{"id":3640,"date":"2023-07-16T09:38:48","date_gmt":"2023-07-16T09:38:48","guid":{"rendered":"https:\/\/statorials.org\/pt\/camara-de-descompressao-grafica-residual\/"},"modified":"2023-07-16T09:38:48","modified_gmt":"2023-07-16T09:38:48","slug":"camara-de-descompressao-grafica-residual","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/camara-de-descompressao-grafica-residual\/","title":{"rendered":"Como criar um gr\u00e1fico residual no sas"},"content":{"rendered":"

<\/p>\n

\n

Os gr\u00e1ficos de res\u00edduos<\/strong> s\u00e3o frequentemente usados para avaliar se os res\u00edduos<\/a> de um modelo de regress\u00e3o s\u00e3o normalmente distribu\u00eddos e se apresentam ou n\u00e3o heterocedasticidade<\/a> .<\/span><\/p>\n

Voc\u00ea pode usar a seguinte sintaxe b\u00e1sica para ajustar um modelo de regress\u00e3o e produzir um gr\u00e1fico residual para o modelo no SAS:<\/span><\/p>\n

 symbol value<\/span> = circle;\n\nproc reg<\/span> data=my_data;\n    model<\/span> y = x;\n    plot residual. * predicted.;\nrun<\/span> ;\n<\/strong><\/pre>\n
 O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica.<\/span><\/p>\n
 Nota<\/strong> : A declara\u00e7\u00e3o do s\u00edmbolo especifica que queremos exibir os pontos residuais do gr\u00e1fico como c\u00edrculos. O formul\u00e1rio padr\u00e3o \u00e9 um sinal de mais.<\/span><\/p>\n
 Exemplo: Crie um gr\u00e1fico residual no SAS<\/strong><\/h2>\n
 Vamos supor que temos o seguinte conjunto de dados no SAS:<\/span><\/span> <\/p>\n
 \/*create dataset*\/\n<\/span>data<\/span> my_data;\n    input<\/span> xy;\n    datalines<\/span> ;\n8 41\n12 42\n12 39\n13 37\n14 35\n16 39\n17 45\n22 46\n24 39\n26 49\n29 55\n30 57\n;\nrun<\/span> ;\n\n\/*view dataset*\/\n<\/span>proc print<\/span> data<\/span> =my_data;\n<\/strong><\/span><\/pre>\n
\"\"<\/p>\n
 \/*fit simple linear regression model and create residual plot*\/\n<\/span>symbol<\/span> value<\/span> = circle;\nproc reg<\/span> data<\/span> =my_data;\n   model<\/span> y = x;\n   plot residual. * predicted.;\nrun<\/span> ;\n<\/strong><\/span><\/pre>\n
 O gr\u00e1fico residual ser\u00e1 exibido na parte inferior da sa\u00edda:<\/span> <\/p>\n
\"Rastreamento<\/p>\n
 O eixo x exibe os valores previstos e o eixo y exibe os res\u00edduos.<\/span><\/p>\n
 No topo do gr\u00e1fico tamb\u00e9m podemos ver a equa\u00e7\u00e3o de regress\u00e3o ajustada:<\/span><\/p>\n
 y = 29,631 + 0,7553x<\/span><\/p>\n
 E no lado direito do gr\u00e1fico tamb\u00e9m podemos ver as seguintes m\u00e9tricas do modelo de regress\u00e3o:<\/span><\/p>\n
 Como os res\u00edduos est\u00e3o espalhados aleatoriamente em torno do valor zero, sem nenhuma tend\u00eancia clara de aumento ou diminui\u00e7\u00e3o da vari\u00e2ncia, a suposi\u00e7\u00e3o de homocedasticidade dos res\u00edduos<\/a> \u00e9 satisfeita.<\/span><\/p>\n
 Podemos usar a seguinte sintaxe para ajustar um modelo de regress\u00e3o linear simples<\/a> a este conjunto de dados e criar um gr\u00e1fico residual para visualizar os res\u00edduos em rela\u00e7\u00e3o aos valores previstos:<\/span><\/p>\n