Tabela Análise de deviance para Ajustar modelo logístico binário

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.

Dev. seq.

O deviance sequencial mede o deviance para diferentes componentes do modelo. Diferente do deviance ajustado, o deviance sequencial depende a ordem em que os termos são inseridos no modelo. Na tabela Deviance, o Minitab separa o deviance sequencial em diferentes componentes que descrevem o deviance de diferentes fontes.
Regressão
O deviance sequencial do modelo de regressão quantifica a diferença entre o modelo atual e o modelo completo.
Termo
O deviance sequencial de um termo quantifica a diferença entre um modelo com o termo e o modelo completo.
Erro
O deviance sequencial do erro quantifica o deviance que o modelo não explica.
Total
O deviance sequencial total é a soma do deviance sequencial do modelo e do deviance sequencial do erro. O deviance sequencial total quantifica o deviance total nos dados.

Interpretação

Quando você especifica o uso do deviance sequencial para testes, o Minitab usa o deviance sequencial para calcular os valores-p para o modelo de regressão e os termos individuais. Normalmente, você interpreta os valores-p em vez do deviance sequencial.

Média seq.

O deviance da média sequencial mede quanto deviance um termo ou modelo explica para cada grau de liberdade. O cálculo do deviance da média sequencial depende da ordem em que os termos são inseridos no modelo.

Interpretação

O Minitab usa o deviance da média sequencial para calcular o valor-p para um termo. Normalmente, você interpreta os valores-p em vez dos quadrados médios sequenciais.

Contribuição

A contribuição exibe a porcentagem que cada fonte na tabela Deviance contribui para o deviance sequencial total.

Interpretação

Porcentagens mais altas indicam que a fonte é responsável por mais do deviance na variável de resposta. A contribuição do percentual do modelo de regressão é o mesmo que o R2 deviance.

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.

Os testes na tabela Deviance são testes da razão de verossimilhança. O teste na exibição expandida da tabela Coeficientes são os testes de aproximação Wald. Os testes da razão de verossimilhança são mais precisos para amostras pequenas do que os testes de aproximação Wald.

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 resposta e cada termo no modelo 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 não há nenhuma associação entre o termo e a 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 o termo.
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 o termo. Talvez seja necessário reajustar o modelo sem o termo.
Se houver vários preditores sem uma associação estatisticamente significativa com a resposta, você pode reduzir o modelo removendo os termos um de cada vez. Para obter mais informações sobre como remover os termos do modelo, vá para Redução de modelo.
Se um termo do modelo for estatisticamente significativo, a interpretação dependerá do tipo de termo. As interpretações são da seguinte maneira:
  • Se um preditor contínuo for significativo, é possível concluir que o coeficiente para o preditor é diferente de zero.
  • Se um preditor categórico é significativo, é possível concluir que nem todos os níveis do fator tem a mesma probabilidade.
  • Se um termo de interação for significativo, é possível concluir que a relação entre um preditor e a probabilidade do evento depende dos outros preditores no termo.
  • Se um termo polinomial for significativo, é possível concluir que a relação entre um preditor e a probabilidade do evento depende da magnitude do preditor.

Os testes na tabela Deviance são testes da razão de verossimilhança. O teste na exibição expandida da tabela Coeficientes são os testes de aproximação Wald. Os testes da razão de verossimilhança são mais precisos para amostras pequenas do que os testes de aproximação Wald.

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