Méthodes et formules pour les valeurs ajustées et résiduelles pour la fonction Etude de stabilité avec des lots aléatoires

Sélectionnez la méthode ou la formule de votre choix.

Valeur ajustée

Valeur prévue de y, ou , qui est la valeur de réponse moyenne pour les valeurs de prédicteur données, d'après l'équation de régression estimée.

Erreur type de la valeur ajustée marginale (Ajust ErT)

L'erreur type des valeurs ajustées marginales dans le modèle mixte dépend de la méthode de test utilisée pour les effets fixes. Pour les deux méthodes, les erreurs types sont les racines carrées des éléments se trouvant sur la diagonale de la matrice de variance des valeurs ajustées.

Méthode de Kenward-Roger

Approximation de Satterthwaite

Valeurs résiduelles

Une valeur résiduelle est la différence entre une valeur observée et une valeur ajustée. Elle représente la part de l'observation non expliquée par le modèle ajusté. La valeur résiduelle d'une observation est obtenue comme suit :

Lorsque le lot est un facteur aléatoire, Minitab calcule 2 types de valeurs résiduelles. Les valeurs résiduelles marginales utilisent la valeur ajustée correspondant à un lot aléatoire, de sorte que le coefficient du lot n'est pas dans l'équation.

Les valeurs résiduelles conditionnelles utilisent les valeurs ajustées d'un lot inclus dans les données.

Notation

TermeDescription
yiie valeur de réponse observée
ie valeur de réponse ajustée
vecteur des réponses ajustées
Xmatrice de plan pour les effets fixes
vecteur des prédicteurs fixes
Zmatrice de plan pour les facteurs aléatoires
vecteur des valeurs BLUP estimées

Valeurs résiduelles normalisées

Les valeurs résiduelles normalisées sont également appelées "valeurs résiduelles studentisées en interne".

où l'écart type de la valeur résiduelle est la racine carrée de la diagnoale correspondante de la matrice de variance résiduelle :

Notation

TermeDescription
eiie valeur résiduelle
EcTyp(ei)écart type de la ie valeur résiduelle

Intervalle de confiance

Etendue de valeurs dans laquelle la réponse moyenne estimée d'un ensemble de valeurs de prédicteurs devrait se trouver.

L'erreur type des valeurs ajustées du modèle mixte est la racine carrée des éléments diagonaux de la matrice suivante :

Les degrés de liberté peuvent être obtenus par la formule suivante lorsque le lot est un facteur aléatoire :

Notation

TermeDescription
t1-α/2, dlQuantile 1–α/2 de la loi t avec le nombre de degrés de liberté donné
erreur type de la valeur ajustée
Xmatrice du plan, contenant la constante
X' transposition de X
composante de variance pour l'erreur
composante de variance pour le ie facteur aléatoire
Zimatrice n x mi des codages connus pour le ie effet aléatoire du modèle
Zi'transposition de Zi
Inmatrice d'identité avec n lignes et colonnes
xivaleurs de prédicteur pour l'ajustement ou la prévision
Wmatrice de variance/covariance asymptotique de la composante de variance pour l'erreur
cnombre d'effets aléatoires dans le modèle

Intervalle de prévision

Etendue de valeurs dans laquelle la réponse prévue pour une nouvelle observation a de fortes chances de se trouver. Le calcul de l'intervalle de prévision dépend de l'ajustement étudié : l'ajustement marginal ou l'ajustement conditionnel.

Ajustement marginal

Les degrés de liberté pour la statistique t sont obtenus avec la formule suivante :

Ajustement conditionnel

Les degrés de liberté pour la statistique t sont calculés comme suit :

Notation

TermeDescription
Quantile 1–α/2 de la loi t avec le nombre de degrés de liberté donné
vecteur des nouvelles valeurs des prédicteurs aléatoires
composante de variance pour l'erreur
vecteur des nouvelles valeurs des prédicteurs fixes
composante de variance pour le ie facteur aléatoire
Immatrice d'identité avec m lignes et colonnes
mnombre de colonnes dans la matrice de plan pour représenter le ie terme aléatoire du modèle
cnombre d'effets aléatoires dans le modèle
Zimatrice de plan n x mi pour le ie effet aléatoire du modèle
Z'itransposition de Zi
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique