Tabla Coeficientes para Estudio de estabilidad

Encuentre definiciones y ayuda para interpretar cada estadístico incluido en la tabla Coeficientes.

Coef

Un coeficiente de regresión describe el tamaño de la relación entre un predictor y la variable de respuesta. Los coeficientes son los números por los cuales se multiplican los valores del término en una ecuación de regresión.

Interpretación

La interpretación de cada coeficiente depende de si es el coeficiente continuo de Tiempo o el coeficiente categórico de Lote.
Tiempo
El coeficiente para la variable de tiempo representa el cambio en la respuesta media para un cambio de una unidad en el tiempo. Si el coeficiente es negativo, a medida que pasa el tiempo, el valor medio de la respuesta disminuye. Si el coeficiente es positivo, a medida que pasa el tiempo, el valor medio de la respuesta aumenta.
Lote
Se especifica un coeficiente para cada uno de los niveles del factor de lote excepto para un nivel. El nivel ausente es el nivel de referencia para el factor de lote. Cada coeficiente representa la diferencia media entre esa media de nivel y la media del nivel de referencia.

En presencia de interacciones, la interpretación de los coeficientes es compleja. En estos resultados, un ingeniero especializado en calidad desea estimar la vida útil de un medicamento nuevo. El coeficiente negativo para el lote 1 indica que el fármaco del lote 1 tiene menos potencia que el fármaco del nivel de referencia, que es el lote 6. Sin embargo, el coeficiente de la interacción Mes por Lote para el lote 1 es positivo. El efecto del tiempo depende del lote, por lo que la diferencia entre el lote 1 y el lote 6 cambia con el tiempo.

Coeficientes EE del Término Coef coef. Valor T Valor p FIV Constante 100.085 0.143 701.82 0.000 Mes -0.13633 0.00769 -17.74 0.000 1.07 Lote 1 -0.232 0.292 -0.80 0.432 3.85 2 0.068 0.292 0.23 0.818 3.85 3 0.394 0.275 1.43 0.162 3.41 4 -0.317 0.292 -1.08 0.287 3.85 5 0.088 0.275 0.32 0.752 * Mes*Lote 1 0.0454 0.0164 2.76 0.010 4.52 2 -0.0241 0.0164 -1.47 0.152 4.52 3 -0.0267 0.0136 -1.96 0.060 3.65 4 0.0014 0.0164 0.08 0.935 4.52 5 0.0040 0.0136 0.30 0.769 *

El tamaño del coeficiente generalmente es una buena forma de evaluar la significancia práctica del efecto que un término tiene sobre la variable de respuesta. Sin embargo, el tamaño del coeficiente no indica si un término es estadísticamente significativo porque los cálculos de significancia también consideran la variación en los datos de respuesta. Para determinar la significancia estadística, examine el valor p del término.

EE Coef

El error estándar del coeficiente estima la incertidumbre de estimar los coeficientes a partir de los datos de la muestra.

Interpretación

Utilice el error estándar del coeficiente para medir la precisión de la estimación del coeficiente. Cuanto menor sea el error estándar, más precisa será la estimación. Al dividir el coeficiente entre su error estándar se obtiene un valor t. Si el valor p asociado con este estadístico t es menor que el nivel de significancia (denotado como alfa o α), usted concluye que el coeficiente es estadísticamente significativo.

Valor t

El valor t mide la relación entre el coeficiente y su error estándar.

Interpretación

Minitab utiliza el valor t para calcular el valor p, que se utiliza para comprobar si el coeficiente es significativamente diferente de 0.

Usted puede utilizar el valor t para determinar si puede rechazar la hipótesis nula. Sin embargo, el valor p se utiliza con más frecuencia, porque el valor umbral para el rechazo de la hipótesis nula no depende de los grados de libertad. Para obtener más información sobre cómo usar el valor t, vaya a Uso del valor t para determinar si se puede rechazar la hipótesis nula.

Valor p – Coeficiente

El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Las probabilidades más bajas proporcionan una evidencia más fuerte en contra de la hipótesis nula.

Interpretación

Para un estudio de estabilidad, la tabla de coeficientes solo contiene los términos cuyos valores p son menores que el nivel de significancia utilizado para el análisis. La hipótesis nula es que el coeficiente del término es igual a cero. El nivel de significancia predeterminado es 0.25. Un nivel de significancia de 0.25 indica un riesgo de 25% de concluir que existe una asociación cuando no hay una asociación real.

Si un término del modelo es estadísticamente significativo, la interpretación depende del tipo de término:
  • Si tiempo es significativo, entonces la respuesta cambia con el tiempo.
  • Si lote es significativo, entonces la respuesta media es diferente en lotes diferentes.
  • Si la interacción de tiempo por lote es significativa, entonces la rapidez con que la respuesta cambia en el tiempo depende del lote.

Intervalo de confianza para el coeficiente (IC de 95%)

Estos intervalos de confianza (IC) son rangos de valores que es probable que contengan el verdadero valor del coeficiente para cada término incluido en el modelo.

Puesto que las muestras son aleatorias, es poco probable que dos muestras de una población produzcan intervalos de confianza idénticos. Sin embargo, si toma muchas muestras aleatorias, 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
Este valor individual estima un parámetro de población usando los datos de la muestra. El intervalo de confianza está centrado alrededor de la estimación de punto.
Margen de error
El margen de error define el ancho 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 el intervalo de confianza para evaluar la estimación del coeficiente de la población para cada término en el modelo.

Por ejemplo, con un nivel de confianza de 95 %, se puede estar un 95 % seguro de que el intervalo de confianza contiene el valor del coeficiente para la población. El intervalo de confianza ayuda a evaluar la significancia práctica de los resultados. Utilice el conocimiento especializado para determinar si el intervalo de confianza incluye valores que tienen significancia práctica para su situación. Si el intervalo es demasiado amplio para ser útil, considere aumentar el tamaño de la muestra.

FIV

El factor de inflación de la varianza (FIV) indica cuánto se infla la varianza de un coeficiente debido a las correlaciones entre los predictores incluidos en el modelo.

Interpretación

Utilice los FIV para describir cuánta multicolinealidad (que es la correlación entre los predictores) existe en un análisis de regresión. La multicolinealidad es problemática porque puede aumentar la varianza de los coeficientes de regresión, lo que hace difícil evaluar el impacto individual que cada uno de los predictores correlacionados tiene sobre la respuesta.

Utilice las siguientes directrices para interpretar el FIV:
FIV Estado del predictor
FIV = 1 No correlacionados
1 < FIV < 5 Moderadamente correlacionados
FIV > 5 Altamente correlacionados
Un valor de FIV mayor que 5 sugiere que el coeficiente de regresión se estimó de manera deficiente debido a una fuerte multicolinealidad.

Para obtener más información sobre la multicolinealidad y sobre cómo mitigar los efectos de la multicolinealidad, revise Multicolinealidad en la regresión.