Tabela de predições de efeito aleatório para Ajustar modelo de efeitos mistos

Encontre definições e orientações de interpretação para cada estatística fornecida para predições de efeito aleatório.

Neste tópico

BLUP
BLUP de SE
DF para BLUP
Intervalo de confiança para BLUP (IC de 95%)
Valor-t
Valor-p para BLUP

BLUP

A Melhor preditora não-viciada linear (BLUP) para um nível específico de um termo de fator aleatório descreve o efeito do nível do termo na resposta. O Minitab usa esses valores para calcular os valores ajustados condicionais para os níveis apresentados dos fatores aleatórios.

Interpretação

Utilize a BLUP para avaliar como os efeitos do fator aleatório são diferentes nos níveis determinados em relação à resposta. O valor e o sinal da BLUP para um nível específico descrevem a direção e o tamanho do efeito.

BLUP de SE

O erro padrão da melhor predição linear não viciada (BLUP) para um nível específico representa a incerteza no efeito previsto sobre a resposta.

Interpretação

O erro padrão da BLUP mede a incerteza no preditor. O erro padrão da BLUP é usado para calcular o valor-t e, em seguida, para construir o teste sobre se o efeito a um nível específico é significativamente diferente de 0. Se o valor-p associado for menor do que o seu nível de significância (α), você conclui que o efeito para o nível específico é diferente de 0.

DF para BLUP

Os graus de liberdade (DF) representam a quantidade de informações nos dados para estimar o intervalo de confiança e criar o teste para a Melhor predição linear não viciada (BLUP).

Interpretação

Use o DF para comparar quanta informação está disponível sobre as BLUPs. Geralmente, mais graus de liberdade tornam o intervalo de confiança para a BLUP mais estreito do que um intervalo com menos graus de liberdade.

Intervalo de confiança para BLUP (IC de 95%)

Estes intervalos de confiança (IC) são amplitudes de valores que apresentam a probabilidade de conter os valores verdadeiros da Melhor predição linear não viciada (BLUP) para os termos aleatórios 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 o efeito do nível específico de um termo aleatório na resposta. Um intervalo que não contém 0 revela um efeito estatisticamente significativo. Se o intervalo for estritamente superior a 0, o nível específico tem um efeito positivo sobre a resposta. Um intervalo que é estritamente inferior a 0 revela um efeito negativo sobre a resposta. Um intervalo que contém 0 não suporta um efeito de nível significativo do termo aleatório na resposta.

Valor-t

O valor-t mede a razão entre a Melhor predição linear não viciada (BLUP) e seu erro padrão.

Interpretação

O Minitab usa o valor-t para calcular o valor-p, que pode ser usado para a tomada de uma decisão sobre a significância estatística dos valores BLUP.

É possível usar um valor-t para determinar se a hipótese nula deve ser rejeitada. Contudo, o valor-p é usado mais frequentemente porque o limite da rejeição é o mesmo, independente de quais sejam os graus de liberdade.

Valor-p para BLUP

O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. A hipótese nula é que o efeito de nível específico de um fator aleatório sobre a resposta é 0. As probabilidades mais baixas fornecem evidência mais forte contra a hipótese nula.

Interpretação

Para determinar se a Melhor predição linear não viciada (BLUP) para um nível específico de fator aleatório é diferente de zero, compare o valor-p da BLUP ao nível de significância.

Valor-p ≤ α: O efeito é estatisticamente diferente de 0: Se o valor-p for menor ou igual ao nível de significância, é possível concluir que o efeito de nível específico do termo de fator aleatório sobre a resposta seja significativamente diferente de 0.
Valor-p > α: O efeito não é estatisticamente diferente de 0: Se o valor-p for maior ou igual ao nível de significância, não é possível concluir que o efeito de nível específico do termo de fator aleatório sobre a resposta seja significativamente diferente de 0.