Interpretar todas as estatísticas e gráficos para ANOVA completamente aninhada

Encontre definições e orientações de interpretação para cada estatística e gráfico fornecido com a ANOVA completamente aninhada.

Neste tópico

DF
SS
MS
Valor-f
Valor de p
Comp Var
% do Total (Variância)
StDev
Quadrados médios esperados

DF

Os graus de liberdade (DF) são a quantidade de informações em seus dados. A análise usa essas informações para estimar os valores de parâmetros populacionais desconhecidos. O DF total é determinado pelo número de observações em sua amostra. O DF para um termo mostra a quantidade de informação que o termo usa. Aumentar o tamanho da amostra fornece mais informações sobre a população, que aumenta o DF total. Aumentar o número de termos em seu modelo usa mais informações, o que diminui o DF disponível para estimar a variabilidade das estimativas dos parâmetros.

SS

As somas dos quadrados sequenciais são medidas da variação para os diferentes componentes do modelo. Diferente das somas dos quadrados ajustados, a soma sequencial dos quadrados depende da ordem em que os termos são inseridos no modelo. Na tabela Análise de Variância, o Minitab separa as somas dos quadrados sequenciais em diferentes componentes que descrevem a variação devida a diferentes fontes.

Termo SS seq: A soma dos quadrados sequenciais para um termo é a parte única da variação explicada por um termo que não é explicado pelos termos digitados anteriormente. Ele quantifica o montante de variação nos dados de resposta que é explicado por cada termo conforme ele é adicionado sequencialmente ao modelo.
Erro de Seq SS: O erro da soma dos quadrados é a soma dos resíduos quadrados. Ela quantifica a variação nos dados que os preditores não explicam.
Total Seq SS: A soma dos quadrados total é a soma do termo da soma dos quadrados e o erro da soma dos quadrados. Ela quantifica a variação total nos dados.

Interpretação

O Minitab usa a soma de quadrados sequenciais para calcular o valor-p para um termo. Em geral, você interpreta os valores-p em vez das somas de quadrados.

MS

Os quadrados médios sequenciais medem o quanto a variação de um termo ou de um modelo explica. Os quadrados médios sequenciais dependem da ordem em que os termos são inseridos no modelo. Ao contrário das somas dos quadrados, os quadrados médios sequenciais consideram os graus de liberdade.

O quadrado médio do erro sequencial (também chamado MSE ou s²) é a variância em torno dos valores ajustados.

Interpretação

O Minitab usa o quadrado médio sequencial para calcular o valor de p para um termo. O Minitab também usa os quadrados médios sequenciais para calcular a estatística R² ajustada. Normalmente, você interpreta os valores de p e a estatística R² ajustada em vez dos quadrados médios sequenciais.

Valor-f

Aparece um Valor de F para cada termo na análise da tabela de variância. O valor-f é a estatística de teste usado para determinar se o termo está associado com a resposta.

Interpretação

O Minitab usa a o valor de F para calcular o valor de p, que pode ser usado para a tomada de uma decisão sobre a significância estatística dos termos e do modelo. 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.

Um valor de F grande o bastante indica que o termo ou modelo é significativo.

Se você quiser usar o valor-f para determinar se deve rejeitar a hipótese nula, compare o valor-f com o seu valor crítico. É possível calcular o valor crítico no Minitab ou encontrar o valor crítico de uma tabela distribuição F na maioria dos livros de estatísticas. Para obter mais informações sobre como usar o Minitab para calcular o valor crítico, acesse Usando a função de distribuição acumulada inversa (ICDF) e clique em "Usar o ICDF para calcular valores críticos".

Valor de p

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 determinar se a associação entre a resposta e cada termo no modelo é estatisticamente significativa, compare o valor-p para o termo com o seu nível de significância a fim de avaliar a hipótese nula. A hipótese nula é que não há nenhuma associação entre o termo e a resposta. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de se concluir que existe uma associação quando não existe uma associação real.

Valor-p ≤ α: a associação é estatisticamente significativa: Se o valor-p for menor ou igual ao nível de significância, é possível concluir que há uma associação estatisticamente significativa entre a variável de resposta e o termo.
Valor-p > α: a associação não é estatisticamente significativa: Se o valor-p for maior ou igual ao nível de significância, não é possível concluir que há uma associação estatisticamente significativa entre a variável de resposta e o termo. Talvez seja necessário reajustar o modelo sem o termo.; Se houver vários preditores sem uma associação estatisticamente significativa com a resposta, você pode reduzir o modelo removendo os termos um de cada vez. Para obter mais informações sobre como remover os termos do modelo, vá para Redução de modelo.

Todos os fatores em um modelo de ANOVA completamente aninhada são aleatórios. Por conseguinte, um fator que é estatisticamente significativo indica que ele contribui para a quantidade de variação na resposta.

Observação

Se o seu experimento completamente aninhado não estiver balanceado, o Minitab não calcula o valores de F e de P.

Comp Var

Componentes de Variância estima a quantidade de variação na resposta que seja atribuível a cada termo aleatório em uma tabela ANOVA.

Interpretação

Use para avaliar a quantidade de variação no estudo pode ser atribuída a cada termo aleatório. Os valores mais elevados indicam que o termo contribui com mais variabilidade para a resposta.

% do Total (Variância)

O % do Total estima a porcentagem da variância total que é uma contribuição de cada termo aleatório no modelo. É calculado como a variância para cada fonte dividida pela variação total, e então multiplicado por 100 para se expressar como uma porcentagem.

Se uma estimativa de componentes de variância for inferior a zero, o Minitab exibe zero para a porcentagem da variabilidade total.

Interpretação

Use a porcentagem da variância total para avaliar a variação de cada fonte.

StDev

StDev é o desvio padrão para cada termo aleatório na tabela Componentes de Variância. O desvio padrão é igual à raiz quadrada da variância para essa fonte.

O desvio padrão é uma medida conveniente de variação porque tem as mesmas unidades de medida que a variável de resposta.

Quadrados médios esperados

Em modelos que incluem termos aleatórios, os quadrados médios esperados descrevem a forma como cada uma das fontes de variação consiste de uma combinação linear das variâncias.

Interpretação

Minitab utiliza as combinações lineares para resolver os componentes de variância e o termo de erro para os testes sintetizados. É comum interpretar os componentes de variância e os valores de p dos testes sintetizados em vez dos quadrados médios esperados.