Gráficas de residuos para Ajustar modelo de regresión

Encuentre definiciones y ayuda para interpretar cada una de las gráficas de residuos.

Histograma de residuos

El histograma de residuos muestra la distribución de los residuos para todas las observaciones.

Interpretación

Utilice el histograma de los residuos para determinar si los datos son asimétricos o incluyen valores atípicos. Los patrones en la siguiente tabla pueden indicar que el modelo no cumplen con las premisas del modelo.
Patrón Lo que el patrón puede indicar
Una larga cola en una dirección Asimetría
Una barra que se encuentra muy alejada de las otras barras Un valor atípico

Puesto que la apariencia de un histograma depende del número de intervalos usados para agrupar los datos, no utilice un histograma para evaluar la normalidad de los residuos. En su lugar, utilice una gráfica de probabilidad normal.

Un histograma es más efectivo cuando tiene aproximadamente 20 o más puntos de datos. Si la muestra es demasiado pequeña, entonces cada barra en el histograma no contiene suficientes puntos de datos para de manera fiable mostrar asimetría o valores atípicos.

Gráfica de probabilidad normal de los residuos

La gráfica de probabilidad normal de los residuos muestra los residuos vs. sus valores esperados cuando la distribución es normal.

Interpretación

Utilice la gráfica de probabilidad normal de los residuos para verificar el supuesto de que los residuos están distribuidos normalmente. La gráfica de probabilidad normal de los residuos debe seguir aproximadamente una línea recta.

Los patrones siguientes no cumplen con el supuesto de que los residuos están distribuidos normalmente.

La curva S implica una distribución con colas largas.

La curva S invertida implica una distribución con colas cortas.

La curva descendente implica una distribución con asimetría a la derecha.

Algunos puntos alejados de la línea implican una distribución con valores atípicos.

Si observa algún patrón anormal, utilice las otras gráficas de residuos para revisar en busca de cualquier otro problema con el modelo, como por ejemplo términos faltantes o un efecto de orden de tiempo. Si los residuos no siguen una distribución normal, los intervalos de confianza y los valores p pueden resultar inexactos.

Residuos vs. ajustes

La gráfica de residuos vs. ajustes muestra los residuos en el eje Y y los valores ajustados en el eje X.

Interpretación

Utilice la gráfica de residuos vs. ajustes para verificar el supuesto de que los residuos están distribuidos aleatoriamente y tienen una varianza constante. Lo ideal es que los puntos se ubiquen aleatoriamente a ambos lados del 0, con patrones no detectables en los puntos.

Los patrones que se observan en la siguiente tabla podrían indicar que el modelo no cumple con los supuestos del modelo.
Patrón Lo que podría indicar el patrón
Dispersión en abanico o irregular de los residuos en los valores ajustados Varianza no constante
Curvilíneo Un término de orden superior faltante
Un punto que está alejado de cero Un valor atípico
Un punto que está lejos de los otros puntos en la dirección x Un punto influyente
Las siguientes gráficas muestran un valor atípico y una violación del supuesto de que la varianza de los residuos es constante.
Gráfica con valor atípico

Uno de los puntos es mucho más grande que todos los otros puntos. Por lo tanto, el punto es un valor atípico. Si hay demasiados valores atípicos, el modelo podría no ser aceptable. Usted debe tratar de identificar la causa de cualquier valor atípico. Corrija cualquier error de entrada de datos o de medición. Considere eliminar los valores de datos que estén asociados con eventos anormales y únicos (causas especiales). A continuación, repita el análisis.

Gráfica con varianza no constante

La varianza de los residuos aumenta con los valores ajustados. Tenga en cuenta que, a medida que el valor de los ajustes aumenta, la dispersión entre los residuos se amplía. Este patrón indica que las varianzas de los residuos son desiguales (no constante).

Si identifica patrones o valores atípicos en la gráfica de residuos vs. ajustes, considere las siguientes soluciones:

Problema Posible solución
Varianza no constante Considere usar Ajustar modelo de regresión con una transformación de Box-Cox.
Un valor atípico o punto influyente
  1. Verifique que la observación no sea un error de medición o un error de ingreso de datos.
  2. Considere realizar el análisis sin esta observación para determinar cómo afecta los resultados.

Residuos vs. orden

La gráfica de residuos vs. orden muestra los residuos en el orden en que se recopilaron los datos.

Interpretación

Utilice la gráfica de residuos vs. orden para verificar el supuesto de que los residuos son independientes entre sí. Los residuos independientes no muestran tendencias ni patrones cuando se muestran en orden cronológico. Los patrones en los puntos podrían indicar que los residuos que están cercanos entre sí podrían estar correlacionados y, por lo tanto, podrían no ser independientes. Lo ideal es que los residuos que se muestran en la gráfica se ubiquen aleatoriamente alrededor de la línea central:
Si observa un patrón, investigue la causa. Los siguientes tipos de patrones pueden indicar que los residuos son dependientes.
Tendencia
Cambio
Ciclo

Residuos versus las variables

La gráfica residuos vs. las variables muestra los residuos versus otra variable. La variable pudiera estar ya incluida en el modelo. O, la variable podría no estar en el modelo, pero se sospecha que influye en la respuesta.

Interpretación

Si observa un patrón no aleatorio en los residuos, indica que la variable influye en la respuesta de forma sistemática. Considere incluir esta variable en un análisis.

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