Méthodes pour la fonction Ajuster le modèle de Poisson

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour le tableau des méthodes.

Sur ce thème

Codage des prédicteurs de catégorie
Normalisation des prédicteurs continus
Fonction de liaison
Validation

Codage des prédicteurs de catégorie

Minitab peut utiliser le schéma de codage (0, 1) ou (−1, 0, +1) pour intégrer des variables de catégorie dans le modèle. Le schéma (0, 1) est celui utilisé par défaut pour l'analyse de régression tandis que le schéma (−1, 0, +1) est celui utilisé par défaut pour l'ANOVA et les plans d'expériences. Le choix entre ces deux schémas ne modifie par la signification statistique des variables de catégorie. En revanche, le schéma de codage modifie les coefficients et la manière de les interpréter.

Interprétation

Vérifiez quel est le schéma de codage affiché pour vous assurer que vous avez effectué l'analyse que vous vouliez. Interprétez les coefficients pour les variables de catégorie de la manière suivante :

Avec le schéma de codage (0, 1), chaque coefficient représente la différence entre la moyenne de chaque niveau et la moyenne du niveau de référence. Le coefficient associé au niveau de référence n'est pas affiché dans le tableau Coefficients.
Avec le schéma de codage (−1, 0, +1), chaque coefficient représente la différence entre la moyenne de chaque niveau et la moyenne globale.

Normalisation des prédicteurs continus

Si vous souhaitez normaliser les prédicteurs continus de votre modèle, Minitab fournit des détails sur la façon de procéder dans le tableau Normalisation des prédicteurs continus.

En général, la normalisation est utilisée pour centrer les variables, les mettre à l'échelle ou les deux. Lorsque vous centrez des variables, vous réduisez la multicolinéarité produite par les termes polynomiaux et d'interaction, ce qui améliore la précision des estimations de coefficients. Dans la plupart des cas, lorsque vous mettez des variables à l'échelle, Minitab convertit les différentes variables sur une échelle commune, ce qui vous permet de comparer les coefficients.

Interprétation

Utilisez le tableau sur la méthode de normalisation pour vérifier que vous avez effectué l'analyse comme vous le souhaitiez. En fonction de la méthode choisie, vous devrez peut-être interpréter les coefficients différemment, comme suit :

Spécifier les niveaux inférieur et supérieur pour coder comme -1 et +1: Cette méthode permet à la fois de centrer les variables et de les mettre à l'échelle. Chaque coefficient représente la variation attendue pour la moyenne de la réponse transformée, étant donné que le prédicteur varie d'une unité sur l'échelle codée. Par exemple, le coefficient représente la variation de la moyenne de la réponse transformée lorsque le prédicteur passe de 0 à +1.
Soustraire la moyenne et diviser par l'écart type: Cette méthode permet à la fois de centrer les variables et de les mettre à l'échelle. Chaque coefficient représente la variation prévue pour la moyenne de la réponse transformée, étant donné que la variable de prédiction varie d'un écart type.
Soustraire la moyenne: Cette méthode permet de centrer les variables. Chaque coefficient représente la variation prévue pour la moyenne de la réponse transformée, étant donné que le prédicteur varie d'une unité.
Diviser par l'écart type: Cette méthode permet de mettre les variables à l'échelle. Chaque coefficient représente la variation prévue pour la moyenne de la réponse transformée, étant donné que la variable de prédiction varie d'un écart type.
Soustraire une valeur spécifiée, puis diviser par une autre: Cette méthode centre ou met à l'échelle les variables en fonction des valeurs spécifiées. Chaque coefficient représente la variation prévue pour la moyenne de la réponse transformée, étant donné que la variable de prédiction varie en fonction du diviseur. Par exemple, si vous divisez par 4, le coefficient représente une augmentation de 4 dans l'échelle de mesure d'origine.

L'interprétation exacte des coefficients dépend également d'autres aspects de l'analyse, comme la fonction de liaison.

Fonction de liaison

Minitab offre trois fonctions de liaison :

Fonction de liaison logarithmique
Fonction de liaison de racine carrée
Fonction de liaison d'identité

Interprétation

Utilisez la fonction de liaison pour trouver le modèle qui s'ajuste le mieux à vos données. Utilisez les statistiques d'adéquation de l'ajustement pour comparer les ajustements obtenus par différentes fonctions de liaison. Le choix de certaines fonctions de liaison peut dépendre de raisons historiques ou de leur signification particulière dans une discipline.

Validation

Lorsque vous utilisez un ensemble de données de test, le tableau affiche le pourcentage des données qui se trouvent dans l'ensemble de données de test. Lorsque vous utilisez la validation croisée, le tableau affiche le nombre de partitions. Lorsque vous spécifiez une colonne qui indique les observations se trouvant dans l'ensemble de données de test ou dans chaque partition, le tableau affiche le titre de la colonne.

Interprétation

Vérifiez la méthode de validation utilisée dans les résultats pour vous assurer que vous avez effectué l'analyse que vous vouliez.