Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Última revisão Ambos lados da revisão seguinte | ||
cursos:planeco:roteiro:09-lm02b [2022/04/15 15:27] adriana [Modelos Lineares Múltiplos: preditoras contínuas e categóricas] |
cursos:planeco:roteiro:09-lm02b [2022/04/15 16:10] adriana [Biomassa de manguezais e variáveis ambientais] |
||
---|---|---|---|
Linha 103: | Linha 103: | ||
Agora, vamos calcular manualmente o valor de VIF para a variável preditora **lat** e comparar com o valor obtido acima no R Commander. Para isso, precisamos calcular o R<sup>2</sup> da relação entre essa variável preditora e todas as outras preditoras que estavam no modelo completo, sem as interações (carbon1). Para isso, vamos criar um novo modelo no qual a variável para a qual estamos interessados em calcular o VIF (**lat**) passará agora a ser a __variável resposta__ desse novo modelo que criaremos. | Agora, vamos calcular manualmente o valor de VIF para a variável preditora **lat** e comparar com o valor obtido acima no R Commander. Para isso, precisamos calcular o R<sup>2</sup> da relação entre essa variável preditora e todas as outras preditoras que estavam no modelo completo, sem as interações (carbon1). Para isso, vamos criar um novo modelo no qual a variável para a qual estamos interessados em calcular o VIF (**lat**) passará agora a ser a __variável resposta__ desse novo modelo que criaremos. | ||
- | Entre em **Estatísticas -> Ajuste de Modelos -> Modelo Linear**. Coloque **lat** __como variável resposta__ na caixa da esquerda da equação e coloque as outras 2 variáveis preditoras (**temp** + **ppt**) na caixa da direita da equação. Defina o nome desse modelo como "viflat". No //summary// do modelo será apresentado o valor de R<sup>2</sup> Múltiplo (//Multiple R-square//). Utilize esse valor na equação de cálculo de VIF e veja se o resultado é igual ao valor de VIF calculado pelo R Commander para a variável **lat** a partir do modelo "carbon1" feito acima. Deveria ser. Se não foi, peça ajuda a alguém da equipe. | + | Entre em **Estatísticas -> Ajuste de Modelos -> Modelo Linear**. Coloque **lat** como __variável resposta__ na caixa da esquerda da equação e coloque as outras 2 variáveis preditoras (**temp** + **ppt**) na caixa da direita da equação. Defina o nome desse modelo como "viflat". No //summary// do modelo será apresentado o valor de R<sup>2</sup> Múltiplo (//Multiple R-square//). Utilize esse valor na equação de cálculo de VIF e veja se o resultado é igual ao valor de VIF calculado pelo R Commander para a variável **lat** a partir do modelo "carbon1" feito acima. Deveria ser. Se não foi, peça ajuda a alguém da equipe. |
Repita o mesmo procedimento para outra variável de sua escolha. Você pode fazer isso para todas as variáveis do modelo, se quiser. | Repita o mesmo procedimento para outra variável de sua escolha. Você pode fazer isso para todas as variáveis do modelo, se quiser. | ||
Linha 121: | Linha 121: | ||
10. Realize o procedimento de seleção do modelo mínimo plausível pelo método de simplificação para o mínimo adequado, conforme explicado no item [[cursos:planeco:roteiro:09-lm02#simplificando_modelos|Simplificando modelos]] do roteiro I de Modelos Lineares Múltiplos]] | 10. Realize o procedimento de seleção do modelo mínimo plausível pelo método de simplificação para o mínimo adequado, conforme explicado no item [[cursos:planeco:roteiro:09-lm02#simplificando_modelos|Simplificando modelos]] do roteiro I de Modelos Lineares Múltiplos]] | ||
- | 10. Analise os resultados do modelo final. | + | 11. Analise os resultados do modelo final. |
\\ | \\ | ||
\\ | \\ | ||
Linha 130: | Linha 130: | ||
===== Modelos Lineares Múltiplos: preditoras contínuas e categóricas ===== | ===== Modelos Lineares Múltiplos: preditoras contínuas e categóricas ===== | ||
- | {{:cursos:planeco:roteiro:plotBabies01.png?200 |}} | + | {{:cursos:planeco:roteiro:plotBabies01.png?300 |}} |
+ | \\ | ||
+ | \\ | ||
+ | \\ | ||
+ | \\ | ||
Nesse último tópico do bloco vamos resgatar os principais conceitos que emergiram com a generalização do modelo linear, agora com múltiplas preditoras, a partir de um exemplo que tem duas variáveis preditoras contínuas e duas categórica. Acreditamos que esse exemplo incorpora as complexidades tratadas e ajuda a agrupar os tópicos que devem ficar atentos nos modelos com múltiplas preditoras. | Nesse último tópico do bloco vamos resgatar os principais conceitos que emergiram com a generalização do modelo linear, agora com múltiplas preditoras, a partir de um exemplo que tem duas variáveis preditoras contínuas e duas categórica. Acreditamos que esse exemplo incorpora as complexidades tratadas e ajuda a agrupar os tópicos que devem ficar atentos nos modelos com múltiplas preditoras. | ||
+ | \\ | ||
\\ | \\ | ||
\\ | \\ | ||
+ | \\ | ||
\\ | \\ | ||
\\ | \\ | ||
Linha 156: | Linha 161: | ||
* compreender os termos de interação; | * compreender os termos de interação; | ||
* compor o predito pelo modelo a partir dos coeficientes; | * compor o predito pelo modelo a partir dos coeficientes; | ||
- | * interpretar biológicamente o resultado do modelo. | + | * interpretar biologicamente o resultado do modelo. |
</WRAP> | </WRAP> | ||
+ | \\ | ||
+ | \\ | ||
==== VIF e as interações ==== | ==== VIF e as interações ==== |