Tabla Resumen del modelo para Ajustar modelo de efectos mixtos

Encuentre definiciones y ayuda para interpretar cada uno de los estadísticos en la tabla Resumen del modelo.

S

S es la desviación estándar estimada del término de error. Cuanto menor sea el valor de S, mejor describirá la ecuación ajustada condicional la respuesta con la configuración seleccionada de los factores. Sin embargo, un valor de S por sí solo no describe completamente lo adecuado del modelo. Examine también los resultados clave de otras tablas y las gráficas de residuos.

R-cuad.

El R2 es el porcentaje de variación en la respuesta que es explicada por el modelo. Se calcula como 1 menos la relación del error de la suma de cuadrados (que es la variación que no está explicada por el modelo) con la suma total de cuadrados (que es la variación total en el modelo).

Interpretación

Utilice R2 para determinar hasta qué punto el modelo se ajusta a sus datos. Cuanto mayor sea el valor de R2, mayor será la variación en los valores de respuesta que el modelo puede explicar. El R2 siempre está entre 0% y 100%.

Considere los siguientes problemas cuando interprete el valor de R2:
  • Suponiendo que los modelos tienen la misma estructura de covarianzas, el R2 aumenta cuando usted agrega otros factores fijos o covariables. Por lo tanto, el R2 es más útil cuando se comparan modelos del mismo tamaño.

  • Las muestras pequeñas no proporcionan una estimación precisa de la resistencia de la relación entre la respuesta y los predictores. Si necesita que el R2 sea más preciso, debe utilizar una muestra más grande (generalmente, 40 o más).

  • El R2 es solo una medida de hasta qué punto el modelo se ajusta a los datos. Incluso cuando un modelo tiene un R2 alto,usted debe revisar las gráficas de residuos para verificar que el modelo cumpla con los supuestos del modelo.

R-cuad. (ajust)

Utilice el R2 ajustado cuando desee comparar modelos con la misma estructura de covarianzas pero tenga un número diferente de factores fijos y covariables. Suponiendo que los modelos tienen la misma estructura de covarianzas, el R2 aumenta cuando usted agrega otros factores fijos o covariables. El valor de R2 ajustado incorpora el número de factores fijos y covariables incluidos en el modelo para ayudar a elegir el modelo correcto.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política