Interpretar los resultados clave para Ajustar modelo de efectos mixtos

Para determinar si un término afecta significativamente la respuesta, compare el valor p con el nivel de significancia. Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica un riesgo de 5% de concluir que existe un efecto cuando no hay un efecto real.

La interpretación de cada valor p depende de si corresponde al coeficiente de un término de factor fijo o a un término de covariable.

Para determinar qué tan bien se ajusta el modelo a los datos, examine los estadísticos de bondad de ajuste en la tabla Resumen del modelo.

S

S es la desviación estándar estimada del término de error. Cuanto menor sea el valor de S, mejor describirá la ecuación ajustada condicional la respuesta con la configuración seleccionada de los factores. Sin embargo, un valor de S por sí solo no describe completamente lo adecuado del modelo. Examine también los resultados clave de otras tablas y las gráficas de residuos.

R-cuad.

El R² es el porcentaje de variación en la respuesta que es explicada por el modelo. Se calcula como 1 menos la relación de la suma de los cuadrados del error (que es la variación que no es explicada por el modelo) a la suma total de los cuadrados (que es la variación total en el modelo).

R-cuad. (ajust)

Utilice el R² ajustado cuando desee comparar modelos con la misma estructura de covarianzas pero tenga un número diferente de factores fijos y covariables. Suponiendo que los modelos tienen la misma estructura de covarianzas, el R² aumenta cuando usted agrega otros factores fijos o covariables. El valor de R² ajustado incorpora el número de factores fijos y covariables incluidos en el modelo para ayudar a elegir el modelo correcto.

AICc y BIC

Cuando usted muestra los resultados expandidos del análisis, Minitab muestra dos estadísticos más. Estos estadísticos son el criterio de información de Akaike corregido (AICc) y el criterio de información bayesiano (BIC). Utilice estos estadísticos para comparar diferentes modelos. Para cada estadístico, se prefieren valores más pequeños.

Si el valor p indica que un término es significativo, usted puede examinar los coeficientes del término para entender cómo se relaciona el término con la respuesta. La interpretación de cada coeficiente depende de si corresponde a un término de factor fijo o a un término de covariable.

Los coeficientes para un término de factor fijo muestran qué tan diferentes son las medias de nivel para el término. También puede realizar un análisis de comparaciones múltiples con respecto al término para clasificar aún más los efectos de nivel en grupos que sean estadísticamente iguales o estadísticamente diferentes.

El coeficiente para un término de covariable representa el cambio en la respuesta media asociado a un cambio de 1 unidad en ese término, en tanto que los otros términos incluidos en el modelo se mantienen iguales. El signo del coeficiente indica la dirección de la relación entre el término y la respuesta. El tamaño del coeficiente suele ser una buena manera de evaluar la significancia práctica del efecto del término sobre la variable de respuesta.

Utilice las gráficas de residuos como ayuda para determinar si el modelo es adecuado y cumple con los supuestos del análisis. Si los supuestos no se cumplen, el modelo podría no ajustarse adecuadamente a los datos y se debería tener cuidado al interpretar los resultados.