Seleccionar las opciones para Ajustar modelo de Poisson

Estadísticas > Regresión > Regresión de Poisson > Ajustar modelo de Poisson > Opciones

Ponderaciones

En Ponderaciones, ingrese una columna numérica de ponderaciones para realizar la regresión ponderada. Las ponderaciones deben ser mayores que o iguales a cero. La columna de ponderaciones debe tener el mismo número de filas que la columna de respuesta. Para obtener más información sobre cómo determinar la ponderación adecuada, vaya a Regresión ponderada.

Nivel de confianza para todos los intervalos

Ingrese el nivel de confianza para los intervalos de confianza de los coeficientes y los valores ajustados.

Por lo general, un nivel de confianza de 95% funciona adecuadamente. Un nivel de confianza de 95% indica que si usted tomara 100 muestras aleatorias de la población, los intervalos de confianza de aproximadamente 95 de las muestras incluirían la respuesta media. Para un conjunto determinado de datos, un nivel de confianza más bajo produce un intervalo más estrecho y un nivel de confianza más alto produce un intervalo más amplio.

Nota

Para mostrar los intervalos de confianza, debe ir al cuadro de diálogo secundario Resultados y, en Presentación de resultados, seleccione Tablas expandidas.

Tipo de intervalo de confianza

Usted puede seleccionar un intervalo bilateral o un límite unilateral. Para el mismo nivel de confianza, un límite está más cerca de la estimación de punto que el intervalo. El límite superior no proporciona un valor inferior probable. El límite inferior no proporciona un valor superior probable.

Por ejemplo, el número medio de pacientes que llegan a una clínica en una hora dada es 4.58. El intervalo de confianza de 95% para el número medio de eventos para múltiples observaciones futuras es de 2.7 a 6.5. El límite superior de 95% para la media es 6.2, que es más preciso porque el límite está más cerca de la media pronosticada.

  • Bilateral: Utilice un intervalo de confianza bilareral para estimar ambos valores inferior y superior probables para el número medio de eventos.
  • Límite inferior: Utilice un límite de confianza inferior para estimar un valor probable más bajo para el número medio de eventos.
  • Límite superior: Utilice un límite de confianza superior para estimar un valor probable más alto para el número medio de eventos.

Residuos para diagnósticos

Los residuos de desviación y de Pearson ayudan a identificar patrones en las gráficas de residuos y valores atípicos. Las observaciones a las que el modelo no se ajusta adecuadamente tienen residuos de desviación y de Pearson altos. Minitab calcula los valores de los residuos para cada patrón distinto de factor/covariable.
  • Desviación: Los residuos de desviación son una medida de qué tan bien el modelo predice la observación. Los residuos de desviación se suelen preferir para una regresión logística que utiliza la función de enlace logit, porque la distribución de los residuos es más parecida a la distribución de los residuos de los modelos de mínimos cuadrados. La función de enlace logit es la función de enlace más común.
  • Pearson: Los residuos de Pearson también son una medida de qué tan bien el modelo predice la observación. Un enfoque común para identificar valores atípicos es graficar los residuos de Pearson según el orden de las observaciones en la hoja de trabajo.

Desviaciones para pruebas

Seleccione una desviación para calcular los valores de chi-cuadrada y los valores p. Lo más común es usar la desviación ajustada. Utilice la desviación secuencial para determinar la significancia de los términos según el orden en que ingresan al modelo.
  • Ajustado (tipo III): Mide la reducción en la desviación para cada término con respecto a un modelo que contiene todos los términos restantes.
  • Secuencial (tipo I): Mide la reducción en la desviación cuando un término se agrega a un modelo que solo contiene los que términos que van antes de él.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política