Geralmente usamos regress\u00e3o linear com vari\u00e1veis quantitativas<\/a> . \u00c0s vezes chamadas de vari\u00e1veis \u201cnum\u00e9ricas\u201d, s\u00e3o vari\u00e1veis que representam uma quantidade mensur\u00e1vel. Exemplos incluem:<\/span><\/p>\n No entanto, \u00e0s vezes queremos usar vari\u00e1veis categ\u00f3ricas como vari\u00e1veis preditoras. S\u00e3o vari\u00e1veis que recebem nomes ou r\u00f3tulos e podem ser divididas em categorias. Exemplos incluem:<\/span><\/p>\n Ao usar vari\u00e1veis categ\u00f3ricas, n\u00e3o faz sentido apenas atribuir valores como 1, 2, 3 a valores como \u201cazul\u201d, \u201cverde\u201d e \u201cmarrom\u201d, porque n\u00e3o faz sentido dizer esse verde \u00e9 duplo. t\u00e3o colorido quanto o azul ou o marrom \u00e9 tr\u00eas vezes mais colorido que o azul.<\/span><\/p>\n Em vez disso, a solu\u00e7\u00e3o \u00e9 usar vari\u00e1veis fict\u00edcias<\/a> . S\u00e3o vari\u00e1veis que criamos especificamente para an\u00e1lise de regress\u00e3o e que assumem um de dois valores: zero ou um.<\/span><\/p>\n O n\u00famero de vari\u00e1veis fict\u00edcias que precisamos criar \u00e9 igual a k<\/em> -1 onde k<\/em> \u00e9 o n\u00famero de valores diferentes que a vari\u00e1vel categ\u00f3rica pode assumir.<\/span><\/p>\n Por exemplo, suponha que temos o seguinte conjunto de dados e queremos usar o estado civil<\/em> e a idade<\/em> para prever a renda<\/em> :<\/span> <\/p>\n Para usar o estado civil<\/i> como vari\u00e1vel preditora em um modelo de regress\u00e3o, precisamos convert\u00ea-lo em uma vari\u00e1vel dummy.<\/span><\/p>\n Como esta \u00e9 atualmente uma vari\u00e1vel categ\u00f3rica que pode assumir tr\u00eas valores diferentes (\u201cSolteiro\u201d, \u201cCasado\u201d ou \u201cDivorciado\u201d), precisamos criar k<\/em> -1 = 3-1 = 2 vari\u00e1veis fict\u00edcias.<\/span><\/p>\n Para criar esta vari\u00e1vel fict\u00edcia, podemos deixar \u201cSingle\u201d como valor base, pois ele aparece com mais frequ\u00eancia.<\/span> Ent\u00e3o, aqui est\u00e1 como converter\u00edamos o estado civil<\/em> em vari\u00e1veis fict\u00edcias:<\/span> <\/p>\n Poder\u00edamos ent\u00e3o usar Idade<\/em> , Casado<\/em> e Divorciado<\/em> como vari\u00e1veis preditoras em um modelo de regress\u00e3o.<\/span><\/p>\n Ao criar vari\u00e1veis fict\u00edcias, um problema que pode surgir \u00e9 conhecido como armadilha de vari\u00e1vel fict\u00edcia<\/strong> . Isso acontece quando criamos k<\/em> vari\u00e1veis fict\u00edcias em vez de k<\/em> -1 vari\u00e1veis fict\u00edcias.<\/span><\/p>\n Quando isso acontece, pelo menos duas das vari\u00e1veis dummies sofrer\u00e3o de multicolinearidade<\/a> perfeita. Em outras palavras, eles estar\u00e3o perfeitamente correlacionados. Isto resulta em c\u00e1lculos incorretos dos coeficientes de regress\u00e3o e dos seus valores p correspondentes.<\/span><\/p>\n Armadilha de vari\u00e1vel fict\u00edcia:<\/strong> quando o n\u00famero de vari\u00e1veis fict\u00edcias criadas \u00e9 igual ao n\u00famero de valores que o valor categ\u00f3rico pode assumir. Isto leva \u00e0 multicolinearidade, o que resulta em c\u00e1lculos incorretos de coeficientes de regress\u00e3o e valores de p.<\/span><\/p>\n<\/blockquote>\n Por exemplo, suponha que convertamos o estado civil<\/em> nas seguintes vari\u00e1veis fict\u00edcias:<\/span><\/span> <\/p>\n Neste caso, Solteiro<\/em> e Casado<\/em> est\u00e3o perfeitamente correlacionados e possuem coeficiente de correla\u00e7\u00e3o de -1.<\/span><\/p>\n Portanto, quando realizamos regress\u00e3o linear m\u00faltipla, os c\u00e1lculos do coeficiente de regress\u00e3o estar\u00e3o incorretos.<\/span><\/p>\n Voc\u00ea s\u00f3 precisa se lembrar de uma regra para evitar a armadilha das vari\u00e1veis fict\u00edcias:<\/span><\/p>\n Se uma vari\u00e1vel categ\u00f3rica puder assumir k<\/em> valores diferentes, voc\u00ea dever\u00e1 criar apenas k-1<\/em> vari\u00e1veis fict\u00edcias para usar no modelo de regress\u00e3o.<\/strong><\/span><\/p>\n Por exemplo, suponha que voc\u00ea queira converter uma vari\u00e1vel categ\u00f3rica \u201cano de escola\u201d em vari\u00e1veis fict\u00edcias. Suponha que esta vari\u00e1vel assuma os seguintes valores:<\/span><\/p>\n Como esta vari\u00e1vel pode assumir 4 valores diferentes, criaremos apenas 3 vari\u00e1veis fict\u00edcias. Por exemplo, nossas vari\u00e1veis fict\u00edcias poderiam ser:<\/span><\/p>\n Como o n\u00famero de vari\u00e1veis dummy \u00e9 um a menos que o n\u00famero de valores que o \u201cano letivo\u201d pode assumir, podemos evitar a armadilha da vari\u00e1vel dummy e o problema da multicolinearidade.<\/span><\/p>\n Como usar vari\u00e1veis fict\u00edcias na an\u00e1lise de regress\u00e3o<\/a> A regress\u00e3o linear \u00e9 um m\u00e9todo que podemos usar para quantificar a rela\u00e7\u00e3o entre uma ou mais vari\u00e1veis preditoras e uma vari\u00e1vel de resposta . Geralmente usamos regress\u00e3o linear com vari\u00e1veis quantitativas . \u00c0s vezes chamadas de vari\u00e1veis \u201cnum\u00e9ricas\u201d, s\u00e3o vari\u00e1veis que representam uma quantidade mensur\u00e1vel. Exemplos incluem: N\u00famero de metros quadrados em uma casa […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1407","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin4.png\")
<\/p>\n![\"Vari\u00e1vel](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin6.png\")
<\/p>\n\n
![\"Exemplo](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequinvartrap1.png\")
<\/p>\n Como evitar a armadilha da vari\u00e1vel fict\u00edcia<\/strong><\/span><\/h3>\n
\n
\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Introdu\u00e7\u00e3o \u00e0 regress\u00e3o linear m\u00faltipla<\/a>
Um guia para multicolinearidade na regress\u00e3o<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"