Quando poderá ser necessário utilizar este teste? (cont…)
Um segundo projecto de estudo é recrutar um grupo de indivíduos e depois dividi-los em grupos com base em alguma variável independente. Mais uma vez, cada indivíduo será atribuído a apenas um grupo. Esta variável independente é por vezes chamada uma variável independente de atributo porque se está a dividir o grupo com base em algum atributo que possuem (por exemplo, o seu nível de educação; cada indivíduo tem um nível de educação, mesmo que seja “nenhum”). Cada grupo é então medido com base na mesma variável dependente, tendo sido submetido à mesma tarefa ou condição (ou nenhum). Por exemplo, um investigador está interessado em determinar se existem diferenças na força das pernas entre jogadores de rugby amadores, semi-profissionais e profissionais. A força/força medida numa máquina isocinética é a variável dependente. Este tipo de desenho de estudo é ilustrado esquematicamente na Figura abaixo:
Porque não comparar grupos com múltiplos testes t?
De cada vez que se realiza um teste t há uma hipótese de se cometer um erro de Tipo I. Este erro é normalmente de 5%. Ao executar dois testes t nos mesmos dados, terá aumentado a sua hipótese de “cometer um erro” para 10%. A fórmula para determinar a nova taxa de erro para múltiplos testes t não é tão simples como a multiplicação de 5% pelo número de testes. No entanto, se fizer apenas algumas comparações múltiplas, os resultados são muito semelhantes se o fizer. Como tal, três testes t seriam 15% (na realidade, 14,3%) e assim por diante. Estes são erros inaceitáveis. Uma ANOVA controla estes erros para que o erro de Tipo I permaneça a 5% e pode estar mais confiante de que qualquer resultado estatisticamente significativo que encontre não é apenas a execução de muitos testes. Consulte o nosso guia sobre testes de hipóteses para mais informações sobre erros de Tipo I.