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

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.

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.

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.

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.

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.

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 :

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.

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.