Verificando a normalidade dos dados: 1: Analyze > Descriptive Statistics > Explore:
2: Coloque as variáveis que estão no quadrado 1 para o box depedent variables.
As opções nesta janela são: Selecionar um ou mais fatores para verificar a normalidade de cada grupo;
Selecionar uma variável para nomear os casos; Botão Statistics para estimar outliers, percentis e tabela de frequência; Botão Plots: para criar histogramas, testes de normalidade, plots de normalidade; Botão Options: para decidir o que fazer com casos que estão faltando;
Botão Statistics:
Descriptives: As opções de medida de tendência central e dispersão são demonstradas por padrão. Lembrando que, medidas de tendência central indicam a localização da distribuição: e elas incluem a média, mediana e 5% da média truncada. As medidas de dispersão demonstram a dissimilaridade dos valores, e eles incluem o erro padrão, variância, desvio padrão, valores mínimos e máximos, amplitude e intervalo interquartil. Além dessas medidas, a opção descritiva também tem medidas da forma da distribuição como a skewness e curtose são demonstradas com os seus erros padrão. Você também pode escolher outro nível de confiança para a média; M-Estimators: São alternativas para a média e mediana da amostra em estimar a sua localização. Os estimadores calculadores diferem no peso que eles aplicam ao caso. (Wikipédia); Outliers: Apresentam os cinco maios e cinco menores valores dentro de cada caso nomeado (Wikipedia); Percentiles: Apresentam os valores dos percentis 5,10,25,50,75,90 e 95 (Wikipedia).
Boxplots: Essa opção apresenta bloxplots quando você tem mais de uma dependente variável. A opção fator levels together geram gráficos para cada variável dependente. Dependets together são gerados diferentes gráficos para cada grupo definido no box factor variable. Essa última opção é interessando de ser utulizada quando diferentes variáveis representam uma única característica medida em diferentes tempos. Descriptive: aqui são gerados os gráficos de caules e folhas e os histogramas. Normality plots with tests: Geram os testes de normalidade e o gráfico da eliminação da dentência (dentrend) da normalidade. Os testes utilizados são o de KolmogorovSmirnov com a correção de Lilliefors. Quando utilizado pesos para os casos, o teste de Shapiro-Wilk é calculado quando a amostra está entre 3 e 50, ou quando não existe pesos o teste de Shapiro-Wilk é realizado para amostras entre 3 e 5000. Aqui, caso queria alguma discussão sobre qual teste utilizar, indico este artigo: Razali, Nornadiah; Wah, Yap Bee (2011). "Power comparisons of Shapiro–Wilk, Kolmogorov–Smirnov, Lilliefors and Anderson–Darling tests". Journal of Statistical Modeling and Analytics 2 (1): 21–33.
Output normalidade dos dados: Nesta primeira parte são demonstrados os dados descritivos quando selecionamos a opção Descriptives no botão Statistics.
Nesta tabela é demonstrado os testes de normalidade sendo que, as variáveis que eu gerei com o número aleatório para a sua realização uma foi com números normalmente distribuídos quanto que outra não. Para ser considerado que os dados são normais,
o valor da significância do teste tem que ser maior que 0,05 ou limiar adotado por você. Além da parte número dos testes o interessante é ver o gráfico de detrend. Colocarei das duas variáveis agora.
Quando os dados possuem uma distribuição normal eles ficam mais próximo a linha central do gráfico, isso pode ser visto pela figura acima. Na figura acima os dados não são normais, nas duas figuras abaixo temos a representação dos dados normais.
Quando quisermos comparar grupos devemos mudar uma única opção, como já explicado acima.
Além dos outros dados da tabela descritiva que são separados por grupos, o resultado numérico do teste fica como representando na figura abaixo.
