Interpretar os principais resultados para Regressão ortogonal

Complete as seguintes etapas para interpretar uma análise de regressão ortogonal. A saída principal inclui os intervalos de confiança para os coeficientes, o gráfico de linha ajustada e os gráficos residuais.

Etapa 1: Determinar se as medições de dois instrumentos ou métodos diferem

Muitas vezes, a regressão ortogonal é usada em química clínica ou um laboratório para determinar se dois instrumentos ou métodos fornecem medidas comparáveis. Se o intervalo de confiança para o termo constante contém zero e o intervalo para o termo linear contém 1, então você normalmente pode concluir que as medições dos dois instrumentos são comparáveis.

Você também deve examinar o gráfico com a linha ajustada para determina quão bem o modelo se ajusta aos dados.

Análise de Regressão Ortogonal: Novo versus Atual

Razão de Variâncias dos Erros (Novo/Atual): 0,9

Equação de Regressão Novo = 0,644 + 0,995 Atual
Coeficientes Preditor Coef. EP de Coef Z P IC de 95% Aprox. Constante 0,64441 1,74470 0,3694 0,712 (-2,77513; 4,06395) Atual 0,99542 0,01415 70,3461 0,000 ( 0,96769; 1,02315)
Variâncias dos Erros Variável Variância Novo 1,07856 Atual 1,19840
Resultado principal: aprox. IC de 95%

Nesses resultados, o intervalo de confiança do termo constante é de aproximadamente (−3, 4). Como o intervalo contém 0, esta parte da análise não fornece evidência de que as medições dos dois instrumentos diferem.

O intervalo de confiança do termo linear é de aproximadamente (0,97, 1,02). Como o intervalo contém 1, esta parte da análise não fornece evidências de que as medições dos dois instrumentos diferem.

Como nenhum dos intervalos fornece evidências de que as medições dos dois instrumentos diferem, você normalmente conclui que as medições são comparáveis. Você também deve verificar se o modelo se ajusta bem aos dados examinando o gráfico com a linha ajustada e os gráficos de resíduos.

Etapa 2: Determinar se a linha de regressão se ajusta aos seus dados

Use o gráfico e a linha ajustada para avaliar se a equação da regressão ortogonal é um bom ajuste para os dados. Quando o modelo ajusta os dados, os pontos caem próximo à linha de regressão. Em particular, você pode examinar o gráfico de linha ajustada para esses critérios:
  • A amostra contém um número adequado de observações em toda a amplitude de todos os valores da preditora.
  • A amostra não contém nenhuma curvatura à qual o modelo não se ajusta.
  • A amostra não contém nenhum outlier, o que pode ter um forte efeito nos resultados. Tente identificar a causa de todos os outliers. Corrija todos os erros de entrada de dados ou erros distinguíveis de medição. Considere a remoção de valores de dados que estejam associados a eventos anormais que ocorrem somente uma vez (causas especiais). Em seguida, repita a análise.

Este gráfico mostra um exemplo das medições de dois instrumentos ou métodos que são comparáveis. Os pontos seguem a linha ajustada com dispersão mínima e sem nenhum padrão que revele diferenças sistemáticas entre os métodos.

Nos resultados a seguir, os intervalos de confiança dos coeficientes não fornecem evidências de que as medições dos dois instrumentos diferem. Contudo, o gráfico mostra que os pontos não caem próximo à linha, o que indica que as medições dos dois instrumentos não são comparáveis. Como os dados não se ajustam à equação, a conclusão usual é que os instrumentos diferem.

Análise de Regressão Ortogonal: Corrente versus Nova

Coeficientes Preditor Coef. EP de Coef Z P IC de 95% Aprox. Constante -0,00000 0,215424 -0,0000 1,000 (-0,422224; 0,42222) Nova 1,00000 0,517586 1,9320 0,053 (-0,014450; 2,01445)
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política