Tabela Análise de Variância de Gráfico de linha ajustada

Encontre definições e interpretações para cada estatística na tabela Análise de Variância.

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. Os DF totais são determinados pelo número de observações em sua amostra. Os DF de um termo mostram quanta informação aquele termo usa. Aumentar o tamanho amostral fornece mais informações sobre a população, o que aumenta os DF totais. Aumentar o número de termos em seu modelo usa mais informações, o que diminui os DF disponíveis para estimar a variabilidade das estimativas de parâmetros.

SQ

A soma dos quadrados (SQ) que são as somas dos quadrados ajustados, são medidas da variação de diferentes componentes do modelo. O Minitab separa as somas dos quadrados em diferentes componentes que descrevem a variação devida a diferentes fontes.

Regressão da SQ
A regressão da soma de quadrados é a soma dos desvios quadrados dos valores de resposta ajustados do valor de resposta médio. Ela quantifica a quantidade da variação nos dados da resposta que são explicados pelo modelo.
Erro de SQ
O erro da soma dos quadrados é a soma dos resíduos quadrados. Ele quantifica a variação nos dados que as preditoras não explicam.
Total da SQ
A soma dos quadrados total é a soma da soma dos quadrados da regressão e o erro da soma dos quadrados. Ela quantifica a variação total nos dados.

Interpretação

O Minitab usa a soma dos quadrados ajustadas para calcular o valor de p para um termo. O Minitab também usa a soma dos quadrados para calcular a estatística R2. Normalmente, você interpreta os valores de p e a estatística R2 em vez da soma dos quadrados.

QM

Os quadrados médios (QM), que são quadrados médios ajustados, medem quanta variação um termo ou um modelo explica, supondo-se que todos os outros termos estejam no modelo, independentemente da ordem em que eles foram inseridos. Diferentemente das somas dos quadrados ajustados, os quadrados médios ajustados consideram os graus de liberdade.

O erro de quadrado médio ajustado (também chamado MSE ou s2) é a variância ao redor dos valores ajustados.

Interpretação

O Minitab usa o quadrado médio ajustado para calcular o valor-p para um termo. O Minitab também usa os quadrados médios ajustados para calcular a estatística R2 ajustada. Normalmente, você interpreta os valores-p e a estatística R2 ajustada em vez dos quadrados médios ajustados.

Valor-f

O valor-f é a estatística de teste usada para determinar se o modelo está associado com a resposta.

Interpretação

O Minitab usa o valor-f para calcular o valor-p, que pode ser usado para a tomada de uma decisão sobre a significância estatística 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.

Um valor-f suficientemente amplo indica que o modelo é significativo.

Se você quer usar o valor-f para determinar se rejeita a hipótese nula, compare o valor-f ao valor crítico. É possível calcular o valor crítico no Minitab ou encontrar o valor crítico de uma tabela de distribuição F na maioria dos livros de estatísticas. Para obter mais informações sobre o uso do Minitab para calcular o valor crítico, vá para Usando a função de distribuição acumulada inversa (ICDF) e clique em "Usar o ICDF para calcular os valores críticos".

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 o modelo explica a variação na resposta, compare o valor-p do modelo com o seu nível de significância para avaliar a hipótese nula. A hipótese nula para a regressão global é que o modelo não explica nenhuma variação na 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 concluir que o modelo explica a variação na resposta quando isso não acontece.
Valor-p ≤ α: o modelo explica a variação na resposta
Se o valor p for menor ou igual ao nível de significância, você conclui que o modelo explica a variação na resposta.
Valor-p > α: não há evidências suficientes para concluir que o modelo explica a variação na resposta

Se o valor p for maior ou igual ao nível de significância, não é possível concluis que o modelo explica a variação na resposta. Talvez você deseje ajustar um novo modelo.

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