Testes de Qualidade do Ajuste para Análise da resposta binária para experimentos fatoriais

Interpretação

Se o desvio é estatisticamente significativo, você pode tentar uma função de ligação diferente ou mudar os termos no modelo.

Muitas das estatísticas de qualidade de ajuste são afetadas pelo modo como os dados são organizados na worksheet e se há um ensaio por linha ou múltiplos ensaios por linha. O valor-p para o teste de desviância tende a ser menor para os dados que possuem uma única organização de ensaio de linha em comparação aos dados que possuem múltiplos ensaios por linha, e geralmente diminui à medida que o número de tentativas por linha diminui.

O teste de Hosmer-Lemeshow não depende do formato dos dados. Quando os dados têm poucos ensaios por linha, o teste de Hosmer-Lemeshow é um indicador mais confiável de o quão bem o modelo ajusta os dados. Para obter mais informações, vá para Como os formatos de dados afetam a qualidade de ajuste na regressão logística binária.

Interpretação

Se o desvio é estatisticamente significativo, você pode tentar uma função de ligação diferente ou mudar os termos no modelo.

Muitas das estatísticas de qualidade de ajuste são afetadas pelo modo como os dados são organizados na worksheet e se há uma avaliação por linha ou vários ensaios por linha. A aproximação para a distribuição do qui-quadrado que o teste de Pearson usa é imprecisa quando o número esperado de eventos por linha nos dados é baixo. Assim, o teste de qualidade de ajuste de Pearson é impreciso quando os dados estão no formato de um único ensaio por linha.

O teste de Hosmer-Lemeshow não depende do formato dos dados. Quando os dados têm poucos ensaios por linha, o teste de Hosmer-Lemeshow é um indicador mais confiável de o quão bem o modelo ajusta os dados. Para obter mais informações, vá para Como os formatos de dados afetam a qualidade de ajuste na regressão logística binária.

Interpretação

Se o desvio é estatisticamente significativo, você pode tentar uma função de ligação diferente ou mudar os termos no modelo.

O teste de Hosmer-Lemeshow não depende do número de ensaios por linha nos dados como os outros testes de qualidade do ajuste.Quando os dados têm poucos ensaios por linha, o teste de Hosmer-Lemeshow é um indicador mais confiável de o quão bem o modelo ajusta os dados.

Interpretação

Use as frequências observadas e esperadas para o teste de Hosmer-Lemeshow para descrever quão bem o modelo se ajusta aos dados ou para procurar áreas de ajuste ruim.

Por exemplo, o modelo com o termo X produz testes de qualidade de ajuste com pequenos valores-p, que indicam que o modelo está mal ajustado aos dados. Na tabela das frequências observadas e esperadas, os valores esperados foram diferentes em mais de 10 eventos para todos os grupos exceto para o grupo 4, quando a probabilidade do evento está entre 0,32 e 0,325.

Quando o modelo inclui X e X*X, os testes de qualidade do ajuste têm valores-p grandes. Os dados não fornecem eveidências de que as probabilidades estimadas desviam das probabilidade observadas de uma forma que a distribuição binomial não prediz. A maior diferença entre o número observado e o esperado de eventos está no grupo 4. Esta diferença é de aproximadamente 7.

Modelo com X

Modelo com X e X*X