Tabela de falta de ajuste para Regressão não-linear

Encontre definições e orientações de interpretação para cada estatística na tabela Falta de ajuste. O Minitab exibe automaticamente a tabela de falta de ajuste quando seus dados contêm réplicas. As réplicas são múltiplas observações com valores de preditora idênticos. Se os seus dados não contêm réplicas, é impossível calcular o erro puro que é necessário para executar este teste.

Neste tópico

DF
SS
MS
F
Valor de p – teste de ajuste (lack-of-fit)

DF

O total de graus de liberdade (DF) corresponde a quantidade de informações em seus dados. A análise usa essas informações para estimar os valores dos parâmetros da população desconhecidos. Os DF totais são determinados pelo número de observações em sua amostra. Aumentar o tamanho amostral fornece mais informações sobre a população, o que aumenta os DF totais.

O DF de cada fonte de erro mostra quanta informação esse termo usa. Os graus de liberdade para teste de falta de ajuste são os graus de liberdade para erro menos os graus de liberdade para erro puro.

SS

As diferentes somas de quadrados (SQ) para erros medem a variância atribuível ao total de erros, erro de falta de ajuste e erro puro. A SQ que o Minitab usa para o teste de falta de ajuste é a soma dos quadrados total para erro menos a soma dos quadrados para erro puro.

Interpretação

O Minitab usa a soma dos quadrados para calcular o valor-p para o teste de falta de ajuste. Normalmente, você interpreta o valor-p em vez das somas dos quadrados.

MS

Os diferentes quadrados médios (QM) para erros medem quanta variação é atribuível ao total de erros, erro de falta de ajuste e erro puro. Os quadrados médios são iguais às somas dos quadrados dividida por seus graus de liberdade.

O quadrado médio de erros (MSE) é a variância ao redor dos valores ajustados. MSE = SSE final / DFE.

Interpretação

O Minitab use os quadrados médios para calcular o valor-p para o teste de falta de ajuste. Normalmente, você interpreta o valor-p em vez dos quadrados médios.

F

Um valor-f aparece para o termo Falta de ajuste na tabela de teste Falta de ajuste. O valor-f é a estatística de teste usada para determinar se no modelo estão faltando termos de ordem mais alta, que incluem as preditoras no modelo atual.

Interpretação

O Minitab usa a o valor de F para calcular o valor de p, que pode ser usado para a tomada de uma decisão sobre a significância estatística dos termos e do modelo. O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Um valor-f suficientemente grande indica que a falta de ajuste é significativa.

Valor de p – teste de ajuste (lack-of-fit)

O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula. O Minitab executa automaticamente o teste de ajuste (lack-of-fit) de erro puro quando os seus dados contêm repetições, que são múltiplas observações com valores x idênticos. As replicações representam o "erro puro", pois apenas a variação aleatória pode causar diferenças entre os valores de resposta observados.

Interpretação

Para determinar se o modelo especifica corretamente a relação entre a resposta e os preditores, compare o valor-p para o teste de ajuste (lack-of-fit) com o seu nível de significância para avaliar a hipótese nula. A hipótese nula para o teste de ajuste (lack-of-fit) é que o modelo especifica corretamente a relação entre a resposta e os preditores. Em geral, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de concluir que o modelo não especifica corretamente a relação entre a resposta e os preditores quando o modelo não especifica a relação correta.

Valor-p ≤ α: o teste de ajuste (lack-of-fit) é estatisticamente significativo: Se o valor-p for menor ou igual ao nível de significância, conclua que o modelo não especifica corretamente a relação. Para melhorar o modelo, talvez seja necessário adicionar termos ou transformar seus dados.
Valor-p ≤ α: o teste de ajuste (lack-of-fit) não é estatisticamente significativo: Se o valor-p for maior do que o nível de significância, o teste não detecta nenhum teste de ajuste (lack-of-fit).