Neste tópico
Histograma de resíduos
O histograma dos resíduos de deviance mostra a distribuição dos resíduos para todas as observações.
A interpretação desses gráficos de resíduos igual a quando você usa resíduos de deviance ou resíduos de Pearson. Os resíduos de deviance e os resíduos de Pearson se tornam mais semelhantes, pois o número de ensaios para cada combinação de configuração de preditor aumenta.
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. Em vez disso, use um gráfico de probabilidade normal.
Gráficos de probabilidade normal de resíduos
Um gráfico de probabilidade normal dos resíduos mostra os resíduos versus seus valores esperados quando a distribuição é normal.
A interpretação desses gráficos de resíduos igual a quando você usa resíduos de deviance ou resíduos de Pearson. Os resíduos de deviance e os resíduos de Pearson se tornam mais semelhantes, pois o número de ensaios para cada combinação de configuração de preditor aumenta.
Interpretação
Use o gráfico de probabilidade normal de resíduos para verificar a pressuposição de que os resíduos são distribuídos normalmente. O gráfico de probabilidade normal dos resíduos deve seguir aproximadamente uma linha reta.
A curva S sugere uma distribuição com caudas longas.
A curva S invertida sugere uma distribuição com caudas curtas.
A curva descendente implica uma distribuição assimétrica à direita.
Alguns pontos situados longe da linha sugerem uma distribuição com outliers.
Se você vir um padrão não-normal, use os outros gráficos residuais para verificar outros problemas com o modelo, tais como termos faltantes ou um efeito de ordem de tempo. Se os resíduos não seguirem uma distribuição normal, os intervalos de confiança e os valores-p podem ser inexatos.
Resíduos versus ajustes
O gráfico de resíduos versus ajustes representa graficamente os resíduos no eixo Y e os valores ajustados no eixo X.
A interpretação desses gráficos de resíduos igual a quando você usa resíduos de deviance ou resíduos de Pearson. Os resíduos de deviance e os resíduos de Pearson se tornam mais semelhantes, pois o número de ensaios para cada combinação de configuração de preditor aumenta.
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 | Uma função de link inadequada |
| Curvilíneo | Um termo de ordem superior faltante ou uma função de link inadequada |
| 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).
| Problema | Solução possível |
|---|---|
| Variância não constante | Considere o uso de termos diferentes no modelo, uma função de link diferente ou pesos. |
| Um outlier ou ponto influente |
|
Resíduos versus ordem
O gráfico de resíduos versus ordem mostra os resíduos na ordem em que os dados foram coletados.
A interpretação desses gráficos de resíduos igual a quando você usa resíduos de deviance ou resíduos de Pearson. Os resíduos de deviance e os resíduos de Pearson se tornam mais semelhantes, pois o número de ensaios para cada combinação de configuração de preditor aumenta.
Interpretação
Tendência
Deslocamento
Ciclo
Resíduos versus as 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 resposta.
A interpretação desses gráficos de resíduos igual a quando você usa resíduos de deviance ou resíduos de Pearson. Os resíduos de deviance e os resíduos de Pearson se tornam mais semelhantes, pois o número de ensaios para cada combinação de configuração de preditor aumenta.
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. |
