Ao retirar o intercepto( o mesmo que fazer seu valor ser zero) o seu modelo deixa de ser de efeito marginal e passa a ser de medias. Ou seja o modelo y=a+bx on b e a taxa de mudança em y para níveis de x, passa a ser y=BX e assim força o modelo a passar pelo intercepto zero, pois qdo x for zero y tbm sera.
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 ‘ ’ 1AttRobert#cuidado com a interpretação dos coeficientes.Em 28 de abril de 2015 13:25, Bernardo Rangel Tura <tura@centroin.com.br> escreveu:RafaelOn 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.
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@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.