Para asegurar que los resultados sean válidos, considere las siguientes pautas al recopilar datos, realizar el análisis e interpretar los resultados.
- Los datos deben incluir solo un predictor continuo, el cual contiene el error de medición
- Si usted tiene un predictor continuo, pero este no contiene error de medición, utilice Gráfica de línea
ajustada.
- La variable de respuesta debe ser continua
-
Si la variable de respuesta es categórica, es menos probable que el modelo cumpla con los supuestos del análisis, que describa con exactitud los datos o que haga predicciones útiles.
Si no va a evaluar la comparabilidad de las mediciones, puede considerar los siguientes análisis alternativos.
- Si la variable de respuesta tiene dos categorías, como pasa y no pasa, utilice Ajustar modelo
logístico binario.
- Si la variable de respuesta contiene tres o más categorías que tienen un orden natural, como por ejemplo completamente en desacuerdo, en desacuerdo, neutral, de acuerdo, completamente de acuerdo, utilice Regresión logística
ordinal.
- Si la variable de respuesta contiene tres o más categorías que no tienen un orden natural, como por ejemplo raya, hendidura y rotura, utilice Regresión logística
nominal.
- Si la variable de respuesta cuenta ocurrencias, tales como el número de defectos, utilice Ajustar modelo de
Poisson.
- Usted debe especificar la relación de las varianzas del error de medición en las variables predictoras y de respuesta
- Una manera de obtener estimaciones de las varianzas del error es realizando un estudio R&R del sistema de medición por separado para cada variable.
- Seleccione unidades a medir que representen el rango real o esperado de las mediciones
- Para verificar que dos instrumentos o métodos proporcionan mediciones comparables, seleccione unidades a medir que representen todos los valores cuando sea necesario comparar las mediciones. Entonces, mida las unidades con ambos instrumentos o métodos.
- Recolecte los datos utilizando las mejores prácticas
-
Para asegurar que los resultados sean válidos, considere las siguientes pautas:
- Asegúrese de que los datos representen a la población de interés.
- Recolecte suficiente datos para proporcionar la precisión necesaria.
- Mida las variables con tanta exactitud y precisión como sea posible.
- Registre los datos en el orden de recolección.
- El modelo debe proveer un ajuste adecuado a los datos
-
Si el modelo no se ajusta a los datos, los resultados pueden ser engañosos. En la salida, utilice las gráficas de residuos y la gráfica de línea ajustada para determinar qué tan bien se ajusta el modelo a los datos.