Especifique o método de estimativa, método de teste para termos de efeitos fixos e os resultados a serem exibidos. As alterações feitas para os padrões permanecem até serem alterados novamente, mesmo depois que você sair do Minitab.
- Método de estimativa
-
Você pode selecionar Máxima verossimilhança restrita (REML) ou Máxima verossimilhança (ML). Normalmente, você usa Máxima verossimilhança restrita (REML) porque a estimativa do componente de variância pelo REML é aproximadamente sem vício, enquanto o estimador de ML é com vício. No entanto, o vício fica menor para amostras maiores.
Use Máxima verossimilhança (ML) se você precisar testar se um modelo aninhado com menos número de termos de efeitos fixos é tão bom quanto o seu modelo de referência correspondente que tem mais termos de efeito fixos, tendo em conta que ambos os modelos têm o mesmo número de termos aleatórios e estrutura de variância do erro. Especificamente, seja
seja −2 vezes a razão do log-verossimilhança do modelo completo, e 
seja o 2 negativo log-verossimilhança do menor modelo.Sob a hipótese nula, assintoticamente,
segue uma distribuição do qui-quadrado com graus de liberdade iguais à diferença no número de termos de efeitos fixos entre o modelo de referência e o modelo aninhado. É possível utilizar o teste da razão de verossimilhança para avaliar se um subconjunto de termos de efeito fixo pode ser removido do modelo de referência.Para mais informações sobre o teste da razão de verossimilhança dos parâmetros fixos em um modelo de efeitos mistos, consulte B. T. West, K.B. Welch e A.T. Gałecki (2007). Linear Mixed Models: A Practical Guide Using Statistical Software, Primeira edição. Chapman and Hall/CRC (34–36).
- Método de teste para efeitos fixos
-
Normalmente, você usa Aproximação de Kenward-Roger porque os cálculos incluem um ajuste que reduz o vício em amostras pequenas. Também é possível usar Aproximação de Satterthwaite. Em geral, quanto maior o tamanho da amostra, menor é a diferença entre os dois métodos.
- Exibição dos resultados
-
- Informações sobre o fator
- Exibir um resumo dos nomes dos fatores, se os fatores são aleatórios, o número de níveis e os níveis.
- Histórico da Iterações
- Exibir o número de iterações até que algoritmo convirja e o valor da log-verossimilhança seja -2 em cada iteração.
- Componentes da variância
- Exibir as estimativas dos componentes de variância.
- Matriz de variância-covariância das estimativas do componente de variância
- Exibir a matriz de variância-covariância das estimativas do componente de variância.
- Testes do efeito fixo
- Exibir os testes de hipótese sobre se as médias em diferentes níveis dos efeitos fixos são iguais.
- Previsões de efeitos aleatórios
- Exibir estatísticas para os termos aleatórios no modelo, incluindo a Melhor predição linear não viciada (BLUP) para o efeito de nível de um termo aleatório.
- Equação ajustada marginal
- Exibir a equação para os valores marginais ajustados. Os ajustes marginais representam as respostas médias nos níveis combinados dos fatores fixos com os valores das covariáveis inseridas (se houver). Os cálculos para os ajustes marginais não usam os níveis dos fatores aleatórios.
- Equação separada para cada conjunto de níveis de fatores: exiba uma equação separada para cada combinação de níveis de fator.
- Equação única: exiba uma equação que inclui todos os níveis de todos os níveis de fator.
- Equação ajustada condicional
- Exibir a equação para os valores condicionais ajustados. Os ajustes condicionais são os valores ajustados para os níveis dos fatores aleatórios nos dados. Use os ajustes condicionais para explorar as diferenças entre os níveis específicos dos fatores aleatórios no estudo.
- Equação separada para cada conjunto de níveis de fatores: exiba uma equação separada para cada combinação de níveis de fator.
- Equação única: exiba uma equação que inclui todos os níveis de todos os níveis de fator.
- Ajustes e diagnósticos marginais
-
- Apenas para observações incomuns: exiba os valores marginais ajustados, os resíduos marginais e as estatísticas de diagnóstico apenas para as observações atípicas.
- Para todas as observações: exiba os valores marginais ajustados, os resíduos marginais e as estatísticas de diagnóstico para todas as observações.
- Ajustes e diagnósticos condicionais
-
- Apenas para observações incomuns: exiba os valores condicionais ajustados, os resíduos e as estatísticas de diagnóstico apenas para as observações atípicas.
- Para todas as observações: exiba os valores condicionais ajustados, os resíduos e as estatísticas de diagnóstico para todas as observações.
