{"id":1272,"date":"2023-07-27T01:35:57","date_gmt":"2023-07-27T01:35:57","guid":{"rendered":"https:\/\/statorials.org\/pt\/teste-branco-em-r\/"},"modified":"2023-07-27T01:35:57","modified_gmt":"2023-07-27T01:35:57","slug":"teste-branco-em-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/teste-branco-em-r\/","title":{"rendered":"Como realizar o teste de white em r (com exemplos)"},"content":{"rendered":"

<\/p>\n

\n

O teste de White<\/strong> \u00e9 usado para determinar se a heterocedasticidade<\/a> est\u00e1 presente em um modelo de regress\u00e3o.<\/span><\/p>\n

A heterocedasticidade refere-se \u00e0 dispers\u00e3o desigual de res\u00edduos<\/a> em diferentes n\u00edveis de uma vari\u00e1vel de resposta<\/a> em um modelo de regress\u00e3o, o que viola uma das principais suposi\u00e7\u00f5es da regress\u00e3o linear<\/a> de que os res\u00edduos s\u00e3o igualmente dispersos em cada n\u00edvel da vari\u00e1vel de resposta.<\/span><\/p>\n

Este tutorial explica como realizar o teste de White em R para determinar se a heterocedasticidade \u00e9 ou n\u00e3o um problema em um determinado modelo de regress\u00e3o.<\/span><\/p>\n

Exemplo: teste branco em R<\/strong><\/h3>\n

Neste exemplo, ajustaremos um modelo de regress\u00e3o linear m\u00faltipla<\/a> usando o conjunto de dados R integrado mtcars.<\/span><\/p>\n

Depois de ajustar o modelo, usaremos a fun\u00e7\u00e3o bptest<\/strong> da biblioteca lmtest<\/strong> para realizar o teste de White para determinar se a heterocedasticidade est\u00e1 presente.<\/span><\/p>\n

Etapa 1: ajuste um modelo de regress\u00e3o.<\/strong><\/span><\/p>\n

Primeiro, ajustaremos um modelo de regress\u00e3o usando mpg<\/strong> como vari\u00e1vel de resposta e disp<\/strong> e hp<\/strong> como duas vari\u00e1veis explicativas.<\/span><\/p>\n

 #load the dataset<\/span>\ndata(mtcars)\n\n#fit a regression model<\/span>\nmodel <- lm(mpg~disp+hp, data=mtcars)\n\n#view model summary\n<\/span>summary(model)\n\nCoefficients:\n             Estimate Std. Error t value Pr(>|t|)    \n(Intercept) 30.735904 1.331566 23.083 < 2nd-16 ***\navailable -0.030346 0.007405 -4.098 0.000306 ***\nhp -0.024840 0.013385 -1.856 0.073679 .  \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 3.127 on 29 degrees of freedom\nMultiple R-squared: 0.7482, Adjusted R-squared: 0.7309 \nF-statistic: 43.09 on 2 and 29 DF, p-value: 2.062e-09\n<\/strong><\/pre>\n
 Etapa 2: execute o teste de White.<\/strong><\/span><\/p>\n
 A seguir, usaremos a seguinte sintaxe para realizar o teste de White para determinar se a heterocedasticidade est\u00e1 presente:<\/span><\/p>\n
 #load lmtest library<\/span>\nlibrary(lmtest)\n\n#perform White's test<\/span>\nbptest(model, ~ disp*hp + I(disp^2) + I(hp^2), data = mtcars)\n\n\tstudentized Breusch-Pagan test\n\ndata: model\nBP = 7.0766, df = 5, p-value = 0.215\n<\/strong><\/pre>\n
 Veja como interpretar o resultado:<\/span><\/p>\n