Ejemplo de Analizar respuesta binaria para diseño factorial

Un científico de alimentos estudia los factores que inciden en la descomposición de los alimentos. El científico utiliza un experitmento factorial de 2 niveles para evaluar diversos factores que podrían incidir en la velocidad de descomposición de los alimentos.

El científico analiza un diseño factorial de 2 niveles para determinar cómo el tipo de conservante, la presión del empaque al vacío, el nivel de contaminación y la temperatura de enfriamiento afectan el deterioro de la fruta. La respuesta es binaria —si se detecta o no el deterioro— en una muestra de 500 contenedores de fruta.

  1. Abra los datos de muestra, DeterioroAlimentos.MTW.
  2. Elija Estadísticas > DOE > Factorial > Analizar respuesta binaria.
  3. En Nombre de evento, ingrese Evento.
  4. En Número de eventos, ingrese Deterioro.
  5. En Número de ensayos, ingrese Contenedores.
  6. Haga clic en Términos.
  7. En Incluir términos en el modelo hasta el orden, elija 2.
  8. Haga clic en Aceptar en cada cuadro de diálogo.

Interpretar los resultados

En la tabla Desviación, los valores p de tres de los términos de los efectos principales —Conservantes, PresiónVacío y NivelContami— son significativos. Puesto que los valores p son menores que el nivel de significancia de 0,05, el científico concluye que estos factores son estadísticamente significativos. Ninguna de estas interacciones de dos factores es significativa. El científico puede considerar reducir el modelo.

El valor R2 de desviación muestra que el modelo explica un 97.95% de la desviación total en la respuesta, lo que indica que el modelo se ajusta bien a los datos.

La mayoría de los FIV son pequeños, lo que indica que los términos en el modelo no están correlacionados.

El diagrama de Pareto de los efectos permite identificar visualmente los efectos importantes y comparar la magnitud relativa de los diversos efectos. En estos resultados, tres efectos principales son estadísticamente significativos (α = 0.05) - tipo de conservante (A), presión de sellado al vacío (B) y nivel de contaminación (C). Además, usted puede ver que el efecto más grande es tipo de conservante (A) porque es el que más se extiende. El efecto para la interacción de conservante por temperatura de enfriamiento (AD) es el más pequeño porque es el que menos se extiende.

Método

Función de enlaceLogit
Filas utilizadas16

Información de respuesta

VariableValorConteoNombre
del
evento
DeterioroEvento506Event
  Sin evento7482 
ContenedoresTotal7988 

Coeficientes codificados

TérminoEfectoCoefEE del coef.FIV
Constante  -2.73700.0479 
Conservante0.44970.22490.04771.03
PresiónVacío0.25740.12870.04771.06
NivelContami0.29540.14770.04781.06
TempEnfr-0.1107-0.05540.04781.07
Conservante*PresiónVacío-0.0233-0.01170.04731.05
Conservante*NivelContami0.07220.03610.04741.06
Conservante*TempEnfr0.00670.00340.04721.05
PresiónVacío*NivelContami-0.0430-0.02150.04691.04
PresiónVacío*TempEnfr-0.0115-0.00580.04651.02
NivelContami*TempEnfr0.15730.07860.04671.02

Relaciones de probabilidades para predictores continuos

Unidad
de
cambio
Relación de
probabilidades
IC de
95%
PresiónVacío10.0*(*, *)
NivelContami22.5*(*, *)
TempEnfr5.0*(*, *)
No se calculan relaciones de probabilidades para los predictores que están incluidos en los
     términos de interacción, porque estas relaciones dependen de los valores de los otros
     predictores presentes en los términos de interacción..

Relaciones de probabilidades para predictores categóricos

Nivel ANivel BRelación de
probabilidades
IC de
95%
Conservante     
  Cualquier nivelCualquier nivel*(*, *)
Relación de probabilidades para nivel A relativo a nivel B
No se calculan relaciones de probabilidades para los predictores que están incluidos en los
     términos de interacción, porque estas relaciones dependen de los valores de los otros
     predictores presentes en los términos de interacción..

Resumen del modelo

R-cuadrado
de la
Desviación
R-cuadrado de
la Desviación
(ajust)
AICAICcBIC
97.95%76.75%105.98171.98114.48

Pruebas de bondad de ajuste

PruebaGLChi-cuadradaValor p
Desviación50.970.965
Pearson50.970.965
Hosmer-Lemeshow60.101.000

Análisis de Varianza

FuenteGLDesv. ajust.Media ajust.Chi-cuadradaValor p
Modelo1046.21304.621346.210.000
  Conservante122.683522.683522.680.000
  PresiónVacío17.33137.33137.330.007
  NivelContami19.62099.62099.620.002
  TempEnfr11.34411.34411.340.246
  Conservante*PresiónVacío10.06080.06080.060.805
  Conservante*NivelContami10.57800.57800.580.447
  Conservante*TempEnfr10.00510.00510.010.943
  PresiónVacío*NivelContami10.21060.21060.210.646
  PresiónVacío*TempEnfr10.01530.01530.020.902
  NivelContami*TempEnfr12.84752.84752.850.092
Error50.96740.1935   
Total1547.1804     

Ecuación de regresión en unidades no codificadas

P(Event)=exp(Y')/(1 + exp(Y'))
Y'=-2.721 + 0.188 Conservante + 0.0172 PresiónVacío - 0.00249 NivelContami
- 0.0286 TempEnfr - 0.00117 Conservante*PresiónVacío + 0.00160 Conservante*NivelContami
+ 0.00067 Conservante*TempEnfr - 0.000096 PresiónVacío*NivelContami
- 0.000115 PresiónVacío*TempEnfr + 0.000699 NivelContami*TempEnfr