Valeurs ajustées et prévisions pour Régression orthogonale

Valeur ajustée pour le prédicteur (X)

La valeur ajustée pour la variable de prédicteur tient compte de l'incertitude dans la valeur de prédicteur.

Interprétation

Utilisez la valeur ajustée pour le prédicteur afin d'étudier toute valeur résiduelle aberrante. Si la valeur ajustée de la variable de prédicteur est beaucoup plus élevée ou plus faible que la valeur observée, recherchez-en la cause.

Valeur ajustée pour la réponse (Y)

La valeur ajustée pour la variable de réponse tient compte de l'incertitude dans les variables de réponses et de prédicteurs.

Interprétation

Utilisez la valeur ajustée pour la variable de réponse afin d'étudier toute valeur résiduelle aberrante. Si la valeur ajustée de la variable de réponse est beaucoup plus élevée ou plus faible que la valeur observée, recherchez-en la cause.

Valeurs résiduelles

Une valeur résiduelle est la différence entre la valeur observée et la valeur ajustée.

Interprétation

Examinez les valeurs résiduelles pour déterminer le degré d'ajustement du modèle aux données. De manière générale, les valeurs résiduelles doivent être distribuées de manière aléatoire sans aucun schéma clair ni aucune valeur aberrante. Si une valeur résiduelle est aberrante, vous pouvez déterminer si cela est dû à la valeur de X ajustée et/ou à la valeur de Y ajustée.

Valeurs résiduelles normalisées

La valeur résiduelle normalisée est égale à la valeur résiduelle (ei) divisée par une estimation de son écart type.

Interprétation

Utilisez les valeurs résiduelles normalisées pour détecter les valeurs aberrantes. Les valeurs résiduelles normalisées supérieures à 2 et inférieures à −2 justifient généralement une étude plus poussée.

Les valeurs résiduelles normalisées sont utiles, car les valeurs résiduelles brutes ne permettent pas toujours de détecter les valeurs aberrantes. La variance de chaque valeur résiduelle brute peut être différente en fonction des valeurs X qui lui sont associées. Il est donc difficile d'évaluer les tailles des valeurs résiduelles brutes. La normalisation des valeurs résiduelles résout ce problème en transformant les différentes variances selon une échelle commune.

Prévu

La valeur prévue est la valeur de la variable de réponse au niveau d'un nouveau paramètre de la variable de prévision.

Interprétation

Utilisez la valeur prévue pour estimer une nouvelle valeur de réponse.

EcTyp

L'écart type de la valeur prévue mesure le degré de précision de l'estimation des nouvelles données par le modèle. Les écarts types pour toutes les valeurs prévues sont égaux.

Interprétation

Utilisez l'écart type de la valeur prévue pour mesurer la précision de l'estimation d'une prévision. Plus l'écart type est petit, plus la prévision est précise. Les écarts types sont toujours positifs.

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