Tableau de prévision des effets aléatoires pour la fonction Ajuster le modèle à effets mixtes

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour chaque statistique fournie pour la prévision des effets aléatoires.

BLUP

La meilleure prévision non biaisée linéaire (BLUP) pour un niveau spécifique d'un facteur aléatoire décrit l'effet du niveau du facteur sur la réponse. Minitab utilise ces valeurs afin de calculer les valeurs ajustées conditionnelles pour les niveaux donnés des facteurs aléatoires.

Interprétation

Utilisez les BLUP pour évaluer la différence entre les effets du facteur aléatoire aux niveaux donnés sur la réponse. La valeur et le signe de la BLUP pour un niveau spécifique décrit le sens et l'importance de l'effet.

ErT BLUP

L'erreur type de la meilleure prévision non biaisée linéaire (BLUP) pour un niveau spécifique représente le degré d'incertitude relatif à l'effet prévu sur la réponse.

Interprétation

L'erreur type de la BLUP mesure le degré d'incertitude du prédicteur. Elle est utilisée pour calculer la valeur de t, puis pour définir le test déterminant si l'effet à un niveau spécifique est statistiquement différent de 0. Si la valeur de p associée est inférieure au seuil de signification (α), vous pouvez conclure que l'effet au niveau spécifique est différent de 0.

DL pour les BLUP

Les degrés de liberté représentent la quantité d'informations disponible dans les données pour estimer l'intervalle de confiance et définir le test pour la meilleure prévision non biaisée linéaire (BLUP).

Interprétation

Utilisez les DL pour comparer la quantité d'informations disponible sur les BLUP. Généralement, plus le nombre de degrés de liberté est élevé, plus l'intervalle de confiance de la BLUP est étroit.

Intervalle de confiance pour les BLUP (IC à 95 %)

Ces intervalles de confiance (IC) sont des étendues de valeurs ayant de fortes chances de contenir les valeurs réelles de la meilleure prévision non biaisée linéaire (BLUP) pour les termes du modèle.

Les échantillons étant aléatoires, il est peu probable que deux échantillons d'une population donnent des intervalles de confiance identiques. Cependant, si vous prenez de nombreux échantillons aléatoires, un certain pourcentage des intervalles de confiance obtenus contiendra le paramètre de population inconnu. Le pourcentage de ces intervalles de confiance contenant le paramètre est le niveau de confiance de l'intervalle.

L'intervalle de confiance est composé de deux parties :
Estimation ponctuelle
Cette valeur unique estime un paramètre de population à l'aide de vos données échantillons. L'intervalle de confiance est centré sur cette estimation ponctuelle.
Marge d'erreur
La marge d'erreur définit la largeur de l'intervalle de confiance et est déterminée par la variabilité observée dans l'échantillon, l'effectif de l'échantillon et le niveau de confiance. Pour calculer la limite supérieure de l'intervalle de confiance, la marge d'erreur est ajoutée à l'estimation ponctuelle. Pour calculer la limite inférieure de l'intervalle de confiance, la marge d'erreur est soustraite de l'estimation ponctuelle.

Interprétation

L'intervalle de confiance permet d'évaluer l'effet à un niveau spécifique d'un terme aléatoire sur la réponse. Un intervalle qui ne contient pas la valeur 0 indique un effet statistiquement significatif. Si l'intervalle est strictement supérieur à 0, le niveau spécifique a un effet positif sur la réponse. Si l'intervalle est strictement inférieur à 0, l'effet sur la réponse est négatif. Un intervalle contenant la valeur 0 ne prend pas en charge un effet de niveau significatif du terme aléatoire sur la réponse.

Valeur de t

La valeur de t mesure le rapport entre la meilleure prévision non biaisée linéaire (BLUP) et son erreur type.

Interprétation

Minitab utilise la valeur de t pour calculer la valeur de p, qui vous permet de déterminer si des valeurs de BLUP sont significatives.

Vous pouvez utiliser la valeur de t afin de déterminer si l'hypothèse nulle doit être rejetée. Cependant, la valeur de p est plus souvent utilisée, car le seuil de rejet est le même quels que soient les degrés de liberté.

Valeur de p pour les BLUP

La valeur de p est la probabilité qui mesure le degré de certitude avec lequel il est possible d'invalider l'hypothèse nulle. L'hypothèse nulle établit que l'effet à un niveau spécifique d'un facteur aléatoire sur la réponse est 0. De faibles probabilités permettent d'invalider l'hypothèse nulle avec plus de certitude.

Interprétation

Pour déterminer si la meilleure prévision non biaisée linéaire (BLUP) pour un niveau spécifique d'un facteur aléatoire est différente de 0, comparez la valeur de p de la BLUP au seuil de signification.

Valeur de p ≤ α : l'effet est statistiquement différent de 0
Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez conclure que l'effet au niveau spécifique du facteur aléatoire sur la réponse est significativement différent de 0.
Valeur de p > α : l'effet n'est pas statistiquement différent de 0
Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas conclure que l'effet au niveau spécifique du facteur aléatoire sur la réponse est significativement différent de 0.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique