En este tema
Histograma de residuos
El histograma de los residuos de desviación muestra la distribución de los residuos para todas las observaciones.
La interpretación de estas gráficas de residuos es igual si se usan los residuos de desviación o los residuos de Pearson. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.
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. En lugar de ello, utilice una gráfica de probabilidad normal.
Gráfica de probabilidad normal de los residuos
La gráfica de probabilidad normal de los residuos muestra los residuos vs. sus valores esperados cuando la distribución es normal.
La interpretación de estas gráficas de residuos es igual si se usan los residuos de desviación o los residuos de Pearson. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.
Interpretación
Utilice la gráfica de probabilidad normal de los residuos para verificar el supuesto de que los residuos están distribuidos normalmente. La gráfica de probabilidad normal de los residuos debe seguir aproximadamente una línea recta.
La curva S implica una distribución con colas largas.
La curva S invertida implica una distribución con colas cortas.
La curva descendente implica una distribución con asimetría a la derecha.
Algunos puntos alejados de la línea implican una distribución con valores atípicos.
Si observa un patrón no normal, utilice las otras gráficas de residuos para verificar otros problemas con el modelo, como términos faltantes o un efecto del orden cronológico. Si los residuos no siguen una distribución normal, los intervalos de confianza y los valores p pueden ser inexactos.
Residuos vs. ajustes
La gráfica de residuos vs. ajustes muestra los residuos en el eje Y y los valores ajustados en el eje X.
La interpretación de estas gráficas de residuos es igual si se usan los residuos de desviación o los residuos de Pearson. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.
Interpretación
Utilice la gráfica de residuos vs. ajustes para verificar el supuesto de que los residuos están distribuidos aleatoriamente y tienen una varianza constante. Lo ideal es que los puntos se ubiquen aleatoriamente a ambos lados del 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 | Una función de enlace inapropiada |
| Curvilíneo | Un término de orden superior faltante o una función de enlace inapropiada |
| 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 grande 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. Usted 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).
| Problema | Posible solución |
|---|---|
| Varianza no constante | Considere utilizar diferentes términos en el modelo, una función de enlace diferente o ponderaciones. |
| Un valor atípico o punto de influencia |
|
Residuos vs. orden
La gráfica de residuos vs. orden muestra los residuos en el orden en que se recopilaron los datos.
La interpretación de estas gráficas de residuos es igual si se usan los residuos de desviación o los residuos de Pearson. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.
Interpretación
Tendencia
Cambio
Ciclo
Residuos vs. las variables
La gráfica de residuos vs. 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 respuesta.
La interpretación de estas gráficas de residuos es igual si se usan los residuos de desviación o los residuos de Pearson. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.
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 | Lo que podría 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. |
