Seleccione los gráficos que desea mostrar para Ajustar modelo de regresióny Regresión lineal

Minitab proporciona un diagrama de Pareto de los efectos para visualizar los resultados de las tablas de coeficiente y ANOVA. Para los términos del modelo, esta gráfica le permite comparar la magnitud relativa de los efectos y evaluar su significancia estadística. Minitab dibuja el diagrama de Pareto cuando el modelo deja al menos 1 grado de libertad para el error.

El umbral de significancia estadística depende del nivel de significancia (denotado por α o alfa). A menos que usted utilice un método de selección escalonado, el nivel de significancia es 1 menos el nivel de confianza del análisis. Para obtener más información sobre cómo cambiar el nivel de confianza, vaya a Seleccione las opciones para Ajustar modelo de regresióny Regresión lineal. Si usa selección hacia atrás o selección escalonada, el nivel de significancia es el nivel de significancia en que Minitab elimina un término del modelo, conocido como Alfa a retirar. Si usa selección hacia adelante, el nivel de significancia es el nivel de significancia en que Minitab agrega un término al modelo, conocido como Alfa a entrar. Para obtener más información sobre las opciones de los métodos escalonados, vaya a Realice una regresión escalonada para Ajustar modelo de regresióny Regresión lineal.

Residuos para las gráficas

Especifique el tipo de residuos que se mostrará en las gráficas de residuos. Para obtener más información, vaya a ¿Qué tipos de residuos se incluyen en Minitab?.

• Regular: Graficar los residuos regulares sin procesar.
• Estandarizado: Graficar los residuos estandarizados.
• Eliminado: Graficar los residuos eliminados studentizados.

Gráficas de residuos

Utilice las gráficas de residuos para determinar si el modelo cumple con los supuestos del análisis. Para obtener más información, vaya a Gráficas de residuos incluidas en Minitab.

• Gráficas de valores individuales: Seleccione las gráficas de residuos que desea mostrar.

  Histograma de los residuos

  Mostrar un histograma de los residuos.

  Gráfica de probabilidad normal de los residuos

  Mostrar una gráfica de probabilidad normal de los residuos.

  Residuos vs. ajustes

  Mostrar los residuos versus los valores ajustados.

  Residuos vs. orden

  Mostrar los residuos versus el orden de los datos. El número de fila para cada punto de los datos se muestra en el eje X.

• Cuatro en uno: Mostrar las cuatro gráficas de residuos juntas en una sola gráfica.

Residuos vs. las variables

Ingrese una o más variables para graficarlas en función de los residuos. Usted puede graficar los siguientes tipos de variables:

• Variables que ya están en el modelo actual, para buscar curvatura en los residuos.
• Variables importantes que no están en el modelo actual, para determinar si están relacionadas con la respuesta.

Cuando utiliza la Selección hacia delante con validación como procedimiento escalonado, Minitab proporciona una gráfica de la estadística de R² para el conjunto de datos de entrenamiento y la estadística de R² de prueba o la estadística de R² escalonado de k pliegues para cada paso del procedimiento de selección del modelo. La visualización de la estadística de R² de prueba o la estadística de R² escalonado de k pliegues depende de si se utiliza un conjunto de datos de prueba o una validación cruzada de k pliegues.

Interpretación

Utilice la gráfica para comparar los valores de las diferentes estadísticas de R² en cada paso. Normalmente, el modelo funciona bien cuando las estadísticas de R² son grandes. Minitab muestra las estadísticas de regresión para el modelo desde el paso que maximiza la estadística de R² de prueba o la estadística de R² de k pliegues. La gráfica muestra si los modelos más simples encajan lo suficientemente bien como para que también puedan ser buenos candidatos.

En un caso en el que el modelo tenga un ajuste excesivo, la estadística de R² de prueba o la estadística de R² escalonado de k pliegues comienza a disminuir a medida que los términos entran en el modelo. Esta disminución ocurre mientras que la estadística de R² de entrenamiento correspondiente o la estadística de R² para todos los datos continúa aumentando. Un modelo con ajuste excesivo se produce cuando se agregan términos para efectos que no son importantes en la población. Un modelo con ajuste excesivo puede no ser útil para hacer predicciones sobre la población. Si un modelo tiene ajuste excesivo, puede considerar los modelos de pasos anteriores.

En la siguiente gráfica se muestra el R² de prueba como ejemplo. Inicialmente, las estadísticas de R² están cerca de 70%. Para los primeros pasos, las estadísticas de R² tienden a aumentar a medida que los términos entran en el modelo. En el paso 6, la estadística de R² de prueba es de aproximadamente 88%. El valor máximo de la estadística de R² de prueba está en el paso 14 y tiene un valor cercano a 90%. Puede considerar si la mejora del ajuste justifica la complejidad adicional al agregar más términos al modelo.

Después del paso 14, mientras que el R² continúa aumentando, el R² de prueba no. La disminución en la prueba de R² después del paso 14 indica que el modelo tiene un ajuste excesivo.