Tableau récapitulatif du modèle pour la fonction Ajuster le modèle à effets mixtes

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour chaque statistique dans le tableau de récapitulatif du modèle.

S

S correspond à l'écart type estimé du terme d'erreur. Lorsque la valeur de S est faible, l'équation ajustée conditionnelle décrit mieux la réponse au niveau des paramètres de facteurs sélectionnés. Cependant, une valeur de S ne décrit pas à elle seule l'adaptation du modèle. Vous devez également examiner les résultats principaux des autres tableaux et les diagrammes des valeurs résiduelles.

R carré

R2 représente le pourcentage de variation de la réponse expliqué par le modèle. Cette valeur est calculée comme 1 moins le rapport de la somme des carrés de l'erreur (variation non expliquée par le modèle) sur la somme totale des carrés (variation totale du modèle).

Interprétation

Utilisez la valeur R2 pour déterminer l'ajustement du modèle à vos données. Plus la valeur de R2 est élevée, plus la variation des valeurs de réponse est expliquée par le modèle. R2 est toujours compris entre 0 et 100 %.

Prenez en compte les problèmes suivants lors de l'interprétation de la valeur de R2 :
  • En supposant que les modèles ont la même structure de covariance, la valeur de R2 augmente lorsque vous ajoutez des facteurs fixes ou des covariables supplémentaires. Par conséquent, R2 est surtout utile pour comparer des modèles de même taille.

  • Les petits échantillons ne fournissent pas d'estimation précise de la force de la relation entre la réponse et les prédicteurs. Pour obtenir une valeur R2 plus précise, vous devez utiliser un échantillon plus grand (en général, 40 ou plus).

  • R2 n'est qu'une des mesures de l'ajustement du modèle aux données. Même si un modèle a une valeur R2 élevée, vous devez consulter les graphiques des valeurs résiduelles pour vérifier que le modèle respecte les hypothèses.

R carré (ajust)

Utilisez la valeur de R2 ajusté pour comparer des modèles ayant la même structure de covariance, mais un nombre de facteurs fixes et de covariables différent. En supposant que les modèles ont la même structure de covariance, la valeur de R2 augmente lorsque vous ajoutez des facteurs fixes ou des covariables supplémentaires. La valeur de R2 ajusté intègre le nombre de facteurs fixes et de covariables du modèle pour vous aider à choisir le modèle correct.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique