interpretación de estimaciones de parámetrosTengo que determinar qué términos parecen más dominantes en la respuesta según la tabla de estimaciones de parámetros. Estoy un poco confundido debido a los coeficientes negativos de algunos de los términos en la columna de estimación.
AnalíticaTabla de datosGAMARe: interpretar estimaciones de parámetrosLos términos de interacción representan un efecto por encima de los 'efectos principales', 'efectos lineales' o 'efectos aditivos'. El parámetro negativo indica un efecto 'antagonístico': este modelo predice un cambio menos positivo en la respuesta que el esperado a partir de los términos lineales solos.
Parece que algunos de los parámetros no son significativamente diferentes de cero, por lo que estos términos pueden eliminarse. La mejor práctica es eliminar el término menos significativo (valor p más alto) y evaluar el nuevo modelo. Elimine un término a la vez y evalúe el nuevo conjunto de estimaciones y valores p.
Le sugiero que use el Perfilador de predicción una vez que haya seleccionado el modelo para ayudar en la interpretación de la relación entre los factores y la respuesta.
Re: interpretar estimaciones de parámetrosAdemás de la explicación y recomendación de Mark, tengo los siguientes pensamientos:
1. ¿Cuánto de un cambio en la variable de respuesta tiene importancia práctica? Las estimaciones son indicadores de cuánto cambiará la respuesta por cada "unidad" de cambio en el Parámetro.
2. ¿No veo la intersección en su tabla de estimaciones de parámetros? Este suele ser el promedio de los datos.
3. Las interacciones pueden ser difíciles de entender y cómo optimizarlas depende tanto del valor objetivo de la respuesta como de las implicaciones prácticas. Una interacción es cuando el efecto de un factor depende de otro factor. Para interacciones de 2 factores de signo positivo, el efecto de la interacción es mayor cuando esos factores tienen el mismo signo (-,- o +,+), para interacciones negativas, el efecto es mayor cuando tienen signos opuestos,(-,+ o +,-). Es una buena práctica evaluar las interacciones antes de sacar conclusiones sobre los efectos principales. Mire las gráficas de interacción para su evaluación.
