Carregar apresentação
A apresentação está carregando. Por favor, espere
1
INTRODUÇÃO AO R E ESTATÍSTICA BÁSICA:
4 PRÁTICO: REGRESSÃO LINEAR LUIS ANUNCIAÇÃO (PUC-RIO) anovabr.com
2
AGENDA/OBJETIVOS Regressão Intepretação dos modelos
3
Família GLM Regressão VI contínua ou não ANOVA 3 ou + grupos TESTE T
4
Motivação / Pressupostos
Relação funcional entre uma variável dependente com uma ou mais variáveis independentes Prever o valor de variável (dependente) a partir de uma ou mais variáveis (independentes) L – I – N - E Pesquisas observacionais (Accounted for) e experimentais (Explained by) Regressão -> TRI -> Machine Learning
5
Regressão 𝒚=𝒂+𝒃𝑿𝟏 y depressão Inclinação Intercepto x = Idade
6
𝒚=𝒂+𝒃∗𝒊𝒅𝒂𝒅𝒆
7
𝒚=𝒂+𝒃∗𝒎𝒖𝒍𝒉𝒆𝒓𝒆𝒔
8
𝒚=𝒂+𝒃∗𝒊𝒅𝒂𝒅𝒆+𝒃∗𝒎𝒖𝒍𝒉𝒆𝒓𝒆𝒔
9
𝒚=𝒂+𝒃∗𝒊𝒅𝒂𝒅𝒆+𝒃∗𝒎𝒖𝒍𝒉𝒆𝒓𝒆𝒔
predict(mod3, data.frame(idade=c(0), mulheres=c("0"))) Homens, idade = 0 predict(mod3, data.frame(idade= , mulheres=c("0")))- predict(mod3, data.frame(idade= , mulheres=c("0"))) O quanto é esperado que aumente o valor de y em média, se aumentarmos 1 ano de idade e controlando para o sexo do participante predict(mod3, data.frame(idade=mean(dist$idade), mulheres=c("0")))- predict(mod3, data.frame(idade=mean(dist$idade), mulheres=c("1"))) Diferença na depressão entre homens e mulheres com a mesma idade (idade média)
11
DPLYR bsq_regress <- dados_brasil %>% select( )
bsq_soma, mulheres, idade, imc, faz_esporte, familia_esporte, eat_soma %>% drop_na()
12
lm() rl <- lm(data=bsq_regress, bsq_soma ~. ) library("apaTables")
apa.reg.table(rl) library("effects") all_effects <- allEffects(rl) plot(all_effects)
13
LAB
14
REVISÃO
15
Revisão Teste T e ANOVA trabalham em função da média
ANOVA é um teste exploratório Comparações pareadas devem ser feitas ajustando os resultados Enquanto a significância tem decisões “binárias”, o tamanho do efeito é contínuo
16
SINTAXE
17
REVISÃO # regressao linear rl <- lm(data=bsq_regress, bsq_soma ~. )
# Estatistica no R - Aula 4 (Regressao) # Luis Anunciacao (Psicometria, PUC-Rio/University of Oregon) # library("tidyverse") #carregar pacote bsq_regress <- dados_brasil %>% select(bsq_soma, mulheres, idade, imc, faz_esporte, familia_esporte, eat_soma) %>% drop_na() #criar base propria eat_regress <- dados_brasil %>% select(eat_soma, mulheres, idade, imc, faz_esporte, familia_esporte, bsq_soma) %>% # regressao linear rl <- lm(data=bsq_regress, bsq_soma ~. ) library("apaTables") apa.reg.table(rl) library("effects") all_effects <- allEffects(rl) plot(all_effects) # Luis Anunciacao, 2017 # This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. #
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.