Um pesquisador testa a produção de seis variedades de alfafa em quatro campos selecionados aleatoriamente. A produção de cada variedade foi registrada para cada campo.
O pesquisador quer saber se a variedade de alfafa afeta o rendimento médio. O pesquisador tem 4 campos onde eles podem coletar dados. No entanto, o pesquisador quer ser capaz de modelar como as alfafas crescerão nos campos que não estão no experimento. Assim, o pesquisador faz com que o campo onde a alfafa cresce um fator aleatório. O pesquisador usa um modelo de efeitos mistos para avaliar os efeitos fixos e aleatórios juntos.
- Abra os dados das amostras Alfafa.MTW.
- Selecione .
- Em Respostas, insira Rendimento.
- Em Fatores aleatórios (obrigatórios), insira Campo.
- Em Fatores fixos, insira Variedade.
- Clique em Gráficos.
- Em Resíduos para gráficos, selecione Padronizado condicional.
- Em Gráficos de resíduos, selecione Quatro em um.
- Clique em OK em cada caixa de diálogo.
Interpretar os resultados
Na tabela Componentes de Variância, o valor-p para Campo é 0,124. O teste de hipótese não mostra evidências de que o componente de variância é diferente de 0. O valor-p para o componente de variância de erro é de 0,003. Como o valor-p é menor do que o nível de significância de 0,05, o pesquisador pode concluir que o componente de variância para o erro não é 0.
O valor-p de aproximadamente 0 para o termo de fator fixo, Variedade, mostra que pelo menos um tipo de efeito sobre a produção de alfafa é significativamente diferente dos outros cinco tipos.
Os coeficientes para os efeitos principais representam a diferença entre cada nível médio e a média geral. Por exemplo, Variedade 1 está associada com um rendimento de alfafa que é de aproximadamente 0,385 unidades maior do que a média global. O valor-p de aproximadamente 0 para este coeficiente indica que o efeito da Variedade 1 sobre o rendimento é significativamente diferente de um outro efeito do nível do termo de Variedade. Para determinar quais os efeitos de nível são estatisticamente iguais, e quais efeitos de nível são estatisticamente diferentes, o pesquisador pretende fazer uma análise de comparação múltipla para o termo.
O valor R2 mostra que o modelo explica cerca de 92% da variação no rendimento. O valor de R-quadrado (adj) também é elevado, com um valor de aproximadamente 90,2%. O pesquisador usa esse valor para comparar os modelos que têm números diferentes de preditores.
As observações 1 e 5 são observações incomuns porque elas têm resíduos padronizados superiores a 2. O pesquisador examina os dados para se certificar de que os valores de resposta para essas observações estão corretos.
Os resíduos no gráfico de probabilidade normal se aproximam de uma reta, e os pontos parecem estar dispersos aleatoriamente em torno de 0 no gráfico de resíduos versus ajustes.
Modelo de efeitos mistos: Rendimento versus Campo; Variedade
