ANOVA

Definição estendida

ANOVA (Analysis of Variance) é a técnica estatística clássica para testar se as médias de três ou mais grupos diferem mais do que seria esperado por flutuação amostral. Foi formalizada por Ronald Fisher em Statistical Methods for Research Workers (1925) como ferramenta central do delineamento experimental agrícola, e adaptada nas décadas seguintes para qualquer ciência empírica que compara grupos. A estatística de teste é a razão entre variância entre grupos e variância dentro de grupos:

onde $MS_{\text{between}}$ é a soma de quadrados entre grupos dividida pelos graus de liberdade entre, e $MS_{\text{within}}$ a soma de quadrados dentro dividida pelos graus de liberdade dentro. Sob a hipótese nula de igualdade de médias, $F$ segue distribuição $F$ de Fisher-Snedecor. Variantes incluem ANOVA de um fator (uma variável categórica), de dois ou mais fatores (com possíveis interações), de medidas repetidas (mesmos sujeitos em diferentes condições), MANOVA (múltiplas variáveis dependentes), e ANCOVA (com covariáveis contínuas de controle).

Quando se aplica

ANOVA é apropriada quando o desenho compara três ou mais grupos definidos por uma variável categórica, com variável dependente contínua aproximadamente normal e variâncias de grupos comparáveis (homocedasticidade). É padrão em delineamentos experimentais clássicos: ensaios clínicos com múltiplos braços de tratamento, experimentos agrícolas com diferentes adubos, estudos psicológicos comparando condições. Para dois grupos apenas, teste $t$ é equivalente e mais direto. Para variáveis dependentes categóricas, qui-quadrado ou regressão logística são alternativas.

Quando NÃO se aplica

Não se aplica quando os pressupostos são gravemente violados: variável dependente fortemente assimétrica, variâncias muito desiguais entre grupos (heterocedasticidade), ou observações não-independentes (clusters, medidas repetidas sem ajuste apropriado). Em violação severa, alternativas robustas (Welch ANOVA para variâncias desiguais, Kruskal-Wallis não-paramétrico, modelos mistos para dados aninhados) são preferíveis. Para teste de uma única hipótese específica entre dois grupos, ANOVA é redundante. Em delineamentos com confundimento estrutural (covariáveis observacionais não controladas), ANOVA não substitui análise de regressão completa.

Aplicações por área

— Saúde e biomédicas: ensaios clínicos com 3+ braços, comparação de subgrupos clínicos, análise de eficácia em farmacologia. — Ciências agrárias: delineamento original de Fisher; comparação de tratamentos, blocos, fatores ambientais. — Psicologia experimental: comparação entre condições experimentais, ANOVA fatorial para interações entre variáveis. — Educação: comparação de métodos de ensino, intervenções pedagógicas, escolas ou regiões.

Armadilhas comuns

A primeira armadilha é parar na ANOVA sem testes post-hoc — ANOVA significativa apenas indica que pelo menos uma média difere, sem identificar qual. Tukey HSD, Bonferroni, ou Scheffé são correções padrão para comparações múltiplas. A segunda é violar pressupostos sem alternativa robusta: dados gravemente não-normais ou heterocedásticos com $n$ pequeno produzem $p$-valores não confiáveis. A terceira é ignorar tamanho de efeito ao reportar resultado — eta-quadrado parcial ou ômega-quadrado deveriam acompanhar todo $p$-valor de ANOVA, conforme recomendação APA. A quarta é confundir significância de interação em ANOVA fatorial com efeito principal — interação significativa modifica a interpretação dos efeitos principais, e pode mascará-los. A quinta é usar ANOVA de medidas repetidas ignorando o pressuposto de esfericidade (Mauchly) — violação requer correção de Greenhouse-Geisser ou Huynh-Feldt.