Exemplo de Ajustar modelo de Poisson

Um engenheiro de qualidade está preocupado com dois tipos de defeitos nas peças de resina moldadas: descoloração e agrupamento. A contaminação nas mangueiras e as abrasões nas pastilhas de resina podem causar listras descoloridas no produto final. O agrupamento pode ocorrer quando o processo é realizado em temperaturas mais altas e em velocidades maiores de transferência. O engenheiro identifica três variáveis preditoras possíveis para as respostas (defeitos). O engenheiro registra o número de cada tipo de defeito por hora em longas sessões, ao mesmo tempo em que varia os níveis das preditoras.

O engenheiro quer estudar como várias preditoras afetam os efeitos de descoloração em peças de resina. Como a variável resposta descreve o número de vezes que um evento ocorre, em um espaço de observação finito, o engenheiro ajusta um modelo de Poisson.

  1. Insira os dados das amostras, DefeitosDeResina.MTW.
  2. Escolha Estat > Regressão > Regressão de Poisson > Ajustar modelo de Poisson.
  3. Em Resposta, insira “Defeitos de Descoloração”.
  4. Em Preditores contínuos, insira “Horas Desde a LimpezaTemperatura.
  5. Em Preditores categóricos, insira “Tamanho do Parafuso”.
  6. Clique em Gráficos.
  7. Em Resíduos para gráficos, selecione Padronizado.
  8. Em Gráficos de resíduos, selecione Quatro em um.
  9. Clique em OK em cada caixa de diálogo.

Interprete os resultados

O gráfico dos resíduos de deviance padronizados versus os valores ajustados mostram uma curva distinta. No gráfico dos resíduos versus ordem, os resíduos no meio tendem a ser maiores do que os resíduos no início e no fim do conjunto de dados. Para esses dados, ambos os padrões são devidos a um termo de interação faltante entre o tamanho do parafuso e a temperatura. O padrão é visível nos gráficos de resíduos versus de ordem porque o engenheiro não coletou os dados em ordem aleatória. O engenheiro reajusta o modelo com a interação entre temperatura e tamanho do parafuso para modelar os defeitos com maior exatidão.

Método

Função de LigaçãoLog natural
Codificação de preditores categóricos(1; 0)
Linhas usadas36

Equação de Regressão

Defeitos de Descoloração=exp(Y')
Tamanho do
Parafuso
grandeY'=4,398 + 0,01798 Horas Desde a Limpeza - 0,001974 Temperatura
       
pequenoY'=4,244 + 0,01798 Horas Desde a Limpeza - 0,001974 Temperatura

Coeficientes

TermoCoefEP de CoefValor-ZValor-PVIF
Constante4,39820,062870,020,000 
Horas Desde a Limpeza0,017980,008262,180,0291,00
Temperatura-0,0019740,000318-6,200,0001,00
Tamanho do Parafuso         
  pequeno-0,15460,0427-3,620,0001,00

Sumário do Modelo

R2 DevianceR2 (Aj.)
Deviance
AICAICcBIC
64,20%60,80%253,29254,58259,62

Testes de Qualidade de Ajuste

TesteGLEstimativaMédiaQui-QuadradoValor-P
Deviance3231,607220,9877331,610,486
Pearson3231,267130,9771031,270,503

Análise de Variância



Teste de Wald
FonteGLQui-QuadradoValor-p
Regressão356,290,000
  Horas Desde a Limpeza14,740,029
  Temperatura138,460,000
  Tamanho do Parafuso113,090,000

Ajustados e Diagnósticos para Observações Atípicas

Obs.Defeitos de
Descoloração
AjusteResídResíd Pad
3343,0058,18-2,09-2,18R
R  Resíduo grande
  1. Pressione Ctrl+E, ou clique no botão Edição da Última Caixa de Diálogona barra de ferramentas Padrão.
  2. Clique em Modelo.
  3. Em Preditores, selecione Temperatura e “Tamanho do Parafuso”.
  4. Ao lado de Interações até a ordem, selecione 2 e clique em Adicionar.
  5. Clique em OK em cada caixa de diálogo.

Para o modelo com a interação, o AIC é aproximadamente 236, que é menor do que o modelo sem a interação. O critério AIC indica que o modelo com a interação é melhor do que o modelo sem a interação. A curvatura nos gráficos de resíduos versus de ajuste desapareceu. O engenheiro percebe que alguns coeficientes possuem valores VIF que são > 5. Neste caso, uma análise com preditores contínuos padronizados para reduzir o efeito da collinearidade dá as mesmas conclusões sobre a significância estatística dos termos no modelo. (Para obter mais informações, acesse Multicolinearidade em regressão.) O engenheiro decide interpretar este modelo em vez de o modelo sem a interação.

Método

Função de LigaçãoLog natural
Codificação de preditores categóricos(1; 0)
Linhas usadas36

Equação de Regressão

Defeitos de Descoloração=exp(Y')
Tamanho do
Parafuso
grandeY'=4,576 + 0,01798 Horas Desde a Limpeza - 0,003285 Temperatura
       
pequenoY'=4,032 + 0,01798 Horas Desde a Limpeza - 0,000481 Temperatura

Coeficientes

TermoCoefEP de CoefValor-ZValor-PVIF
Constante4,57600,073662,150,000 
Horas Desde a Limpeza0,017980,008262,180,0291,00
Temperatura-0,0032850,000441-7,460,0001,92
Tamanho do Parafuso         
  pequeno-0,54440,0990-5,500,0005,37
Temperatura*Tamanho do Parafuso         
  pequeno0,0028040,0006404,380,0006,64

Sumário do Modelo

R2 DevianceR2 (Aj.)
Deviance
AICAICcBIC
85,99%81,46%236,05238,05243,97

Testes de Qualidade de Ajuste

TesteGLEstimativaMédiaQui-QuadradoValor-P
Deviance3112,365980,3989012,370,999
Pearson3112,316110,3972912,320,999

Análise de Variância



Teste de Wald
FonteGLQui-QuadradoValor-p
Regressão478,770,000
  Horas Desde a Limpeza14,740,029
  Temperatura155,600,000
  Tamanho do Parafuso130,210,000
  Temperatura*Tamanho do Parafuso119,170,000