Experimental Design Factorial

Capítulo 8
Experimental Design
II: Factorial Designs
Goodwin, C.J.
Research in Psychology:
Methods and Design
Wiley, 2008.

APRESENTAÇÃO REALIZADA PARA O SEMINÁRIO SOBRE
DESENHO DE EXPERIMENTOS NA DISCIPLINA "PESQUISA
DE MARKETING" / PROF. KORELO / JUNHO DE 2015
NAYARA P. DUARTE
Mestranda pelo Programa de Pós Graduação em Administração da UFPR, na
Linha de Pesquisa Estratégia de Marke]ng e Comportamento do Consumidor
(2015/2017).
Bacharel em Relações Públicas pela UEL (2006/2010).
Especialista em Marke]ng Digital pela FAE (2011/2012).

-‐ Em um experimento, o pesquisador manipula os níveis de variáveis
independentes e observa o resultado produzido sobre as variáveis dependentes,
enquanto controla o efeito de outras variáveis que possam oferecer explicações
alterna]vas.
-‐ O experimento é, assim, o único método que garante as condições necessárias e
suﬁcientes para se inferir uma relação de causalidade.
-‐ A manipulação das variáveis independentes é o elemento central do
experimento, que o dis]nguirá dos demais ]pos de desenho de pesquisa. Isso
garante a sequência temporal, pois é o pesquisador que controla o es]mulo
correspondente.
-‐ O obje]vo é demostrar que determinados níveis da variável independente
provocam respostas diferentes na variável dependente. Geralmente, a variável
independente é manipulada em dois níveis, embora possam ser usados tantos
níveis quanto forem necessários, de acordo com a necessidade, para produzir
diferentes efeitos sobre a variável dependente.
SOBRE EXPERIMENTOS
(SEMINÁRIO ANTERIOR)
FONTE: HERNANDEZ, J. M. C.; BASSO, K.; BRANDÃO, M. M. Pesquisa Experimental em
Marke]ng. ReMark – Revista Brasileira de Marke]ng, Edição Especial, Vol. 13, n. 2, 2014.

1. Descrever DESENHO FATORIAL u]lizando sistemas de notação padronizada.
2. Aprender como alocar os dados corretamente em uma MATRIZ FATORIAL, calculado
médias de linhas e colunas.
3. Entender o que significa EFEITO PRINCIPAL e como determinar se ele existe.
4. Compreender o que significa EFEITO DE INTERAÇÃO e determinar se ele existe.
5. Saber como interpretar interações e se a presença de interação diminui ou elimina a
relevância do efeito principal.
6. Iden]ficar a VARIEDADE DE FATORIAIS correspondente ao desenho de fator único
do Cap. 7 (grupos independentes, combinados, não equivalentes ou com mensurações
repe]das).
7. Desenho FATORIAL MISTO.
8. Iden]ficar uma FATORIAL P X E (person by environment = pessoa por ambiente) e
entender o que significa quando esse desenho produz efeitos principais e interação.
9. Calcular o NÚMERO DE PARTICIPANTES NECESSÁRIOS para cada ]po de desenho
fatorial
10. Construir uma tabela ANOVA para uma ANOVA DE 2 FATORES COM DESENHO DE
GRUPOS INDEPENDENTES.
OBJETIVOS DO CAPÍTULO
Goodwin, C.J. -‐ Research in Psychology: Methods and Design, 2008

1. O QUE É UM DESENHO FATORIAL
-‐ Sir Ronald Fisher (1890 -‐ 1962)
-‐ Criador da ANOVA.
-‐ Taxas F para decidirem sobre a hipótese nula do estudo experimental.
-‐ Período de 15 anos inves]gando os efeitos dos pos de solo, chuva, ferlizantes,
sequências de plantação e cepas gené]cas.
-‐ Enfa]zou a importância do uso de desenho fatorial.

-‐ Examina os efeitos de mais de uma variável independente.
-‐ Relacionado a um sistema de numeração que iden]ﬁca um número de variáveis
independentes, e diferentes níveis para elas, e um número total de condições
de estudo.
-‐ Exemplo 1: uma fatorial 2 por 3 (2 X 3) tem duas variáveis independentes, uma
com dois níveis e outra com três, apresentando seis condições diferentes.
-‐ Em princípio, desenhos fatoriais poderiam envolver dezenas de variáveis
independentes, mas, na prá]ca, geralmente tem dois ou três fatores, às vezes
quatro.
VARIÁVEL
DEPENDENTE
VARIÁVEL
INDEPENDENTE
DE 2 NÍVEIS
VARIÁVEL
INDEPENDENTE
DE 3 NÍVEIS

-‐ Exemplo 2: Em uma fatorial 3 X 4 X 5, temos três variáveis independentes, com
três, quatro e cinco níveis.
-‐ O número total de condições testadas em um estudo fatorial pode ser
iden]ﬁcado olhando para todas as combinações possíveis dos diferentes níveis
de cada variável independente, que irá ser demostrando em uma MATRIZ
FATORIAL.
-‐ Não confundir: aqui, "as condições do experimento" são BEM diferentes dos NÍVEIS
das variáveis independentes (comparado aos experimentos de fator único).
-‐ As condições se igualam ao número de células da matriz (duas variáveis
independentes com dois níveis cada = quatro condições diferentes).
-‐ No capítulo, o termo "variável independente" e fator signiﬁcam a mesma coisa.
VARIÁVEL
DEPENDENTE

VARIÁVEL
INDEPENDENTE
VARIÁVEL DEPENDENTE
CATEGÓRICA CONTINUA
CATEGÓRICA
CHI-‐QUADRADO
LOG LINEAR
LOGISTICA
TESTE T
ANOVA
REGRESSÃO LINEAR
CONTINUA REGRESSÃO LÓGICA
REGRESSÃO LINEAR
CORRELAÇÃO DE PEARSON
MISTA REGRESSÃO LÓGICA
REGRESSÃO LINEAR
ANOVA
Fonte: Categorical Data Analysis - Janet C. Rice

-‐ Suponha que você está interessado em estudar a memória e deseja descobrir se o recall (recordação) pode
ser melhorado treinando as pessoas no uso de técnicas "visuais" enquanto memorizam uma lista de
palavras.
-‐ Você pode criar dois grupos simples para o experimento, no qual:
• um grupo é orientado para u]lizar técnicas visuais enquanto memoriza as palavras ("visualize uma
imagem para cada palavra"),
• o outro é orientado a u]lizar a repe]ção das palavras ("apenas repita as palavras de novo e de
novo para você mesmo”).
-‐ Mas também queremos saber como a memória é afetada pela velocidade de visualização das palavras,
então o grupo é novamente dividido:
• alguns par]cipantes verão as listas com dois segundos para cada palavra,
• outros terão quatro segundos.
-‐ Em um design fatorial, é possível testar e cruzar ambas as condições.
ESTUDO HIPOTÉTICO SOBRE MEMÓRIA
MEMÓRIA
ORIENTAÇÃO
TEMPO

2. MATRIZ FATORIAL DO ESTUDO:
VELOCIDADE DA
APRESENTAÇÃO
2seg/palavra 4seg/palavra
ORIENTAÇÃO
RECEBIDA
VISUAL
REPETIÇÃO

COMO FICA A MATRIZ,
SE GÊNERO FOR ACRESCENTADO COMO FATOR:
MEMÓRIA
ORIENTAÇÃO
TEMPO
GENÊRO

COMO FICA A MATRIZ,
SE GÊNERO FOR ACRESCENTADO COMO FATOR:
VELOCIDADE DA
APRESENTAÇÃO
ORIENTAÇÃO
RECEBIDA
VISUAL
REPETIÇÃO
VELOCIDADE DA
APRESENTAÇÃO
HOMENS MULHERES

-‐ Descreve o efeito geral de uma única variável independente.
-‐ Logo, em um estudo com duas variáveis independentes, pode haver no máximo
dois efeitos principais.
-‐ Determinar o efeito principal de um fator envolve combinar todos os dados de
cada um dos níveis daquele fator.
-‐ No estudo sobre a memória, é combinar todos os que foram orientados a
ulizar imagens (para ambos os tempos de apresentação) e comparar com
aqueles que usaram repeção (mesma coisa com velocidade).
-‐ "Existe um efeito principal do ]po de orientação recebida?"
3. EFEITO PRINCIPAL
VELOCIDADE DA
APRESENTAÇÃO
ORIENTAÇÃO
RECEBIDA
VISUAL
REPETIÇÃO
VELOCIDADE DA
APRESENTAÇÃO
ORIENTAÇÃO
RECEBIDA
VISUAL
REPETIÇÃO

30 palavras
25 entrevistados em cada condição
VELOCIDADE DA
APRESENTAÇÃO
MÉDIA
ORIENTAÇÃO
RECEBIDA
VISUAL 17 23 20,0
REPETIÇÃO 12 18 15.0
MÉDIA 14,5 20,5
-‐ Com um teste ANOVA é possível julgar se as diferenças são esta?s?camente
signiﬁcantes ou acontecem devido ao acaso.

-‐ ATRATIVIDADE EM BARES X TEMPO
3. EFEITO PRINCIPAL
EXEMPLO DE PESQUISA 16

-‐ Os efeitos principais são resultados importantes no desenho fatorial, mas a
grande vantagem deles diante dos designs de fator único está no potencial em
demostrar efeitos de interação.
-‐ A interação ocorre quando o efeito de uma variável independente depende do
nível de outra variável independente.
-‐ Mesmo que os efeitos principais não aconteçam, é possível ocorrer interação.
4. INTERAÇÃO
TIPO DE CURSO
ÊNFASE EM
LABORATÓRIO
ÊNFASE EM
SEMINÁRIOS
ÁREA
DOS
ALUNOS
CIÊNCIAS
NATURAIS
80 70 75
CIÊNCIAS
HUMANAS
70 80 75
ESCORE DE
APRENDIZAGEM
75 75

-‐ O RECALL DE APRENDIZAGEM É MELHOR SE AS PESSOAS ESTÃO NO
MESMO TIPO DE AMBIENTE OU CONTEXTO QUE APRENDERAM AS
INFORMAÇÕES PELA PRIMEIRA VEZ.
4. INTERAÇÃO

4. QUANDO A INTERAÇÃO TORNA O
EFEITO PRINCIPAL IRRELEVANTE
OS EFEITOS DA CAFEÍNA
-‐ Os efeitos principais do estudo foram
signiﬁcavamente relevantes: apesar de
tudo, o recall foi melhor com a cafeína do
que com café descafeinado, tanto nas
sessões matu]nas quando vesper]nas.
-‐ Mas olhando todas as células com
cuidado, percebe que em três delas o
resultado foi muito próximo e só
declinou em uma célula -‐ descafeinado à
tarde.
-‐ No gráﬁco de barras, é possível ver que
todos os resultados estão próximos, e só
a barra do decaf à tarde cai.
-‐ A única vantagem da cafeína foi à tarde,
já que de manhã os resultados foram
próximos.
-‐ A interação é o único resultado
importante.

-‐ Um desenho fatorial 2 X 2 oferece oito possibilidades de resultado:
1. Efeito principal só para o primeiro fator.
2. Efeito principal só para o segundo fator.
3. Efeito principal para ambos os fatores, sem interação.
4. Efeito principal para o primeiro fator, mais uma interação.
5. Efeito principal para o segundo fator, mais uma interação.
6. Efeito principal para ambos os fatores mais uma interação.
7. Só uma interação, sem efeitos principais.
8. Nenhum efeito principal, nenhuma interação.
5. COMBINAÇÃO ENTRE INTERAÇÕES E
EFEITOS PRINCIPAIS
MEMÓRIA
ORIENTAÇÃO
TEMPO

1. Efeito principal só para o primeiro fator.
EFEITOS PRINCIPAIS
MEMÓRIA
ORIENTAÇÃO
TEMPO

2. Efeito principal só para o segundo fator.
EFEITOS PRINCIPAIS
MEMÓRIA
TEMPO
ORIENTAÇÃO

3. Efeito principal para ambos os fatores, sem interação.
EFEITOS PRINCIPAIS
MEMÓRIA
TEMPO
ORIENTAÇÃO

4. Efeito principal para o primeiro fator, mais uma interação.
EFEITOS PRINCIPAIS
MEMÓRIA
TEMPO
ORIENTAÇÃO
Observação: Essa é
apenas uma
representação visual do
tempo agindo sobre a
orientação! Esse ]po de
modelo não existe, e o
correto seria incluir mais
um construto, com
orientação + tempo.

6. VARIEDADES / TIPOS DE DESENHO
FATORIAL
sujeitos diferentes
os mesmos sujeitos,
antes e depois
os grupos são
manipulados ou
as variações são
dos sujeitos?

7. DESENHO FATORIAL MISTO
sujeitos diferentes
os mesmos sujeitos,
antes e depois
os grupos são
manipulados ou
as variações são
dos sujeitos?

Mistura os desenhos BETWEEN e WITHIN SUBJECTS.
Pelo menos uma das variáveis deve ser testada BETWEEN SUBJECTS, e pelo
menos uma deve ser testada WITHIN SUBJECTS.
Úl para lidar com grupos equivalentes e sequência de eventos.
7. DESENHO FATORIAL MISTO
EXEMPLO 18 -‐ COM CONTRABALANCEAMENTO EXEMPLO 19 -‐ SEM CONTRA-‐BALANCEAMENTO
PI = proacdve interferenceAuto-‐eﬁcácia se refere ao senso de competência da
pessoa em lidar com problemas.
Deveriam imaginar que estavam amarrados em uma
cadeira.
Teste com vídeos de aranhas: se mexiam aleatoriamente
ou em direção a eles.
Um fenômeno no qual a aprendizagem
e o recall de novas informações está
ligado ao aprendizado de informações
andgas.

-‐ ?
8. FATORIAL PXE
sujeitos diferentes
os mesmos sujeitos,
antes e depois
os grupos são
manipulados ou
as variações são
dos sujeitos?

8. FATORIAL PXE
-‐ Desenho fatorial P X E = Person per Environment
-‐ Como esses estudos geram uma interação entre o TIPO DE PESSOA e o
AMBIENTE criado pelo estudo, são chamados de P X E.
-‐ Por ambiente se deﬁne amplamente qualquer variável independente
manipulada.
-‐ Em desenhos P X E, existe uma subdis]nção se o ambiente é manipulado
between subjects ou within subjects (pessoas diferentes respondem, ou antes e
depois).
-‐ Se misturar os dois se torna uma fatorial P X E mista.

-‐ MATEMÁTICA X QUESTÕES DE GÊNERO
8.DESENHO FATORIAL COM INTERAÇÃO
PXE -‐ EXEMPLO DE PESQUISA 20

-‐ DIREÇÃO X USO DE CELULAR
8.DESENHO FAT0RIAL COM
DUAS INTERAÇÕES PRINCIPAIS
dirigindo com o celularsó dirigindo

9. NÚMERO DE PARTICIPANTES
NECESSÁRIOS

10. ANOVA DE 2 FATORES COM GRUPOS
INDEPENDENTES
Em uma ANOVA de 2-‐fatores, existem
duas fontes de variância:
-‐ A variância entre grupos diferentes.
-‐ A variância entre cada grupo.

OBRIGADA!
Nayara Duarte
nayarapduarte@gmail.com
about.me/nayduarte

Experimental Design Factorial

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Destaque

Destaque (20)

Semelhante a Experimental Design Factorial

Semelhante a Experimental Design Factorial (20)

Experimental Design Factorial