Os resíduos deviance estão baseados na deviance modelo e são úteis na identificação de padrões de fatores/covariáveis mal ajustados. A deviance do modelo é uma estatísticas de qualidade do ajuste que está baseada na função de log-verossimilhança. Os resíduos deviance definidos para o iésimo padrão de fatores/covariáveis é:
Notação
Termo
Descrição
yi
o valor da resposta do iésimo padrão de fatores/covariáveis
o valor ajustado do iésimo padrão de fatores/covariáveis
a deviance para o iésimo padrão de fatores/covariáveis
Resíduo deviance padronizado
O resíduo deviance padronizado é útil na identificação de outliers. A fórmula é:
Notação
Termo
Descrição
rD,i
O resíduo de deviance para o iésimo padrão de fatores/covariáveis
hi
O leverage do iésimo padrão de fatores/covariáveis
Resíduo deviance deletado
Os resíduos deviance deletados medem a mudança na deviance devida à omissão do iésimo caso dos dados. Os resíduos de deviance deletados são também chamados de resíduos de deviance de razão de verossimilhança. Para os resíduos deviance deletados, o Minitab calcula uma aproximação de um passo com base no método de aproximação de um passo Pregibon1. A fórmula é a seguinte:
Notação
Termo
Descrição
yi
o valor da resposta do iésimo padrão fator/covariável
o valor ajustado do iésimo padrão de fator ou covariável
hi
o leverage do iésimo padrão de fator/covariável
r'D,i
o resíduo de deviance padronizado para o iésimo padrão de fator/covariável
r'P,i
o resíduo de Pearson padronizado para o iésimo padrão de fator/covariável
1. Pregibon, D. (1981). "Diagnósticos de regressão logística". The Annals of Statistics, Vol. 9, No. 4 pp. 705–724.
Fator de inflação de variância (VIF)
Para calcular um VIF, realize uma regressão ponderada no preditor com os preditores restantes. A matriz ponderada é aquela dada em McCullagh e Nelder1 para a estimativa dos coeficientes. Neste caso, a fórmula VIF é equivalente à fórmula de uma regressão linear. Por exemplo, para o preditor xj a fórmula do VIF é:
Notação
Termo
Descrição
coeficiente de determinação com xj como a variável de resposta e os outros termos no modelo como as preditores
1. P. McCullagh and J. A. Nelder (1989). Generalized Linear Models, 2a Edição, Chapman & Hall/CRC, Londres.