terça-feira, 10 de maio de 2016

Aula 12 - Carolina Bartoletti (Apresent. Mestrado) - Regressão Multipla


1) Carolina Bartoletti (Apresent. Mestrado)
2) Eduardo Sotware R
3) Regressão Multipla




Seminários
            Os alunos que quiserem podem apresentar os seus trabalhos de pesquisa para começarmos a interagir.
            Já analisamos dados e publicamos com alunos desta turma (2016, também 2015 e 2014), estamos analisando dados de outros, não é indispensável apresentar os trabalhos de pesquisa nesta disciplina. 
           Se fizerem a próxima disciplina Residencia em Analises Estatistificas, no próximo semestre a apresentação será mandatória. 
           Essa disciplina é a unica de nossa pós-graduado que não tem programa definido, os assuntos abordados nessa disciplina são os problemas de pesquisa dos alunos, logicamente os aspectos estatísticos. 
           Essa disciplina é interessante por que tem três professores na sala de aulas: a Prof. Sonia especialista em Amostragem e Estatística Experimental, o Prof. Tadeu, especialista em Estatistifica Multivariada e Estatística Experimental e eu, Estatística Robusta para Pesquisa e Gestão.                 Alem dos professores participam alunos de mestrado, doutorado e pós-doutorado em estatistifica da ESALQ.
          Os trabalhos são conduzidos através do LAE/ESALQ (Laboratório de Analises Estatísticas da ESALQ).



Regressão Múltipla

Exemplo em SAS (Todo o que está escrito em fonte azul é entrada os saída do SAS):


Estamos testando a influencia das variáveis: Quilocalorias ingeridas por dia (Kcal_d), dos Quilômetros que as pessoas correm por semana (Corr_s) e das Xícaras de Chá do Sol (Cha_Sol), que é recomendado para emagrecer, anticancerígeno, antienvelhecimento e antidiarreico, as 3 variáveis anteriores no Índice de Massa Corporal (IMC). Veja o comando SAS para testar esse modelo:
model IMC = Kcal_d Corr_s Cha_Sol;


O Modelo Estatístico é:

IMC = Bo + B1 * Kcal + B2 * Corr_s  +  B3 * Cha_Sol  +                        Erro do Modelo


IMC é a: 
 variável dependente (efeito)

Kcal_d Corr_s Cha_Sol:    
                          são as variáveis independentes (causa)


data multipl;
input IMC Kcal_d Corr_s Cha_Sol;
cards;
28 2500 1 20
19 2100 34 19
22 2300 12 18
29 2600 . 22
20 2200 17 25
18 2100 32 25
29  2780    0.5 28
31  2890    1   27
20  2000    10  25
;
proc glm;
model IMC = Kcal_d Corr_s Cha_Sol;
run;



Resultados:


The SAS System


The GLM Procedure
Number of Observations Read9
Number of Observations Used9




The SAS System


The GLM Procedure
Dependent Variable: IMC

SourceDFSum of SquaresMean SquareF ValuePr > F
Model3205.979516968.659839057.020.0003
Error56.02048311.2040966
Corrected Total8212.0000000


Aqui podemos ver que se rejeita a Hipótese:

Rejeita-se Ho: B1 = B2 = B3 = 0 (ou seja que não ha nenhuma relação de causa  -->  efeito) com (1-0,0003) * 100 =  99,97 % de confiança. Então existe alguma relação causas efeito.

Quando a confiança para se rejeitar Ho for menor do que 95%, ou a margem de erro menor do que 0,05 = 5%, então nenhuma variável independente esta influenciado o IMC (variável dependente). Não foi esse o caso deste exemplo.
Cola analise com dado perdido @@@@@@@@@@@@@@



R-SquareCoeff VarRoot MSEIMC Mean
0.9720574.8485611.13335123.37500


SourceDFType I SSMean SquareF ValuePr > F
Kcal_d1169.2880791169.2880791131.790.0003
Corr_s18.47903478.47903476.600.0620
Cha_Sol10.96994620.96994620.760.4339


SourceDFType III SSMean SquareF ValuePr > F
Kcal_d143.6836446343.6836446334.010.0043
Corr_s18.653658428.653658426.740.0603
Cha_Sol10.969946180.969946180.760.4339


ParameterEstimateStandard Errort ValuePr > |t|
Intercept0.11690925155.301741860.020.9835
Kcal_d0.01161837450.001992285.830.0043
Corr_s-.12291356000.04735485-2.600.0603
Cha_Sol-.10674221160.12283635-0.870.4339


Podemos ver que a estimativa dos parâmetros 
Bo, B1, B2  e   B3  foi:



Parameter
Estimate
Bo = Intercept
0.1169092515
B1 = Kcal_d
0.0116183745
B2 = Corr_s
-.1229135600
B3 = Cha_Sol
-.1067422116


Podemos observar que:
             B1 > 0
                          B2  <0 
                 B3  <0
            assim as variáveis independentes (causa) ainda sem pensar em significância estatistifica atuaram em relação a IMC da seguinte forma: 
             B1 positivamente ou seja quando aumentam as quilocalorias por dia aumenta o IMC, 
             B2 negativamente    ou seja quando aumenta corrida diminuí o IMC  
              B3  negativamente    ou seja quando aumentam as xícaras de chá por sema diminui o IMC 


Agora temos que observar para quais variáveis independentes o coeficiente foi estatisticamente diferente de O (zero), para isso temos que observar a margem de erro do teste de cada coeficiente:


Parameter
Estimate
Pr > |t|
Bo = Intercept
0.1169092515
0.9835
B1 = Kcal_d
0.0116183745
0.0043
B2 = Corr_s
-.1229135600
0.0603
B3 = Cha_Sol
-.1067422116
0.4339


Assim:
            O Intersepto foi igual a zero (Bo = Intercept), o que tem muito poco valor pratico, seria o valor do IMC se todas as variáveis independentes fossem zeradas, logicamente se a ingestão diária de calorias fosse zero o individuo estaria morto.
            O coeficiente da variável independente Quilocalorias Ingeridas por Dia (B1 = Kcal_d)  foi diferente de zero, assim com 99,57 % de confiança podemos afirmar que a quantidade de quilocalorias ingeridas por dia impacta positivamente no IMC.
            O coeficiente a variável independente Quilômetros que as pessoas correm por semana (B2 = Corr_s) não foi diferente de zero se utilizarmos o critério de 95% de confiança (ou 5% de margem de erro), porem esta muito perto da significância, rejeitaríamos a hipótese de ser igual a zero com 94% de confiança. Assim poderíamos entrar na discussão da suficiência do tamanho amostral, foi igual a 9 pontos amostrais. Esse tamanho amostral é insuficiente para todos os critérios que o professor conhece:
                      - Teorema do Limite Central da Estatística ( o mais importante da Estatística) requer no minimo 30 pontos amostrais;
                      - Recomendação da Estatística Experimental, minimo 10 graus de liberdade do resíduo e 20 do total ajustado, assim deveríamos ter no minimo 21 pontos amostrais, 
                      - Recomendação das normas ISO, minimo 9 graus de liberdade do resíduo, deveríamos ter 13 pontos amostrais.
    
Vemos que não conseguimos satisfazer nenhum dos 3 critérios, assim uma significância de 94% é uma evidencia forte de que a variável  Quilômetros que as pessoas correm por semana (Corr_s) tem influencia significativa no IMC, uma relação inversamente proporcional, assim quando aumenta a corrida diminui o IMC. Seguramente se aumentarmos o tamanho amostral chegaremos a uma significância maior do que 95%.

                  O coeficiente a variável independente Xícaras de Chá do Sol por semana ( B3 = Cha_Sol) foi não significativa (p < 0,4339), assim o Chá do Sol não influenciou no IMC ou não tivemos argumentos estatisticamente significativos para rejeitar Ho: B3 = 0.









Aula 11 (18/5/2016) - Finalizar Workshop - Arranjo Fatorial de Tratamentos - Interação

Finalizarmos Workshop: Uma apresentação para cada um dos alunos de ANOVA, Cluster e MANOVA

Arranjo Fatorial de Tratamentos


Programa SAS


data fatorial;
input Genero $ Categ $ IMC;
cards;
F AT 19.7
F AT 20.3
F AT 19.3
F AT 20.9
F SEM 22.4
F SEM 21.9
F SEM 23.8
F SEM 24.1
F SED  26.3
F SED  23.5
F SED  24.8
F SED  26.6
F PR 26.2
F PR 24.2
F PR 25.4
F PR 24.9
M AT 20.2
M AT 21.3
M AT 19.3
M AT 21.1
M SEM 21.2
M SEM 20.1
M SEM 19.7
M SEM 21.1
M SED  27.3
M SED  23.4
M SED  25.2
M SED  26.4
M PR 22.3
M PR 22.2
M PR 22.1
M PR 23.3
;
proc print;
run;
Proc glm;
class Genero Categ;
model IMC = Genero Categ Genero*Categ;
lsmeans Genero*Categ / slice=Genero adjust=tukey PDIFF=all;
lsmeans Genero*Categ / slice=Categ adjust=tukey PDIFF=all;
run;


Variações do programa:
Proc glm;
class Genero Categ;
model IMC = Genero Categ Genero*Categ;

lsmeans Genero*Categ / slice=Genero adjust=tukey PDIFF=all;
lsmeans Genero*Categ / slice=Categ adjust=tukey PDIFF=all;
/*
lsmeans Categ;
means Categ / Tukey lines;

means Genero*Categ / tukey lines;
*/

run;



Para Calculo de Efeitos Principais:
Proc anova;
class Genero Categ;
model IMC = Genero Categ Genero*Categ;
means Categ / Tukey lines;


run;
Arquivo de Saida (Tipo Word) para download:




Fazer os gráficos no Excel utilizando tabela dinâmica.






Podemos ver que os gráficos são diferentes, e que as concussões estatísticas também o são.
Veja que no gráfico do gênero feminino professor e sedentário não diferem (as duas barras, medias aritméticas tem a letra A).
No gratifico do Gênero Masculino as categorias Sedentário Professor diferem (Sedentário tem letra A e Professor letra B).









Foto das Louças Onde Discutimos os Resultados










Exemplo Sem Interação Significativa

Autora: Ana Carolina Donofre (Dados simulados)



data fatorial;

input Linhagem $ Densidade $ GP;

cards;

C 10 2.44

C 10 2.39

C 10 2.42

C 10 2.45

C 14 2.03

C 14 1.99

C 14 2.05

C 14 2.07

C 18 1.78

C 18 1.83

C 18 1.81

C 18 1.73

R 10 2.37

R 10 2.30

R 10 2.34

R 10 2.38

R 14 1.88

R 14 1.90

R 14 1.87

R 14 1.92

R 18 1.65

R 18 1.69

R 18 1.70

R 18 1.67

;

proc print;

run;
Proc glm;
class Linhagem Densidade;
model GP = Linhagem Densidade Linhagem*Densidade;
lsmeans Linhagem*Densidade / slice=Linhagem adjust=tukey PDIFF=all;
lsmeans Linhagem*Densidade/ slice=Densidade adjust=tukey PDIFF=all;

means Linhagem / Tukey lines;
means Densidade / Tukey lines;

run;

Arquivo para Download Sem Interação:



Resultados SAS Sem Interação







Outro Exemplo Sem Interação


data consumo;
input Trat $ Imp $ Cons;
cards;
1 a 17.2
1 a 18.3
1 a 17.5
1 a 18.4
1 b 20.3
1 b 21.3
1 b 22.1
1 b 19.5
2 a 22.1
2 a 23.5
2 a 24.5
2 a 21.5
2 b 25.5
2 b 26.4
2 b 27.3
2 b 26.1
3 a 20.2
3 a 23.2
3 a 21.5
3 a 20.1
3 b 22.2
3 b 22.3
3 b 24.5
3 b 26.1
4 a 19.8
4 a 18.8
4 a 19.5
4 a 20.2
4 b 24.3
4 b 23.4
4 b 22.1
4 b 22.7
;
proc print;
run;
proc glm;
class Trat Imp;
model Cons = Trat Imp Trat*Imp;
lsmeans Trat*Imp / slice=Trat adjust=tukey PDIFF=all;
lsmeans Trat*Imp / slice=Imp adjust=tukey PDIFF=all;
run;


/*
means Trat / tukey lines;
means Imp / tukey lines;
*/

Saida:
The SAS System

Obs Trat Imp Cons
1 1 a 17.2
2 1 a 18.3
3 1 a 17.5
4 1 a 18.4
5 1 b 20.3
6 1 b 21.3
7 1 b 22.1
8 1 b 19.5
9 2 a 22.1
10 2 a 23.5
11 2 a 24.5
12 2 a 21.5
13 2 b 25.5
14 2 b 26.4
15 2 b 27.3
16 2 b 26.1
17 3 a 20.2
18 3 a 23.2
19 3 a 21.5
20 3 a 20.1
21 3 b 22.2
22 3 b 22.3
23 3 b 24.5
24 3 b 26.1
25 4 a 19.8
26 4 a 18.8
27 4 a 19.5
28 4 a 20.2
29 4 b 24.3
30 4 b 23.4
31 4 b 22.1
32 4 b 22.7


The SAS System

The ANOVA Procedure
Class Level Information
Class Levels Values
Trat 4 1 2 3 4
Imp 2 a b

Number of Observations Read 32
Number of Observations Used 32



The SAS System

The ANOVA Procedure
Dependent Variable: Cons
Source DF Sum of Squares Mean Square F Value Pr > F
Model 7 196.0700000 28.0100000 20.53 <.0001
Error 24 32.7500000 1.3645833
Corrected Total 31 228.8200000

R-Square Coeff Var Root MSE Cons Mean
0.856874 5.321885 1.168154 21.95000

Source DF Anova SS Mean Square F Value Pr > F
Trat 3 117.2475000 39.0825000 28.64 <.0001
Imp 1 77.5012500 77.5012500 56.79 <.0001
Trat*Imp 3 1.3212500 0.4404167 0.32 0.8088



The SAS System

The ANOVA Procedure




The SAS System

The ANOVA Procedure
Tukey's Studentized Range (HSD) Test for Cons


Note: This test controls the Type I experimentwise error rate, but it generally has a higher Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 24
Error Mean Square 1.364583
Critical Value of Studentized Range 3.90126
Minimum Significant Difference 1.6112

Means with the same letter
are not significantly different.
Tukey Grouping Mean N Trat
A 24.6125 8 2
B 22.5125 8 3
B
B 21.3500 8 4
C 19.3250 8 1



The SAS System

The ANOVA Procedure




The SAS System

The ANOVA Procedure
Tukey's Studentized Range (HSD) Test for Cons


Note: This test controls the Type I experimentwise error rate, but it generally has a higher Type II error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 24
Error Mean Square 1.364583
Critical Value of Studentized Range 2.91879
Minimum Significant Difference 0.8524

Means with the same letter
are not significantly different.
Tukey Grouping Mean N Imp
A 23.5063 16 b
B 20.3938 16 a


The SAS System

Obs Trat Imp Cons
1 1 a 17.2
2 1 a 18.3
3 1 a 17.5
4 1 a 18.4
5 1 b 20.3
6 1 b 21.3
7 1 b 22.1
8 1 b 19.5
9 2 a 22.1
10 2 a 23.5
11 2 a 24.5
12 2 a 21.5
13 2 b 25.5
14 2 b 26.4
15 2 b 27.3
16 2 b 26.1
17 3 a 20.2
18 3 a 23.2
19 3 a 21.5
20 3 a 20.1
21 3 b 22.2
22 3 b 22.3
23 3 b 24.5
24 3 b 26.1
25 4 a 19.8
26 4 a 18.8
27 4 a 19.5
28 4 a 20.2
29 4 b 24.3
30 4 b 23.4
31 4 b 22.1
32 4 b 22.7


The SAS System

The GLM Procedure
Class Level Information
Class Levels Values
Trat 4 1 2 3 4
Imp 2 a b

Number of Observations Read 32
Number of Observations Used 32



The SAS System

The GLM Procedure
Dependent Variable: Cons
Source DF Sum of Squares Mean Square F Value Pr > F
Model 7 196.0700000 28.0100000 20.53 <.0001
Error 24 32.7500000 1.3645833
Corrected Total 31 228.8200000

R-Square Coeff Var Root MSE Cons Mean
0.856874 5.321885 1.168154 21.95000

Source DF Type I SS Mean Square F Value Pr > F
Trat 3 117.2475000 39.0825000 28.64 <.0001
Imp 1 77.5012500 77.5012500 56.79 <.0001
Trat*Imp 3 1.3212500 0.4404167 0.32 0.8088

Source DF Type III SS Mean Square F Value Pr > F
Trat 3 117.2475000 39.0825000 28.64 <.0001
Imp 1 77.5012500 77.5012500 56.79 <.0001
Trat*Imp 3 1.3212500 0.4404167 0.32 0.8088





The SAS System

The GLM Procedure
Least Squares Means
Adjustment for Multiple Comparisons: Tukey
Trat Imp Cons LSMEAN LSMEAN Number
1 a 17.8500000 1
1 b 20.8000000 2
2 a 22.9000000 3
2 b 26.3250000 4
3 a 21.2500000 5
3 b 23.7750000 6
4 a 19.5750000 7
4 b 23.1250000 8

Least Squares Means for effect Trat*Imp
Pr > |t| for H0: LSMean(i)=LSMean(j)
Dependent Variable: Cons
i/j 1 2 3 4 5 6 7 8
1 0.0282 <.0001 <.0001 0.0080 <.0001 0.4493 <.0001
2 0.0282 0.2256 <.0001 0.9992 0.0263 0.8087 0.1378
3 <.0001 0.2256 0.0074 0.5036 0.9593 0.0099 1.0000
4 <.0001 <.0001 0.0074 <.0001 0.0803 <.0001 0.0141
5 0.0080 0.9992 0.5036 <.0001 0.0855 0.4853 0.3489
6 <.0001 0.0263 0.9593 0.0803 0.0855 0.0008 0.9923
7 0.4493 0.8087 0.0099 <.0001 0.4853 0.0008 0.0052
8 <.0001 0.1378 1.0000 0.0141 0.3489 0.9923 0.0052









The SAS System

The GLM Procedure
Least Squares Means
Trat*Imp Effect Sliced by Trat for Cons
Trat DF Sum of Squares Mean Square F Value Pr > F
1 1 17.405000 17.405000 12.75 0.0015
2 1 23.461250 23.461250 17.19 0.0004
3 1 12.751250 12.751250 9.34 0.0054
4 1 25.205000 25.205000 18.47 0.0002



The SAS System

The GLM Procedure
Least Squares Means
Adjustment for Multiple Comparisons: Tukey
Trat Imp Cons LSMEAN LSMEAN Number
1 a 17.8500000 1
1 b 20.8000000 2
2 a 22.9000000 3
2 b 26.3250000 4
3 a 21.2500000 5
3 b 23.7750000 6
4 a 19.5750000 7
4 b 23.1250000 8

Least Squares Means for effect Trat*Imp
Pr > |t| for H0: LSMean(i)=LSMean(j)
Dependent Variable: Cons
i/j 1 2 3 4 5 6 7 8
1 0.0282 <.0001 <.0001 0.0080 <.0001 0.4493 <.0001
2 0.0282 0.2256 <.0001 0.9992 0.0263 0.8087 0.1378
3 <.0001 0.2256 0.0074 0.5036 0.9593 0.0099 1.0000
4 <.0001 <.0001 0.0074 <.0001 0.0803 <.0001 0.0141
5 0.0080 0.9992 0.5036 <.0001 0.0855 0.4853 0.3489
6 <.0001 0.0263 0.9593 0.0803 0.0855 0.0008 0.9923
7 0.4493 0.8087 0.0099 <.0001 0.4853 0.0008 0.0052
8 <.0001 0.1378 1.0000 0.0141 0.3489 0.9923 0.0052









The SAS System

The GLM Procedure
Least Squares Means
Trat*Imp Effect Sliced by Imp for Cons
Imp DF Sum of Squares Mean Square F Value Pr > F
a 3 56.621875 18.873958 13.83 <.0001
b 3 61.946875 20.648958 15.13 <.0001