Selecione os gráficos a serem exibidos para Ajustar modelo de regressão

Estat > Regressão > Regressão > Ajustar modelo de regressão > Gráficos

Gráfico de Pareto

O Minitab disponibiliza um gráfico de Pareto dos efeitos para visualizar os resultados das tabelas de coeficiente e ANOVA. Para os termos do modelo, esse gráfico permite comparar a magnitude relativa dos efeitos e avaliar sua significância estatística. O Minitab traça o gráfico de Pareto quando o modelo deixa pelo menos 1 grau de liberdade para erro.

O limite para a significância estatística depende do nível de significância (denotado por α ou alfa). A menos que você use um método de seleção stepwise, o nível de significância é 1 menos o nível de confiança para a análise. Para obter mais informações sobre como alterar o nível de confiança, acesse Selecionar as opções para Ajustar modelo de regressão. Se você usar a seleção regressiva ou a seleção stepwise, o nível de significância é aquele em que o Minitab remove um termo do modelo, conhecido como Alfa para remoção. Se você usa a seleção progressiva, o nível de significância é aquele em que o Minitab adiciona um termo ao modelo, conhecido como Alfa para entrada. Para obter mais informações sobre as opções dos métodos stepwise, acesse Executar a regressão stepwise para Ajustar modelo de regressão.

Gráficos de Resíduos

Resíduos para Gráficos
Especifique o tipo de resíduos nos gráficos residuais. Para obter mais informações, vá para Quais tipos de resíduos estão incluídos no Minitab?.
  • Regular: Represente graficamente os resíduos brutos regulares.
  • Padronizado: Represente graficamente os resíduos padronizados.
  • Deletado: Represente graficamente resíduos estudentizados excluídos.
Gráficos de Resíduos
Use gráficos de resíduos para examinar se seu modelo atente às suposições da análise. Para obter mais informações, vá para Gráficos de resíduos no Minitab.
  • Gráficos individuais : Selecione os gráficos de resíduos que deseja exibir.
    Histograma de resíduos
    Exiba um histograma dos resíduos.
    Gráficos de probabilidade normal de resíduos
    Exiba um gráfico de probabilidade normal dos resíduos.
    Resíduos versus ajustes
    Exiba os resíduos em função dos valores ajustados.
    Resíduos x ordem
    Exiba os resíduos em função da ordem dos dados. O número de linha para cada ponto de dados é mostrado no eixo x.
  • Quatro em um : Exiba todos os quatro gráficos residuais juntos em um gráfico.
Resíduos versus variáveis
Entre uma ou mais variáveis a serem representadas graficamente em função dos resíduos. Você pode representar graficamente os seguintes tipos de variáveis:
  • As variáveis que já estão no modelo atual, para procurar por curvatura nos resíduos.
  • Variáveis importantes que não estão no modelo atual, para determinar se elas estão relacionadas com a resposta.

Etapa de seleção de R-quadrado versus modelo

Quando você usa a seleção forward com validação como procedimento stepwise, o Minitab emite um gráfico da estatística R2 para o conjunto de dados de treinamento e estatística do teste R2 ou a estatística stepwise de R2 de K-duplicações para cada etapa no procedimento de seleção do modelo. Se você usar um conjunto de dados de teste ou validação cruzada de K duplicações determinará qual dos dois será exibido: a estatística do teste R2 ou a estatística stepwise de R2 de K duplicações .

Interpretação

Use o gráfico para comparar os valores das diferentes estatísticas R2 em cada etapa. Normalmente, o modelo tem um bom desempenho quando as estatísticas R2 são ambas grandes. O Minitab exibe a estatística de regressão para o modelo a partir da etapa que maximiza a estatística do teste R2 ou a estatística stepwise de R2 de K duplicações. O gráfico mostra se algum modelo mais simples ajusta bem o suficiente para que também possam ser bons candidatos.

Em um caso em que o modelo está superajustado, a estatística do teste R2 ou a estatística stepwise de R2 de K duplicações começa a diminuir à medida que os termos entram no modelo. Essa diminuição acontece enquanto a estatística R2 de treinamento correspondente ou a estatística R2 para todos os dados continua a aumentar. Um modelo superajustado ocorre quando você adiciona termos para efeitos que não são importantes na população. Um modelo superajustado pode não ser útil para fazer predições sobre a população. Se um modelo estiver superajustado, você pode considerar modelos de etapas anteriores.

O gráfico a seguir mostra do teste R2 como exemplo. Inicialmente, a estatística R2 estão perto de 70%. Para as primeiros etapas, a estatística R2 tendem a aumentar à medida que os termos entram no modelo. Na etapa 6, a estatística do teste R2 é de aproximadamente 88%. O valor máximo da estatística do teste R2 está na etapa 14 e tem um valor próximo a 90%. Você pode considerar se a melhoria no ajuste justifica a complexidade extra de adicionar mais termos ao modelo.

Após a etapa 14, enquanto o R2 continua a aumentar, não acontece o mesmo com o R2. A diminuição do teste R2 após a etapa 14 indica que o modelo está superajustado.

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