Selecionar as opções para Ajustar modelo de Poisson

Estat > Regressão > Regressão de Poisson > Ajuste de Modelo de Poisson > Opções

Pesos

Em Pesos, insira uma coluna numérica de pesos para realizar a regressão ponderada. Os pesos devem ser maiores que ou iguais a zero. A coluna dos pesos deve ter o mesmo número de linhas que a coluna das respostas. Para obter mais informações sobre a determinação do peso apropriado, vá para Regressão ponderada.

Nível de confiança para todos os intervalos

Insira o nível de confiança dos intervalos de confiança dos coeficientes e os valores ajustados.

Em geral, um nível de confiança de 95% funciona bem. Um nível de confiança de 95% indica que, se você extrair 100 amostras aleatórias da população, os intervalos de confiança para aproximadamente 95 das amostras conterão a resposta média. Para um determinado conjunto de dados, um nível de confiança mais baixo produz um intervalo de confiança mais estreito e um nível de confiança mais alto produz um intervalo de confiança mais amplo.

Observação

Para exibir os intervalos de confiança, você deve acessar a subcaixa de diálogo Resultados, e em Exibição dos resultados, selecione Tabelas expandidas.

Tipo de intervalo de confiança

Você pode selecionar um intervalo bilateral ou um limite unilateral. Para o mesmo nível de confiança, um limite está mais perto da estimativa do ponto do que do intervalo. O limite superior não fornece um valor inferior provável. O limite inferior não fornece um valor superior provável.

Por exemplo, o número médio de pacientes que vem para uma clínica em uma determinada hora é 4,58. O intervalo de confiança de 95% do número médio de eventos de múltiplas observações futuras é 2,7 a 6,5. O limite superior de 95% da média é 6,2, que é mais preciso porque o limite está mais perto da média predita.

  • Bilateral: Use um intervalo de confiança bilateral para estimar os valores prováveis inferior e superior do número médio de eventos.
  • Limite inferior: Use um limite de confiança inferior para estimar um valor inferior provável do número médio de eventos.
  • Limite superior: Use um limite de confiança superior para estimar um valor provável mais alto para o número médio de eventos.

Resíduos para diagnósticos

Os resíduos deviance e de Pearson ajudam a identificar padrões nos gráficos de resíduos e outliers. As observações que são insuficientemente ajustadas pelo modelo têm resíduos deviance e de Pearson altos. O Minitab calcula os valores de resíduos para cada padrão de fator/covariável distinto.
  • Deviance: Os resíduos deviance são uma medida de quão bem o modelo prediz a observação. Os resíduos deviance são frequentemente preferidos para uma regressão logística que usa a função de ligação logit porque a distribuição dos resíduos é mais parecido com a distribuição dos resíduos de modelos de mínimos quadrados. A função de ligação logit é a função de ligação mais comum.
  • Pearson: Os resíduos de Pearson também são uma medida de quão bem o modelo prediz a observação. Uma abordagem comum para identificação de outliers é representar os resíduos de Pearson pela ordem das observações na worksheet.

Deviances para Testes

Selecione um deviance para calcular os valores qui-quadrado e os valores-p. É mais comum usar o deviance ajustado. Use o deviance sequencial para determinar a significância dos termos pela ordem em que eles são inseridos no modelo.
  • Ajustado (Tipo III): Mede a redução no deviance para cada termo relativo a um modelo que contém todos os termos restantes.
  • Sequencial (Tipo I): Mede a redução no deviance quando um termo é adicionado a um modelo que contém somente os termos antes dele.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política