Na sequência do que vimos ontem, eis mais algumas aplicações em R.
Time series regression with “zooreg” data:
Start = 2004(3), End = 2014(9)
Call:
dynlm(formula = new_yamato ~ L(new_yamato))
Residuals:
Min 1Q Median 3Q Max
-42.542 -2.266 -0.682 1.108 52.556
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.31602 0.51239 4.52 7.84e-06 ***
L(new_yamato) 0.85147 0.02589 32.89 < 2e-16 ***
—
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 7.003 on 468 degrees of freedom
Multiple R-squared: 0.698, Adjusted R-squared: 0.6974
F-statistic: 1082 on 1 and 468 DF, p-value: < 2.2e-16
Alguns dirão: e os intervalos de confiança deste intercepto e desta inclinação? Bem, no R, isto é muito fácil de se obter. Basta usar um comando que já vem no pacote stats, básico do R (você não precisa carregá-la).
> confint(mod1)
2.5 % 97.5 %
(Intercept) 1.3091502 3.322894
L(new_yamato) 0.8005973 0.902344
Do pacote car, obtemos ainda uma visualização desta relação.
Bem, hoje é bem rapidinho.
library(car)
library(dynlm)
mod1<-dynlm(new_yamato~L(new_yamato))
summary(mod1)
confint(mod1)
scatterplot(new_yamato~lag(new_yamato),smooth=FALSE)
A dica está aí, para os que desejam brincar com regressões. Depois eu volto com mais aplicações destes comandos (provavelmente, com nossos modelos para a economia japonesa ou para outras regressões), ok?