<\/p>\n
Sempre que voc\u00ea realizar uma regress\u00e3o linear em R, a sa\u00edda do seu modelo de regress\u00e3o ser\u00e1 exibida no seguinte formato:<\/span><\/p>\n A coluna Pr(>|t|)<\/strong> representa o valor p associado ao valor na coluna do valor t<\/strong> .<\/span><\/p>\n Se o valor p estiver abaixo de um certo n\u00edvel de signific\u00e2ncia (por exemplo, \u03b1 = 0,05), ent\u00e3o a vari\u00e1vel preditora \u00e9 considerada como tendo uma rela\u00e7\u00e3o estatisticamente significativa com a vari\u00e1vel resposta no modelo.<\/span><\/p>\n O exemplo a seguir mostra como interpretar os valores na coluna Pr(>|t|) para um determinado modelo de regress\u00e3o.<\/span><\/p>\n Suponha que queiramos ajustar um modelo de regress\u00e3o linear m\u00faltipla<\/a> usando vari\u00e1veis preditoras x1<\/strong> e x2<\/strong> e uma vari\u00e1vel de resposta \u00fanica y<\/strong> .<\/span><\/p>\n O c\u00f3digo a seguir mostra como criar um quadro de dados e ajustar um modelo de regress\u00e3o aos dados:<\/span><\/p>\n Veja como interpretar os valores na coluna Pr(>|t|):<\/span><\/p>\n Os c\u00f3digos de signific\u00e2ncia<\/a> abaixo da tabela de coeficientes nos dizem que um \u00fanico asterisco (*) pr\u00f3ximo ao valor p de 0,0325 significa que o valor p \u00e9 estatisticamente significativo em \u03b1 = 0,05.<\/span><\/p>\n Aqui est\u00e1 como o valor de Pr(>|t|) \u00e9 realmente calculado:<\/span><\/p>\n Etapa 1: calcular o valor t<\/strong><\/span><\/p>\n Primeiro, calculamos o valor t<\/strong> usando a seguinte f\u00f3rmula:<\/span><\/p>\n Por exemplo, aqui est\u00e1 como calcular o valor t para a vari\u00e1vel preditora x1:<\/span><\/p>\n Etapa 2: Calcule o valor p<\/strong><\/span><\/p>\n A seguir, calculamos o valor p. Isso representa a probabilidade de que o valor absoluto da distribui\u00e7\u00e3o t seja maior que 2,935.<\/span><\/p>\n Podemos usar a seguinte f\u00f3rmula em R para calcular esse valor:<\/span><\/p>\n Por exemplo, aqui est\u00e1 como calcular o valor p para um valor t de 2,935 com 5 graus de liberdade residuais:<\/span><\/p>\n Observe que esse valor p corresponde ao valor p na sa\u00edda da regress\u00e3o acima.<\/span><\/p>\n Nota:<\/strong> O valor dos graus de liberdade residuais est\u00e1 na parte inferior da sa\u00edda da regress\u00e3o. Em nosso exemplo, acabou sendo 5:<\/span><\/p>\n Como realizar regress\u00e3o linear simples em R<\/a> Sempre que voc\u00ea realizar uma regress\u00e3o linear em R, a sa\u00edda do seu modelo de regress\u00e3o ser\u00e1 exibida no seguinte formato: Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 10.0035 5.9091 1.693 0.1513 x1 1.4758 0.5029 2.935 0.0325 * x2 -0.7834 0.8014 -0.978 0.3732 A coluna Pr(>|t|) representa o valor p associado ao valor na […]<\/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-1763","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Coefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 10.0035 5.9091 1.693 0.1513 \nx1 1.4758 0.5029 2.935 0.0325 *\nx2 -0.7834 0.8014 -0.978 0.3732<\/span> \n<\/span><\/strong><\/pre>\n Exemplo: como interpretar valores Pr(>|t|)<\/strong><\/span><\/h3>\n
#create data frame\n<\/span>df <- data. frame<\/span> (x1=c(1, 3, 3, 4, 4, 5, 6, 6),\n x2=c(7, 7, 5, 6, 5, 4, 5, 6),\n y=c(8, 8, 9, 9, 13, 14, 17, 14))\n\n#fit multiple linear regression model\n<\/span>model <- lm(y ~ x1 + x2, data=df)\n\n#view model summary\n<\/span>summary(model)\n\nCall:\nlm(formula = y ~ x1 + x2, data = df)\n\nResiduals:\n 1 2 3 4 5 6 7 8 \n 2.0046 -0.9470 -1.5138 -2.2062 1.0104 -0.2488 2.0588 -0.1578 \n\nCoefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 10.0035 5.9091 1.693 0.1513 \nx1 1.4758 0.5029 2.935 0.0325 *\nx2 -0.7834 0.8014 -0.978 0.3732 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 1.867 on 5 degrees of freedom\nMultiple R-squared: 0.7876, Adjusted R-squared: 0.7026 \nF-statistic: 9.268 on 2 and 5 DF, p-value: 0.0208<\/strong><\/span><\/pre>\n\n
Como Pr(>|t|) \u00e9 realmente calculado?<\/strong><\/span><\/h3>\n
\n
#calculate t-value<\/span>\n1.4758 \/ .5029\n\n[1] 2.934579\n<\/strong><\/pre>\n\n
#calculate p-value<\/span>\n2 * pt( abs<\/span> (2.935), 5, lower. tail<\/span> = FALSE<\/span> )\n\n[1] 0.0324441\n<\/strong><\/span><\/pre>\n Residual standard error: 1.867 on 5<\/span> degrees of freedom\n<\/strong><\/span><\/pre>\n Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar regress\u00e3o linear m\u00faltipla em R<\/a>
Como tra\u00e7ar resultados de regress\u00e3o linear m\u00faltipla em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"