5 Anexos
Aqui estão algumas informações auxiliares que utilizamos para a construção do trabalho.
5.1 Medidas de influência
im1 <- influence.measures(fit)
im2 <- influence.measures(fit2)
summary(im1)## Potentially influential observations of
## lm(formula = Preco^0.2 ~ poly(Freq, 3) + poly(Nucleos, 2) + poly(Ano, 3), data = dt) :
##
## dfb.1_ dfb.p(F,3)1 dfb.p(F,3)2 dfb.p(F,3)3 dfb.p(N,2)1 dfb.p(N,2)2
## 2 -0.10 -0.04 0.03 0.06 0.11 -0.08
## 9 0.10 -0.09 0.09 0.14 -0.04 0.04
## 52 0.10 0.09 -0.02 -0.08 -0.06 0.02
## 64 0.11 -0.15 -0.06 0.12 0.16 -0.16
## 65 -0.10 -0.01 0.04 0.08 0.03 0.00
## 94 -0.10 0.10 -0.11 -0.08 0.00 -0.02
## 149 -0.01 0.01 -0.04 0.03 0.00 0.00
## 151 0.14 0.17 -0.05 -0.15 -0.08 0.03
## 152 0.05 -0.09 0.20 -0.13 -0.01 0.02
## 153 0.02 -0.01 0.07 -0.09 -0.01 0.01
## 156 -0.05 -0.07 0.14 -0.14 0.02 -0.02
## 158 -0.17 -0.29 0.70 -0.77 0.05 -0.03
## 159 0.04 -0.07 0.18 -0.13 -0.01 0.02
## 163 0.01 -0.02 0.00 0.01 0.02 -0.02
## 185 -0.05 -0.07 0.14 -0.14 0.02 -0.02
## 219 -0.12 -0.16 0.15 0.20 -0.06 0.10
## 267 -0.10 0.06 0.08 0.04 -0.10 0.15
## 270 0.04 0.03 0.01 -0.01 0.13 0.19
## 276 -0.16 -0.20 0.20 0.26 -0.08 0.13
## 284 0.13 -0.05 -0.05 0.15 0.04 -0.02
## 285 0.13 -0.05 -0.05 0.14 0.04 -0.02
## 288 0.13 -0.05 -0.05 0.14 0.04 -0.02
## 307 0.02 0.01 0.00 0.03 -0.01 0.01
## 321 0.00 0.00 0.00 0.00 0.00 0.00
## 325 -0.03 0.01 -0.05 0.06 0.01 0.00
## 332 -0.07 -0.01 -0.35 0.53 0.10 -0.06
## 338 -0.05 -0.04 -0.01 0.01 -0.16 -0.24
## 346 0.02 0.01 0.00 0.03 -0.01 0.01
## 406 0.03 -0.09 -0.05 0.01 0.15 -0.11
## 486 0.11 -0.01 -0.04 -0.09 0.02 -0.03
## 489 -0.01 0.02 0.01 0.00 -0.05 0.01
## 497 0.04 0.03 0.01 -0.01 0.13 0.19
## 500 0.04 0.03 0.01 -0.01 0.13 0.19
## 501 -0.05 -0.04 -0.01 0.01 -0.16 -0.24
## 503 0.04 0.03 0.01 -0.01 0.13 0.19
## dfb.p(A,3)1 dfb.p(A,3)2 dfb.p(A,3)3 dffit cov.r cook.d hat
## 2 -0.06 -0.04 0.00 -0.19 0.93_* 0.00 0.01
## 9 0.12 -0.11 -0.11 0.29 0.94_* 0.01 0.02
## 52 -0.10 -0.12 -0.05 0.23 0.93_* 0.01 0.01
## 64 -0.09 0.11 0.08 0.36 0.94_* 0.01 0.02
## 65 -0.02 -0.02 0.00 -0.16 0.93_* 0.00 0.00
## 94 -0.06 0.11 -0.06 -0.28 0.94_* 0.01 0.01
## 149 -0.01 0.02 -0.02 -0.06 1.13_* 0.00 0.10_*
## 151 -0.21 -0.18 0.01 0.35 0.85_* 0.01 0.01
## 152 0.06 -0.12 0.13 0.29 1.06_* 0.01 0.06_*
## 153 -0.01 0.00 0.00 0.14 1.19_* 0.00 0.14_*
## 156 0.13 -0.26 0.16 -0.34 1.12_* 0.01 0.11_*
## 158 0.58 -1.28_* 1.09_* -1.75_* 1.06_* 0.34 0.21_*
## 159 0.06 -0.13 0.10 0.25 1.11_* 0.01 0.10_*
## 163 -0.01 0.02 -0.01 0.05 1.06_* 0.00 0.04
## 185 0.13 -0.26 0.16 -0.34 1.12_* 0.01 0.11_*
## 219 0.35 0.10 -0.15 -0.44_* 0.91_* 0.02 0.02
## 267 0.03 0.04 0.08 -0.23 0.93_* 0.01 0.01
## 270 0.01 0.00 0.00 0.35 1.18_* 0.01 0.15_*
## 276 0.45 0.13 -0.20 -0.57_* 0.82_* 0.04 0.02
## 284 -0.14 0.26 0.02 0.45_* 0.89_* 0.02 0.02
## 285 -0.13 0.25 0.01 0.43_* 0.91_* 0.02 0.02
## 288 -0.13 0.25 0.01 0.43_* 0.91_* 0.02 0.02
## 307 -0.04 0.12 -0.12 0.20 1.17_* 0.00 0.13_*
## 321 0.00 0.00 0.00 -0.01 1.14_* 0.00 0.11_*
## 325 0.03 -0.08 0.10 -0.23 1.18_* 0.01 0.15_*
## 332 0.08 -0.02 0.12 -0.85_* 1.36_* 0.08 0.28_*
## 338 -0.01 0.00 -0.01 -0.43_* 1.17_* 0.02 0.15_*
## 346 -0.04 0.12 -0.12 0.20 1.17_* 0.00 0.13_*
## 406 -0.01 0.00 -0.03 0.17 1.05_* 0.00 0.04
## 486 0.03 0.07 0.13 0.23 0.93_* 0.01 0.01
## 489 0.00 0.00 0.01 -0.06 1.07_* 0.00 0.05_*
## 497 0.01 0.00 0.00 0.35 1.18_* 0.01 0.15_*
## 500 0.01 0.00 0.00 0.35 1.18_* 0.01 0.15_*
## 501 -0.01 0.00 -0.01 -0.43_* 1.17_* 0.02 0.15_*
## 503 0.01 0.00 0.00 0.35 1.18_* 0.01 0.15_*summary(im2)## Potentially influential observations of
## rlm(formula = Preco^0.2 ~ poly(Freq, 3) + poly(Nucleos, 2) + poly(Ano, 3), data = dt, psi = MASS::psi.bisquare) :
##
## dfb.1_ dfb.p(F,3)1 dfb.p(F,3)2 dfb.p(F,3)3 dfb.p(N,2)1 dfb.p(N,2)2
## 149 0.00 0.00 -0.01 0.01 0.00 0.00
## 152 0.06 -0.10 0.23 -0.15 -0.01 0.02
## 153 0.02 -0.01 0.07 -0.09 -0.01 0.01
## 156 -0.06 -0.08 0.18 -0.18 0.02 -0.02
## 158 -0.08 -0.13 0.33 -0.36 0.02 -0.01
## 159 0.04 -0.09 0.24 -0.16 -0.01 0.02
## 185 -0.06 -0.08 0.18 -0.18 0.02 -0.02
## 270 0.04 0.03 0.01 -0.01 0.13 0.19
## 307 0.02 0.01 -0.02 0.05 -0.01 0.01
## 321 0.00 0.00 0.01 -0.01 0.00 0.00
## 325 -0.03 0.01 -0.05 0.05 0.01 0.00
## 332 -0.07 -0.02 -0.33 0.49 0.10 -0.07
## 338 -0.05 -0.04 -0.01 0.01 -0.16 -0.23
## 346 0.02 0.01 -0.02 0.05 -0.01 0.01
## 489 -0.01 0.03 0.02 -0.01 -0.06 0.02
## 497 0.04 0.03 0.01 -0.01 0.13 0.19
## 500 0.04 0.03 0.01 -0.01 0.13 0.19
## 501 -0.05 -0.04 -0.01 0.01 -0.16 -0.23
## 503 0.04 0.03 0.01 -0.01 0.13 0.19
## dfb.p(A,3)1 dfb.p(A,3)2 dfb.p(A,3)3 dffit cov.r cook.d hat
## 149 0.00 0.01 -0.01 -0.01 NA NA 0.12_*
## 152 0.07 -0.15 0.15 0.32 NA NA 0.06_*
## 153 -0.01 0.00 0.00 0.15 NA NA 0.15_*
## 156 0.16 -0.32 0.21 -0.40 NA NA 0.13_*
## 158 0.27 -0.58 0.49 -0.75_* NA NA 0.05_*
## 159 0.09 -0.18 0.14 0.32 NA NA 0.10_*
## 185 0.16 -0.32 0.21 -0.40 NA NA 0.13_*
## 270 0.01 0.00 0.00 0.35 NA NA 0.15_*
## 307 -0.04 0.13 -0.13 0.20 NA NA 0.17_*
## 321 0.00 0.00 0.00 0.02 NA NA 0.12_*
## 325 0.05 -0.11 0.13 -0.28 NA NA 0.16_*
## 332 0.08 -0.03 0.11 -0.82_* NA NA 0.25_*
## 338 -0.01 0.00 -0.01 -0.42_* NA NA 0.14_*
## 346 -0.04 0.13 -0.13 0.20 NA NA 0.17_*
## 489 0.00 0.00 0.01 -0.07 NA NA 0.06_*
## 497 0.01 0.00 0.00 0.35 NA NA 0.15_*
## 500 0.01 0.00 0.00 0.35 NA NA 0.15_*
## 501 -0.01 0.00 -0.01 -0.42_* NA NA 0.14_*
## 503 0.01 0.00 0.00 0.35 NA NA 0.15_*5.2 Seleção de modelos
m0 <- lm(Preco^0.2 ~ Freq + Nucleos + Ano, data = dt)
m1 <- lm(Preco^0.2 ~ poly(Freq, 3) + poly(Nucleos, 2) + poly(Ano, 2), data = dt)
m2 <- lm(Preco^0.2 ~ poly(Freq, 3) + poly(Nucleos, 2) + poly(Ano, 3), data = dt)
m3 <- lm(Preco^0.2 ~ poly(Freq, 2) + poly(Nucleos, 2) + poly(Ano, 3), data = dt)
m4 <- lm(Preco^0.2 ~ poly(Freq, 2) + poly(Nucleos, 2) + poly(Ano, 2), data = dt)
m5 <- lm(Preco^0.2 ~ poly(Freq, 3) + log(Nucleos) + poly(Ano, 3), data = dt)
modl <- list(m0 = m0, m2 = m2, m3 = m3, m4 = m4, m5 = m5)
asbio::lm.select(modl)## Model AIC
## 1 Preco^0.2 ~ Freq + Nucleos + Ano 58.963124
## 2 Preco^0.2 ~ poly(Freq, 3) + poly(Nucleos, 2) + poly(Ano, 3) -152.409605
## 3 Preco^0.2 ~ poly(Freq, 2) + poly(Nucleos, 2) + poly(Ano, 3) -143.497034
## 4 Preco^0.2 ~ poly(Freq, 2) + poly(Nucleos, 2) + poly(Ano, 2) 6.914451
## 5 Preco^0.2 ~ poly(Freq, 3) + log(Nucleos) + poly(Ano, 3) 9.424837
## AICc BIC Cp PRESS
## 1 59.08123 80.17424 6.00000 33.85989
## 2 -151.97223 -109.98737 -162.46795 22.51970
## 3 -143.13989 -105.31702 -157.35405 22.90219
## 4 7.19960 40.85224 -42.46363 30.66416
## 5 9.78198 47.60485 -40.01107 30.980145.3 Intervalo de confiança para os parâmetros
confint(fit)## 2.5 % 97.5 %
## (Intercept) 4.1750555 4.2108322
## poly(Freq, 3)1 8.1783715 10.0362985
## poly(Freq, 3)2 0.1150404 1.1632064
## poly(Freq, 3)3 -1.2827355 -0.3238632
## poly(Nucleos, 2)1 10.8399391 12.0269515
## poly(Nucleos, 2)2 -3.2304335 -1.9686814
## poly(Ano, 3)1 2.9576532 4.4428560
## poly(Ano, 3)2 -1.3264982 -0.3297843
## poly(Ano, 3)3 -2.9588468 -2.0659883confint.default(object = fit2, parm = names(coef(fit2)))## 2.5 % 97.5 %
## (Intercept) 4.174172897 4.2101356
## poly(Freq, 3)1 8.188739363 10.0563246
## poly(Freq, 3)2 0.002955697 1.0565705
## poly(Freq, 3)3 -1.333094060 -0.3692372
## poly(Nucleos, 2)1 10.866668906 12.0598518
## poly(Nucleos, 2)2 -3.291850005 -2.0235388
## poly(Ano, 3)1 2.968596058 4.4615196
## poly(Ano, 3)2 -1.290399071 -0.2885039
## poly(Ano, 3)3 -3.087985687 -2.1904857