Análise de Resíduos

O modelo de análise de variância assume que as observações são independentes e

normalmente distribuídas com a mesma variância para cada tratamento. Assim, é de suma
importância a análise dos pressupostos antes de validar um modelo.

ε ij=Y ij −Y^ ❑

Um resíduo é definido como a diferença entre os dados observados e os valores ajustados pelo
modelo (calculado). Se o modelo for adequado, espera-se que os resíduos não apresentem
nenhum padrão bem definido e possam, assim, ser classificados como ruído branco. Caso
contrário, se existir estrutura de dependência no resíduo e este puder ser modelado, não
podemos classificá-lo como ruído branco e, consequentemente, o modelo não poderá ser
validado.

ε N (0 ; σ)
Em suma, o que queremos validar são os seguintes pressupostos:

Os resíduos seguem uma distribuição normal?

Os resíduos têm média zero?

Os resíduos têm variância σ ij constante (homocedasticidade)?

Utilizando o Minitab para esse fim, obtivemos os seguintes resultados:

Pelo gráfico de probabilidade normal é possível notar que os resíduos não se distribuem
totalmente como uma normal, fato esse também visualizado pelo histograma. Portanto,
estamos tentados a rejeitar a hipótese nula de normalidade dos resíduos.
Além disso, pelo gráfico Versus Ajustado temos indícios sobre o comportamento da variância
dos resíduos com relação aos valores ajustados em nosso modelo. Esse pressuposto também
fica violado quando observamos que os resíduos não se dispõem de forma constante no
gráfico (as amplitudes variam a depender do valor ajustado).

E, por último, através do gráfico Versus Ordem obtemos indícios da independência ou não
entre os resíduos. Pelo nosso modelo, obtivemos um comportamento sistemático, conforme
observado nesse gráfico e, assim, temos indícios de que alguma variável "extra" pode estar
influenciando os resultados do experimento, fato que viola uma das premissas básicas da
ANOVA e compromete nossas conclusões.

----------------------------------------------------------------------------------------------------------------------

modelo bem ajustado: resíduos dispersos aleatoriamente em torno de zero, com variância
constante, concentrados entre -2 e 2 e pouquíssimos pontos acima de 3 ou abaixo de -3

Distribuição dos resíduos indica boa qualidade de ajuste

Distribuição dos resíduos indica erros heterocedásticos; comum quando a variável reposta
refere-se a proporções; há também uma observação com resíduo muito elevado, indicando
que não é bem ajustada pela reta solução: transformar a variável resposta ou considerar algum
modelo linear generalizado; deve-se verificar inicialmente se o valor atípico foi coletado e
registrado corretamente