Seleccionar las opciones para Ajustar modelo de Poisson

Estadísticas > Regresión > Regresión de Poisson > Ajustar modelo de Poisson > Opciones

En este tema

Función de enlace
Ponderaciones
Nivel de confianza para todos los intervalos
Tipo de intervalo de confianza
Residuos para diagnósticos
Prueba para tabla de ANOVA

Función de enlace

Minitab provee tres funciones de enlace, lo que permite ajustar una amplia gama de modelos de respuesta de Poisson. Lo que se desea es elegir una función de enlace que produzca un ajuste adecuado a los datos. Examine los estadísticos de bondad de ajuste de la salida para comparar qué tan bien se ajusta el modelo a los datos utilizando diferentes funciones de enlace. También puede elegir funciones de enlace por razones históricas o porque tienen un significado especial dentro de su disciplina. Para obtener más información, vaya a ¿Qué es una función de enlace?.

En general, las funciones de enlace son útiles para una respuesta que describe el número de veces que ocurre un evento por 3 razones:

La relación entre los predictores y la respuesta es una función no lineal.
La variabilidad de la respuesta aumenta a medida que aumenta la media de la respuesta.
La respuesta debe ser mayor que 0.

Función de enlace

Seleccione una de las siguientes funciones de enlace:

Logaritmo: Utilice la función de enlace de logaritmo en la mayoría de los casos, porque tiene mejores propiedades matemáticas que la función de enlace de raíz cuadrada. La función de enlace de logaritmo y función de enlace de raíz cuadrada aseguran que todos los valores pronosticados son no negativos.
Raíz cuadrada: Utilice la función de enlace de raíz cuadrada cuando la función de enlace de logaritmo no sea adecuada, pero la naturaleza de la variable de respuesta requiera una función de enlace para un ajuste adecuado. La función de enlace de raíz cuadrada asegura que todos los valores pronosticados son no negativos y tienen coeficientes con errores estándar asintóticamente iguales.
Identidad: Utilice la función de enlace de identidad para un modelo que no necesite una función de enlace para un ajuste adecuado. Esta función de enlace es útil cuando el rango de valores de respuesta es lo suficientemente restringido como para que no se apliquen las 3 ventajas generales de usar una función de enlace. Cuando la función de enlace de identidad es adecuada, la interpretación del modelo es más simple.
Nota
Los resultados de Ajustar modelo de Poisson con la función de enlace de identidad no coincidirán con los resultados de Ajustar modelo de regresión. Ajustar modelo de Poisson utiliza el método de estimación de máxima verosimilitud. Ajustar modelo de regresión utiliza el método de estimación de mínimos cuadrados.

Ponderaciones

En Ponderaciones, ingrese una columna numérica de ponderaciones para realizar la regresión ponderada. Las ponderaciones deben ser mayores que o iguales a cero. La columna de ponderaciones debe tener el mismo número de filas que la columna de respuesta. Para obtener más información sobre cómo determinar la ponderación adecuada, vaya a Regresión ponderada.

Nivel de confianza para todos los intervalos

Ingrese el nivel de confianza para los intervalos de confianza de los coeficientes y los valores ajustados.

Por lo general, un nivel de confianza de 95% funciona adecuadamente. Un nivel de confianza de 95% indica que si usted tomara 100 muestras aleatorias de la población, los intervalos de confianza de aproximadamente 95 de las muestras incluirían la respuesta media. Para un conjunto determinado de datos, un nivel de confianza más bajo produce un intervalo más estrecho y un nivel de confianza más alto produce un intervalo más amplio.

Nota

Para mostrar los intervalos de confianza, debe ir al cuadro de diálogo secundario Resultados y, en Presentación de resultados, seleccione Tablas expandidas.

Tipo de intervalo de confianza

Usted puede seleccionar un intervalo bilateral o un límite unilateral. Para el mismo nivel de confianza, un límite está más cerca de la estimación de punto que el intervalo. El límite superior no proporciona un valor inferior probable. El límite inferior no proporciona un valor superior probable.

Por ejemplo, el número medio de pacientes que llegan a una clínica en una hora dada es 4.58. El intervalo de confianza de 95% para el número medio de eventos para múltiples observaciones futuras es de 2.7 a 6.5. El límite superior de 95% para la media es 6.2, que es más preciso porque el límite está más cerca de la media pronosticada.

Bilateral: Utilice un intervalo de confianza bilareral para estimar ambos valores inferior y superior probables para el número medio de eventos.
Límite inferior: Utilice un límite de confianza inferior para estimar un valor probable más bajo para el número medio de eventos.
Límite superior: Utilice un límite de confianza superior para estimar un valor probable más alto para el número medio de eventos.

Residuos para diagnósticos

Los residuos de desviación y de Pearson ayudan a identificar patrones en las gráficas de residuos y valores atípicos. Las observaciones a las que el modelo no se ajusta adecuadamente tienen residuos de desviación y de Pearson altos. Minitab calcula los valores de los residuos para cada patrón distinto de factor/covariable.

Desviación: Los residuos de desviación son una medida de qué tan bien el modelo predice la observación. Los residuos de desviación se suelen preferir para una regresión logística que utiliza la función de enlace logit, porque la distribución de los residuos es más parecida a la distribución de los residuos de los modelos de mínimos cuadrados. La función de enlace logit es la función de enlace más común.
Pearson: Los residuos de Pearson también son una medida de qué tan bien el modelo predice la observación. Un enfoque común para identificar valores atípicos es graficar los residuos de Pearson según el orden de las observaciones en la hoja de trabajo.

Prueba para tabla de ANOVA

Seleccione la prueba para la tabla ANOVA.

Prueba de Wald: La prueba de Wald predeterminada funciona adecuadamente en la mayoría de los casos.
Prueba de relación de verosimilitud: Use esta opción si prefiere la prueba de relación de verosimilitud.

Tipo de desviación

Seleccione una desviación para calcular lo valores de chi-cuadrada y los valores p. Es más común utilizar la desviación ajustada. Utilice la desviación secuencial para determinar la significancia de los términos por el orden en que ingresan al modelo.

Ajustado (tipo III): Mide la reducción en la desviación para cada término con respecto a un modelo que contiene todos los términos restantes.
Secuencial (tipo I): Mide la reducción en la desviación cuando un término se agrega a un modelo que solo contiene los términos que van antes de él.