Ferramentas do usuário
cursos:planeco:roteiro:09-lm02b
Diferenças
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 15:12] adriana |
cursos:planeco:roteiro:09-lm02b [2022/04/15 16:10] adriana [Biomassa de manguezais e variáveis ambientais] |
||
|---|---|---|---|
| Linha 91: | Linha 91: | ||
| <WRAP center round important 90%> | <WRAP center round important 90%> | ||
| - | Importante: Como o valor de VIF de cada parâmetro depende de quais outros parâmetros estão sendo incluídos no modelo, só é possível calcular os VIFs depois de ter ajustado um modelo. Ao usar o R Commander, fique sempre atento(a) se o modelo ativo é o modelo para o qual você quer calcular os VIFs. | + | Importante: Como o valor de VIF de cada parâmetro depende de quais outros parâmetros estão sendo incluídos no modelo, só é possível calcular os VIFs depois de ter ajustado um modelo. Ao usar o R Commander, fique sempre atento(a) se o modelo ativo é realmente o modelo para o qual você quer calcular os VIFs. |
| </WRAP> | </WRAP> | ||
| 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 109: | Linha 109: | ||
| </WRAP> | </WRAP> | ||
| - | 6. **Continuando nossa análise:** Após analisar os valores dos VIFs do modelo "carbon1", se houver alguma variável com valor maior que 4, remova a variável com o maior VIF e ajuste um novo modelo. Coloque "carbon2" como nome desse modelo. Olhe para o //summary// desse modelo e para as variáveis que permaneceram nele. Cheque os valores dos coeficientes e a significância de cada variável em relação ao modelo "carbon1". **Houve alguma alteração? Alguma variável deixou de ser significativa? Alguma variável passou a ser significativa? O sinal do efeito mudou?** | + | Continuando nossa análise sobre o estoque de Carbono em manguezais: |
| + | |||
| + | 6. Após analisar os valores dos VIFs do modelo "carbon1", se houver alguma variável com valor maior que 4, remova a variável com o maior VIF e ajuste um novo modelo. Coloque "carbon2" como nome desse modelo. Olhe para o //summary// desse modelo e para as variáveis que permaneceram nele. Cheque os valores dos coeficientes e a significância de cada variável em relação ao modelo "carbon1". **Houve alguma alteração? Alguma variável deixou de ser significativa? Alguma variável passou a ser significativa? O sinal do efeito mudou?** | ||
| 7. Calcule os VIFs das variáveis do modelo "carbon2" usando o caminho **Modelos -> Diagnóstico numérico -> Fatores de Inflação de Variância** e veja se ainda tem alguma variável com VIF maior que 4. | 7. Calcule os VIFs das variáveis do modelo "carbon2" usando o caminho **Modelos -> Diagnóstico numérico -> Fatores de Inflação de Variância** e veja se ainda tem alguma variável com VIF maior que 4. | ||
| Linha 115: | Linha 117: | ||
| 8. Repita os procedimentos anteriores até não haver nenhuma variável com VIF maior que 4. | 8. Repita os procedimentos anteriores até não haver nenhuma variável com VIF maior que 4. | ||
| - | 9. E possível que algumas das variáveis remanescentes, mesmo que não sejam colineares entre si, não sejam relevantes para definir o estoque de carbono em manguezais. Então, para iniciar o procedimento de seleção de modelos, crie um modelo completo que inclua as variáveis remanescentes **e suas interações**(nomeie como "carbon_int1"). Analise o //summary//do modelo. | + | 9. E possível que algumas das variáveis remanescentes, mesmo que não sejam colineares entre si, não sejam relevantes para definir o estoque de carbono em manguezais. Então, para iniciar o procedimento de seleção de modelos, crie um modelo completo que inclua as variáveis remanescentes **e suas interações** (nomeie como "carbon_int"). Analise o //summary//do modelo. |
| - | 10.Realize o procedimento de seleção do modelo mínimo plausível pelo método de simplificação para o mínimo adequado, conforme explicado no roteiro I de MLM. | + | 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]] |
| + | |||
| + | 11. Analise os resultados do modelo final. | ||
| + | \\ | ||
| + | \\ | ||
| + | \\ | ||
| - | 10. Analise os resultados do modelo final. | ||
| ===== Modelos Lineares Múltiplos: preditoras contínuas e categóricas ===== | ===== Modelos Lineares Múltiplos: preditoras contínuas e categóricas ===== | ||
| - | {{:cursos:planeco:roteiro:plotBabies01.png?400 |}} | + | {{: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. | ||
| + | \\ | ||
| + | \\ | ||
| + | \\ | ||
| + | \\ | ||
| + | \\ | ||
| + | \\ | ||
| + | \\ | ||
| <WRAP center round box 60%> | <WRAP center round box 60%> | ||
| Linha 146: | 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 ==== | ||
cursos/planeco/roteiro/09-lm02b.txt · Última modificação: 2022/04/15 17:03 por adriana
Exceto onde for informado ao contrário, o conteúdo neste wiki está sob a seguinte licença: CC Attribution-Noncommercial-Share Alike 4.0 International
