Considerações de dados para Regressão ortogonal

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.

Os dados devem incluir apenas um preditor contínuo, que contém os erros de medição
Se você tiver um preditor contínua, mas ele não contiver erros de medição, use Gráfico de linha ajustada.
A variável de resposta deve ser contínua

Se a variável resposta for categórica, é menos provável que seu modelo atenda às premissas da análise para descrever com precisão os seus dados ou para fazer predições úteis.

Se não estiver avaliando a comparabilidade das medições, você pode considerar as seguintes análises alternativas.

  • Se a sua variável de resposta tiver duas categorias, como aprovação e reprovação, use Ajustar modelo logístico binário.
  • Se a variável de resposta contiver três ou mais categorias que têm uma ordem natural, como discorda, discorda, neutro, concorda e concorda plenamente, use Regressão logística ordinal.
  • Se a variável de resposta contém três ou mais categorias que não têm uma ordem natural, como arranhão, dente e rasgo, use Regressão logística nominal.
  • Se a sua variável de resposta conta ocorrências, como o número de defeitos, use Ajustar modelo de Poisson.
Você deve especificar a proporção das variâncias de erro de medição nas variáveis de resposta e de preditor
Uma forma de se obter as estimativas de variâncias de erro é a realização de um Estudo de Medição R&R separado para cada variável.
Selecione as unidades a medir que representam a amplitude real ou esperada das medições
Para verificar se dois instrumentos ou métodos fornecem medições comparáveis, selecione unidades para medir que representam todos os valores onde as medições precisam ser comparáveis. Então, meça as unidades com ambos os instrumentos ou métodos.
Coleta de dados usando as práticas recomendadas
Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes:
  • Certifique-se de que os dados representem a população de interesse.
  • Colete dados suficientes para proporcionar a precisão necessária.
  • Meça as variáveis com o máximo rigor e precisão possível.
  • Registro os dados na ordem em que são coletados.
O modelo deve fornecer um bom ajuste aos dados

Se o modelo não se ajustar aos dados, os resultados podem ser equivocados. Na saída, use gráficos residuais e o gráfico de linha ajustada para determinar o quão bem o modelo se ajusta aos dados.

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