Ajustes e predições para Regressão ortogonal

Ajuste para preditora (X)

O valor ajustado para a variável preditora é responsável pela incerteza no valor da preditora.

Interpretação

Use o valor ajustado para a preditora para investigar quaisquer resíduos incomuns. Se o valor ajustado da variável da preditora for muito maior ou menor do que o valor observado, investigue a causa.

Ajuste para resposta (Y)

O valor ajustado para a variável de resposta é responsável pela incerteza em ambas as variáveis de resposta e preditora.

Interpretação

Use o valor ajustado para a variável de resposta para investigar quaisquer resíduos incomuns. Se o valor ajustado da variável de resposta for muito maior ou menor do que o valor observado, investigue a causa.

Resíduos

Um resíduo é a diferença entre o valor observado e o valor ajustado.

Interpretação

Examine os resíduos para determinar quão bem o modelo se ajusta aos dados. Em geral, os resíduos devem ser distribuídos aleatoriamente, sem padrões óbvios e nenhum valor incomum. Se um valor de resíduo é incomum, você pode determinar se valor do resíduo é incomum por causa do valor-x ajustado, o valor-y ajustado ou ambos os valores.

Resíd. pdr.

O resíduo padronizado é igual ao valor de um resíduo, (ei), dividido por uma estimativa de seu desvio padrão.

Interpretação

Use os resíduos padronizados para ajudar a detectar outliers. Os resíduos padronizados que são maiores que 2 e menores que -2 são normalmente considerados grandes o bastante para investigar.

Os resíduos padronizados são úteis porque resíduos brutos podem não ser bons indicadores de outliers. A variância de cada resíduo bruto pode diferir pelos valores-x associados a ela. Esta escala desigual torna difícil avaliar os tamanhos dos resíduos brutos. A padronização dos resíduos soluciona esse problema convertendo as diferentes variâncias a uma escala comum.

Predito

O valor predito é o valor da variável de resposta em uma nova configuração da variável preditora.

Interpretação

Use o valor da predita para estimar o valor de um novo valor da resposta.

StDev

O desvio padrão do valor predito mede quão precisamente o modelo estima novos dados. Os desvios padrão de todos os valores preditos são iguais.

Interpretação

Use o desvio padrão do valor predito para medir a precisão da estimativa da predição. Quando menor o desvio padrão, mais precisa é a predição. Os desvios padrão são sempre positivos.

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