Falta de ajuste y pruebas de falta de ajuste

¿Qué es falta de ajuste?

Un modelo de regresión exhibe falta de ajuste cuando no puede describir adecuadamente la relación funcional entre los factores experimentales y la variable de respuesta. La falta de ajuste puede ocurrir si no se incluyen términos importantes del modelo, tales como términos de interacción o cuadráticos. Igualmente puede ocurrir si el ajuste del modelo produce varios residuos extrañamente grandes.

Prueba de falta de ajuste en Minitab

Minitab muestra la prueba de falta de ajuste cuando los datos contienen réplicas (múltiples observaciones con valores de X idénticos). Las réplicas representan el "error puro", porque solo la variación aleatoria puede causar diferencias entre los valores de respuesta observados.

Para determinar si el modelo se ajusta a los datos con exactitud, compare el valor p (Valor P) con el nivel de significancia. Por lo general, un nivel de significancia (también conocido como alfa o α) de 0.05 funciona adecuadamente. Un α de 0.05 significa que la probabilidad de concluir que el modelo no se ajusta los datos cuando realmente lo hace es de solo 5%.

Valor p < α: El modelo no se ajusta a los datos: Si el valor p es menor que o igual a α, usted concluye que el modelo no se ajusta a los datos con exactitud. Para obtener un mejor modelo, es posible que tenga que agregar términos o transformar los datos.
Valor p > α: No hay evidencia de que el modelo no se ajuste a los datos: Si el valor p es mayor que α, usted no puede concluir que el modelo no se ajusta adecuadamente a los datos.