Qual teste estatístico usar: guia por tipo de variável e de pergunta

Sala de defesa, fim da apresentação. Um dos avaliadores volta à seção de métodos e pergunta: "Por que este teste e não outro?" A pergunta não é sobre o resultado; é sobre a escolha. Este guia mostra qual teste estatístico usar a partir de três perguntas sobre a sua pesquisa e como cada resposta vira uma justificativa que você consegue defender.

"Foi o que o software sugeriu" não justifica a escolha; só diz quem a fez. A banca quer ouvir que o teste combina com a pergunta, com o tipo de dado e com as premissas que você conferiu. As três perguntas seguem a lógica do guia da UCLA OARC, e todas têm resposta antes de você abrir o R, o SPSS ou o Jamovi.

1. Qual é a pergunta e o desenho do estudo?

Escreva a hipótese em uma frase, com o desfecho (o que você mede) e o que você compara. Ela cai em um de três tipos:

• Comparar grupos: "O tempo de internação difere entre os protocolos A e B?"
• Medir uma relação: "Quem dorme mais tira notas maiores?" Duas variáveis, sem grupos.
• Prever ou explicar um desfecho com várias variáveis: "Que fatores se associam à evasão, considerando idade, renda e curso?" Aqui entra a regressão.

Se você compara grupos, decida se eles são independentes (cada participante em um grupo só) ou pareados (as mesmas pessoas antes e depois, ou pares formados de propósito, como pacientes pareados por idade e sexo). Medidas da mesma pessoa tendem a ser semelhantes, e os testes pareados usam essa ligação; tratar o antes e o depois como grupos independentes quebra a premissa de independência.

Por fim, conte os grupos. Com três ou mais, use um teste global (ANOVA ou Kruskal-Wallis) e depois compare os pares com correção para comparações múltiplas (como a de Bonferroni): vários testes t seguidos aumentam a chance de um falso positivo (Bland e Altman, 1995).

2. Que tipo de variável você tem?

O tipo do desfecho define a família de testes.

Dois cuidados:

• Item ou escala Likert? Um item isolado é ordinal. Já o escore que soma vários itens de uma escala costuma ser analisado como numérico, e há evidência de que testes paramétricos funcionam bem nesse uso (Norman, 2010; Sullivan e Artino, 2013). Como o tema ainda gera debate, registre a escolha no método.
• Não corte uma variável numérica em categorias sem motivo. Dividir a idade na mediana para usar o qui-quadrado reduz o poder do teste (a chance de detectar uma diferença que existe) tanto quanto descartar um terço dos dados (Altman e Royston, 2006).

3. Os dados cumprem as premissas? Quando usar teste paramétrico ou não paramétrico

Teste paramétrico é o que supõe uma distribuição para os dados, em geral a normal, e compara parâmetros como a média (teste t, ANOVA, Pearson, regressão linear). Teste não paramétrico é o que trabalha com a ordem dos valores, os postos, e exige menos suposições. Três premissas pesam na escolha.

Onde conferir a normalidade?

Testar os valores brutos de todos os grupos juntos não confere a premissa.

O melhor apoio vem de fora dos seus dados: estudos anteriores com a mesma variável ou um piloto (Rochon, Gondan e Kieser, 2012). Nos seus dados, o histograma e o gráfico Q-Q (os pontos ficam sobre uma reta quando a distribuição é normal) de cada grupo mostram a forma; o Shapiro-Wilk complementa o gráfico, com limites que veremos adiante. Em amostras grandes, o teste t tolera bem dados assimétricos (Fagerland, 2012).

Teste t de Student ou de Welch?

O teste t de Welch é a versão do teste t que não supõe variâncias iguais entre os grupos e perde pouco quando elas são iguais; o de Student supõe. Por isso, Delacre, Lakens e Leys (2017) recomendam o Welch por padrão, sem o teste de Levene (que testa se as variâncias são iguais) antes. Com três ou mais grupos, o equivalente é a ANOVA de Welch (Delacre et al., 2019).

Independência das observações

Essa premissa não se confere com um teste: ela vem do desenho. Medidas repetidas na mesma pessoa pedem um teste pareado ou de medidas repetidas. Alunos da mesma turma ou pacientes do mesmo hospital tendem a ser semelhantes entre si; ignorar esse agrupamento pode aumentar muito a chance de falso positivo, e uma saída são os modelos multinível, também chamados de modelos mistos (Aarts et al., 2014).

E se a normalidade ou a igualdade de variâncias falhar?

Para variâncias diferentes, o Welch já resolve. Se a normalidade não se sustenta e a amostra é pequena, use o não paramétrico correspondente, que trabalha com a ordem dos valores (os postos). A independência não tem esse conserto: o não paramétrico também a exige.

Só que o não paramétrico testa outra hipótese. O Mann-Whitney testa se um valor de um grupo tende a ser maior que um valor do outro (Fagerland, 2012); só equivale a comparar medianas quando as duas distribuições têm a mesma forma e a mesma dispersão e diferem só na posição (Hart, 2001). Não é, portanto, um teste de médias.

Qual teste estatístico usar em cada situação (tabela)

Os casos mais comuns, a partir do guia da UCLA OARC. Na coluna do paramétrico, o teste para desfecho numérico com as premissas atendidas; na seguinte, o não paramétrico, para desfecho ordinal ou premissas que não se sustentam. Duas exceções: com duas variáveis categóricas não há versão paramétrica, e na regressão a alternativa depende do tipo de desfecho.

O Spearman mede uma relação monotônica (que sobe ou desce sempre, sem precisar ser uma reta) e serve para dados ordinais, sem distribuição normal ou com valores extremos (Schober, Boer e Schwarte, 2018). E a tabela é um ponto de partida: dados agrupados, ou que misturam grupos e medidas repetidas, costumam pedir um modelo misto.

Junto com o p-valor, relate o tamanho do efeito:

• Teste t: d de Cohen (Lakens, 2013).
• ANOVA: η² (Lakens, 2013).
• Correlação: o próprio r (Schober, Boer e Schwarte, 2018).
• Qui-quadrado: V de Cramér ou, em tabelas 2 × 2, a razão de chances (Kim, 2017).
• Mann-Whitney: a probabilidade de um valor de um grupo superar um do outro (Divine et al., 2018).

Exemplo: teste t ou Mann-Whitney?

Caso hipotético, criado para este guia: não vem de uma pesquisa real nem de um atendimento da Certia.

Como a escolha foi feita

Uma mestranda em saúde compara o tempo de internação, em dias, entre dois protocolos de alta, com cerca de 20 pacientes por grupo.

1. Pergunta e desenho: dois grupos independentes (cada paciente passou por um protocolo só).
2. Tipo de variável: numérica.
3. Premissas: o tempo de internação costuma ser bem assimétrico e ter muitos empates (pacientes com o mesmo número de dias): a maioria fica poucos dias, e alguns ficam muito mais (Chazard et al., 2017). E, com grupos pequenos, o Shapiro-Wilk pode não detectar a assimetria.

Numa simulação com dados reais de internação, o teste t manteve a taxa de falso positivo (erro tipo I) aceitável, mas teve pouco poder; o teste de Wilcoxon da soma de postos (o mesmo Mann-Whitney) teve erro tipo I aceitável e poder alto, em grupos de mesmo tamanho (Chazard et al., 2017). Por isso, o plano de análise, escrito antes da coleta, já previa o Mann-Whitney. Depois da coleta, os histogramas confirmaram a cauda longa à direita.

A mestranda descreve cada grupo pela mediana e pelo intervalo interquartil, como pedem as diretrizes SAMPL para dados sem distribuição normal (Lang e Altman, 2013). E relata U, o p-valor e um tamanho de efeito com intervalo de confiança de 95%: a probabilidade de um paciente do protocolo A ficar mais tempo que um do B, com empates contando metade (Divine et al., 2018).

O que responder à banca

A banca pergunta: "Por que Mann-Whitney e não o teste t?"

Resposta-modelo: "O tempo de internação tem forte assimetria, como mostram estudos anteriores, e os grupos são pequenos. Por isso o plano de análise já previa o Mann-Whitney: ele não exige normalidade, tem bom poder com esse tipo de dado e testa se um grupo tende a ter valores maiores que o outro. Os histogramas de cada grupo confirmaram a assimetria."

Se a banca insistir: "E o teste de normalidade?"

"O Shapiro-Wilk rejeitou a normalidade nos dois grupos e confirmou o que o plano previa, mas a escolha não dependeu dele: com grupos desse tamanho, ele pode deixar passar desvios importantes."

Ou: "Então você comparou as medianas?"

"Não exatamente. O Mann-Whitney só compara medianas quando as distribuições têm a mesma forma e dispersão. Descrevo as medianas, mas interpreto o teste como a chance de um paciente de um protocolo ficar mais tempo internado que um paciente do outro (empates contam metade)."

Nenhuma regra é fixa: com amostras grandes, de centenas de pacientes, o teste t voltaria a ser defensável mesmo com essa assimetria (Fagerland, 2012).

Ainda não sabe responder a essas perguntas sobre o seu teste? Conte seu problema.

O que o resultado do teste não permite afirmar

• "O Shapiro-Wilk decidiu o teste." Escolher entre o teste t e o Mann-Whitney pelo Shapiro-Wilk dos próprios dados é formalmente incorreto (Rochon, Gondan e Kieser, 2012). Na prática, o estrago é pequeno; o problema é que o teste prévio é desnecessário: em amostras grandes o teste t é robusto e, nas pequenas, o Shapiro-Wilk tem pouco poder. O apoio à normalidade deve vir de fora dos dados; na dúvida, usar o não paramétrico desde o início parece a melhor escolha.
• "p < 0,05, então o efeito é grande." O p-valor não mede o tamanho do efeito nem a importância do resultado (declaração da American Statistical Association, 2016, princípio 5). Relate o tamanho do efeito com o intervalo de confiança.
• "p = 0,03 é a chance de a hipótese nula ser verdadeira." Também não: o p-valor não mede a probabilidade de a hipótese ser verdadeira (mesma declaração, princípio 2).
• "p > 0,05, então os grupos são iguais." Um resultado não significativo mostra ausência de evidência de diferença, e não evidência de que ela não existe, sobretudo com amostra pequena (Altman e Bland, 1995).
• "Testei de vários jeitos e fiquei com o que deu significativo." Isso compromete a conclusão, porque a inferência exige relatar todas as análises feitas (mesma declaração, princípio 4). Decida o teste no plano de análise.

Perguntas frequentes sobre qual teste estatístico usar

Qual teste estatístico usar para comparar dois grupos?

Para grupos independentes com desfecho numérico, o teste t de Welch; com desfecho ordinal ou premissas que não se sustentam, o Mann-Whitney. As mesmas pessoas medidas duas vezes: teste t pareado ou Wilcoxon pareado. Desfecho sim ou não: qui-quadrado ou exato de Fisher (McNemar, se as medidas forem pareadas).

Qual a diferença entre teste paramétrico e não paramétrico?

Os paramétricos (teste t, ANOVA, Pearson) supõem uma distribuição para os dados, em geral a normal, e trabalham com parâmetros como a média. Os não paramétricos (Mann-Whitney, Wilcoxon, Kruskal-Wallis, Spearman) usam a ordem dos valores e exigem menos suposições, mas testam outra hipótese (o Mann-Whitney, por exemplo, não compara médias). São mais úteis em estudos pequenos; nos grandes, podem responder à pergunta errada (Fagerland, 2012).

Quando usar o teste t ou a ANOVA?

O teste t compara dois grupos; a ANOVA compara três ou mais grupos num único teste, e o pós-teste mostra quais deles diferem. Rodar vários testes t no lugar da ANOVA aumenta a chance de um falso positivo (Bland e Altman, 1995).

Quando usar o qui-quadrado ou o teste exato de Fisher?

Use o qui-quadrado quando as frequências esperadas são suficientes (nenhuma abaixo de 1 e no máximo 20% das células abaixo de 5) e o exato de Fisher quando não são. Os dois testam a associação entre duas variáveis categóricas; o qui-quadrado é uma aproximação, e o Fisher vale para qualquer tamanho de amostra (Kim, 2017).

Teste t pareado ou Wilcoxon?

Use o teste t pareado quando as diferenças entre as duas medidas de cada pessoa têm distribuição aproximadamente normal, e o Wilcoxon pareado (postos sinalizados) quando não têm e a amostra é pequena. O que decide é a forma das diferenças, e não a dos valores brutos (Kim, 2015). Com desfecho sim ou não, o teste é o McNemar.

Qual teste estatístico usar para variáveis categóricas?

Para duas variáveis categóricas em grupos independentes, o qui-quadrado de independência; com frequências esperadas pequenas, o exato de Fisher. Se a mesma pessoa respondeu sim ou não duas vezes, o McNemar. Para prever um desfecho sim ou não a partir de várias variáveis, a regressão logística.

Shapiro-Wilk ou Kolmogorov-Smirnov para testar a normalidade?

Prefira o Shapiro-Wilk: ele tem mais poder que o Kolmogorov-Smirnov, mesmo com a correção de Lilliefors, que é a versão que o SPSS aplica. Sem a correção, o Kolmogorov-Smirnov nem é recomendado quando a média e o desvio-padrão são estimados a partir dos próprios dados, o caso habitual (Ghasemi e Zahediasl, 2012). Olhe também o gráfico: o teste o complementa, não o substitui.

Escreva as três respostas antes de rodar a análise

Para saber qual teste estatístico usar e como defendê-lo, escreva na seção de métodos uma frase para cada pergunta: a pergunta e o desenho, o tipo do desfecho, as premissas que você conferiu e como. Com as três frases, você tem a base da resposta à banca.

Se alguma ainda não se sustenta, a Certia pode ajudar, com tabelas no padrão do seu programa de pós-graduação e um script que outra pessoa consegue rodar de novo.

Quem atende é a equipe da Certia, de cientistas de dados formados na USP e na PUC-Rio. A pesquisa e a autoria continuam suas, e não prometemos aprovação nem resultado significativo: o compromisso é com um método que você saiba explicar.

Conte seu problema em poucas linhas: o desenho do estudo, o tipo de dado e a data da defesa. Respondemos em até 1 dia útil com uma leitura honesta, inclusive se a resposta for que a sua escolha já se sustenta e você não precisa de nós.

Fontes

Fontes conferidas em 06/10/2026.

• UCLA OARC. Choosing the Correct Statistical Test in SAS, Stata, SPSS and R.
• Bland JM, Altman DG. Multiple significance tests: the Bonferroni method. BMJ, 1995;310:170.
• Norman G. Likert scales, levels of measurement and the "laws" of statistics. Advances in Health Sciences Education, 2010;15(5):625-632.
• Sullivan GM, Artino AR. Analyzing and interpreting data from Likert-type scales. Journal of Graduate Medical Education, 2013;5(4):541-542.
• Altman DG, Royston P. The cost of dichotomising continuous variables. BMJ, 2006;332:1080.
• Kim TK. T test as a parametric statistic. Korean Journal of Anesthesiology, 2015;68(6):540-546.
• Ernst AF, Albers CJ. Regression assumptions in clinical psychology research practice: a systematic review of common misconceptions. PeerJ, 2017;5:e3323.
• Rochon J, Gondan M, Kieser M. To test or not to test: preliminary assessment of normality when comparing two independent samples. BMC Medical Research Methodology, 2012;12:81.
• Fagerland MW. t-tests, non-parametric tests, and large studies: a paradox of statistical practice? BMC Medical Research Methodology, 2012;12:78.
• Delacre M, Lakens D, Leys C. Why psychologists should by default use Welch’s t-test instead of Student’s t-test. International Review of Social Psychology, 2017;30(1):92-101.
• Delacre M, Leys C, Mora YL, Lakens D. Taking parametric assumptions seriously: arguments for the use of Welch’s F-test instead of the classical F-test in one-way ANOVA. International Review of Social Psychology, 2019;32(1):13.
• Aarts E, Verhage M, Veenvliet JV et al. A solution to dependency: using multilevel analysis to accommodate nested data. Nature Neuroscience, 2014;17(4):491-496.
• Hart A. Mann-Whitney test is not just a test of medians: differences in spread can be important. BMJ, 2001;323:391-393.
• Games PA, Howell JF. Pairwise multiple comparison procedures with unequal N’s and/or variances: a Monte Carlo study. Journal of Educational Statistics, 1976;1(2):113-125.
• Greenhouse SW, Geisser S. On methods in the analysis of profile data. Psychometrika, 1959;24(2):95-112.
• Schober P, Boer C, Schwarte LA. Correlation coefficients: appropriate use and interpretation. Anesthesia & Analgesia, 2018;126(5):1763-1768.
• Lakens D. Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Frontiers in Psychology, 2013;4:863.
• Kim HY. Statistical notes for clinical researchers: chi-squared test and Fisher’s exact test. Restorative Dentistry & Endodontics, 2017;42(2):152-155.
• Chazard E, Ficheur G, Beuscart JB, Preda C. How to compare the length of stay of two samples of inpatients? A simulation study to compare type I and type II errors of 12 statistical tests. Value in Health, 2017;20(7):992-998.
• Lang TA, Altman DG. Basic statistical reporting for articles published in biomedical journals: the "Statistical Analyses and Methods in the Published Literature" or the SAMPL Guidelines. In: Smart P, Maisonneuve H, Polderman A (eds.). Science Editors’ Handbook. European Association of Science Editors (EASE), 2013. Também em International Journal of Nursing Studies, 2015;52(1):5-9.
• Divine GW, Norton HJ, Barón AE, Juarez-Colunga E. The Wilcoxon–Mann–Whitney procedure fails as a test of medians. The American Statistician, 2018;72(3):278-286.
• Wasserstein RL, Lazar NA. The ASA’s statement on p-values: context, process, and purpose. The American Statistician, 2016;70(2):129-133. PDF aberto da ASA.
• Altman DG, Bland JM. Absence of evidence is not evidence of absence. BMJ, 1995;311:485.
• Ghasemi A, Zahediasl S. Normality tests for statistical analysis: a guide for non-statisticians. International Journal of Endocrinology and Metabolism, 2012;10(2):486-489.