-
Qual é o objetivo principal da sua análise?
-
Você quer comparar uma única amostra com um valor/proporção de referência ou comparar grupos/condições?
-
Qual é o tipo da variável analisada?
-
A distribuição é aproximadamente normal ou a média pode ser analisada adequadamente por método paramétrico?
-
Teste t de uma amostra
Compara a média da amostra com um valor de referência.
-
Teste de Wilcoxon de uma amostra (postos sinalizados)
Alternativa não paramétrica quando a comparação é com um valor central de referência e as condições do teste são adequadas.
-
Você quer comparar a proporção observada com uma proporção teórica/especificada?
-
Teste binomial exato
Adequado para uma variável dicotômica comparada com uma proporção de referência.
-
Revise o objetivo da análise
Para uma única variável dicotômica sem proporção de referência, normalmente não há uma hipótese de comparação definida nesta árvore.
-
Você possui proporções/frequências esperadas para as categorias?
-
Qui-quadrado de aderência
Compara frequências observadas com frequências ou proporções esperadas para uma variável categórica.
-
Defina as frequências ou proporções esperadas
Sem uma distribuição de referência, o teste de aderência não está definido.
-
Você possui duas ou mais variáveis dependentes quantitativas que deseja analisar conjuntamente?
-
Além dos grupos, você pretende controlar uma ou mais covariáveis quantitativas?
-
MANOVA
Sugestão para comparar grupos considerando conjuntamente duas ou mais variáveis dependentes quantitativas, desde que os pressupostos do modelo sejam avaliados.
-
MANCOVA
Extensão da MANOVA quando também se deseja ajustar/controlar covariáveis, condicionada aos pressupostos do modelo.
-
Quantos grupos ou condições estão sendo comparados?
-
Qual é o tipo da variável dependente?
-
As observações dos dois grupos/condições são independentes ou pareadas/repetidas?
-
Os dados são aproximadamente normais e o uso de um teste paramétrico é adequado?
-
Teste t para amostras independentes
Compare as médias de dois grupos independentes; avalie também variâncias e demais pressupostos. Quando necessário, considere a versão de Welch.
-
Teste de Mann–Whitney
Alternativa não paramétrica para comparar dois grupos independentes.
-
As diferenças entre as medidas pareadas são aproximadamente normais e o uso de um teste paramétrico é adequado?
-
Teste t pareado
Compara duas medidas relacionadas/pareadas quando as diferenças são adequadas ao modelo paramétrico.
-
Teste de Wilcoxon para amostras pareadas
Alternativa não paramétrica para duas medidas relacionadas.
-
As observações são independentes ou pareadas?
-
Teste de Mann–Whitney
Opção comum para comparar uma variável ordinal entre dois grupos independentes.
-
Teste de Wilcoxon para amostras pareadas
Opção comum para comparar uma variável ordinal em duas condições relacionadas.
-
As observações são independentes ou pareadas?
-
Há frequências esperadas muito pequenas na tabela 2×2?
-
Teste exato de Fisher
Especialmente útil em tabelas 2×2 quando as frequências esperadas são pequenas.
-
Qui-quadrado de independência
Testa associação entre duas variáveis categóricas em observações independentes.
-
Teste de McNemar
Adequado para resposta dicotômica em duas condições pareadas.
-
As observações são independentes ou pareadas?
-
Qui-quadrado de independência/homogeneidade
Usado para comparar distribuições categóricas entre grupos independentes, desde que as frequências esperadas sejam adequadas.
-
Teste de homogeneidade marginal (por exemplo, Stuart–Maxwell)
Para respostas nominais pareadas com mais de duas categorias, McNemar simples não é suficiente; use uma extensão apropriada ou modelo categórico para medidas repetidas.
-
Qual é o tipo da variável dependente?
-
Os grupos/condições são independentes ou correspondem a medidas repetidas/pareadas?
-
Você precisa ajustar/controlar uma ou mais covariáveis quantitativas?
-
ANCOVA / modelo linear com covariável
Indicado quando se compara uma variável dependente quantitativa entre grupos enquanto se ajusta por covariáveis, desde que os pressupostos do modelo sejam avaliados.
-
Os dados são aproximadamente normais e o uso de método paramétrico é adequado?
-
ANOVA de um fator
Compara médias de três ou mais grupos independentes. Avalie homogeneidade de variâncias; quando apropriado, considere ANOVA de Welch.
-
Teste de Kruskal–Wallis
Alternativa não paramétrica para três ou mais grupos independentes.
-
Os dados/diferenças são adequados ao modelo paramétrico de medidas repetidas?
-
ANOVA de medidas repetidas
Compara três ou mais condições relacionadas; avalie pressupostos como esfericidade quando aplicável.
-
Teste de Friedman
Alternativa não paramétrica para três ou mais condições relacionadas.
-
Os grupos/condições são independentes ou relacionados?
-
Teste de Kruskal–Wallis
Opção comum para comparar variável ordinal em três ou mais grupos independentes.
-
Teste de Friedman
Opção comum para variável ordinal em três ou mais condições relacionadas.
-
As condições/grupos são independentes ou relacionados?
-
Qui-quadrado de independência/homogeneidade
Compara proporções categóricas entre três ou mais grupos independentes.
-
Teste Q de Cochran
Indicado para uma resposta dicotômica observada nas mesmas unidades em três ou mais condições.
-
As observações são independentes ou repetidas/pareadas?
-
Qui-quadrado de independência/homogeneidade
Para categorias nominais em grupos independentes, desde que as frequências esperadas sejam adequadas.
-
Modelo categórico para medidas repetidas / teste de homogeneidade marginal apropriado
Para resposta nominal com mais de duas categorias e medidas repetidas, não há uma única extensão simples válida para todos os delineamentos. Considere Stuart–Maxwell em situações específicas ou modelos multinomiais/GEE.
-
Quais são os tipos das duas variáveis cuja associação você deseja analisar?
-
A relação é aproximadamente linear, sem violações importantes, e o uso de Pearson é adequado?
-
Correlação de Pearson
Quantifica associação linear entre duas variáveis quantitativas quando seus pressupostos são adequados.
-
Correlação de Spearman
Baseada em postos; útil para relações monotônicas e para situações em que Pearson não é adequado.
-
Correlação de Spearman
Uma opção comum quando há variável ordinal; considera os postos e não exige normalidade das variáveis.
-
Você quer apenas testar se existe associação ou também quantificar sua intensidade?
-
É uma tabela 2×2 com frequências esperadas pequenas?
-
Teste exato de Fisher
Teste de associação para tabela 2×2, especialmente quando as frequências esperadas são pequenas.
-
Qui-quadrado de independência
Testa se duas variáveis categóricas estão associadas.
-
V de Cramér (e teste qui-quadrado para significância)
O qui-quadrado testa associação; o V de Cramér fornece uma medida da intensidade da associação. Em tabela 2×2, o coeficiente phi também pode ser usado.
-
Correlação ponto-bisserial
Usada para associação entre uma variável genuinamente dicotômica e uma variável quantitativa; é equivalente à correlação de Pearson com codificação 0/1.
-
Qual é o tipo da variável dependente (resultado) que você deseja explicar ou predizer?
-
Quantas variáveis preditoras serão incluídas no modelo?
-
Regressão linear simples
Para uma variável dependente quantitativa e um preditor, avaliando linearidade e demais pressupostos do modelo.
-
Regressão linear múltipla
Para uma variável dependente quantitativa e duas ou mais variáveis preditoras, com avaliação dos pressupostos e da especificação do modelo.
-
Quantas variáveis preditoras serão incluídas?
-
Regressão logística binária simples
Para um desfecho dicotômico e um preditor.
-
Regressão logística binária múltipla
Para um desfecho dicotômico e duas ou mais variáveis preditoras.
-
Quantas variáveis preditoras serão incluídas?
-
Regressão logística ordinal
Para uma variável dependente categórica ordenada; avalie pressupostos do modelo, como proporcionalidade das chances quando aplicável.
-
Regressão logística ordinal múltipla
Para um desfecho ordinal com duas ou mais variáveis preditoras. Não substitua automaticamente por regressão multinomial, pois a ordem das categorias contém informação.
-
Quantas variáveis preditoras serão incluídas?
-
Regressão logística multinomial
Para um desfecho nominal com três ou mais categorias sem ordem natural.
-
Regressão logística multinomial múltipla
Para um desfecho nominal não ordenado com três ou mais categorias e múltiplos preditores.
-
A variância da contagem é aproximadamente compatível com a média ou há forte sobredispersão?
-
Regressão de Poisson
Modelo clássico para variável dependente de contagem, quando sua estrutura de variância é compatível.
-
Regressão binomial negativa
Alternativa comum para dados de contagem com sobredispersão em relação ao modelo de Poisson.