Histograma de residuos
El histograma de los residuos muestra la distribución de los residuos para todas las observaciones.
Interpretación
| Patrón | Lo que podría indicar el patrón |
|---|---|
| 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.
Un histograma es más efectivo cuando tiene aproximadamente 20 o más puntos de datos. Si la muestra es demasiado pequeña, entonces cada barra del histograma no contiene suficientes puntos de los datos para revelar asimetría o valores atípicos de una manera fiable.
Residuos vs. ajustes
La gráfica residuos versus ajustes muestra los residuos en el eje Y y los valores ajustados en el eje X.
Interpretación
Utilice la gráfica de ajustes versus residuos para comprobar la premisa de que los residuos están distribuidos aleatoriamente y tienen una varianza constante. Idealmente, los puntos deben caer aleatoriamente en ambos lados de 0, con patrones no detectables en los puntos.
| 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 |
Gráfica con valor atípico
Uno de los puntos es mucho más largo 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. Se 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).
- Verifique que la observación no sea un error de medición o un error de ingreso de datos.
- Considere realizar el análisis sin esta observación para determinar cómo afecta los resultados.
Residuos vs. orden
La gráfica de residuos versus orden muestra los residuos en el orden en que se recopilan los datos.
Interpretación
Tendencia
Turno
Ciclo
Residuos versus variables
La gráfica de los residuos vs. las variables muestra los residuos vs. otra variable. La variable ya pudiera estar incluida en el modelo. O la variable pudiera no estar en el modelo, pero usted sospecha que influye en la variable de respuesta.
Interpretación
Si la variable ya está incluida en el modelo, utilice la gráfica para determinar si debe agregar un término de orden más alto de la variable. Si la variable aún no está incluida en el modelo, utilice la gráfica para determinar si la variable está afectando la respuesta de forma sistemática.
| Patrón | Qué puede indicar el patrón |
|---|---|
| Patrón en los residuos | La variable afecta la respuesta de forma sistemática. Si la variable no está en el modelo, incluya un término para esa variable y vuelva a ajustar el modelo. |
| Curvatura en los puntos | Un término de orden superior de la variable se debería incluir en el modelo. Por ejemplo, un patrón curvo indica que usted debe agregar un término cuadrático. |
