Pois então... Daniel ou mais algum colega da lista, teria alguma dica? Será que ANOVA ou lm seriam recomendadas para meus dados? Em 18 de setembro de 2014 16:04, <dtiezzi@usp.br> escreveu:
As suas variáveis não são colineares?
Por isso está saindo o NA no modelo de regressão
Daniel
------------------------------
*De: *"Jefferson Ferreira-Ferreira" <jecogeo@gmail.com> *Para: *r-br@listas.c3sl.ufpr.br *Enviadas: *Quinta-feira, 18 de Setembro de 2014 15:48:04
*Assunto: *Re: [R-br] Variáveis contínuas explicando Variáveis categóricas
Daniel e demais,
Aparentemente não resolve, pois recebo NAs para diversos slopes. (ver summary do modelo abaixo). E acho que isso não pode estar certo. Segue aqui um exemplo dos meus dados. O que eu gostaria é de ver o quanto as variáveis categóricas explicam minha media_CBT e minha media_CCS.
Alguma ideia???
agua_quente detergentes agua_trat Filtr_leite Higie_resf pre_dipping toalha pos_dipping vacuo pulsador Aliment_pos media_CBT media_CCS 1 0 0 1 0 1 1 1 1 1 1 931 623.3333333 1 0 0 1 1 0 1 1 1 1 1 163.6666667 259 1 0 0 1 1 1 1 1 0 0 0 690.3333333 306.3333333 1 0 0 1 1 1 1 1 0 0 1 690.3333333 306.3333333
summary(m)
Call: lm(formula = dados$media_CBT ~ dados$agua_quente + dados$detergentes + dados$agua_trat + dados$Filtr_leite + dados$Higie_resf + dados$pre_dipping + dados$toalha + dados$pos_dipping + dados$vacuo)
Residuals: 1 2 3 4 0.000e+00 -3.155e-30 4.019e-14 -4.019e-14
Coefficients: (7 not defined because of singularities) Estimate Std. Error t value Pr(>|t|) (Intercept) 4.043e+02 8.988e-14 4.499e+15 <2e-16 *** dados$agua_quente NA NA NA NA dados$detergentes NA NA NA NA dados$agua_trat NA NA NA NA dados$Filtr_leite NA NA NA NA dados$Higie_resf -2.407e+02 6.962e-14 -3.457e+15 <2e-16 *** dados$pre_dipping 5.267e+02 6.962e-14 7.565e+15 <2e-16 *** dados$toalha NA NA NA NA dados$pos_dipping NA NA NA NA dados$vacuo NA NA NA NA --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 5.684e-14 on 1 degrees of freedom Multiple R-squared: 1, Adjusted R-squared: 1 F-statistic: 4.872e+31 on 2 and 1 DF, p-value: < 2.2e-16
Em 18 de setembro de 2014 15:36, <dtiezzi@usp.br> escreveu:
Jefferson
Montando o modele assim
model <- lm(test$x ~ test$c1 + test$c2 + test$c3 + test$c4)
não resolve seu problema?
Daniel
------------------------------
*De: *"Jefferson Ferreira-Ferreira" <jecogeo@gmail.com> *Para: *r-br@listas.c3sl.ufpr.br *Enviadas: *Quinta-feira, 18 de Setembro de 2014 13:33:57 *Assunto: *Re: [R-br] Variáveis contínuas explicando Variáveis categóricas
Professor daniel, Obrigado pela resposta. Ainda não testei essa alternativa. Mas a desvantagem dessa abordagem seria o grande número de modelos a serem ajustados, visto que tenho 11 variáveis explicativas categóricas para duas variáveis resposta numéricas contínuas. Isso me faria ajustar 22 modelos que teriam como premissa a independencia entre as variáveis explicativas.
O que quero dizer é: o quanto a combinação das variáveis categóricas c1 c2 c3 c4 c5 c6... etc (biárias =0 ou 1) explicam meu x (numérico contínuo).
Será que existe um modo de eu ajustar dois modelos? Tipo com a variável resposta X em função de todas as varíaveis explicativas categóricas e outro modelo com a variável resposta Y em função de todas as variáveis explicativas categóricas?
c1 c2 c3 c4 x y 0 1 1 1 931 623 0 1 0 0 163 259 1 0 1 0 690 306 1 0 1 0 690 306
--
*Jefferson Ferreira-Ferreira*
Geógrafo – GEOPROCESSAMENTO IDSM | Coordenadoria de TI
Jefferson.ferreira@mamiraua.org.br
*Instituto de Desenvolvimento Sustentável Mamirauá*
Ministério da Ciência, Tecnologia e Inovação
Telefone: +55 97 3343-9710
*Google Maps* - Mapas deste e-mail:
Exibir mapa ampliado <https://maps.google.com.br/maps?q=-3.355557,-64.731151&ll=-3.355471,-64.731145&spn=0.004632,0.006968&num=1&t=h&z=18>
*Contatos particulares:* *(55) 9615-0100*
Em 18 de setembro de 2014 12:56, Daniel Tiezzi <dtiezzi@usp.br> escreveu:
Você precisa fazer uma regressão.
Segue um modelo
# Regression analyses, standardized model1.z <- lm(scale(PE$endurance) ~ scale(PE$age)) summary(model1.z) confint(model1.z)
model2.z <- lm(scale(PE$endurance) ~ scale(PE$activeyears)) summary(model2.z) confint(model2.z)
model3.z <- lm(scale(PE$endurance) ~ scale(PE$age) + scale(PE$activeyears)) summary(model3.z) confint(model3.z)
# Conduct a model comparison NHST to compare the fit of model2.z to the fit of model3.z anova(model2.z, model3.z)
Acho que seria assim
Daniel
Daniel Tiezzi, MD, PhD Professor Associado Departamento de Ginecologia e Obstetrícia Setor de Mastologia e Oncologia Ginecológica Faculdade de Medicina de Ribeirão Preto - USP Tel.: 16 3602-2488 e-mail: dtiezzi@fmrp.usp.br
On Sep 18, 2014, at 12:47 PM, Jefferson Ferreira-Ferreira < jecogeo@gmail.com> wrote:
Prezados;
Uma dúvida básica de um iniciante em análises estatísticas. Tenho uma série de variáveis categóricas binárias e duas variáveis contínuas. Eu gostaria de saber o quando minhas variáveis categóricas explicam minhas duas variáveis contínuas. Por exemplo:
c1 c2 c3 c4 x y 0 1 1 1 931 623 0 1 0 0 163 259 1 0 1 0 690 306 1 0 1 0 690 306
A pergunta é: o quanto a combinação das variáveis c explicam os valores de x e y? Ou, qual a correlação entre as variáveis c e as variáveis x e y?
Podem me dar alguma ideia de análises possíveis? Obrigado.
--
*Jefferson Ferreira-Ferreira* Geógrafo – GEOPROCESSAMENTO IDSM | Coordenadoria de TI
Jefferson.ferreira@mamiraua.org.br *Instituto de Desenvolvimento Sustentável Mamirauá*
Ministério da Ciência, Tecnologia e Inovação Telefone: +55 97 3343-9710
*Google Maps* - Mapas deste e-mail:
Exibir mapa ampliado <https://maps.google.com.br/maps?q=-3.355557,-64.731151&ll=-3.355471,-64.731145&spn=0.004632,0.006968&num=1&t=h&z=18>
*Contatos particulares:* *(55) 9615-0100* _______________________________________________ R-br mailing list R-br@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.
_______________________________________________ R-br mailing list R-br@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.
_______________________________________________ R-br mailing list R-br@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.
_______________________________________________ R-br mailing list R-br@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.
_______________________________________________ R-br mailing list R-br@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.
-- *Jefferson Ferreira-Ferreira* Geógrafo – GEOPROCESSAMENTO IDSM | Coordenadoria de TI Jefferson.ferreira@mamiraua.org.br *Instituto de Desenvolvimento Sustentável Mamirauá* Ministério da Ciência, Tecnologia e Inovação Telefone: +55 97 3343-9710 *Google Maps* - Mapas deste e-mail: Exibir mapa ampliado <https://maps.google.com.br/maps?q=-3.355557,-64.731151&ll=-3.355471,-64.731145&spn=0.004632,0.006968&num=1&t=h&z=18> *Contatos particulares:* *(55) 9615-0100*