En este tema
Gráfica con línea ajustada
La gráfica con la línea ajustada muestra la respuesta y los datos de los predictores. La gráfica incluye la línea de regresión ortogonal, que representa la ecuación de regresión ortogonal.
Usted también puede elegir mostrar la línea ajustada de los mínimos cuadrados en la gráfica para comparación. Diferencias más grandes entre las dos líneas indican en qué medida los resultados dependen de si usted explica la incertidumbre en los valores de la variable predictora. Los valores de los mínimos cuadrados son iguales a los valores pronosticados para la regresión ortogonal, por lo que también puede utilizar la línea de mínimos cuadrados para examinar los valores pronosticados.
Interpretación
- La muestra contiene un número adecuado de observaciones a lo largo de todo el rango de valores predictores.
- La muestra no contiene ninguna curvatura a la que el modelo no se ajuste.
- La muestra no contiene valores atípicos, que pueden tener un gran efecto sobre los resultados. Intente identificar la causa de cualesquiera valores atípicos. Corrija cualquier error de entrada de datos o de medición discernible. Considere eliminar los valores de datos que estén asociados con eventos anormales y únicos (causas especiales). Luego, repita el análisis.
La regresión ortogonal suele utilizarse en química clínica o en laboratorios para determinar si dos instrumentos o métodos proporcionan mediciones comparables.
Esta gráfica muestra un ejemplo de mediciones de dos instrumentos o métodos que son comparables. Los puntos siguen la línea ajustada con mínima dispersión y sin ningún patrón que revele diferencias sistemáticas entre los métodos.
En los resultados siguientes, los intervalos de confianza para los coeficientes no proporcionan evidencia de que las mediciones de los dos instrumentos son diferentes. Sin embargo, la gráfica muestra que los puntos no se encuentran cerca de la línea, lo que indica que las mediciones de los dos instrumentos no son comparables. Puesto que los datos no se ajustan a la ecuación, la conclusión común es que los instrumentos difieren.
Coeficientes
| Predictor | Coef | SE Coef | Z | P | IC de 95% aprox. |
|---|---|---|---|---|---|
| Constante | -0.00000 | 0.215424 | -0.0000 | 1.000 | (-0.422224, 0.42222) |
| Nuevo | 1.00000 | 0.517586 | 1.9320 | 0.053 | (-0.014450, 2.01445) |
Histograma de los residuos
El histograma de los residuos muestra la distribución de los residuos para todas las observaciones.
Interpretación
| Patrón | Lo que podría indicar el patrón |
|---|---|
| Una cola larga en una dirección | Asimetría |
| Una barra que está muy alejada de las otras barras | Un valor atípico |
La regresión ortogonal suele utilizarse en química clínica o en laboratorios para determinar si dos instrumentos o métodos miden lo mismo. Cuando el modelo no cumple con los supuestos, una explicación es que los métodos no miden lo mismo.
Puesto que el aspecto de un histograma depende del número de intervalos utilizados 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.
Un histograma es más efectivo cuando usted tiene aproximadamente 20 o más puntos de datos. Si la muestra es demasiado pequeña, entonces cada barra del histograma no contiene suficientes puntos de los datos para revelar asimetría o valores atípicos de una manera fiable.
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.
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.
La regresión ortogonal suele utilizarse en química clínica o en laboratorios para determinar si dos instrumentos o métodos miden lo mismo. Si observa un patrón no normal, una explicación es que los métodos no miden lo mismo. Además, examine las otras gráficas de residuos para verificar si hay otros problemas con el modelo, como 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 representa los residuos en el eje Y los valores ajustados del prodictor en el eje X.
La regresión ortogonal suele utilizarse en química clínica o en laboratorios para determinar si dos instrumentos o métodos miden lo mismo. Cuando el modelo no cumple con los supuestos, una explicación es que los métodos no miden lo mismo.
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 | Varianza no constante |
| Curvilíneo | Un término de orden superior faltante |
| 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).
Residuos vs. orden
La gráfica de residuos vs. orden muestra los residuos en el orden en que se recopilaron los datos.
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.
Interpretación
La regresión ortogonal suele utilizarse en química clínica o en laboratorios para determinar si dos instrumentos o métodos miden lo mismo. Los patrones en una gráfica de residuos en función de la variable de respuesta o la variable predictora pueden aclarar en qué se diferencia un método del otro.
En estos resultados, la gráfica de residuos vs. ajustes muestra un patrón donde todos los residuos altos están en el medio de la gráfica. Una gráfica de los residuos vs. la variable de respuesta aclara que a medida que aumentan las lecturas del nuevo método, empeora la coincidencia con el otro método.
