<div dir="ltr">O que o Rafel falou é que as duas expressões são matematicamente equivalentes, por uma questão de combinação linear das variáveis.<div>Portanto, ao eliminar o intercepto, alguma das variáveis anteriores omitidas (var1==A ou var2==A) deverá aparecer na regressão necessariamente.</div><div><br></div><div>Sugiro consultar a referência dada (ou apenas procure por multicolineariedade variável dummy/binária) para entender o que está acontecendo.</div><div>Abç</div><div>M<br><div><br></div></div></div><div class="gmail_extra"><br><div class="gmail_quote">2015-04-28 13:25 GMT-03:00 Bernardo Rangel Tura <span dir="ltr"><<a href="mailto:tura@centroin.com.br" target="_blank">tura@centroin.com.br</a>></span>:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div class="HOEnZb"><div class="h5">On 04/28/2015 11:16 AM, Rafael Costa wrote:<br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">
Prezado Tura,<br>
<br>
var1 e var2 são variáveis qualitativas com 3 categorias cada (dummies<br>
multicategóricas). Na 1ª regressão, note que não há estimativas para<br>
var1A e var2A explicitamente porque essas categorias são usadas como<br>
referência (ou base) em cada variável. Isto é feito para evitar<br>
problemas de multicolinearidade perfeita (consulte os livros de<br>
econometria do GUJARATI ou do WOOLDRIDGE para rápida compreensão deste<br>
problema, conhecido como "armadilha da variável dummy"). O intercepto do<br>
1º modelo é portanto o intercepto da regressão para o grupo de<br>
referência em que var1=A e var2=A. Já os coeficientes estimados da<br>
variável dummy de um determinado grupo representa a diferença estimada<br>
nos interceptos entre aquele grupo e o grupo-base. Por exemplo, 0.16<br>
(valor do coeficiente de var1B) representa a diferença entre o<br>
intercepto deste grupo (var1=B e var2=A) e o intercepto do grupo-base<br>
(var1=A e var2=A).<br>
Na 2ª regressão, ao optar por excluir o intercepto, não há mais a<br>
necessidade de retirar uma categoria de cada variável dummy para evitar<br>
colinearidade perfeita. Agora pode-se escolher que uma das variáveis<br>
mantenham todas a suas categorias, desde que nas demais variáveis<br>
dummies se continue excluindo uma categoria que será utilizada como<br>
referência ou base. Note que agora o coeficiente var1A na 2ª regressão é<br>
justamente o mesmo valor do intercepto na 1ª regressão e os demais<br>
coeficientes da var1 são agora a soma dos coeficientes na 1ª regressão<br>
com o intercepto (por exemplo, o var1B da 2ª regressão = intercepto da<br>
1ª regressão + var1B da 1ª regressão).<br>
<br>
Espero ter ajudado,<br>
Rafael.<br>
</blockquote>
<br></div></div>
Rafael<br>
<br>
Entendo a sua explicação mas acho que você não entendeu o que eu desejo.<br>
Para o modelo preciso de uma uma regressão que o intercepto tenha valor de ZERO, ou seja,<br>
<br>
S = 0 + b1*var1=='B' + b2*var1=='C' + b3*var2=='B' + b4*var2=='C' + erro<br>
<br>
Entende o modelo que preciso?<br>
<br>
Abraços<div class="HOEnZb"><div class="h5"><br>
<br>
<br>
<br>
<br>
_______________________________________________<br>
R-br mailing list<br>
<a href="mailto:R-br@listas.c3sl.ufpr.br" target="_blank">R-br@listas.c3sl.ufpr.br</a><br>
<a href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br" target="_blank">https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br</a><br>
Leia o guia de postagem (<a href="http://www.leg.ufpr.br/r-br-guia" target="_blank">http://www.leg.ufpr.br/r-br-guia</a>) e forneça código mínimo reproduzível.<br>
</div></div></blockquote></div><br><br clear="all"><div><br></div>-- <br><div class="gmail_signature">Manoel Galdino<br><a href="https://sites.google.com/site/galdinomcz/" target="_blank">https://sites.google.com/site/galdinomcz/</a><br></div>
</div>