Neste tópico
Histograma de resíduos
O histograma dos resíduos mostra a distribuição dos resíduos padronizados para todas as observações.
Interpretação
| Padrão | O que o padrão pode indicar |
|---|---|
| Uma longa cauda em uma direção | Assimetria |
| Uma barra que está longe das outras barras | Um outlier |
Como a aparência de um histograma depende do número de intervalos usado para agrupar os dados, não use um histograma para avaliar a normalidade dos resíduos.
Um histograma é mais eficaz quando você tem aproximadamente 20 ou mais pontos de dados. Se a amostra é muito pequena, então cada barra no histograma não contém pontos de dados suficientes para confiavelmente mostrar assimetria ou outliers.
Resíduos versus ajustes
O gráfico de resíduos versus ajustes representa graficamente os resíduos no eixo Y e os valores ajustados no eixo X.
Interpretação
Use o gráfico de resíduos versus ajustes para verificar a pressuposição de que os resíduos são aleatoriamente distribuídos e têm variância constante. De maneira ideal, os pontos devem cair aleatoriamente em ambos os lados de 0, sem padrões reconhecíveis nos pontos.
| Padrão | O que o padrão pode indicar |
|---|---|
| Dispersão grande ou irregular de resíduos entre valores ajustados | Variância não constante |
| Curvilíneo | Um termo de ordem mais alta ausente |
| Um ponto que está distante de zero | Um outlier |
| Um ponto que é distante dos outros pontos na direção x | Um ponto influente |
Gráfico com outlier
Um dos pontos é muito maior do que todos os outros pontos. Portanto, a questão é um outlier. Se houver muitos outliers, o modelo pode não ser aceitável. Você deve tentar identificar a causa de todos os outliers. Corrija os erros de entrada de dados ou de medição. Considere a remoção de valores de dados que estejam associados a eventos anormais que ocorrem somente uma vez (causas especiais). Em seguida, repita a análise.
Gráfico com variância não constante
A variância dos resíduos aumenta com os valores ajustados. Observe que, como o valor dos ajustes aumenta, a dispersão entre os resíduos se torna mais ampla. Este padrão indica que as variâncias dos resíduos são desiguais (não constante).
- Verifique se a observação não é um erro de medição ou erro de entrada de dados.
- Considere fazer a análise sem esta observação para determinar como ela impacta seus resultados.
Resíduos x ordem
O gráfico de resíduos versus ordem mostra os resíduos na ordem em que os dados foram coletados.
Interpretação
Tendência
Turno
Ciclo
Resíduos em função de variáveis
O gráfico de resíduos versus variáveis apresenta os resíduos comparados com outras variáveis. A variável já pode estar incluída em seu modelo. Ou, a variável pode não estar no modelo, mas você suspeita que afeta a variável resposta.
Interpretação
Se a variável já estiver incluída no modelo, use o gráfico para determinar se você deve adicionar um termo de ordem mais alta da variável. Se a variável ainda não estiver incluída no modelo, use o gráfico para determinar se a variável está afetando a resposta de uma maneira sistemática.
| Padrão | O que o padrão pode indicar |
|---|---|
| Padrão em resíduos | A variável afeta a resposta de forma sistemática. Se a variável não estiver em seu modelo, inclua um termo para aquela variável, e torne a ajustar o modelo. |
| Curvatura nos pontos | Um termo de ordem mais alta da variável deve ser incluído no modelo. Por exemplo, um padrão curvado indica que você deve adicionar um termo quadrado. |
