Interpretar os principais resultados para Ajustar modelo de efeitos mistos

Para determinar se um termo afeta significativamente a resposta, compare o valor-p com seu nível de significância. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica que o risco de se concluir que existe um efeito, quando, na verdade, não existe nenhum efeito, é de 5%.

A interpretação de cada valor-p depende se ele é destinado ao coeficiente de um fator fixo ou a um termo covariável:

Para determinar se o modelo ajusta bem os dados, examine as estatísticas de qualidade do ajuste tabela do resumo do modelo.

S

S é o desvio padrão estimado do termo de erro. Quanto menor é o valor de S, melhor a equação ajustada condicional descreve a resposta nas configurações de fatores selecionadas. No entanto, um valor de S por si, não descreve completamente a adequação do modelo. Analise também os principais resultados de outras tabelas e os gráficos de resíduos.

R2

R² representa a porcentagem de variação na resposta que é explicada pelo modelo. Ele é calculado como 1 menos a razão da soma dos quadrados dos erros (que é a variação que não é explicada pelo modelo) para a soma total dos quadrados (que é a variação total no modelo).

R2 (aj)

Use o R² ajustado quando quiser comparar modelos com a mesma estrutura de covariância, mas tiver um número diferente de fatores fixos e covariáveis. Assumindo-se que os modelos tenham a mesma estrutura de covariância, R² aumenta quando você adiciona mais fatores fixos versus covariáveis. O valor de R² ajustado incorpora o número de fatores fixos e covariáveis no modelo para ajudá-lo a escolher o modelo correto.

AICc e BIC

Quando você mostra os resultados expandidos da análise, o Minitab mostra mais duas estatísticas. Essas estatísticas são o Critério de Informação de Akaike Corrigido (AICc) e o Critério de Informação Bayesiano (BIC). Use essas estatísticas para comparar modelos diferentes. Para cada estatística, valores menores são preferíveis.

Se o valor-p indica que um termo é significativo, você pode examinar os coeficientes para o termo para entender como o termo refere-se à resposta. A interpretação de cada valor-p depende se ele é destinado ao coeficiente de um fator fixo ou a um termo covariável:

Os coeficientes para um termo de fator fixo apresentam como as médias de nível para o termo são diferentes. Também é possível realizar uma análise de comparações múltiplas para o termo a fim de classificar em mais detalhes os efeitos de nível em grupos que sejam estatisticamente iguais ou estatisticamente diferentes.

O coeficiente de um termo covariável representa a alteração na resposta média associada a uma mudança de 1 unidade naquele termo, enquanto todo o resto no modelo permanece igual. O sinal do coeficiente indica a direção da relação entre o termo e a resposta. O tamanho do coeficiente geralmente oferece uma boa maneira de avaliar a significância prática do efeito do termo sobre a variável de resposta.

Use os gráficos de resíduos para ajudar a determinar se o modelo é adequado e satisfaz aos pressupostos da análise. Se os pressupostos não forem satisfeitos, o modelo pode não ajustar bem os dados e você deve ter cautela ao interpretar os resultados.