Básico de regressão linear no R

Para fazer uma simples regressão linear no R, utilize a função lm, como abaixo:

fit <- lm(mpg ~ factor(cyl) + wt, data = mtcars)
summary(fit)
## 
## Call:
## lm(formula = mpg ~ factor(cyl) + wt, data = mtcars)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.5890 -1.2357 -0.5159  1.3845  5.7915 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   33.9908     1.8878  18.006  < 2e-16 ***
## factor(cyl)6  -4.2556     1.3861  -3.070 0.004718 ** 
## factor(cyl)8  -6.0709     1.6523  -3.674 0.000999 ***
## wt            -3.2056     0.7539  -4.252 0.000213 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.557 on 28 degrees of freedom
## Multiple R-squared:  0.8374, Adjusted R-squared:   0.82 
## F-statistic: 48.08 on 3 and 28 DF,  p-value: 3.594e-11

O primeiro argumento da função lm é a fórmula, onde se separam os regressores da variávels dependente pelo til (~). A função factor pode ser utilizada para transformar uma variável (seja ela numérica ou não) em um fator.

Pode-se notar a significância das variáveis na coluna Pr(>|t|). Os valores dos coeficientes de regressão (\(\beta_i\)) são mostrados na coluna Estimate.

Note o alto valor do \(R^2_{ajustado}\) (0.82)

Obs.: O conjunto de dados mtcars está disponível na instalação padrão do R.

Avatar
Luiz F. P. Droubi
Mestrando no Programa de Pós-Graduação em Engenharia de Transportes e Gestão Territorial
comments powered by Disqus