Todos los estadísticos de Predecir para Ajustar modelo de efectos mixtos

Encuentre definiciones y ayuda para interpretar los estadísticos que se proporcionan con el análisis de predicción.

Ecuación ajustada condicional y marginal

Utilice las ecuaciones ajustadas marginales para estimar las medias de población de la respuesta en diferentes niveles de los factores fijos y diferentes valores de las covariables. Las ecuaciones ajustadas marginales presuponen que las medias de los términos de factor aleatorio son cero.

Utilice las ecuaciones condicionales para calcular las medias condicionales para la respuesta en los niveles específicos de los factores fijos y aleatorios. Condicional implica que depende de los niveles especificados de los factores aleatorios.

Puesto que un modelo de efectos mixtos incluye factores, las ecuaciones ajustadas se muestran en una tabla para todas las combinaciones de los niveles de factor incluidos en el modelo.

Configuración

Minitab utiliza las ecuaciones ajustadas y la configuración de las variables para calcular los ajustes. Si los valores de las variables son poco comunes en comparación con los datos utilizados para estimar el modelo, se mostrará una advertencia debajo de la predicción.

Utilice la tabla de valores de configuración de las variables para comprobar que el análisis se haya realizado tal como estaba previsto.

Ajuste

Los ajustes condicionales son las estimaciones de los valores de respuesta media con las configuraciones de factores fijos y aleatorios especificadas en el conjunto de datos. Los ajustes condicionales se calculan a partir de las ecuaciones ajustadas condicionales.

Los ajustes marginales representan las respuestas medias en diferentes niveles de los factores fijos. Los ajustes marginales se calculan a partir de las ecuaciones ajustadas marginales.

EE ajuste

El error estándar del ajuste (EE ajuste) estima la variación en la respuesta media estimada para la configuración especificada de las variables. El cálculo del intervalo de confianza para la respuesta media utiliza el error estándar del ajuste. Los errores estándar son siempre no negativos.

GL de IC

Los grados de libertad (GL) para el intervalo de confianza (IC) representan la cantidad de información en los datos para estimar el intervalo de confianza para la respuesta media.

Interpretación

Utilice los GL para comparar la cantidad de información que está disponible acerca de las diferentes medias condicionales y marginales. Por lo general, más grados de libertad hacen que el intervalo de confianza para la media sea más estrecho que un intervalo con menos grados de libertad. Puesto que los errores estándar para las medias son diferentes, el intervalo de confianza para una media con más grados de libertad no tiene que ser más estrecho que un intervalo de confianza para una media con menos grados de libertad.

Intervalo de confianza (IC)

Estos intervalos de confianza (IC) son rangos de valores que es probable que contengan las respuestas medias condicionales y marginales correspondientes.

Puesto que las muestras son aleatorias, es poco probable que dos muestras de una población produzcan intervalos de confianza idénticos. Sin embargo, si se toman muchas muestras, un determinado porcentaje de los intervalos de confianza resultantes incluirá el parámetro de población desconocido. El porcentaje de estos intervalos de confianza que contiene el parámetro es el nivel de confianza del intervalo.

El intervalo de confianza consta de las dos partes siguientes:
Estimación de punto
La estimación de punto es la estimación del parámetro que se calcula a partir de los datos de la muestra. El intervalo de confianza está centrado alrededor de este valor.
Margen de error
El margen de error define la amplitud del intervalo de confianza y es determinado por la variabilidad observada en la muestra, el tamaño de la muestra y el nivel de confianza. Para calcular el límite superior del intervalo de confianza, el margen de error se suma a la estimación de punto. Para calcular el límite inferior del intervalo de confianza, el margen de error se resta de la estimación de punto.

Interpretación

Utilice los intervalos de confianza para evaluar si las respuestas medias condicionales y marginales son estadísticamente mayores que, iguales a o menores que un valor específico. También puede utilizar los intervalos de confianza para determinar un rango de valores para las respuestas medias condicionales y marginales desconocidas correspondientes.

GL del IP

Los grados de libertad (GL) del intervalo de predicción (IP) representan la cantidad de información en los datos para estimar el intervalo de predicción correspondiente.

Intervalo de predicción (IP)

El intervalo de predicción es un rango que es probable que contenga una respuesta futura individual para una combinación seleccionada de valores de configuración de las variables. Si usted recolecta otro punto de los datos con la misma configuración de las variables, es probable que el nuevo punto de los datos se encuentre dentro del intervalo de predicción. Los intervalos de predicción más estrechos indican una predicción más precisa.

Interpretación

Utilice los intervalos de predicción (IP) para evaluar la precisión de las predicciones. Los intervalos de predicción ayudan a evaluar la importancia práctica de los resultados. Si un intervalo de predicción se extiende más allá de los límites aceptables, es posible que las predicciones no sean lo suficientemente precisas para sus requerimientos.

Utilice el intervalo de predicción marginal cuando no conozca los niveles reales de los factores aleatorios. Utilice el intervalo de predicción condicional cuando conozca la combinación específica de los valores de configuración de los factores aleatorios.

En estos resultados, los intervalos de predicción indican que usted puede estar 95% seguro de que un solo rendimiento nuevo de la variedad 1 de alfalfa del campo 1 estará entre 3.462 y 4.309, y un solo rendimiento nuevo de la variedad 1 de alfalfa de un campo seleccionado aleatoriamente estará entre 2.536 y 4.424.

Predicción para Rendimiento

Información sobre el modelo de efectos mixtos Términos Campo Variedad
Configuración Valor de Variable configuración Campo 1 Variedad 1
Predicción EE de Tipo Ajuste ajuste GL IC IC de 95% GL IP IP de 95% Condicional 3.885 0.103 15.58 (3.666, 4.104) 15.16 (3.462, 4.309) Marginal 3.480 0.163 4.92 (3.058, 3.902) 4.92 (2.536, 4.424) X X denota un punto poco común en relación con los niveles de predictor utilizados para ajustar el modelo.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política