Especifique a codificação de fatores e covariáveis para Ajustar modelo linear generalizado

Estat > ANOVA > Modelo Linear Generalizado > Ajuste de Modelo Linear Generalizado > Codificando

Codificação para fatores

Codificação para fatores
Para realizar a análise, o Minitab precisa recodificar os fatores usando um de dois métodos. Considere alterar o método com base no fato de você comparar os níveis do fator com média global ou com a média de um nível de referência. O esquema de codificação não altera o teste do efeito global do fator. Para obter mais informações, vá para Interpretando preditores categóricos.
  • (-1, 0, +1): Opte por estimar a diferença entre cada nível médio e a média global.
  • (1, 0): Opte por estimar a diferença entre cada nível médio e a média de nível de referência. Se você optar pelo esquema de codificação (1, 0), a tabela de nível de referência passa para o estado de ativa na caixa de diálogo.
Tabela de nível de referência
Fator
Mostra todos os nomes dos fatores em seu modelo. Esta coluna não aceita nenhuma entrada.
Nível de referência
O Minitab compara as médias de nível de não referência com o nível de referência. Alterar o nível de referência não afeta a significância global, mas isso pode tornar a interpretação dos coeficientes mais significativa.
Para fatores com a codificação 1, 0, por padrão, o Minitab define os seguintes níveis de referência com base no tipo de dados:
  • Para fatores numéricos, o nível de referência é o nível com o menor valor numérico.
  • Para fatores de data/hora, o nível de referência é o nível com a menor data/hora.
  • Para fatores de texto, o nível de referência é o nível que seja o primeiro na ordem de valor, que é a ordem alfabética, por padrão.

Padronizar covariáveis

É possível determinar se as covariáveis devem ser padronizadas. As covariáveis padronizadas são utilizadas apenas para ajustar o modelo e não são armazenadas na worksheet.

A padronização das covariáveis pode melhorar a interpretação do modelo para condições específicas. Você pode padronizar os covariáveis usando os seguintes métodos:
  • Centralize as covariáveis subtraindo a média: este método ajuda a reduzir a multicolinearidade, o que melhora a precisão das estimativas dos coeficientes. Este método é útil quando o seu modelo contém preditores altamente correlacionados devido a termos de ordem superior e termos de interação. Cada coeficiente representa a mudança esperada na resposta dada a mudança de uma unidade em um preditor, utilizando a escala de medição original.
  • Padronize as covariáveis dividindo com seus desvios padrão correspondentes. Este método permite que você compare o tamanho dos coeficientes porque eles usam uma escala comparável. Esta abordagem é útil quando você quer saber quais covariáveis têm um efeito maior, enquanto controlam as diferenças na escala. No entanto, cada coeficiente representa a mudança esperada na resposta dada a uma mudança de desvio padrão na covariável.
Use um dos seguintes métodos para padronizar as covariáveis:
  • Não padronizar: Use os dados originais para as covariáveis.
  • Especificar níveis inferior e superior para codificar como -1 e +1: Use para centralizar as covariáveis e para colocá-las em uma escala comparável. Todos os valores que se situam entre os valores baixos e altos que você especificar são transformados para ficar entre -1 e +1. Na tabela, digite os valores baixos e altos ou utilize os valores máximos e mínimos padrão na amostra.
    Covariável
    Exiba os nomes de todas as covariáveis em seu modelo. Esta coluna não aceita nenhuma entrada.
    Inferior
    Insira um valor para código como -1. O padrão é o valor mínimo na amostra.
    Superior
    Insira um valor para código como -1. O padrão é o valor máximo na amostra.
  • Subtrai a média e divide pelo desvio padrão: Use para centralizar as covariáveis e para colocá-las em uma escala comparável.
  • Subtrair a média: Use para centralizar as covariáveis.
  • Dividir pelo desvio padrão: Use uma escala comparável para todas as covariáveis.
  • Subtrair um valor especificado e dividir por outro: Especificar outros valores em vez de usar a média as estimativas de desvio padrão da amostra.
    Covariável
    Exiba os nomes de todas as covariáveis em seu modelo. Esta coluna não aceita nenhuma entrada.
    Subtrair
    Insira o valor para subtrair de cada covariável.
    Dividir por
    Insira o valor que Minitab usa para dividir o resultado da subtração.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política