Um cientista em um laboratório de química de alimentos analisa 60 amostras de farinha de soja. Para cada amostra, o cientista determina o teor de umidade e gordura, e os registram dados espectrais quase infravermelhos (NIR) em 88 comprimentos de onda. O cientista seleciona aleatoriamente 54 das 60 amostras e calcula a relação entre as respostas (umidade e gordura) e os preditores (88 comprimentos de onda NIR), utilizando regressão PLS. O cientista usa as 6 amostras restantes como conjunto de dados de teste para avaliar a capacidade preditiva do modelo.
Selecione Estat > Regressão > Mínimos quadrados parciais.
Em Respostas, insira UmidadeGordura.
Em Modelo, insira '1'-'88'.
Clique em Predição.
Em Nova observação para preditores contínuos, insira Teste1-Teste88.
Em Nova observação para respostas (opcional), insira Umidade2Gordura2.
Clique em OK em cada caixa de diálogo.
Interpretar os resultados
Os valores-p para ambas as respostas são aproximadamente 0,000, que são menos do que o nível de significância de 0,05. Esses resultados indicam que pelo menos um coeficiente no modelo é diferente de zero. O valor de R2 de teste para umidade é de aproximadamente 0,9. O valor de R2 do teste é de quase 0,8. As estatísticas de R2 do teste indicam que os modelos predizem bem. A análise de cada resposta individualmente iria fornecer resultados diferentes.
Método
Validação Cruzada
Nenhum
Componentes para calcular.
Conjunto
Número de componentes calculados
10
Análise de Variância para Umidade
Fonte
GL
SQ
QM
F
P
Regressão
10
468,516
46,8516
61,46
0,000
Erro de Resíduos
43
32,777
0,7623
Total
53
501,293
Análise de Variância para Gordura
Fonte
GL
SQ
QM
F
P
Regressão
10
266,378
26,6378
36,89
0,000
Erro de Resíduos
43
31,050
0,7221
Total
53
297,428
Seleção de Modelo e Validação para Umidade
Componentes
Variância X
Erro
R-quad.
1
0,984976
96,9288
0,806643
2
0,996400
88,9900
0,822479
3
0,997757
71,9304
0,856510
4
0,999427
58,3174
0,883666
5
0,999722
58,1261
0,884048
6
0,999853
48,5236
0,903203
7
0,999963
45,9824
0,908272
8
0,999976
33,1545
0,933862
9
0,999982
32,8074
0,934554
10
0,999986
32,7773
0,934615
Seleção de Modelo e Validação para Gordura
Componentes
Variância X
Erro
R-quad.
1
0,984976
282,519
0,050127
2
0,996400
229,964
0,226824
3
0,997757
115,951
0,610155
4
0,999427
98,285
0,669550
5
0,999722
57,994
0,805015
6
0,999853
53,097
0,821480
7
0,999963
52,010
0,825133
8
0,999976
48,842
0,835784
9
0,999982
34,344
0,884529
10
0,999986
31,050
0,895604
Resposta Predita para Novas Observações Usando o Modelo para Umidade
Linha
Ajuste
EP do Ajustado
IC de 95%
IP de 95%
1
14,5184
0,388841
(13,7343; 15,3026)
(12,5910; 16,4459)
2
9,3049
0,372712
(8,5532; 10,0565)
(7,3904; 11,2193)
3
14,1790
0,504606
(13,1614; 15,1966)
(12,1454; 16,2127)
4
16,4477
0,559704
(15,3189; 17,5764)
(14,3562; 18,5391)
5
15,1872
0,358044
(14,4652; 15,9093)
(13,2842; 17,0903)
6
9,4639
0,485613
(8,4846; 10,4433)
(7,4492; 11,4787)
Resposta Predita para Novas Observações Usando o Modelo para Gordura
