Bartlett

O que o bloco faz

models/bartlett Testa igualdade de variâncias residuais entre grupos. A saída é data/test.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

Variância

A média dos quadrados das distâncias de cada valor à média: mede o quanto os dados se espalham. O desvio padrão é a raiz quadrada da variância e fica na mesma unidade dos dados.

Resíduo

A diferença entre o valor observado e o valor que o modelo ajustado prevê para aquela observação. É nos resíduos que se conferem os pressupostos do modelo: eles devem parecer ruído, sem padrão.

Pressuposto

Uma condição sob a qual o método dá resultados confiáveis, como resíduos normais ou observações independentes. Quando um pressuposto falha, p-valores e intervalos podem ficar errados, mesmo que a conta rode.

Normalidade

Pressuposto de que os erros do modelo seguem a distribuição normal (em forma de sino). Em modelos lineares ele se confere nos resíduos, não nos dados brutos; desvios leves pesam pouco em amostras grandes.

Homocedasticidade

Pressuposto de que a variância dos erros é a mesma em todos os tratamentos ou ao longo dos valores ajustados. Quando falha (heterocedasticidade), os erros padrão e os testes deixam de ser confiáveis.

Quando usar

Use para testar igualdade de variâncias entre grupos quando a normalidade residual é plausível. Na parcela subdividida o bloco recusa: os resíduos vêm de dois estratos de erro e não há correção publicada; leia o painel escala-locação do models/plot_diagnostics.

Pressupostos

• Os resíduos de cada grupo são normais: o teste é muito sensível à falta de normalidade, e rejeita pela cauda, não pela variância.

  Verificar:Normalidade dos resíduosDiagnóstico dos resíduos

  Se falhar: Use o models/levene (centro na mediana), robusto à falta de normalidade.

• Os grupos têm pelo menos duas observações cada.

• O modelo não tem bloco (DIC, fatorial em DIC, modelos de fórmula): nos resíduos correlacionados de um DBC, DQL ou parcela subdividida o Bartlett não tem correção publicada, e o bloco recusa.

  Se falhar: Use o models/levene, que no delineamento com bloco aplica a correção de O'Neill & Mathews (2002).

• As observações de cada grupo são independentes entre si.

  Se falhar: Não há teste no trama para isso: é o delineamento (sorteio, uma medida por unidade) que garante. Medidas repetidas na mesma unidade pedem models/paired_t ou models/lmer.

Configuração

Não há parâmetros adicionais.

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.models", registry = reg)

tr_flow(reg) |>
  tr_add("dados", "models/example", dataset = "PlantGrowth") |>
  tr_add("ajuste", "models/anova_dic", resposta = "weight", tratamento = "group", from = "dados") |>
  tr_add("resultado", "models/bartlett", from = "ajuste")

O teste recebe os resíduos do DIC de PlantGrowth e compara suas variâncias nos três grupos; o resultado informa qui-quadrado e p-valor.

Como interpretar

A hipótese nula é variâncias iguais. Bartlett é sensível à não normalidade; confira os resíduos.