Percurso de análise nesta segunda fase (aula 03). resultados em código:
# Examinando os resíduos do modelo
plot(mod1$residuals,
main = "Resíduos",
ylab = "")
identify(mod1$residuals, n=2) # Idenfificar pontos mais distantes do estimado
# realizando testes estatísticos sobre o modelo:
install.packages("lmtest") # Instalar o package 'lmtest', se necessário
library(lmtest) # Ativar a biblioteca
dwtest(mod1) # Durbin-Watson test
par(mfrow = c(2,2)) # Se quiser obter os gráficos juntos:
plot(mod1$residuals,
main = "Resíduos",
ylab = "")
plot(mod1$fitted.values, mod1$residuals,
main = "Resíduos contra notas \n preditas dos alunos \n",
xlab = "Notas preditas dos alunos",
ylab = "Resíduos")
bptest(mod1) # studentized Breusch-Pagan test
plot(mod1,2) # Q-Q Plot
shapiro.test(mod1$residuals) # Shapiro-Wilk normality test
# distribuição normal verificada