Escolar Documentos
Profissional Documentos
Cultura Documentos
> load('Davi_Moreira/vote_growth_usa.RData')
> ## Ajustando o modelo
> reg <- lm(Vote ~ Growth,data = bd)
> ## Sum�rio das estat�sticas do modelo
> summary(reg)
Call:
lm(formula = Vote ~ Growth, data = bd)
Residuals:
Min 1Q Median 3Q Max
-8.1968 -3.7667 -0.7972 3.1294 10.0107
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 51.5082 0.8569 60.110 < 2e-16 ***
Growth 0.6249 0.1577 3.962 0.00039 ***
---
Signif. codes: 0 �***� 0.001 �**� 0.01 �*� 0.05 �.� 0.1 � � 1
Call:
lm(formula = Vote ~ Growth, data = bd_f)
Residuals:
Min 1Q Median 3Q Max
-9.7209 -3.5931 0.5013 3.1253 9.3127
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 51.9850 1.5371 33.821 4.66e-14 ***
Growth 0.5336 0.2366 2.255 0.042 *
---
Signif. codes: 0 �***� 0.001 �**� 0.01 �*� 0.05 �.� 0.1 � � 1
Coment�rios:
* Continuamos rejeitando H0 ao n�vel de 95% de confian�a.
* O intercepto do modelo permaneceu bem pr�ximo ao valor
do anterio e tamb�m significativo quando P(|E(x) - u|) < 5%.
* Os erros padr�o estimados para o intercepto e para o Beta
aumentaram quando utilizamos dados at� 1932. Ou seja:
B1 C [0,32 ; 0,92] e B1_novo C [0,07 ; 0,99]
* � poss�vel observar que o R2 do modelo passou de 33% no
modelo 1 para 28% no modelo, que, portanto, explica menor
por��o de vari�ncia da vari�vel dependente que o anterior.
* Ainda sim, a estat�stica F dos dois modelos permanece
inferior ao ponto cr�tico, tornando ambos estat�sticamente
significativos.