Qual teste estatístico usar

"Qual teste estatístico devo usar?" é provavelmente a dúvida mais frequente de quem está fechando um TCC, uma dissertação ou um artigo. A boa notícia: a escolha não é uma questão de gosto — ela decorre logicamente de três perguntas sobre os seus dados. Este roteiro mostra como chegar ao teste certo sem chutar.

As três perguntas que definem o teste

1. Que tipo é a variável de desfecho? Contínua (peso, pressão, idade), categórica (sim/não, estágio), ordinal (escala de dor) ou tempo até um evento (sobrevida).
2. Quantos grupos você compara? Um, dois ou três ou mais.
3. As observações são independentes ou pareadas? Pessoas diferentes em cada grupo (independentes) ou a mesma pessoa medida antes e depois (pareadas/repetidas).

Com essas três respostas, o teste praticamente se escolhe sozinho.

Paramétrico ou não paramétrico

Para desfechos contínuos, ainda há uma bifurcação. Os testes paramétricos (teste t, ANOVA) assumem que os dados — mais precisamente, os resíduos — seguem distribuição aproximadamente normal e, em alguns casos, variâncias semelhantes entre grupos. Quando esses pressupostos não se sustentam, usa-se a versão não paramétrica correspondente, que se baseia em postos (rankings) e não exige normalidade. Tratamos essa decisão em detalhe no informativo sobre teste t ou Mann-Whitney.

Tabela de decisão

Use a tabela abaixo como mapa. As colunas paramétrica/não paramétrica valem para desfechos contínuos; para categóricas, a coluna única já indica o teste.

Cuidado com as comparações múltiplas

Quando há três ou mais grupos e a ANOVA (ou Kruskal-Wallis) dá significativa, a pergunta natural é "quais grupos diferem?". Aí entram os testes post hoc com correção para múltiplas comparações. Fazer vários testes t dois a dois sem correção infla o erro tipo I — um descuido comum.

Erros frequentes na escolha

• Tratar dado pareado como independente (ou vice-versa). Antes/depois no mesmo paciente é pareado.
• Usar qui-quadrado em desfecho contínuo categorizado sem necessidade, perdendo informação.
• Ignorar a estrutura dos dados — medidas repetidas, agrupamento por centro ou por família exigem modelos que considerem essa dependência.
• Trocar de teste até achar p < 0,05. O plano de análise deve ser definido antes; verificar pressupostos é legítimo, garimpar significância (p-hacking) não.

Defina o plano antes de coletar

A melhor hora de escolher o teste é no plano de análise estatística, junto com o cálculo amostral — não depois que os dados chegaram. Diretrizes de relato como o checklist STROBE/CONSORT pedem que os métodos estatísticos sejam descritos com clareza, incluindo como pressupostos foram verificados. Decidir cedo evita o viés de escolher o teste que dá o resultado mais conveniente.