Medidas de ajuste

O que o bloco faz

models/fit_stats Reúne medidas de ajuste compatíveis com o modelo em colunas fixas. A saída é uma tabela data/table.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

Estatística F

A razão entre duas estimativas de variância: a explicada por um fator e a residual. Valores muito maiores que 1 indicam que o fator explica mais variação do que o acaso explicaria; é a estatística da análise de variância.

Verossimilhança

O quanto um modelo, com certos valores de parâmetros, torna prováveis os dados observados. Estimar por máxima verossimilhança é escolher os parâmetros que maximizam essa medida; critérios como AIC e BIC partem dela.

Modelo linear

Um modelo em que a resposta é a soma de efeitos das variáveis explicativas, cada um multiplicado por um coeficiente, mais um erro aleatório. Regressão e análise de variância são casos dele; “linear” se refere aos coeficientes, não à forma da curva.

Coeficiente de determinação (R²)

A fração da variação da resposta que o modelo explica, entre 0 e 1. Nunca diminui quando se acrescentam variáveis, por isso não serve sozinho para escolher entre modelos.

Coeficiente de variação (CV)

O desvio padrão dividido pela média, em porcentagem. Em experimentos, usa-se a raiz do quadrado médio do resíduo para indicar a precisão do ensaio; o que é um CV alto depende da variável e da área.

Quando usar

Use para resumir capacidade de ajuste ou comparar especificações ajustadas à mesma resposta e aos mesmos dados.

Configuração

Não há parâmetros adicionais.

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.models", registry = reg)

tr_flow(reg) |>
  tr_add("dados", "models/example", dataset = "PlantGrowth") |>
  tr_add("ajuste", "models/anova_dic", resposta = "weight", tratamento = "group", from = "dados") |>
  tr_add("resultado", "models/fit_stats", from = "ajuste")

Para o ajuste weight ~ group, a tabela apresenta R², R² ajustado, AIC, BIC e log-verossimilhança quando definidos para esse modelo linear.

Como interpretar

AIC e BIC são comparáveis entre modelos ajustados à mesma resposta e aos mesmos dados. Em mistos, R² marginal e condicional referem-se a parcelas diferentes da variação.