Tabela Deviance para Gráfico de linha ajustada binária

Encontre definições e orientações de interpretação para cada estatística na tabela Deviance.

DF

Os graus de liberdade (DF) totais são a quantidade de informações em seus dados. A análise usa essas informações para estimar os valores dos parâmetros da população desconhecidos. O DF total é 1 a menos que o número de linhas nos dados. O DF de um termos mostra quanta informação aquele termo usa. Aumentar o número de termos em seu modelo usa mais informações, o que diminui o DF de erros. O DF de erros está na informação disponível para estimar os parâmetros.

Dev. aj.

Os deviances ajustados são medidas de variação de diferentes componentes do modelo. A ordem das preditoras no modelo não afetam o cálculo dos deviances ajustados. Na tabela Deviance, o Minitab separa o deviance em diferentes componentes que descrevem o deviance de diferentes fontes.

Regressão
O deviance ajustado do modelo de regressão quantifica a diferença entre o modelo atual e o modelo completo.
Termo
O deviance ajustado de um termo quantifica a diferença entre um modelo com aquele termo e o modelo completo.
Erro
O deviance ajustado do erro quantifica o deviance que o modelo não explica.
Total
O deviance ajustado total é a soma do deviance ajustado do modelo e o deviance ajustado do erro. O deviance ajustado total quantifica o deviance total nos dados.

Interpretação

O Minitab usa os deviances ajustados para calcular o valor-p de um termo. O Minitab também usa os deviances ajustados para calcular a estatística R2 do deviance. Normalmente, você interpreta os valores-p e a estatística R2 em vez dos deviances.

Média aj.

O deviance médio ajustado mede quanto deviance um termo ou modelo explica para cada grau de liberdade. O cálculo do deviance da média ajustada de cada termo supõe que todos os outros termos estejam no modelo.

Interpretação

O Minitab usa o deviance médio ajustado para calcular o valor-p para um termo. Normalmente, você interpreta os valores-p em vez dos quadrados médios ajustados.

Qui-quadrado

Cada termo na tabela Deviance tem um valor qui-quadrado para o teste de razão de verossimilhança. O valor qui-quadrado é a estatística de teste que determina se um termo ou modelo tem uma associação com a resposta.

Interpretação

O Minitab usa a estatística de teste para calcular o valor-p, que é usado para a tomada de uma decisão sobre a significância estatística dos termos e do modelo. O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula. Uma estatística qui-quadrado suficientemente grande resulta em um pequeno valor-p, que indica que o termo ou modelo é estatisticamente significativo.

Valor-p – regressão

O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Interpretação

Para determinar se os dados oferecem evidências de que pelo menos um coeficiente no modelo de regressão é diferente de 0, compare o valor-p da regressão com o seu nível de significância para avaliar a hipótese nula. A hipótese nula para o valor-p para a regressão é de que todos os coeficientes de termos no modelo de regressão são 0. Em geral, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de se concluir que pelo menos um coeficiente seja diferente de 0, quando todos os coeficientes são 0.
Valor-p ≤ α: pelo menos um coeficiente é diferente de 0
Se o valor p for menor ou igual ao nível de significância, é possível concluir que pelo menos um coeficiente é diferente de 0.
Valor-p > α: não existe evidência suficiente para concluir que pelo menos um coeficiente é diferente de 0
Se o valor p for maior ou igual ao nível de significância, não é possível concluir que pelo menos um coeficiente seja diferente de 0. Talvez você deseje ajustar um novo modelo.

Valor-p – termo

O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Interpretação

Para determinar se a associação entre a variável de resposta e a variável preditora é estatisticamente significativa, compare o valor-p para o termo com o seu nível de significância a fim de avaliar a hipótese nula. A hipótese nula é que o coeficiente para a variável preditora é igual a zero, o que indica que não há associação entre a variável preditora e a variável de resposta. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de se concluir que existe uma associação quando não existe uma associação real.
Valor-p ≤ α: a associação é estatisticamente significativa
Se o valor-p for menor ou igual ao nível de significância, é possível concluir que há uma associação estatisticamente significativa entre a variável de resposta e a variável preditora.
Valor-p > α: a associação não é estatisticamente significativa
Se o valor-p for maior ou igual ao nível de significância, não é possível concluir que há uma associação estatisticamente significativa entre a variável de resposta e a variável preditora.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política