Teste de Kruskal-Wallis em Estatística
O teste de Kruskal-Wallis é um método estatístico não paramétrico usado para comparar diferenças entre três ou mais grupos. Em muitos estudos, os pesquisadores frequentemente desejam determinar se vários grupos apresentam valores significativamente diferentes para uma determinada variável. Se os dados atenderem às premissas de normalidade e homogeneidade de variância, o teste ANOVA de uma via geralmente é a primeira escolha. No entanto, quando essas premissas não são atendidas — por exemplo, os dados não seguem uma distribuição normal, existem outliers extremos ou a escala de mensuração é ordinal — o teste de Kruskal-Wallis é uma alternativa poderosa e amplamente utilizada.
Definição e conceitos básicos
O teste de Kruskal-Wallis (frequentemente escrito como teste H de Kruskal-Wallis) é uma extensão do teste U de Mann-Whitney, permitindo a comparação de mais de dois grupos. Seu princípio básico é comparar as "ordens" dos dados, e não os valores absolutos. Por ser baseado em ordens, esse teste não exige uma distribuição normal e é relativamente resistente à influência de valores discrepantes.
Intuitivamente, se vários grupos tiverem a mesma distribuição, as classificações dos dados entre os grupos serão misturadas aleatoriamente. Por outro lado, se alguns grupos tenderem a ter valores mais altos ou mais baixos, as classificações se agruparão e produzirão uma estatística de teste maior.
Quando se utiliza o teste de Kruskal-Wallis?
O teste de Kruskal-Wallis é utilizado quando:
1. O número de grupos é ≥ 3, e o pesquisador deseja comparar as diferenças na localização central (geralmente a mediana) entre os grupos.
2. Os dados não atendem às premissas da ANOVA, especialmente à normalidade dos resíduos.
3. Escalas de dados ordinais (por exemplo, pontuações de satisfação: muito insatisfeito a muito satisfeito) ou dados de intervalo/razão não normais.
4. Amostras independentes, o que significa que os membros de um grupo não são pareados ou relacionados a outros grupos.
Por exemplo: um pesquisador deseja comparar os níveis de satisfação dos pacientes com os serviços em três hospitais diferentes, utilizando uma escala Likert de 1 a 5. Como os dados são ordinais, o teste de Kruskal-Wallis é uma escolha apropriada.
Pressupostos do teste de Kruskal-Wallis
Embora não paramétrico, o teste de Kruskal-Wallis ainda possui diversas premissas importantes:
1. Independência de observação: os dados em cada grupo devem provir de indivíduos diferentes.
2. A variável resposta deve ser pelo menos ordinal: os dados devem ser classificáveis.
3. Os formatos de distribuição entre os grupos devem ser semelhantes: se os formatos de distribuição forem muito diferentes, a interpretação das diferenças pode ser mais complexa. Este teste é frequentemente interpretado como uma diferença nas medianas, mas a interpretação pela mediana é mais apropriada se os formatos de distribuição forem semelhantes.
Hipótese no teste de Kruskal-Wallis
No teste de Kruskal-Wallis, a hipótese que está sendo testada é:
– H0 (hipótese nula): a distribuição (ou mediana) de todos os grupos é a mesma.
– H1 (hipótese alternativa): existe pelo menos um grupo cuja distribuição (ou mediana) é diferente.
É importante notar que, quando a hipótese nula (H0) é rejeitada, o teste de Kruskal-Wallis simplesmente afirma "existe uma diferença", mas não especifica quais grupos são diferentes. Isso requer testes adicionais (post-hoc).
Etapas de cálculo
Em resumo, as etapas do teste de Kruskal-Wallis são:
1. Combine todos os dados de todos os grupos.
2. Classifique do menor para o maior valor. Em caso de empate, use a classificação média.
3. Some as classificações de cada grupo.
4. Calcule a estatística de teste H.
A fórmula estatística geral de H é:
\[
H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} – 3(N+1)
\]
Em formação:
– \(N\) = total de todas as observações
– \(k\) = número de grupos
– \(n_i\) = número de observações no i-ésimo grupo
– \(R_i\) = número de posições no i-ésimo grupo
O valor de H é então comparado com a distribuição qui-quadrado (\(\chi^2\)) com \(k-1\) graus de liberdade. Se o valor p for menor que o nível de significância (por exemplo, 0,05), então H0 é rejeitada.
Exemplo ilustrativo
Suponha que um professor queira saber se há diferença nas notas de um teste estatístico entre três métodos de aprendizagem: A, B e C. Após coletar os dados, verifica-se que as notas não seguem uma distribuição normal, pois apresentam vários valores extremos. O professor então utiliza o teste de Kruskal-Wallis.
Se os resultados do teste apresentarem um valor p de 0,01 (menor que 0,05), conclui-se que existe uma diferença significativa entre pelo menos dois métodos de aprendizagem. No entanto, o professor ainda não sabe se o método A é melhor que o B ou o C. É aqui que a análise post-hoc se faz necessária.
Teste post-hoc após Kruskal-Wallis
Se o teste de Kruskal-Wallis for significativo, o próximo passo é realizar comparações aos pares. Alguns métodos comuns são:
1. Teste de Dunn: mais frequentemente usado para o teste post-hoc de Kruskal-Wallis.
2. Teste de Mann-Whitney pareado com correção (Bonferroni, Holm ou Benjamini-Hochberg) para controlar erros devido a testes repetidos.
O objetivo desta correção é evitar o aumento da probabilidade de erro tipo I (afirmar uma diferença quando não há diferença) devido à realização de muitas comparações.
Tamanho do efeito
Além da significância estatística, muitos estudos modernos enfatizam a magnitude do efeito para ajudar os leitores a compreenderem a dimensão da diferença. Algumas magnitudes de efeito frequentemente associadas ao modelo de Kruskal-Wallis incluem:
– Eta-quadrado baseado em H (η²):
\[
\eta^2 = \frac{H – k + 1}{N – k}
\]
– Épsilon ao quadrado (ε²) como uma alternativa mais conservadora.
A magnitude do efeito ajuda a interpretar se a diferença é pequena, média ou grande, e não apenas se é "significativa ou não".
Vantagens e limitações
Excesso
1. Não requer a suposição de normalidade.
2. Adequado para dados ordinais.
3. Mais robusto contra valores discrepantes do que os métodos paramétricos.
Limitações
1. Não mostra quais grupos são diferentes sem análise post-hoc.
2. A interpretação como diferença entre as medianas é mais válida se o formato da distribuição dos grupos for semelhante.
3. Se os dados reais forem normais e homogêneos, a ANOVA pode ser mais poderosa (maior poder).
Fechando
O teste de Kruskal-Wallis é uma ferramenta importante em estatística inferencial, especialmente quando os pesquisadores trabalham com dados que não atendem às premissas dos métodos paramétricos. Com sua abordagem baseada em postos, esse teste permite comparações mais flexíveis entre três ou mais grupos, particularmente para dados ordinais ou não normais. No entanto, seu uso ainda requer a compreensão das premissas, a interpretação dos resultados e a necessidade de análises post-hoc para identificar pares de grupos verdadeiramente distintos. Combinando valores p, tamanhos de efeito e análises adicionais apropriadas, o teste de Kruskal-Wallis pode fornecer conclusões robustas e relevantes em diversas áreas de pesquisa, da saúde e educação aos negócios e ciências sociais.
