Gráficos de resíduos para Análise de Variabilidade

Encontre definições e orientação de interpretação para cada gráfico de resíduo.

Histograma de resíduos

O histograma dos resíduos mostra a distribuição dos resíduos padronizados para todas as observações.

Interpretação

Use o histograma dos resíduos para determinar se os dados são assimétricos ou se incluem outliers. Os padrões na seguinte tabela podem indicar que o modelo não atende às suposições do modelo.
Padrão O que o padrão pode indicar
Uma longa cauda em uma direção Assimetria
Uma barra que está longe das outras barras Um outlier

Como a aparência de um histograma depende do número de intervalos usado para agrupar os dados, não use um histograma para avaliar a normalidade dos resíduos.

Um histograma é mais eficaz quando você tem aproximadamente 20 ou mais pontos de dados. Se a amostra é muito pequena, então cada barra no histograma não contém pontos de dados suficientes para confiavelmente mostrar assimetria ou outliers.

Resíduos versus ajustes

O gráfico de resíduos versus ajustes representa graficamente os resíduos no eixo Y e os valores ajustados no eixo X.

Interpretação

Use o gráfico de resíduos versus ajustes para verificar a pressuposição de que os resíduos são aleatoriamente distribuídos e têm variância constante. De maneira ideal, os pontos devem cair aleatoriamente em ambos os lados de 0, sem padrões reconhecíveis nos pontos.

Os padrões na seguinte tabela podem indicar que o modelo não atende às suposições do modelo.
Padrão O que o padrão pode indicar
Dispersão grande ou irregular de resíduos entre valores ajustados Variância não constante
Curvilíneo Um termo de ordem mais alta ausente
Um ponto que está distante de zero Um outlier
Um ponto que é distante dos outros pontos na direção x Um ponto influente
Os gráficos a seguir mostram um outlier e uma violação do pressuposto de que a variância dos resíduos é constante.
Gráfico com outlier

Um dos pontos é muito maior do que todos os outros pontos. Portanto, a questão é um outlier. Se houver muitos outliers, o modelo pode não ser aceitável. Você deve tentar identificar a causa de todos os outliers. Corrija os erros de entrada de dados ou de medição. Considere a remoção de valores de dados que estejam associados a eventos anormais que ocorrem somente uma vez (causas especiais). Em seguida, repita a análise.

Gráfico com variância não constante

A variância dos resíduos aumenta com os valores ajustados. Observe que, como o valor dos ajustes aumenta, a dispersão entre os resíduos se torna mais ampla. Este padrão indica que as variâncias dos resíduos são desiguais (não constante).

Se você identificar outliers em seu gráfico de resíduos versus ajustes, considere as seguintes soluções:
  1. Verifique se a observação não é um erro de medição ou erro de entrada de dados.
  2. Considere fazer a análise sem esta observação para determinar como ela impacta seus resultados.

Resíduos x ordem

O gráfico de resíduos versus ordem mostra os resíduos na ordem em que os dados foram coletados.

Interpretação

Use o gráfico de resíduos versus ordem para verificar o pressuposto de que os resíduos são independentes um do outro. Resíduos independentes não mostram tendências nem padrões quando exibidos em ordem temporal. Os padrões nos pontos podem indicar que os resíduos próximos uns dos outros podem ser correlacionados e, portanto, não são independentes. De maneira ideal, os resíduos no gráfico devem cair aleatoriamente em torno da linha central:
Se você vir um padrão, investigue a causa. Os seguintes tipos de padrões podem indicar que os resíduos são dependentes.
Tendência
Turno
Ciclo

Resíduos em função de variáveis

O gráfico de resíduos versus variáveis apresenta os resíduos comparados com outras variáveis. A variável já pode estar incluída em seu modelo. Ou, a variável pode não estar no modelo, mas você suspeita que afeta a resposta.

Interpretação

Se a variável já estiver incluída no modelo, use o gráfico para determinar se você deve adicionar um termo de ordem mais alta da variável. Se a variável ainda não estiver incluída no modelo, use o gráfico para determinar se a variável está afetando a resposta de uma maneira sistemática.

Estes padrões podem identificar uma importante variável ou termo.
Padrão O que o padrão pode indicar
Padrão em resíduos A variável afeta a resposta de forma sistemática. Se a variável não estiver em seu modelo, inclua um termo para aquela variável, e torne a ajustar o modelo.
Curvatura nos pontos Um termo de ordem mais alta da variável deve ser incluído no modelo. Por exemplo, um padrão curvado indica que você deve adicionar um termo quadrado.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política