Guia de Testes Estatísticos Não Paramétricos e Interpretação

Observações Gerais

Obs > (maior) valor crítico: rejeita H0.

Obs < (menor) valor crítico: aceita H0.

Teste de McNemar

Utilizado para o teste de Qui-quadrado com amostras relacionadas (pessoas iguais em situações diferentes), para verificar diferenças significativas em dois momentos distintos. Deve-se calcular no 1º quadro os resultados na vertical e horizontal e, posteriormente, elaborar o quadro das frequências esperadas.

Utiliza-se a fórmula normal ou a correção de continuidade (obrigatória se houver pelo menos uma frequência inferior a 5). Para calcular: (total da linha × total da coluna) / n. O grau de liberdade (gl) é calculado como: (2-1) × (2-1) = 1.

Teste de Kruskal-Wallis

Indicado para a comparação de 3 ou mais grupos diferentes com variáveis ordinais. Deve-se calcular as médias: total dos resultados dividido pelo número de sujeitos de cada coluna.

Fórmula: 12 (constante) × [somatório de cada ordem ao quadrado / número de colunas] – 3 × (N + 1).

Grau de liberdade: c - 1 = 3 - 1 = 2 (valor crítico 5,991). Se o H observado for igual ou superior a 15, consulta-se a tabela de Kruskal (W95) para as combinações específicas; caso contrário, utiliza-se a tabela de Qui-quadrado pelo grau de liberdade. Nota: Realizar sempre o cálculo do grau de liberdade no exercício!

Correlação de Spearman

Utilizada para verificar a associação ou correlação entre duas variáveis. É necessário ordenar: xi, yi, d (xi – yi) e d² (resultados de d ao quadrado; ex: se o resultado for -4, deve ser (-4)²).

Fórmula: Rs = 1 – [6 × somatório de d² / (n(n² - 1))].

• R observado > valor crítico: rejeita H0.
• R observado < valor crítico: aceita H0.

Interpretação do Coeficiente R:

• R < 0,2: correlação muito baixa;
• 0,2 < 0,5: correlação baixa;
• 0,5 < 0,7: valores significativos;
• 0,7 < 0,9: alta correlação.

Significância (Sig): Se inferior a 0,05, rejeita-se H0 (há significância estatística); se maior que 0,05, aceita-se H0.

Teste de Friedman

Utilizado para medidas repetidas, visando verificar se existem diferenças estatisticamente significativas entre grupos avaliados em situações diferentes. Deve-se ordenar em linha (1, 2, 3), calcular r (soma das ordens) e r² (resultado de r ao quadrado).

Médias: somar os resultados um a um e dividir pelo número de sujeitos/situações de cada coluna. Fórmula: 12 × somatório do r² (inserir apenas os resultados obtidos). É necessário identificar o K (nº de situações) e o N (nº de sujeitos).

Interpretação dos Outputs

Problema de Investigação: A nota de estatística está correlacionada com o índice de motivação?

H0 (Hipótese Nula): Não existe correlação entre a nota de estatística e o índice de motivação.

Exemplo de Conclusão: A associação destas duas variáveis, verificada através do coeficiente de correlação de Spearman, permite-nos concluir que existe uma correlação estatisticamente significativa (R = 0,823; p (sig) = 0,002). Isto significa que podemos rejeitar H0 e, como tal, os trabalhadores com maior classificação em estatística são os que se apresentam mais motivados.

• Sig. Significativa: Inferior a 0,05 – Rejeita H0 (há significância estatística).
• Sig. Não Significativa: Superior a 0,05 – Aceita H0 (não há significância).

Exemplo de Correlação Negativa: Quando o valor é, por exemplo, -0,378, a correlação é negativa (enquanto uma variável aumenta, a outra diminui). O que permite testar a existência de correlação é o valor de sig (p = 0,252). Uma vez que essa significância não é menor que 0,05, não se pode afirmar que haja significância estatística. Se o valor de sig não for fornecido, utiliza-se o N para consultar a tabela correspondente.