Escolar Documentos
Profissional Documentos
Cultura Documentos
4,5
Salario
4,0
3,5
3,0
2,5
2,0
0
10
15
Experiencia
20
25
30
Coef
1,80633
0,100759
S = 0,211342
SE Coef
0,08161
0,005014
R-Sq = 94,2%
T
22,13
20,10
P
0,000
0,000
R-Sq(adj) = 93,9%
Analysis of Variance
Source
Regression
Residual Error
Lack of Fit
Pure Error
Total
DF
1
25
18
7
26
SS
18,037
1,117
0,607
0,510
19,154
MS
18,037
0,045
0,034
0,073
F
403,84
P
0,000
0,46
0,911
Experiencia
20,0
Salario
3,2307
Fit
3,8215
SE Fit
0,0503
Residual
-0,5908
St Resid
-2,88R
Salario
1,9307
3,1769
2,2769
3,1307
2,7769
3,0923
2,6538
2,2230
2,8538
3,2307
2,8230
1,9076
2,5384
2,5692
4,2230
4,0923
3,6000
4,7076
3,1461
2,9923
4,7461
ExperienciaTRES1
HI1
0
0,63022
0,149114
17
-1,71811 0,041734
8
-1,69596 0,058057
15
-0,89850 0,037482
9
0,30402
0,051741
15
-1,09133 0,037482
8
0,19790
0,058057
5
-0,42356 0,083761
13
-1,28188 0,037732
20
-3,44860 0,056556
11
-0,43609 0,042485
1
0,00254
0,133792
6
0,61924
0,074067
7
0,27646
0,065499
23
0,48222
0,081509
20
1,33993
0,056556
18
-0,09491 0,045549
27
0,91429
0,130540
11
1,12495
0,042485
10
0,85986
0,046550
29
0,08990
0,161809
FITS1
1,80633
3,51924
2,61240
3,31772
2,71316
3,31772
2,61240
2,31013
3,11620
3,82152
2,91468
1,90709
2,41089
2,51165
4,12379
3,82152
3,62000
4,52683
2,91468
2,81392
4,72835
4,1153
2,3615
4,0923
4,5076
2,9076
4,4846
23
4
22
25
9
25
-0,04109
0,74985
0,33413
0,90789
0,94267
0,79013
0,081509
0,094580
0,072066
0,103773
0,051741
0,103773
4,12379
2,20937
4,02303
4,32531
2,71316
4,32531
Inserir o valor para calcular a rea, para poder verificar se esse outlier
ou no.
rea pequena outlier se s rea grande no .
>0,05 Grande <0,05 pequena
Cumulative Distribution Function
Student's t distribution with 25 DF
x
-3,4486
P( X <= x )
0,0010040
Coef
1,80023
0,102835
SE Coef
0,06813
0,004228
S = 0,176381
R-Sq = 96,1%
T
26,42
24,32
P
0,000
0,000
R-Sq(adj) = 95,9%
Analysis of Variance
Source
Regression
Residual Error
Lack of Fit
Pure Error
Total
DF
1
24
18
6
25
SS
18,407
0,747
0,608
0,139
19,154
MS
18,407
0,031
0,034
0,023
F
591,69
P
0,000
1,46
0,335
Experiencia_1
Salario_1
Fit
SE Fit
Residual
St Resid
2
3
17,0
8,0
3,1769
2,2769
3,5484
2,6229
0,0370
0,0426
-0,3715
-0,3460
-2,15R
-2,02R
Salario_1
1,9307
3,1769
2,2769
3,1307
2,7769
3,0923
2,6538
2,2230
2,8538
2,8230
1,9076
2,5384
2,5692
4,2230
4,0923
3,6000
4,7076
3,1461
2,9923
4,7461
4,1153
2,3615
4,0923
4,5076
2,9076
4,4846
Experiencia_1
0
0,79578
17
-2,34826
8
-2,17267
15
-1,24022
9
0,29215
15
-1,48453
8
0,17678
5
-0,53330
13
-1,70180
11
-0,62031
1
0,02702
6
0,70640
7
0,28254
23
0,33502
20
1,40388
18
-0,29217
27
0,79232
11
1,25946
10
0,94890
29
-0,22163
23
-0,29164
4
0,88942
22
0,17161
25
0,81424
9
1,06182
25
0,67405
TESTE DE NORMALIDADE
Dados sem a observao 10.
TRES2
0,149214
0,044037
0,058356
0,039176
0,052169
0,039176
0,058356
0,083810
0,038911
0,043242
0,133836
0,074176
0,065691
0,086197
0,059947
0,048191
0,137283
0,043242
0,047131
0,169720
0,086197
0,094593
0,076298
0,109442
0,052169
0,109442
HI2 FITS2
1,80023
3,54843
2,62291
3,34276
2,72575
3,34276
2,62291
2,31441
3,13709
2,93142
1,90307
2,41724
2,52008
4,16544
3,85693
3,65126
4,57678
2,93142
2,82858
4,78245
4,16544
2,21157
4,06260
4,37111
2,72575
4,37111
Mean
StDev
N
RJ
P-Value
95
90
-0,01058
1,046
26
0,960
0,055
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
TRES2
TRES2
0,0
-0,5
-1,0
-1,5
-2,0
-2,5
0
10
15
Experiencia_ 1
20
25
30
TRES2
0,0
-0,5
-1,0
-1,5
-2,0
-2,5
2,0
2,5
3,0
3,5
FITS2
4,0
4,5
5,0
Verificar a linearidade:
Se comparamos com o grfico abaixo no verificamos a formao de uma curva:
Salario_ 1
4,0
3,5
3,0
2,5
2,0
0
10
15
Experiencia_ 1
20
25
30
Versus Order
(response is Salario_1)
0,3
0,2
Residual
0,1
0,0
-0,1
-0,2
-0,3
-0,4
2
Est ok!
10
12
14
16
Observation Order
18
20
22
24
26
PASSO A PASSO
1. Ajustar o modelo (fazer a reta, determinando os coeficientes e anlise de
regresso);
2. Avaliar observaes discrepantes (outliers);
a. Olhar as alavancas HI, se vai tir-las ou no, verificar residuos;
3. Anlise de resduos
a. Normalidade (Ryan-Joiner), se tiver problema, h necessidade de
transformar;
b. Varincia constante (residuos vs explicativas), se no for,
geralmente apresenta problema tambm na normalidade, e tentar
transformar a variavel para traze a variancia constante e a
normalidade;
c. Independencia (residuos vs ordem, caso tenha ordem);
d. Linearidade (residuos vs preditos) Teste de falta de ajuste.
4. Testar a significcia dos coeficientes (s)
5. Usar a reta de regresso: X=a Ya=0+1*a
IC para mdia, variancia em torno da mdia da reta
IC para o individuo, mais largo devido est em torno da variancia da
mdia da reta e do individuo
1,4
Upper CL
Lambda
(using 95,0% confidence)
Intrvalo de confiana
1,3
Estimate
1,2
Lower CLLambda
-1,34() = 1, no h
Upper CL
1,67
transformao
StDev
Rounded Value
0,10
0,00
1,1
1,0
0,9
0,8
Limit
0,7
-5,0
-2,5
0,0
Lambda
2,5
5,0
Teste de hipotese:
H0: = 1
H1: 1
Como 1 est contido no IC, no rejeitamos H0; no h necessidade de fazer
transformao.
Se rejeitar H0, os valores da coluna C16 seriam usados.
CustoSeguroVida
800
600
400
200
0
20
30
40
50
60
70
Idade
Coef
258,9
5,073
SE Coef
105,7
2,344
R-Sq = 7,4%
T
2,45
2,16
P
0,017
0,035
R-Sq(adj) = 5,8%
Analysis of Variance
Source
Regression
Residual Error
Lack of Fit
Pure Error
Total
DF
1
59
33
26
60
SS
178624
2250733
1496404
754329
2429357
MS
178624
38148
45346
29013
F
4,68
P
0,035
1,56
0,122
Idade
68,0
58,0
CustoSeguroVida
245,0
139,0
Fit
603,9
553,1
SE Fit
62,0
41,7
Residual
-358,9
-414,1
St Resid
-1,94 X
-2,17R
Pulse2
Activity
64
88
58
70
62
76
66
78
64
80
74
84
84
84
68
72
62
75
76
118
90
94
80
96
92
84
68
76
60
76
62
58
66
82
70
72
Activity_1
Activity_2
Activity_3
68
76
72
80
70
106
74
76
66
102
70
94
Coef
76,667
-8,524
-4,952
S = 8,77716
SE Coef
5,067
5,584
6,057
R-Sq = 11,0%
T
15,13
-1,53
-0,82
P
0,000
0,142
0,423
R-Sq(adj) = 2,6%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
2
21
23
Source
Activity_2
Activity_3
Seq SS
149,19
51,50
DF
1
1
SS
200,69
1617,81
1818,50
MS
100,35
77,04
F
1,30
P
0,293
Unusual Observations
Obs
13
Activity_2
0,00
Pulse1
92,00
Fit
71,71
SE Fit
3,32
Residual
20,29
St Resid
2,50R
8
36
2
36
24
Fazer o passo a passo para anlise de residuo e depois fazer a anlise de
regresso com a nova resposta Efeito em relao a activity 2 e 3.
Coef
8,667
9,690
-4,667
S = 11,0019
SE Coef
6,352
7,000
7,592
R-Sq = 28,7%
T
1,36
1,38
-0,61
P
0,187
0,181
0,545
R-Sq(adj) = 22,0%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
2
21
23
SS
1025,1
2541,9
3567,0
MS
512,5
121,0
F
4,23
P
0,029
DF
1
1
Seq SS
979,3
45,7
Unusual Observations
Obs
10
Activity_2
1,00
Efeito
42,00
Fit
18,36
SE Fit
2,94
Residual
23,64
St Resid
2,23R
Sada de dados:
RendaGasto Sexo Sexo_F
Sexo_M
2241,88
3641,42
5695,17
3350,86
7611,44
7281,52
2563,74
.
.
.
0
0
0
0
0
0
0
2151,10
2032,87
2789,27
2009,91
4984,77
3593,75
1403,90
M
M
M
M
M
M
M
1
1
1
1
1
1
1
Coef
-12,49
0,62694
1036,80
S = 521,035
SE Coef
93,95
0,01761
74,22
R-Sq = 87,5%
T
-0,13
35,60
13,97
P
0,894
0,000
0,000
R-Sq(adj) = 87,4%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
2
197
199
SS
375983614
53480972
429464585
MS
187991807
271477
F
692,48
P
0,000
No replicates.
Cannot do pure error test.
Source
Renda
Sexo_F
DF
1
1
Seq SS
323007166
52976448
Unusual Observations
Obs
27
64
131
138
140
Renda
6950
993
7616
5441
1697
Gasto
2978,1
2053,8
6940,9
5507,6
668,8
Fit
4344,7
609,9
5799,1
4435,6
2088,1
SE Fit
66,0
79,7
81,9
59,0
69,2
Residual
-1366,6
1443,9
1141,8
1072,1
-1419,4
St Resid
-2,64R
2,80R
2,22R
2,07R
-2,75R
144
147
166
169
1904
957
7640
6177
779,2
95,7
7042,7
6107,5
2217,7
1624,5
5814,2
4896,8
67,0
78,0
82,2
65,1
-1438,5
-1528,8
1228,5
1210,7
-2,78R
-2,97R
2,39R
2,34R
7000
6000
Gasto
5000
4000
3000
2000
1000
0
0
1000
2000
3000
4000 5000
Renda
6000
7000
8000