Minitab puede utilizar el esquema de codificación (0.1) o (−1, 0, +1) para incluir las variables categóricas en el modelo. El esquema (0,1) es la opción por defecto para el análisis de regresión, mientras que el esquema (−1, 0, +1) es la opción predeterminada para ANOVA y DOE. La elección entre estos dos esquemas no cambia la significancia estadística de las variables categóricas. Sin embargo, el esquema de codificación cambia los coeficientes y la forma cómo interpretarlos.
Verifique el esquema de codificación que se muestra para asegurarse de que se ha realizado el análisis tal como estaba previsto. Interprete los coeficientes para las variables categóricas como sigue:
Si eligió estandarizar los predictores continuos en su modelo, Minitab le proporciona los detalles acerca del método en la tabla Estandarización de los predictores continuos.
Generalmente, se utiliza una estandarización para centrar las variables, para escalar las variables o para ambas. Cuando se centran las variables, se reduce la multicolinealidad causada por los términos polinómicos y los términos de interacción, que mejoran la precisión de las estimaciones de los coeficientes. En la mayoría de los casos, cuando se escalan las variables, Minitab convierte las diferentes escalas de las variables en una escala común, lo que permite comparar el tamaño de los coeficientes.
Cuando usted utiliza una transformación de Box-Cox, la λ (lambda) estimada es el valor óptimo para producir valores de respuesta transformados que estén normalmente distribuidos. Por opción predeterminada, Minitab utiliza el valor redondeado de lambda.
Lambda es el exponente que Minitab utiliza para transformar los datos de respuesta. Por ejemplo, si lambda = -1, entonces todos los valores de respuesta (Y) se transforman como sigue: −Y-1 = −1/Y. Si lambda es igual a 0, este representa el logaritmo natural de Y en lugar de Y0.
Los intervalos de confianza para λ son rangos de valores que probablemente contienen el valor real de λ para la población completa de la cual se obtuvo la muestra.
Puesto que las muestras son aleatorias, es poco probable que dos muestras de una población produzcan intervalos de confianza idénticos. Sin embargo, si toma muchas muestras aleatorias, un determinado porcentaje de los intervalos de confianza resultantes incluirá el parámetro de población desconocido. El porcentaje de estos intervalos de confianza que contiene el parámetro es el nivel de confianza del intervalo.
Utilice el intervalo de confianza para evaluar la estimación de lambda para la muestra.
Por ejemplo, con un nivel de confianza de 95 %, se puede estar un 95% seguro de que el intervalo de confianza contiene el valor de lambda para la población. El intervalo de confianza ayuda a evaluar la significancia práctica de los resultados. Utilice el conocimiento especializado para determinar si el intervalo de confianza incluye valores que tienen significancia práctica para su situación. Si el intervalo es demasiado amplio para ser útil, considere aumentar el tamaño de la muestra.
Por opción predeterminada, Minitab redondea el valor óptimo de λ (lambda) a la mitad más cercana porque estos valores corresponden a una transformación más intuitiva. Si desea utilizar el valor óptimo para la transformación, elija .
Lambda | Transformación |
---|---|
-2 | −Y-2 = −1 / Y2 |
-1 | −Y-1 = −1 / Y |
-0,5 | −Y-0.5 = −1 / (raíz cuadrada de Y) |
0 | logaritmo (Y) |
0,5 | Y0.5 = raíz cuadrada de Y |
1 | Y |
2 | Y2 |
Cuando se utiliza un conjunto de datos de prueba, la tabla muestra el porcentaje de los datos que se encuentran en el conjunto de datos de prueba. Cuando se utiliza la validación cruzada, la tabla muestra el número de pliegues. Cuando se especifica una columna que indica qué observaciones se encuentran en el conjunto de datos de prueba o qué observaciones se encuentran en cada pliegue, la tabla muestra el título de la columna.
Verifique el método de validación que está en los resultados para asegurarse de que haya realizado el análisis tal como estaba previsto.