interpretación correcta del gráfico de apalancamientoEstoy buscando resultados ajustados por mínimos cuadrados y hay dos factores en el modelo (después de reducir el modelo, quedan dos factores). El modelo completo no es significativo, pero el gráfico de apalancamiento para el factor 'A' es significativo. Quería comprobar si esta es la interpretación correcta del diagrama de apalancamiento: ' Aunque el modelo completo no es significativo, el gráfico de apalancamiento muestra que el factor 'A' tiene un impacto en la respuesta'. ?
Re: interpretación correcta del gráfico de apalancamientoCon respecto a la decisión de importancia de los gráficos de apalancamiento, la línea de referencia horizontal (sin efecto) no está contenida dentro de la región de confianza para el porcentaje A si extiende el gráfico más allá de la escala original. La evaluación visual en el gráfico debe coincidir con la evaluación numérica del valor p al nivel de significación predeterminado de 0,05.
Re: interpretación correcta del gráfico de apalancamientoNo estoy seguro de lo que quieres decir o por qué dices: " Entonces, la parte que me confunde es que ningún factor es significativo, pero aún así, en el resumen del efecto, el factor 'porcentaje A' es significativo. " Supongo que lo que quiere preguntar es cómo puede el ANOVA devolver un pag -valor por encima de 0,05 cuando el pag -el valor de uno de los factores es inferior a 0,05.
El ANOVA utiliza el F ratio para comparar la suma media de los cuadrados del modelo con la suma media de los cuadrados de los errores. Es una prueba ómnibus de cualquier parámetro distinto de cero. Las estimaciones de parámetros utilizan el t razón para comparar la estimación con el valor hipotético (cero) con el error estándar de la estimación. Las pruebas ANOVA y t no están conectadas directamente de ninguna manera. Estas dos pruebas se basan en diferentes hipótesis y métodos. Es cierto que si un factor tiene un pag -valor que es mucho menor que 0.05 entonces es más probable que el ANOVA tenga un pag -valor inferior a 0,05, pero no es directamente proporcional. En su caso, los valores p para el ANOVA y el factor están cerca del nivel de significación arbitrario de 0,05. Ninguno disfruta de evidencia particularmente fuerte para rechazar la hipótesis nula (cero).
Avíseme si no interpreté correctamente su última pregunta o si no aclaré el problema.
Re: interpretación correcta del gráfico de apalancamiento@statman @Mark_Bailey Entonces, la parte que me confunde es que ningún factor es significativo, pero aún así, en el resumen del efecto, el factor 'porcentaje A' es significativo.
Re: interpretación correcta del gráfico de apalancamientoEstoy confundido por tu publicación inicial. Mirando las gráficas de apalancamiento, ninguno de los factores o el modelo completo parecen significativos. Tengo entendido que la curva de confianza debe cruzar la línea horizontal. También parece que podría tener 1 o 2 residuos que parecen inusuales. No estoy seguro de cómo seleccionó estos factores de su experimento de detección, pero es posible que desee revisar esto. Y, por supuesto, Mark tiene algunos buenos consejos.
Re: interpretación correcta del gráfico de apalancamiento¡NO!
FDR está diseñado para situaciones con muchos términos en el modelo. Su objetivo es controlar la inflación de la tasa de error tipo I experimentalmente.
Re: interpretación correcta del gráfico de apalancamiento@Mark_Bailey Gracias por su respuesta. Una pregunta de seguimiento: ¿Cree que el valor p de FDR ayuda en este caso a filtrar la coincidencia (que el factor A es significativo)? Debido a este resultado (que le mostré antes), el resumen del efecto muestra que el factor 'A' es significativo (se muestra a continuación).
Y si compruebo el resumen del efecto FDR, se muestran los siguientes resultados.
Re: interpretación correcta del gráfico de apalancamientoGracias por compartir.Hay varias maneras de proceder.
- Puede aceptar la determinación de la prueba del modelo completo de que ninguno de los términos es significativo. Este enfoque es conservador. El riesgo es que cometas un error tipo II.
- Puede relajar el estándar común de alfa = 0,05 para la significancia si este caso es un estudio de detección. Es decir, acepte una mayor posibilidad de un error de tipo I para reducir la posibilidad de un error de tipo II, que es más preocupante al realizar la detección. Este enfoque supone que verificará la conclusión con observaciones futuras. Por ejemplo, haga predicciones de la respuesta a nuevos niveles de factores y confírmelas empíricamente.
- Puede recopilar más observaciones, especialmente en los extremos de los rangos de factores, para ver si las tendencias se mantienen al repetir el análisis de regresión. Podría considerar extender los rangos en esta etapa para producir un efecto mayor, si ese cambio es físicamente factible. Este enfoque es prudente y económico porque tales observaciones tendrían el máximo apalancamiento.
Re: interpretación correcta del gráfico de apalancamiento@Mark_Bailey estas son las parcelas.
Re: interpretación correcta del gráfico de apalancamientoUn análisis de regresión a menudo implica muchas pruebas de hipótesis. Es posible, por lo tanto, que obtenga un significado falso, un error de tipo I. En este caso, también es posible que tenga una observación de alto apalancamiento para uno de los factores. ¿Puede mostrarnos una imagen de los diagramas reales por predichos y de apalancamiento?
