Tabela Resumo do Modelo de Modelo de efeitos mistos de ajuste

Encontre definições e orientações para a interpretação para cada estatística na tabela do resumo do modelo.

S

S é o desvio padrão estimado do termo de erro. Quanto menor é o valor de S, melhor a equação ajustada condicional descreve a resposta nas configurações de fatores selecionadas. No entanto, um valor de S por si, não descreve completamente a adequação do modelo. Analise também os principais resultados de outras tabelas e os gráficos de resíduos.

R2

R2 representa a porcentagem de variação na resposta que é explicada pelo modelo. Ele é calculado como 1 menos a razão da soma dos quadrados dos erros (que é a variação que não é explicada pelo modelo) para a soma total dos quadrados (que é a variação total no modelo).

Interpretação

Use R2 para determinar se o modelo ajusta bem os dados. Quanto mais alto for o valor de R2, mais variação nos valores de resposta será explicada pelo modelo. O valor de R2 está sempre entre 0 e 100%.

Considere as seguintes questões ao interpretar o valor de R2:
  • Assumindo-se que os modelos tenham a mesma estrutura de covariância, R2 aumenta quando você adiciona mais fatores fixos versus covariáveis. Portanto, R2 é mais útil quando for comparado a modelos do mesmo tamanho.

  • Amostras pequenas não fornecem uma estimativa precisa da força da relação entre a resposta e os preditores. Se você precisar que R2 seja mais exato, deve usar uma amostra maior (geralmente, 40 ou mais).

  • R2 é apenas uma medida de o quão bem o modelo ajusta os dados. Mesmo quando um modelo tem um R2 elevado, você deve verificar os gráficos de resíduos para conferir se o modelo satisfaz os pressupostos do modelo.

R2 (aj)

Use o R2 ajustado quando quiser comparar modelos com a mesma estrutura de covariância, mas tiver um número diferente de fatores fixos e covariáveis. Assumindo-se que os modelos tenham a mesma estrutura de covariância, R2 aumenta quando você adiciona mais fatores fixos versus covariáveis. O valor de R2 ajustado incorpora o número de fatores fixos e covariáveis no modelo para ajudá-lo a escolher o modelo correto.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política