<\/p>\n
As fun\u00e7\u00f5es aov()<\/strong> e anova()<\/strong> em R parecem semelhantes, mas na verdade as usamos em dois cen\u00e1rios diferentes.<\/span><\/p>\n Usamos aov()<\/strong> quando queremos ajustar um modelo ANOVA e exibir os resultados em uma tabela de resumo ANOVA.<\/span><\/p>\n Usamos anova()<\/strong> quando queremos comparar o ajuste de modelos de regress\u00e3o aninhados para determinar se um modelo de regress\u00e3o com um determinado conjunto de coeficientes fornece um ajuste significativamente melhor do que um modelo com apenas um subconjunto de coeficientes.<\/span><\/p>\n Os exemplos a seguir mostram como usar cada fun\u00e7\u00e3o na pr\u00e1tica.<\/span><\/p>\n Digamos que queremos realizar uma ANOVA unidirecional<\/a> para determinar se tr\u00eas programas de exerc\u00edcios diferentes t\u00eam um impacto diferente na perda de peso.<\/span><\/p>\n Recrutamos 90 pessoas para participar de um experimento no qual designamos aleatoriamente 30 pessoas para seguir o Programa A, o Programa B ou o Programa C durante um m\u00eas.<\/span><\/p>\n O c\u00f3digo a seguir mostra como usar a fun\u00e7\u00e3o aov()<\/strong> em R para realizar esta ANOVA unidirecional:<\/span><\/p>\n A partir dos resultados do modelo, podemos observar que o valor p do programa (0,0000000000755) \u00e9 inferior a 0,05, o que significa que existe uma diferen\u00e7a estatisticamente significativa na perda m\u00e9dia de peso entre os tr\u00eas programas.<\/span><\/p>\n Suponha que queiramos usar o n\u00famero de horas estudadas<\/strong> para prever as notas dos exames<\/strong> dos alunos de uma determinada faculdade. Podemos decidir adaptar os dois modelos de regress\u00e3o a seguir:<\/span><\/p>\n Modelo completo:<\/strong> pontua\u00e7\u00e3o = \u03b2 0<\/sub> + B 1<\/sub> (horas) + B 2<\/sub> (horas) 2<\/sup><\/span><\/p>\n Modelo reduzido:<\/strong> pontua\u00e7\u00e3o = \u03b2 0<\/sub> + B 1<\/sub> (horas)<\/span><\/p>\n O c\u00f3digo a seguir mostra como usar a fun\u00e7\u00e3o anova()<\/strong> em R para realizar um teste de falta de ajuste para determinar se o modelo completo fornece um ajuste significativamente melhor do que o modelo reduzido:<\/span><\/p>\n Como o valor p na tabela de sa\u00edda (0,002144) \u00e9 inferior a 0,05, podemos rejeitar a hip\u00f3tese nula do teste e concluir que o modelo completo fornece um ajuste estatisticamente significativamente melhor do que o modelo reduzido.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em R:<\/span><\/p>\n Como realizar ANOVA unidirecional em R<\/a> As fun\u00e7\u00f5es aov() e anova() em R parecem semelhantes, mas na verdade as usamos em dois cen\u00e1rios diferentes. Usamos aov() quando queremos ajustar um modelo ANOVA e exibir os resultados em uma tabela de resumo ANOVA. Usamos anova() quando queremos comparar o ajuste de modelos de regress\u00e3o aninhados para determinar se um modelo de regress\u00e3o […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3451","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo 1: Como usar aov() em R<\/strong><\/span><\/h2>\n
#make this example reproducible\n<\/span>set. seeds<\/span> (0)\n\n#create data frame\n<\/span>df <- data. frame<\/span> (program = rep(c(\"A\", \"B\", \"C\"), each= 30<\/span> ),\n weight_loss = c(runif(30, 0, 3),\n runif(30, 0, 5),\n runif(30, 1, 7)))\n\n#fit one-way anova using aov()\n<\/span>fit <- aov(weight_loss ~ program, data=df)\n\n#view results\n<\/span>summary(fit)\n\n Df Sum Sq Mean Sq F value Pr(>F) \nprogram 2 98.93 49.46 30.83 7.55e-11 ***\nResiduals 87 139.57 1.60 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n<\/strong><\/pre>\n Exemplo 2: Como usar anova() em R<\/strong><\/span><\/h2>\n
#make this example reproducible\nset. seeds<\/span> (1)\n\n#create dataset\n<\/span>df <- data.frame(hours = runif(50, 5, 15), score=50)\ndf$score = df$score + df$hours^3\/150 + df$hours*runif(50, 1, 2)\n\n#view head of data\n<\/span>head(df)\n\n hours score\n1 7.655087 64.30191\n2 8.721239 70.65430\n3 10.728534 73.66114\n4 14.082078 86.14630\n5 7.016819 59.81595\n6 13.983897 83.60510\n\n#fit full model\n<\/span>full <- lm(score ~ poly(hours,2), data=df)\n\n#fit reduced model\n<\/span>reduced <- lm(score ~ hours, data=df)\n\n#perform lack of fit test using anova()\n<\/span>anova(full, reduced)\n\nAnalysis of Variance Table\n\nModel 1: score ~ poly(hours, 2)\nModel 2: score ~ hours\n Res.Df RSS Df Sum of Sq F Pr(>F) \n1 47 368.48 \n2 48 451.22 -1 -82.744 10.554 0.002144 **\n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/span><\/span><\/strong><\/pre>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Como realizar ANOVA bidirecional em R<\/a>
Como realizar ANOVA de medidas repetidas em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"