Toutes les statistiques pour la fonction Prévoir pour Ajuster le modèle à effets mixtes

Trouvez des définitions et une interprétation pour les statistiques fournies avec l'analyse de prévision.

Equation ajustée marginale et conditionnelle

Utilisez les équations ajustées marginales pour estimer les moyennes de population de la réponse à différents niveaux des facteurs fixes et différentes valeurs des covariables. Les équations ajustées marginales supposent que les moyennes des facteurs aléatoires sont égales à zéro.

Utilisez les équations conditionnelles pour calculer les moyennes conditionnelles de la réponse à des niveaux spécifiques des facteurs fixes et aléatoires, ce qui implique la présence de conditions sur les niveaux donnés des facteurs aléatoires.

Etant donné qu'un modèle à effets mixtes inclut des facteurs, les équations ajustées sont indiquées dans un tableau pour toutes les combinaisons de niveaux des facteurs du modèle.

Configuration

Minitab utilise les équations ajustées et les paramètres des variables pour calculer les ajustements. Si les valeurs des variables sont aberrantes par rapport aux données utilisées par Minitab pour estimer le modèle, un avertissement est affiché sous la prévision.

Utilisez le tableau des valeurs des variables pour vérifier que vous avez effectué l'analyse tel que prévu.

Valeur ajustée

Les ajustements conditionnels sont les estimations des valeurs de réponse moyenne pour les paramètres des facteurs fixes et des facteurs aléatoires donnés dans le fichier de données. Les ajustements conditionnels sont calculés à partir des équations ajustées conditionnelles.

Les ajustements marginaux représentent les réponses moyennes à différents niveaux de facteurs fixes. Les ajustements marginaux sont calculés à partir des équations ajustées marginales.

ErT ajust

L'erreur type de l'ajustement (ErT ajust) estime la variation de la réponse moyenne estimée pour les valeurs de variables spécifiées. Le calcul de l'intervalle de confiance de la réponse moyenne utilise l'erreur type de la valeur ajustée. Les erreurs types ne sont jamais négatives.

DL IC

Les degrés de liberté (DL) pour l'intervalle de confiance (IC) représentent la quantité d'informations disponible dans les données pour estimer l'intervalle de confiance pour la réponse moyenne.

Interprétation

Utilisez les DL pour comparer la quantité d'informations disponible sur les différentes moyennes conditionnelles et marginales. Généralement, plus le nombre de degrés de liberté est élevé, plus l'intervalle de confiance pour la moyenne est étroit. Les erreurs types étant différentes pour les moyennes, l'intervalle de confiance d'une moyenne ayant un nombre plus important de degrés de liberté n'est pas forcément plus étroit que celui d'une moyenne ayant moins de degrés de liberté.

Intervalle de confiance (IC)

Ces intervalles de confiance (IC) sont des étendues de valeurs ayant de fortes chances de contenir les réponses moyennes conditionnelles et marginales correspondantes.

Les échantillons étant aléatoires, il est peu probable que deux échantillons d'une population donnent des intervalles de confiance identiques. Cependant, si vous prélevez de nombreux échantillons, 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
L'estimation ponctuelle est l'estimation du paramètre calculé à partir des données échantillons. L'intervalle de confiance est centré sur cette valeur.
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

Les intervalles de confiance permettent d'évaluer si les réponses moyennes conditionnelles et marginales sont statistiquement supérieures, inférieures ou égales à une valeur spécifique. Vous pouvez également utiliser les intervalles de confiance pour déterminer une étendue de valeurs pour les réponses moyennes conditionnelles et marginales inconnues correspondantes.

DL IP

Les degrés de liberté (DL) de l'intervalle de prévision (IP) représentent la quantité d'informations disponible dans les données pour estimer l'intervalle de prévision correspondant.

Intervalle de prévision (IP)

L'intervalle de prévision est une étendue ayant de fortes chances de contenir une réponse future pour une combinaison de paramètres de variables sélectionnée. Si vous collectez un autre point de données au niveau du même paramètre de variable, le nouveau point de données est susceptible d'être compris dans l'intervalle de prévision. Plus les intervalles de prévision sont réduits, plus la prévision est précise.

Interprétation

Utilisez les intervalles de prévision pour évaluer la précision des prévisions. Les intervalles de prévision vous aident à évaluer la signification pratique de vos résultats. Si un intervalle de prévision s'étend au-delà des limites acceptables, les prévisions peuvent ne pas être suffisamment précises pour vos exigences.

Utilisez l'intervalle de prévision marginale lorsque vous ignorez les niveaux réels des facteurs aléatoires. Utilisez l'intervalle de prévision conditionnelle lorsque vous connaissez la combinaison spécifique des paramètres des facteurs aléatoires.

Dans ces résultats, les intervalles de prévision indiquent que vous pouvez être sûr à 95 % qu'un seul nouveau rendement pour la variété 1 de luzerne dans le champ 1 sera compris entre 3,462 et 4,309 et qu'un seul nouveau rendement pour la variété 1 de luzerne dans un champ sélectionné de façon aléatoire sera compris entre 2,536 et 4,424.

Prévision pour Rendement

Informations sur le modèle à effets mixtes Termes Terrain Variété
Configuration Variable Configuration Terrain 1 Variété 1
Prévision Valeur Type ajustée ErT ajust DL IC IC à 95 % DL IP IP à 95 % Conditionnel 3,885 0,103 15,58 (3,666; 4,104) 15,16 (3,462; 4,309) Marginal 3,480 0,163 4,92 (3,058; 3,902) 4,92 (2,536; 4,424)
Type Conditionnel Marginal X X indique un point inhabituel compte tenu des niveaux des prédicteurs utilisés pour ajuster le modèle.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique