades de leitura de crianças de escolas públicas versus privadas no início e no final do ano letivo. Desse modo, temos uma variável entressujeitos (tipo de escola) e uma variável intrassujeitos (tempo).
Em tais exemplos, podemos querer avaliar os efeitos principais de cada variável, bem como o efeito de interação. Infelizmente, contudo, os testes anteriores não lidam com múltiplos preditores. Isso se torna um problema, principalmente quando violamos pressupostos estatísticos em delineamentos complexos, como o já mencionado pressuposto de normalidade.
Para esse fim, precisamos a recorrer ao R, que possui maneiras de conduzir testes não paramétricos para delineamentos complexos. Por exemplo, a função rankFD(), do pacote rankFD, realiza análise de efeitos principais bem como de interação. Já a função steel, do mesmo pacote, permite realizar comparações em pares (post hoc) para investigar onde foram encontrados os efeitos na análise principal.
Conclusão
Neste post, explicamos o que são os testes não paramétricos. Além disso, nós introduzimos, por meio de exemplos de seus usos, alguns testes não paramétricos para comparação entre grupos. Por fim, nós apresentamos uma limitação desses testes — não avaliarem mais de uma variável preditora e efeitos de interação —, sugerindo uma alternativa disponível em um pacote do R.
A Psicometria Online Academy conta com o módulo R: Testes não paramétricos para delineamentos complexos, onde você aprenderá mais sobre as análises do pacote rankFD(). Se você precisa aprender esse e outros conteúdos, então faça parte da Psicometria Online Academy, a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).
Como citar este post
Lima, M. (2024, 20 de dezembro). Testes não paramétricos para comparação entre grupos. Blog Psicometria Online. https://www.blog.psicometriaonline.com.br/testes-nao-parametricos-para-comparacao-entre-grupos/
Uma resposta
Olá, tudo bem? Tenho uma dúvida sobre o teste de friedman. Eu tenho 3 grupos e apliquei um tratamento nos 3. Quero avaliar se teve diferença entre os grupos antes e depois do tratamento. O friedman é aplicado?