Tabela Coeficientes de Estudo de estabilidade

Encontre definições e orientações de interpretação para cada estatística na tabela Coeficientes.

Coef

Um coeficiente de regressão descreve o tamanho e a direção da relação entre um preditor e variável de resposta. Os coeficientes são os números pelos quais os valores do termo são multiplicados em uma equação de regressão.

Interpretação

A interpretação de cada coeficiente depende se é o coeficiente contínuo para hora ou o coeficientes categórico para lote.
Tempo
O coeficiente para a variável de tempo representa a mudança na resposta média para uma unidade de mudança no tempo. Se o coeficiente for negativo, conforme o tempo passa, o valor médio da resposta diminui. Se o coeficiente for positivo, conforme o tempo passa, o valor médio da resposta aumenta.
Lote
Um coeficiente está listado para cada nível do fator de lote exceto para um nível. O nível ausente é o nível de referência para o fator de lote. Cada coeficiente representa a diferença média entre aquela média de nível e a média do nível de referência.

Na presença de interações, a interpretação dos coeficientes é complexa. Nesses resultados, um engenheiro de qualidade quer estimar a validade de um novo medicamento. O coeficiente negativo do Lote 1 indica que o medicamento no Lote 1 tem menos potência que o medicamento no nível de referência, que é o Lote 6. Contudo, o coeficiente para a interação Mês por lote do Lote 1 é positivo. O efeito do tempo depende do lote, portanto a diferença entre o Lote 1 e o Lote 6 muda com o tempo.

Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF Constante 100,085 0,143 701,82 0,000 Mês -0,13633 0,00769 -17,74 0,000 1,07 Lote 1 -0,232 0,292 -0,80 0,432 3,85 2 0,068 0,292 0,23 0,818 3,85 3 0,394 0,275 1,43 0,162 3,41 4 -0,317 0,292 -1,08 0,287 3,85 5 0,088 0,275 0,32 0,752 * Mês*Lote 1 0,0454 0,0164 2,76 0,010 4,52 2 -0,0241 0,0164 -1,47 0,152 4,52 3 -0,0267 0,0136 -1,96 0,060 3,65 4 0,0014 0,0164 0,08 0,935 4,52 5 0,0040 0,0136 0,30 0,769 *

O tamanho do coeficiente é geralmente uma boa maneira de avaliar a significância prática do efeito que um termo exerce sobre a variável de resposta. No entanto, o tamanho do coeficiente não indica se um termo é estatisticamente significativo porque os cálculos para significância também consideram a variação nos dados de resposta. Para determinar a significância estatística, examine o valor de p para o termo.

Coeficiente de SE

O erro padrão do coeficientes estima a incerteza de estimar os coeficientes a partir de dados amostrais.

Interpretação

Use o erro padrão do coeficiente para medir a precisão da estimativa do coeficiente. Quanto menor o erro padrão, mais precisa é a estimativa. Dividir o coeficiente pelo erro padrão calcula um valor-t. Se o valor-p associado a esta estatística-t for menor do que o seu nível de significância (denotado como alfa ou α), você conclui que o coeficiente é estatisticamente significativo.

Valor-t

O valor-t mede a razão entre o coeficiente e seu erro padrão.

Interpretação

O Minitab usa o valor-t para calcular o valor-p, usado para testar se o coeficiente é significativamente diferente de 0.

É possível usar um valor-t para determinar se a hipótese nula deve ser rejeitada. No entanto, o valor-p é usado com mais frequência porque o limite para a rejeição da hipótese nula não depende dos graus de liberdade. Para obter mais informações sobre como usar o valor-t, acesse Usando o valor-t para determinar se a hipótese nula deve ser rejeitada.

Valor-p – Coeficiente

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 um estudo de estabilidade, a tabela de coeficientes contém somente termos com valores-p menores do que o nível de significância para a análise. A hipótese nula é aquela cujo coeficiente do termo é igual a zero. O nível de significância padrão é 0,25. Um nível de significância de 0,25 indica um risco de 25% de se concluir que existe uma associação quando não existe uma associação real.

Se um termo do modelo for estatisticamente significativo, a interpretação dependerá do tipo do termo:
  • Se um tempo for significativo, a resposta muda com o tempo.
  • Se o lote for significativo, a resposta média é diferente em lotes diferentes.
  • Se a hora por interação de lote for significativa, quão rápido a resposta muda com o tempo depende do lote.

Intervalo de confiança para coeficiente (IC de 95%)

Estes intervalos de confiança (IC) são amplitudes de valores que apresentam a probabilidade de conter o verdadeiro valor de cada termo no modelo.

Como as amostras são aleatórias, é improvável que duas amostras de uma população produzam intervalos de confiança idênticos. No entanto, se você extrair muitas amostras aleatórias, uma determinada porcentagem dos intervalos de confiança resultantes conterá o parâmetro populacional desconhecido. A porcentagem destes intervalos de confiança que contém o parâmetro é o nível de confiança do intervalo.

O intervalo de confiança é composto pelas duas partes a seguir:
Estimativa de ponto
Este valor único estima um parâmetro populacional usando os seus dados amostrais. O intervalo de confiança é centrado em torno da estimativa pontual.
Margem de erro
A margem de erro define a largura do intervalo de confiança e é determinada pela variabilidade observada na amostra, o tamanho da amostra e o nível de confiança. Para calcular o limite superior do intervalo de confiança, a margem de erro é adicionada à estimativa pontual. Para calcular o limite inferior do intervalo de confiança, a margem de erro é subtraída da estimativa pontual.

Interpretação

Use o intervalo de confiança para avaliar a estimativa do coeficiente de população para cada termo no modelo.

Por exemplo, com um nível de confiança de 95%, é possível ter 95% de certeza de que o intervalo de confiança contém o valor do coeficiente para a população. O intervalo de confiança ajuda a avaliar a significância prática de seus resultados. Use seu conhecimento especializado para determinar se o intervalo de confiança inclui valores que tenham significância prática para a sua situação. Se o intervalo for muito amplo para ser útil, pense em aumentar o tamanho da amostra.

VIF

O fator de inflação de variância (VIF) indica quanta variância de um coeficiente tem sido inflada devido às correlações entre as preditoras no modelo.

Interpretação

Use o VIF para descrever a quantidade de multicolinearidade (que é a correlação entre preditores) existe em uma análise de regressão. A multicolinearidade é problemática porque pode aumentar a variação dos coeficientes de regressão, o que torna difícil avaliar o impacto individual que cada um dos preditores correlacionados tem sobre a resposta.

Use as seguintes orientações para interpretar o VIF:
VIF Status do preditor
VIF = 1 Não correlacionados
1 < VIF < 5 Moderadamente correlacionados
VIF > 5 Altamente correlacionados
Um valor de VIF maior que 5 sugere que o coeficiente de regressão é mal estimado devido à multicolinearidade severa.

Para obter mais informações sobre a multicolinearidade e como minimizar seus efeitos, veja Multicolinearidade em regressão.

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