Interpretar los resultados clave para Regresión ortogonal

Complete los siguientes pasos para interpretar un análisis de regresión ortogonal. La salida clave incluye los intervalos de confianza de los coeficientes, la gráfica de línea ajustada y la gráfica de residuos.

En este tema

Paso 1: Determinar si las mediciones de dos instrumentos o métodos son diferentes
Paso 2: Determinar si la línea de regresión se ajusta a los datos

Paso 1: Determinar si las mediciones de dos instrumentos o métodos son diferentes

A menudo se utiliza una regresión ortogonal en química clínica o un laboratorio para determinar si dos instrumentos o métodos proporcionan mediciones comparables. Si el intervalo de confianza para el término constante contiene cero y el intervalo para el término lineal contiene 1, entonces se puede concluir generalmente que las mediciones de los dos instrumentos son comparables.

También debe examinar la gráfica con la línea ajustada para determinar qué tan bien se ajusta el modelo a los datos.

Relación Error - Varianza (Nuevo/Actual): 0.9

Ecuación de regresión
Nuevo = 0.644 + 0.995 Actual

Coeficientes

Predictor	Coef	SE Coef	Z	P	IC de 95% aprox.
Constante	0.64441	1.74470	0.3694	0.712	(-2.77513, 4.06395)
Actual	0.99542	0.01415	70.3461	0.000	(0.96769, 1.02315)

Varianzas del error

Variable	Varianza
Nuevo	1.07856
Actual	1.19840

Resultado clave: IC de 95% apróx.

En estos resultados, el intervalo de confianza para el término constante es aproximadamente (−3, 4). Puesto que el intervalo contiene 0, esta parte del análisis no proporciona evidencia de que las mediciones de los dos instrumentos son diferentes.

El intervalo de confianza para el término lineal es aproximadamente (0.97, 1.02). Puesto que el intervalo contiene 1, esta parte del análisis no proporciona evidencia de que las mediciones de los dos instrumentos son diferentes.

Puesto que ninguno de los intervalos proporciona evidencia de que las mediciones de los dos instrumentos son diferentes, generalmente se concluye que las mediciones son comparables. También debe verificar que el modelo se ajusta a los datos adecuadamente examinando la gráfica con la línea ajustada y la gráfica de los residuos.

Paso 2: Determinar si la línea de regresión se ajusta a los datos

Utilice la gráfica y la línea ajustada para determinar si la ecuación de regresión ortogonal es un ajuste adecuado para los datos. Cuando el modelo se ajusta a los datos, los puntos se encuentran muy cerca de la línea de regresión. En particular, usted puede examinar la gráfica de línea ajustada para ver si se cumplen estos criterios:

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.

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)