Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

Tamanho do efeito para a ANOVA: Eta ao Quadrado

O Eta ao quadrado (η2) é usado como medida de tamanho do efeito da ANOVA.

Como calcula eta ao quadrado?

Em sua formula, o η2 mensura a proporção da variância total da variável dependente que, pode ser atribuída a variável de grupo (variável independente). Forma parte da família r de tamanhos de efeito e é uma extensão de r2.

Sua fórmula é:

Onde o SS efeito é a soma dos quadrados do efeito que você está estudando e o SS total é a soma total dos quadrados para todos os efeitos, erros e interações na ANOVA.

E o eta parcial ao quadrado (η2p) é a mesma coisa?

Boa pergunta e a resposta é não.

Embora o η2 seja uma forma eficiente de comparar os tamanhos dos efeitos dentro de um estudo (dado que cada efeito é interpretado em relação à variância total, todos os η2 de um único estudo somam 100%), o η2 não pode ser facilmente comparado entre estudos, uma vez que sua métrica varia conforme a natureza e o número de variáveis que do modelo.

Por isso, para melhorar a comparabilidade dos tamanhos do efeito entre os estudos, Keppel (1991) recomendou usar o eta parcial ao quadrado (η2p) devido a que nele, os efeitos de outras variáveis ​​independentes e interações são parcialmente eliminados.

A fórmula do η2p é:

Na fórmula, pode se visualizar que o η2p expressa a soma dos quadrados do efeito em relação à soma dos quadrados do efeito e a soma dos quadrados do erro associado ao efeito.

Limitações do eta parcial ao quadrado

Embora o η2p seja mais útil quando o objetivo é comparar tamanhos de efeito entre os estudos, ele também tem limitações.

Isso porque, sua estatística difere quando as mesmas duas médias são comparadas em um desenho de ANOVA de medidas repetidas e uma ANOVA de medidas independentes. Sempre que os dois grupos de observações estejam positivamente correlacionados, o η2p será maior em uma ANOVA de medidas repetidas do que uma ANOVA de medidas independentes.

Por outro lado, Olejnik e Algina (2003) mencionam que no η2p pode ser influenciando por diferenças na inclusão de covariáveis isto posto só pode ser usado para comparar efeitos entre estudos com planejamentos experimentais semelhantes. Para solucionar esse problema, os autores propuseram usar o Eta Generalizado ao Quadrado (η2G), que exclui a variação de outros fatores do cálculo do tamanho do efeito (para tornar o tamanho do efeito comparável com desenhos nos quais esses fatores não foram manipulados), mas inclui a variação devido a diferenças individuais (para tornar o tamanho do efeito comparável com desenhos entre sujeitos onde a variação individual não pode ser controlada).

Como interpretar o eta ao quadrado?

Cohen (1988) forneceu pontos de corte para definir efeitos pequenos (η2 < 0.01), médios (η2 entre 0.02 e 0.06) e grandes (η2 > 0.14).

O η2 varia de 0 a 1 e pode ser interpretado com porcentagem de variância, por exemplo, um η2 de 0.13 significa que 13% da variância total pode ser explicada pela associação ao grupo. Já o η2p pode variar entre 0 e acima de 1, por isso não deve ser interpretado como porcentagem da variância (Richardson, 2011).

Te lembramos que o uso de ponto de corte deve ser feito apenas como último recurso, sendo preferível primeiro relacionar o tamanho do efeito a outros efeitos da literatura.

Antes de terminar:

É preciso ter particular atenção ao facto de muitos artigos publicados que indicam ter computado o eta-quadrado, na verdade, calcularam o eta-quadrado parcial. O erro se detecta algumas vezes, pois o valor apresentado ultrapassa a unidade, o que só pode acontecer com a segunda estimativa (Pierce, Block e Aguinis, 2004).

Se você gostou dessa postagem ou se tem alguma dúvida, deixe seu comentário! Vai ser ótimo te ajudar! Não se esqueça também de se cadastrar na nossa lista para receber todas as atualizações.

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

Referências

COHEN, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale, NJ: Erlbaum.

JOLEJNIK, S., &ALGINA, J. (2003). Generalized eta and omega squared statistics: Measures of effect size for some common research designs. Psychological Methods,8, 434–447.

KEPPEL, G. (1991).Design and analysis: A researcher’s handbook (3rd ed.). Englewood Cliffs, NJ: Prentice-Hall.

PIERCE, C. A., BLOCK R. A., & AGUINIS, H. (2004). Cautionary note on reporting eta-squared values from multifactor ANOVA designs. Educational and psychological measurement64(6), 916-924.

RICHARDSON, J. T. (2011). Eta squared and partial eta squared as measures of effect size in educational research. Educational Research Review6(2), 135-147.

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Uma resposta

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Análise Fatorial e Análise de Componentes Principais: Diferenças e Quando usar

Análise Fatorial e Análise de Componentes Principais: Diferenças e Quando usar

Nesse post, discutimos as diferenças entre análise fatorial e análise de componentes principais, e quando usar cada uma dessas técnicas.

O que é Psicometria?

O que é Psicometria?

A Psicometria pode ser definida como a ciência da mensuração de características, atributos e habilidades psicológicas (Buchanan & Finch, 2005), sendo uma importante área de estudos na Psicologia e, também, na educação.

O que é regressão linear simples?

O que é regressão linear simples?

Entenda o que é regressão linear simples.

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Análise Fatorial e Análise de Componentes Principais: Diferenças e Quando usar

Análise Fatorial e Análise de Componentes Principais: Diferenças e Quando usar

Nesse post, discutimos as diferenças entre análise fatorial e análise de componentes principais, e quando usar cada uma dessas técnicas.

O que é Psicometria?

O que é Psicometria?

A Psicometria pode ser definida como a ciência da mensuração de características, atributos e habilidades psicológicas (Buchanan & Finch, 2005), sendo uma importante área de estudos na Psicologia e, também, na educação.

O que é regressão linear simples?

O que é regressão linear simples?

Entenda o que é regressão linear simples.

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.