Como Testar Premissas de Modelos Lineares no R Studio

Técnico / Intermediário

Esta página foi editada pela última vez à(s) 01:08 de 17 abr 2019 por Lamscha.

Antes de fazer um modelo linear, como por exemplo uma regressão, é necessário avaliar se os dados utilizados atendem às premissas da análise. Para que os dados sejam adequados, eles devem ser lineares, apresentar normalidade dos resíduos, homogeneidade das variâncias e terem sido coletados de maneira independente. Siga o passo a passo para aprender a testar as premissas.

1- Avalie a linearidade

Para avaliar a linearidade, faça um gráfico da sua variável resposta em relação à variável preditora digitando o comando:

plot(var_resposta~var_preditora)

A distribuição dos pontos não deve apresentar nenhum padrão não-linear, como em formato de U.

AVISO

Caso você não saiba abrir sua planilha de dados e as variáveis no R Studio, pode aprender aqui.

2- Faça a regressão linear

Para avaliar as outras premissas, precisamos olhar os resíduos do modelo. Para gerar o modelo de regressão e visualizar o resultado, digite os comandos:

reg<-lm(var_resposta~var_preditora)
summary(reg)

3- Teste a normalidade dos resíduos

Para verificar se os resíduos dos dados possuem uma distribuição normal, digite o comando:

shapiro.test(rstudent(reg))

Um valor maior que 0.05 indica normalidade.

4- Avalie a homogeneidade das variâncias

Para avaliar visualmente a homogeneidade das variâncias, digite os comandos:

plot(rstudent(reg) ~ fitted(reg), pch = 19)
abline(h = 0, lty = 2)

Para serem considerados homogêneos, os dados devem se distribuir igualmente abaixo e acima da linha.

5- Visualize seu modelo

Prontinho! Agora que você testou e aprovou todas as premissas de um modelo linear, é possível interpretar o resultado da sua análise. Para visualizar os seus dados juntamente com a reta de regressão do modelo, digite os comandos:

plot(var_resposta~var_preditora)
abline(reg)

Assista ao vídeo abaixo para aprender mais sobre as premissas de um modelo linear e como fazê-las no software R.

Análise de Regressão

Fontes e Referências