Exemplo de Análise da resposta binária para experimentos fatoriais

Um cientista de alimentos está estudando fatores que afetam a deterioração dos alimentos. O cientista usa um experimento fatorial de dois níveis para avaliar vários fatores que podem afetar a taxa de deterioração dos alimentos.

O cientista analisa um experimento fatorial de 2 níveis para determinar como o tipo de conservante, a pressão da embalagem a vácuo, o nível de contaminação e a temperatura de resfriamento afetam a deterioração da fruta. A resposta é binária — se a deterioração é detectada ou não — em uma amostra de 500 contêineres de frutas.

  1. Abra os dados amostrais, DeterioraçãoAlimentos.MTW.
  2. Selecione Estat > DOE (Planejamento de Experimento) > Fatorial > Análise de resposta binária.
  3. Em Nome do evento, insira Evento.
  4. Em Número de eventos, insira Deterioração.
  5. Em Número de ensaios, insira Contêineres.
  6. Clique em Termos.
  7. Em Incluir termos no modelo por toda a ordem, escolha 2.
  8. Clique em OK em cada caixa de diálogo.

Interpretar os resultados

Na tabela Desviância, os valores-p para três dos termos do efeito principal — Preservative, VacuumPress e ContaminationLevel — são significativos. Como os valores-p são menores do que o nível de significância de 0,05, o cientista conclui que esses fatores são estatisticamente significativos. Nenhuma das interações bidirecionais é significativa. O cientista pode considerar a possibilidade de reduzir o modelo.

O valor R2 da desviância mostra que o modelo explica 97,95% da desviância total na resposta, o que indica que o modelo ajusta bem os dados.

A maioria dos VIFs são baixos, indicando que os termos no modelo não estão correlacionados.

O gráfico de Pareto dos efeitos possibilita a identificação visual dos efeitos importantes e compara a magnitude relativa dos vários efeitos. Nestes resultados, três efeitos principais são estatisticamente significativos (α = 0,05) - tipo de conservante (A), pressão de selagem a vácuo (B) e nível de contaminação (C). Além disso, é possível ver que o maior efeito é o tipo de conservante (A), porque se estende para mais distante. O efeito para o conservante pela interação da temperatura de arrefecimento (AD) é o menor porque é o que menos se estende.

Método

Função de LigaçãoLogito
Linhas usadas16

Informações da Resposta

VariávelValorContagemNome do
Evento
DeterioraçãoEvento506Event
  Não-evento7482 
ContêineresTotal7988 

Coeficientes Codificados

TermoEfeitoCoefEP de CoefVIF
Constante  -2,73700,0479 
Conservante0,44970,22490,04771,03
PressãoVácuo0,25740,12870,04771,06
NívelContaminação0,29540,14770,04781,06
TempResfriamento-0,1107-0,05540,04781,07
Conservante*PressãoVácuo-0,0233-0,01170,04731,05
Conservante*NívelContaminação0,07220,03610,04741,06
Conservante*TempResfriamento0,00670,00340,04721,05
PressãoVácuo*NívelContaminação-0,0430-0,02150,04691,04
PressãoVácuo*TempResfriamento-0,0115-0,00580,04651,02
NívelContaminação*TempResfriamento0,15730,07860,04671,02

Razões de Chances para Preditores Contínuos

Unidade
de
Mudança
Razão de
Chances
IC de
95%
PressãoVácuo10,0*(*; *)
NívelContaminação22,5*(*; *)
TempResfriamento5,0*(*; *)
As razões de chance não são calculadas para preditores que estão incluídas nos termos da
     interação porque essas razões dependem de valores das outras preditores nos termos da
     interação.

Razões de Chances para Preditores Categóricos

Nível ANível BRazão de
Chances
IC de
95%
Conservante     
  Algum nívelAlgum nível*(*; *)
Razão de chances para o nível A em relação ao nível B
As razões de chance não são calculadas para preditores que estão incluídas nos termos da
     interação porque essas razões dependem de valores das outras preditores nos termos da
     interação.

Sumário do Modelo

R2 DevianceR2 (Aj.)
Deviance
AICAICcBIC
97,95%76,75%105,98171,98114,48

Testes de Qualidade de Ajuste

TesteGLQui-QuadradoValor-P
Deviance50,970,965
Pearson50,970,965
Hosmer-Lemeshow60,101,000

Análise de Variância

FonteGLDesv (Aj.)Média (Aj.)Qui-QuadradoValor-P
Modelo1046,21304,621346,210,000
  Conservante122,683522,683522,680,000
  PressãoVácuo17,33137,33137,330,007
  NívelContaminação19,62099,62099,620,002
  TempResfriamento11,34411,34411,340,246
  Conservante*PressãoVácuo10,06080,06080,060,805
  Conservante*NívelContaminação10,57800,57800,580,447
  Conservante*TempResfriamento10,00510,00510,010,943
  PressãoVácuo*NívelContaminação10,21060,21060,210,646
  PressãoVácuo*TempResfriamento10,01530,01530,020,902
  NívelContaminação*TempResfriamento12,84752,84752,850,092
Erro50,96740,1935   
Total1547,1804     

Equação de Regressão em Unidades Não codificadas

P(Event)=exp(Y')/(1 + exp(Y'))
Y'=-2,721 + 0,188 Conservante + 0,0172 PressãoVácuo - 0,00249 NívelContaminação
- 0,0286 TempResfriamento - 0,00117 Conservante*PressãoVácuo
+ 0,00160 Conservante*NívelContaminação + 0,00067 Conservante*TempResfriamento
- 0,000096 PressãoVácuo*NívelContaminação - 0,000115 PressãoVácuo*TempResfriamento
+ 0,000699 NívelContaminação*TempResfriamento