Exemplo de Ajuste do modelo de regressão

Um químico pesquisador deseja entender como vários preditores estão associados à resistência ao enrugamento do tecido de algodão. O químico examina 32 peças de celulose de algodão produzidas em diferentes configurações de tempo de cura, temperatura de cura, concentração de formaldeído e proporção de catalisador. A classificação de impressão durável, uma medida da resistência ao enrugamento, é registrada para cada pedaço de algodão.

O químico realiza uma análise de regressão múltipla para ajustar um modelo com os preditores e eliminar os preditores que não têm uma relação estatisticamente significativa com a resposta.

  1. Abra os dados amostrais, ResistenciaAmassado.MTW.
  2. Selecione Estat > Regressão > Regressão > Ajuste do modelo de regressão.
  3. Em Respostas, insira Classificação.
  4. Em Preditores contínuos, insira Conc Taxa Temp Tempo.
  5. Clique em Gráficos.
  6. Em Gráficos de Efeitos, selecione Pareto.
  7. Em Gráficos de resíduos, selecione Quatro em um.
  8. Em Resíduos versus variáveis, insira Conc Taxa Temp Tempo.
  9. Clique em OK em cada caixa de diálogo.

Interpretar os resultados

A temperatura, razão do catalisador e a concentração de formaldeído das preditoras têm valores-p menores do que o nível de significância de 0,05. Esses resultados indicam que essas preditoras têm um efeito estatisticamente significativo na resistência a enrugamentos. O valor-p para tempo é maior do que 0,05, o que indica que não há evidências suficientes para concluir que o tempo está relacionado à resposta. O químico pode querer reajustar o modelo sem esta preditora.

O gráfico de Pareto mostra que os efeitos para temperatura, proporção de catalisador e concentração de formaldeído são estatisticamente significativos ao nível de significância de 0,05. O maior efeito é a proporção de catalisador, porque este se estende para mais longe. O efeito para o tempo é o menor, porque ele é o que menos se estende.

Os gráficos de resíduos indicam que pode haver problemas com o modelo.
  • Os pontos no gráfico de resíduos versus valores ajustados não parecem estar aleatoriamente distribuídos em torno de zero. Parece haver agrupamentos de pontos que poderiam representar diferentes grupos nos dados. O químico deve investigar os grupos para determinar sua causa.
  • O gráfico dos resíduos versus a razão mostra a curvatura, o que sugere uma relação curvilínea entre a razão do catalisador e os enrugamentos. O químico deve considerar adicionar um termo quadrático para razão ao modelo.

Equação de Regressão

Classificação=-0,756 + 0,1545 Conc + 0,2171 Taxa + 0,01081 Temp + 0,0946 Tempo

Coeficientes

TermoCoefEP de CoefValor-TValor-PVIF
Constante-0,7560,736-1,030,314 
Conc0,15450,06332,440,0221,03
Taxa0,21710,03166,860,0001,02
Temp0,010810,004622,340,0271,04
Tempo0,09460,05461,730,0941,00

Sumário do Modelo

SR2R2(aj)R2(pred)
0,81184072,92%68,90%62,81%

Análise de Variância

FonteGLSQ (Aj.)QM (Aj.)Valor FValor-P
Regressão447,909611,977418,170,000
  Conc13,92323,92325,950,022
  Taxa131,021631,021647,070,000
  Temp13,60313,60315,470,027
  Tempo11,98391,98393,010,094
Erro2717,79530,6591   
  Falta de ajuste2517,78360,7113121,940,008
  Erro puro20,01170,0058**
Total3165,7049     

Ajustados e Diagnósticos para Observações Atípicas

Obs.ClassificaçãoAjusteResídResíd Pad
94,8003,1781,6222,06R
R  Resíduo grande