Selecione os gráficos a serem exibidos para Ajuste do modelo de regressão

O Minitab disponibiliza um gráfico de Pareto dos efeitos para visualizar os resultados das tabelas de coeficiente e ANOVA. Para os termos do modelo, esse gráfico permite comparar a magnitude relativa dos efeitos e avaliar sua significância estatística. O Minitab traça o gráfico de Pareto quando o modelo deixa pelo menos 1 grau de liberdade para erro.

O limite para a significância estatística depende do nível de significância (denotado por α ou alfa). A menos que você use um método de seleção stepwise, o nível de significância é 1 menos o nível de confiança para a análise. Para obter mais informações sobre como alterar o nível de confiança, acesse Selecionar as opções para Ajuste do modelo de regressão. Se você usar a seleção regressiva ou a seleção stepwise, o nível de significância é aquele em que o Minitab remove um termo do modelo, conhecido como Alfa para remoção. Se você usa a seleção progressiva, o nível de significância é aquele em que o Minitab adiciona um termo ao modelo, conhecido como Alfa para entrada. Para obter mais informações sobre as opções dos métodos stepwise, acesse Executar a regressão stepwise para Ajuste do modelo de regressão.

Resíduos para Gráficos

Especifique o tipo de resíduos nos gráficos residuais. Para obter mais informações, vá para Quais tipos de resíduos estão incluídos no Minitab?.

• Regular: Represente graficamente os resíduos brutos regulares.
• Padronizado: Represente graficamente os resíduos padronizados.
• Deletado: Represente graficamente resíduos estudentizados excluídos.

Gráficos de Resíduos

Use gráficos de resíduos para examinar se seu modelo atente às suposições da análise. Para obter mais informações, vá para Gráficos de resíduos no Minitab.

• Gráficos individuais : Selecione os gráficos de resíduos que deseja exibir.

  Histograma de resíduos

  Exiba um histograma dos resíduos.

  Gráficos de probabilidade normal de resíduos

  Exiba um gráfico de probabilidade normal dos resíduos.

  Resíduos versus ajustes

  Exiba os resíduos em função dos valores ajustados.

  Resíduos x ordem

  Exiba os resíduos em função da ordem dos dados. O número de linha para cada ponto de dados é mostrado no eixo x.

• Quatro em um : Exiba todos os quatro gráficos residuais juntos em um gráfico.

Resíduos versus variáveis

Entre uma ou mais variáveis a serem representadas graficamente em função dos resíduos. Você pode representar graficamente os seguintes tipos de variáveis:

• As variáveis que já estão no modelo atual, para procurar por curvatura nos resíduos.
• Variáveis importantes que não estão no modelo atual, para determinar se elas estão relacionadas com a resposta.

Quando você usa a Seleção forward com validação como procedimento stepwise, o Minitab emite um gráfico da estatística R² para o conjunto de dados de treinamento e estatística do teste R² ou a estatística stepwise de R² de K-dobras para cada etapa no procedimento de seleção do modelo. Se você usar um conjunto de dados de teste ou validação cruzada de K dobras determinará qual dos dois será exibido: a estatística do teste R² ou a estatística stepwise de R² de K dobras .

Interpretação

Use o gráfico para comparar os valores das diferentes estatísticas R² em cada etapa. Normalmente, o modelo tem um bom desempenho quando as estatísticas R² são ambas grandes. O Minitab exibe a estatística de regressão para o modelo a partir da etapa que maximiza a estatística do teste R² ou a estatística stepwise de R² de K dobras. O gráfico mostra se algum modelo mais simples ajusta bem o suficiente para que também possam ser bons candidatos.

Em um caso em que o modelo está superajustado, a estatística do teste R² ou a estatística stepwise de R² de K dobras começa a diminuir à medida que os termos entram no modelo. Essa diminuição acontece enquanto a estatística R² de treinamento correspondente ou a estatística R² para todos os dados continua a aumentar. Um modelo superajustado ocorre quando você adiciona termos para efeitos que não são importantes na população. Um modelo superajustado pode não ser útil para fazer predições sobre a população. Se um modelo estiver superajustado, você pode considerar modelos de etapas anteriores.

O gráfico a seguir mostra do teste R² como exemplo. Inicialmente, a estatística R² estão perto de 70%. Para as primeiros etapas, a estatística R² tendem a aumentar à medida que os termos entram no modelo. Na etapa 6, a estatística do teste R² é de aproximadamente 88%. O valor máximo da estatística do teste R² está na etapa 14 e tem um valor próximo a 90%. Você pode considerar se a melhoria no ajuste justifica a complexidade extra de adicionar mais termos ao modelo.

Após a etapa 14, enquanto o R² continua a aumentar, não acontece o mesmo com o R². A diminuição do teste R² após a etapa 14 indica que o modelo está superajustado.