¿Qué es un modelo lineal general?

Utilice un modelo lineal general para determinar si las medias de dos o más grupos
son diferentes. Puede incluir factores aleatorios, covariables o una combinación de
factores cruzados y anidados. También puede usar la regresión escalonada como
ayuda para determinar el modelo. Luego podrá usar el modelo para predecir los
valores de nuevas observaciones, identificar la combinación de valores predictores que
en conjunto optimicen uno o más valores ajustados y crear gráficas de superficie,
gráficas de contorno y gráficas factoriales.

NOTA
Para un modelo con factores aleatorios, normalmente se utiliza Ajustar modelo de
efectos mixtos para poder usar el método de estimación de máxima verosimilitud
restringida (REML).

El GLM es un procedimiento ANOVA en el cual los cálculos se realizan utilizando un

enfoque de regresión de mínimos cuadrados para describir la relación estadística entre
uno o más predictores y una variable de respuesta continua. Los predictores pueden
ser factores y covariables. El GLM codifica los niveles de los factores como variables
indicadoras usando un esquema de codificación 1, 0, - 1, aunque usted puede
cambiarlo por un esquema de codificación binario (0, 1). Los factores pueden ser
cruzados o anidados, fijos o aleatorios. Las covariables pueden estar cruzadas entre sí
o cruzadas con factores, o pueden estar anidadas dentro de factores. El diseño puede
ser balanceado o no balanceado. El GLM puede realizar comparaciones múltiples entre
las medias de los niveles de los factores para hallar diferencias significativas.

Ejemplo de un modelo lineal general

Supongamos que usted está estudiando el efecto que ejercen un aditivo (factor con
tres niveles) y la temperatura (covariable) en el espesor del recubrimiento de su
producto. Usted recoge datos y ajusta un modelo lineal general. La siguiente salida es
una porción de los resultados de Minitab:

Factor Information

Factor Type Levels Values

Additive fixed 3 1, 2, 3

Analysis of Variance

Source F P
Temperature 719.21 0.000
Additive 56.65 0.000
Additive*Temperature 69.94 0.000

Model Summary

S R-Sq R-Sq(adj) R-sq(pred)

19.1185 99.73% 99.61% 99.39%

Coefficients

Term Coef T P
Constant -4968 -25.97 0.000
Temperature 83.87 26.82 0.000
Additive*Temperature -0.2852 -22.83 0.000
Additive
1 -24.40 -5.52 0.000
2 -27.87 -6.30 0.000

Puesto que los valores p son menores que cualquier nivel de significancia razonable,
existe evidencia de que los dos predictores y su interacción ejercen un efecto
significativo sobre la resistencia. Además, el modelo explica el 99.73% de la varianza. El
coeficiente de la covariable, temperatura, indica que la resistencia media aumenta en
83.87 unidades por cada incremento de un grado en la temperatura cuando todos los
demás predictores se mantienen constantes. Para el factor aditivo, la media del nivel 1
se encuentra 24.40 unidades por debajo de la media general, mientras que el nivel 2 se
encuentra 27.87 unidades por debajo de la media general. El nivel 3 es el valor de
referencia, y por ello no se muestra. Usted puede calcular la media de los niveles de los
factores de referencia sumando todos los coeficientes de los niveles de un factor
(excluyendo la intersección) y multiplicando por - 1. En este caso, está 52.27 ((-24.40-
27.87) * -1) unidades por encima de la media general.

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-
statistics/anova/supporting-topics/basics/what-is-a-general-linear-model/