[R-br] regressao linear com constante igual azero

[Robert Iquiapaza]

Se é isso o que deseja:

dumvar1 = table(1:length(var1),as.factor(var1))
dumvar2 = table(1:length(var2),as.factor(var2))

summary(lm(S~0+dumvar1[,-1]+dumvar2[,-1]))

Coefficients:
                Estimate Std. Error t value Pr(>|t|)
dumvar1[, -1]B  0.234001   0.007011   33.38   <2e-16 ***
dumvar1[, -1]C  0.391907   0.007097   55.22   <2e-16 ***
dumvar2[, -1]B  0.182071   0.007258   25.09   <2e-16 ***
dumvar2[, -1]C -0.190209   0.007076  -26.88   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Att

Robert

#cuidado com a interpretação dos coeficientes.

Em 28 de abril de 2015 13:25, Bernardo Rangel Tura <tura em centroin.com.br>
escreveu:

> On 04/28/2015 11:16 AM, Rafael Costa wrote:
>
>> Prezado Tura,
>>
>> var1 e var2 são variáveis qualitativas com 3 categorias cada (dummies
>> multicategóricas). Na 1ª regressão, note que não há estimativas para
>> var1A e var2A explicitamente porque essas categorias são usadas como
>> referência (ou base) em cada variável. Isto é feito para evitar
>> problemas de multicolinearidade perfeita (consulte os livros de
>> econometria do GUJARATI ou do WOOLDRIDGE para rápida compreensão deste
>> problema, conhecido como "armadilha da variável dummy"). O intercepto do
>> 1º modelo é portanto o intercepto da regressão para o grupo de
>> referência em que var1=A e var2=A. Já os coeficientes estimados da
>> variável dummy de um determinado grupo representa a diferença estimada
>> nos interceptos entre aquele grupo e o grupo-base. Por exemplo, 0.16
>> (valor do coeficiente de var1B) representa a diferença entre o
>> intercepto deste grupo (var1=B e var2=A) e o intercepto do grupo-base
>> (var1=A e var2=A).
>> Na 2ª regressão, ao optar por excluir o intercepto, não há mais a
>> necessidade de retirar uma categoria de cada variável dummy para evitar
>> colinearidade perfeita. Agora pode-se escolher que uma das variáveis
>> mantenham todas a suas categorias, desde que nas demais variáveis
>> dummies se continue excluindo uma categoria que será utilizada como
>> referência ou base. Note que agora o coeficiente var1A na 2ª regressão é
>> justamente o mesmo valor do intercepto na 1ª regressão e os demais
>> coeficientes da var1 são agora a soma dos coeficientes na 1ª regressão
>> com o intercepto (por exemplo, o var1B da 2ª regressão = intercepto da
>> 1ª regressão + var1B da 1ª regressão).
>>
>> Espero ter ajudado,
>> Rafael.
>>
>
> Rafael
>
> Entendo a sua explicação mas acho que você não entendeu o que eu desejo.
> Para o modelo preciso de uma uma regressão que o intercepto tenha valor de
> ZERO, ou seja,
>
> S = 0 + b1*var1=='B' + b2*var1=='C' + b3*var2=='B' + b4*var2=='C' + erro
>
> Entende o modelo que preciso?
>
> Abraços
>
>
>
>
>
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
> código mínimo reproduzível.
>
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20150428/76af6d1a/attachment.html>