{"id":1227,"date":"2023-07-27T05:25:49","date_gmt":"2023-07-27T05:25:49","guid":{"rendered":"https:\/\/statorials.org\/pt\/localizacao-em-escala\/"},"modified":"2023-07-27T05:25:49","modified_gmt":"2023-07-27T05:25:49","slug":"localizacao-em-escala","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/localizacao-em-escala\/","title":{"rendered":"Como interpretar um gr\u00e1fico de escala e localiza\u00e7\u00e3o: com exemplos"},"content":{"rendered":"

<\/p>\n

\n

Um gr\u00e1fico de localiza\u00e7\u00e3o em escala<\/strong> \u00e9 um tipo de gr\u00e1fico que exibe os valores ajustados de um modelo de regress\u00e3o<\/a> ao longo do eixo x e a raiz quadrada dos res\u00edduos padronizados ao longo do eixo y.<\/span> <\/p>\n

\"Gr\u00e1fico<\/p>\n

Olhando para este gr\u00e1fico, verificamos duas coisas:<\/span><\/p>\n

1.<\/strong> Verifique se a linha vermelha est\u00e1 aproximadamente horizontal no gr\u00e1fico. Se for este o caso, ent\u00e3o a suposi\u00e7\u00e3o de homocedasticidade<\/a> \u00e9 provavelmente satisfeita para um determinado modelo de regress\u00e3o. Ou seja, a distribui\u00e7\u00e3o dos res\u00edduos \u00e9 aproximadamente igual para todos os valores ajustados.<\/span><\/p>\n

2.<\/strong> Verifique se n\u00e3o existe uma tend\u00eancia clara entre os res\u00edduos. Em outras palavras, os res\u00edduos devem ser espalhados aleatoriamente ao redor da linha vermelha com variabilidade aproximadamente igual para todos os valores ajustados.<\/span><\/p>\n

Plotagem de escala e localiza\u00e7\u00e3o em R<\/strong><\/span><\/h3>\n

Podemos usar o c\u00f3digo a seguir para ajustar um modelo de regress\u00e3o linear simples em R e produzir um gr\u00e1fico de escala e localiza\u00e7\u00e3o para o modelo resultante:<\/span> <\/p>\n

 #fit simple linear regression model\n<\/span>model <- lm(Ozone ~ Temp, data = airquality)\n\n#produce scale-location plot\n<\/span>plot(model)\n<\/strong><\/pre>\n
\"Gr\u00e1fico<\/p>\n
 Podemos observar as duas coisas a seguir no gr\u00e1fico escala-localiza\u00e7\u00e3o deste modelo de regress\u00e3o.<\/span><\/p>\n
 1.<\/strong> A linha vermelha \u00e9 aproximadamente horizontal no gr\u00e1fico. Se for este o caso, ent\u00e3o a suposi\u00e7\u00e3o de homocedasticidade<\/a> \u00e9 satisfeita para um determinado modelo de regress\u00e3o. Ou seja, a distribui\u00e7\u00e3o dos res\u00edduos \u00e9 aproximadamente igual para todos os valores ajustados.<\/span><\/p>\n
 2.<\/strong> Verifique se n\u00e3o existe uma tend\u00eancia clara entre os res\u00edduos. Em outras palavras, os res\u00edduos devem ser espalhados aleatoriamente ao redor da linha vermelha com variabilidade aproximadamente igual para todos os valores ajustados.<\/span><\/p>\n
\n
 Notas t\u00e9cnicas<\/strong><\/span><\/p>\n
 As tr\u00eas observa\u00e7\u00f5es do conjunto de dados com os res\u00edduos padronizados mais altos s\u00e3o rotuladas no gr\u00e1fico.<\/span><\/p>\n
 Podemos ver que as observa\u00e7\u00f5es nas linhas 30, 62 e 117 apresentam os res\u00edduos padronizados mais elevados.<\/span><\/p>\n
 Isto n\u00e3o significa necessariamente que estas observa\u00e7\u00f5es sejam discrepantes, mas voc\u00ea pode querer olhar para os dados originais para examinar estas observa\u00e7\u00f5es mais de perto.<\/span><\/p>\n<\/blockquote>\n
 Embora possamos ver que a linha vermelha \u00e9 aproximadamente horizontal no gr\u00e1fico de localiza\u00e7\u00e3o da escala, isso serve apenas como uma forma visual de ver se a suposi\u00e7\u00e3o de homocedasticidade \u00e9 satisfeita.<\/span><\/p>\n
 Um teste estat\u00edstico formal que podemos usar para verificar se a suposi\u00e7\u00e3o de homocedasticidade \u00e9 atendida \u00e9 o teste de Breusch-Pagan<\/a> .<\/span><\/p>\n
 Teste Breusch-Pagan em R<\/strong><\/span><\/h3>\n
 O c\u00f3digo a seguir mostra como usar a fun\u00e7\u00e3o bptest()<\/strong> do pacote lmtest<\/strong> para realizar um teste Breusch-Pagan em R:<\/span><\/p>\n
 #load lmtest package\n<\/span>library(lmtest)\n\n#perform Breusch-Pagan Test\n<\/span>bptest(model)\n\n\tstudentized Breusch-Pagan test\n\ndata: model\nBP = 1.4798, df = 1, p-value = 0.2238\n<\/strong><\/pre>\n
 Um teste de Breusch-Pagan usa as seguintes hip\u00f3teses nulas e alternativas:<\/span><\/p>\n