Seleccione las opciones para Ajustar modelo de regresióny Regresión lineal

Estadísticas > Regresión > Regresión > Ajustar modelo de regresión > Opciones

Módulo de análisis predictivo > Regresión lineal > Opciones

En este tema

Ponderaciones
Nivel de confianza para todos los intervalos
Tipo de intervalo de confianza
Suma de cuadrados para las pruebas
Transformación de Box-Cox

Ponderaciones

En Ponderaciones, ingrese una columna numérica de ponderaciones para realizar la regresión ponderada. La regresión ponderada es un método que se puede utilizar cuando se viola el supuesto de varianza constante en los residuos para la regresión de mínimos cuadrados (lo que también se conoce como heterocedasticidad). Con la ponderación correcta, este procedimiento minimiza la suma de los residuos al cuadrado ponderados para producir residuos con una varianza constante (lo que también se conoce como homocedasticidad). Para obtener más información acerca de cómo determinar la ponderación apropiada, vaya a 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 respuestas.

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 intervalo de confianza, un intervalo está más cerca de la estimación de punto que del intervalo. El límite superior no ofrece un valor menor probable. El límite inferior no ofrece un valor superior probable.

Por ejemplo, la concentración media pronosticada de sólidos disueltos en agua es de 13.2 mg/L.. El intervalo de confianza de 95 % para la media de múltiples observaciones futuras es de 12.8 mg/L a 13.6 mg/L.. El límite superior de 95 % de la media de múltiples observaciones futuras es de 13.5 mg/L, que es más preciso porque el límite está más cerca de la media pronosticada.

Bilateral: Utilice un intervalo de confianza bilateral para estimar valores probables tanto inferiores como superiores para la respuesta media.
Límite inferior: Utilice un límite de confianza inferior para estimar un valor probable más bajo para la respuesta media.
Límite superior: Utilice un límite de confianza superior para estimar un valor probable más alto para la respuesta media.

Suma de cuadrados para las pruebas

Seleccione las sumas de cuadrados (SC) a usar para el cálculo del valor F y los valores p.. Es más común utilizar la SC ajustada. Utilice la SC secuencial para determinar la significancia de los términos por el orden en que ingresan al modelo.

Suma de cuadrados para las pruebas

Ajustado (tipo III): Representa la reducción en el error de la suma de cuadrados cuando el término es agregado al modelo que contienen todos los términos restantes.
Secuencial (tipo I): Representa la reducción en el error de las sumas de los cuadrados cuando un término es agregado al modelo que contiene únicamente los términos anteriores.

Transformación de Box-Cox

Aplicar una transformación de Box-Cox a sus datos de respuesta cuando los residuos no estén normalmente distribuidos o no tengan una varianza constante. Cuando usted transforma los datos, Minitab transforma los datos de respuesta y los utiliza en el análisis. En la mayoría de los casos, no es necesario corregir la no normalidad a menos que los datos sean muy asimétricos. Cuando se utiliza una transformación de Box-Cox, todos los datos de respuesta deben ser positivos (>0). Para determinar si la transformación de Box-Cox podría ser apropiada para los datos, revise las gráficas de residuos y otras medidas de diagnóstico. Para obtener más información sobre la revisión del modelo, vaya a Validar los supuestos del modelo en regresión o ANOVA.

Transformación de Box-Cox

Seleccione el valor de lambda que Minitab utiliza para transformar los datos:

Sin transformación: Usar los datos de respuesta originales.
λ óptimo: Usar el valor óptimo de lambda, que debe producir la transformación con el mejor ajuste. Por opción predeterminada, Minitab redondea el valor óptimo de lambda a 0.5 o al entero más cercano. Por ejemplo, Minitab redondea el valor de lambda a –1, –0.5, 0, 0.5, 1, etc. Si se desea utilizar los valores óptimos en lugar de los valores redondeados para la transformación, elija Archivo > Opciones > Modelos lineales > Presentación de resultados.
λ = 0 (logaritmo natural): Usar el logaritmo natural de los datos.
λ = 0.5 (raíz cuadrada): Usar la raíz cuadrada de los datos.
λ: Usar un valor especificado para lambda. Otras transformaciones comunes son el cuadrado (λ = 2), la raíz cuadrada inversa (λ = −0,5) y la inversa (λ = −1). Generalmente, no se debe usar un valor fuera del rango de −2 y 2.