Reflexos das Ações Afirmativas no ENADE: Formação de Professoras/es de Física

1. Carregamento da base de dados

Iniciamos a importação da base de dados do ENADE, utilizando um arquivo .csv que já recebeu um pré-processamento para reunir dados das edições de 2014, 2017 e 2021.

#importando a base de dados
dados <- fread("C:/Users/manoe/Documents/PROJETO ENADE/1. Dados/dados_lic_enade_14_17_21.csv")

2. Pré-processamento dos dados

  1. Carregando a base de dados do ENADE 2014, 2017 e 2021 e deixando indivíduos do curso de Física Licenciatura (11 967 - 100,00%)
  2. Deixando indivíduos presentes e com respostas consideradas (9 839 - 82,22%)
  3. Deixando indivíduos de Universidades Públicas (8 625 - 72,07%)
  4. Deixando indivíduos de cursos presenciais (7 942 - 66,37%)
  5. Excluindo estudantes que não apresentaram respostas às questões 2, 15 e 18 do Questionário do Estudante (7 942 - 66,29%)
#reduz os dados para apenas o curso de Física Licenciatura 1402
dados <- dados |> filter(CO_GRUPO == 1402)

#reduz os dados às pessoas presentes e com resultados considerados
dados <- dados |> filter(TP_PRES == 555)

#seleciona as instituições públicas e presenciais
dados_pub <- dados |> filter(CO_CATEGAD == 1|CO_CATEGAD == 2|CO_CATEGAD == 3)

#seleciona os resultados dos cursos presenciais
dados_pub <- dados_pub |> filter(CO_MODALIDADE == 1)

dados_pub <- dados_pub |> select(NU_ANO, CO_CATEGAD, CO_MODALIDADE, CO_UF_CURSO,
                                 CO_REGIAO_CURSO, NU_IDADE, TP_SEXO, TP_PRES,
                                 CO_GRUPO, NT_CE, QE_I02, QE_I15, QE_I18
                                 )

#Filtrar as pessoas que tiveram a nota do componente específico nulo.
dados_pub <- na.omit(dados_pub)

#Mudando a categoria das respostas
dados_pub <- dados_pub |>
  mutate(
    TP_SEXO = case_when(
      TP_SEXO == "F" ~ "Feminino",
      TP_SEXO == "M" ~ "Masculino"
    )
  )

dados_pub <- dados_pub |>
  mutate(
    CO_REGIAO_CURSO = case_when(
      CO_REGIAO_CURSO == 1 ~ "Norte (N)",
      CO_REGIAO_CURSO == 2 ~ "Nordeste (NE)",
      CO_REGIAO_CURSO == 3 ~ "Sudeste (SE)",
      CO_REGIAO_CURSO == 4 ~ "Sul (S)",
      CO_REGIAO_CURSO == 5 ~ "Centro-oeste (CO)"
      )
  )

dados_pub <- dados_pub |>
  mutate(
    NU_ANO = case_when(
      NU_ANO == 2014 ~ "2014",
      NU_ANO == 2017 ~ "2017",
      NU_ANO == 2021 ~ "2021"
      )
  )

dados_pub <- dados_pub |>
  mutate(
    CO_UF_CURSO = case_when(
      CO_UF_CURSO == 11 ~ "Rondônia (RO)",
      CO_UF_CURSO == 12 ~ "Acre (AC)",
      CO_UF_CURSO == 13 ~ "Amazonas (AM)",
      CO_UF_CURSO == 14 ~ "Roraima (RR)",
      CO_UF_CURSO == 15 ~ "Pará (PA)",
      CO_UF_CURSO == 16 ~ "Amapá (AP)",
      CO_UF_CURSO == 17 ~ "Tocantins (TO)",
      CO_UF_CURSO == 21 ~ "Maranhão (MA)",
      CO_UF_CURSO == 22 ~ "Piauí (PI)",
      CO_UF_CURSO == 23 ~ "Ceará (CE)",
      CO_UF_CURSO == 24 ~ "Rio Grande do Norte (RN)",
      CO_UF_CURSO == 25 ~ "Paraíba (PB)",
      CO_UF_CURSO == 26 ~ "Pernambuco (PE)",
      CO_UF_CURSO == 27 ~ "Alagoas (AL)",
      CO_UF_CURSO == 28 ~ "Sergipe (SE)",
      CO_UF_CURSO == 29 ~ "Bahia (BA)",
      CO_UF_CURSO == 31 ~ "Minas Gerais (MG)",
      CO_UF_CURSO == 32 ~ "Espírito Santo (ES)",
      CO_UF_CURSO == 33 ~ "Rio de Janeiro (RJ)",
      CO_UF_CURSO == 35 ~ "São Paulo (SP)",
      CO_UF_CURSO == 41 ~ "Paraná (PR)",
      CO_UF_CURSO == 42 ~ "Santa Catarina (SC)",
      CO_UF_CURSO == 43 ~ "Rio Grande do Sul (RS)",
      CO_UF_CURSO == 50 ~ "Mato Grosso do Sul (MS)",
      CO_UF_CURSO == 51 ~ "Mato Grosso (MT)",
      CO_UF_CURSO == 52 ~ "Goiás (GO)",
      CO_UF_CURSO == 53 ~ "Distrito Federal (DF)"
    )
  )

dados_pub <- dados_pub |>
  mutate(
    QE_I02 = case_when(
      QE_I02 == "A" ~ "Branca",
      QE_I02 == "B" ~ "Preta",
      QE_I02 == "C" ~ "Amarela",
      QE_I02 == "D" ~ "Parda",
      QE_I02 == "E" ~ "Indígena",
      QE_I02 == "F" ~ "Não quero declarar"
    )
  )

3. Análise Descritiva

Nesta seção mostraremos as tabela de contingência para as variáveis qualitativas, expressar alguns comportamentos importantes graficamente, bem como testes de relação entre as variáveis.

3.1 Agrupamento das Notas do Componente Específico

Nota do CE por Região

#Para agrupar e sumarisar com a média, desvio padrão, mínima e máxima
nt_ce_regiao <- dados_pub |>
  group_by(CO_REGIAO_CURSO) |>
  summarise(
    Média = mean(NT_CE, na.rm = TRUE),
    SD = sd(NT_CE, na.rm = TRUE),
    Mínima = min(NT_CE, na.rm = TRUE),
    Máxima = max(NT_CE, na.rm = TRUE)
  )
#para colocar em ordem crescente das médias
nt_ce_regiao <- nt_ce_regiao |> arrange(Média)
#embelezando a tabela
formattable(nt_ce_regiao,
            list(Máxima = color_tile("lightblue", "lightgreen"),Mínima = color_tile("orange","red"))
            )
CO_REGIAO_CURSO Média SD Mínima Máxima
Centro-oeste (CO) 35.55232 20.17231 0.0 76.2
Norte (N) 38.59257 17.17320 0.0 84.8
Sudeste (SE) 39.07882 17.92505 0.0 87.1
Sul (S) 39.92838 19.41922 3.0 84.7
Nordeste (NE) 41.02119 16.38708 8.5 89.4

Nota do CE por Estado

#Para agrupar e sumarisar com a média, desvio padrão, mínima e máxima
nt_ce_estado <- dados_pub |>
  group_by(CO_UF_CURSO) |>
  summarise(
    Média = mean(NT_CE, na.rm = TRUE),
    SD = sd(NT_CE, na.rm = TRUE),
    Mínima = min(NT_CE, na.rm = TRUE),
    Máxima = max(NT_CE, na.rm = TRUE)
  )
nt_ce_estado <- nt_ce_estado |> arrange(Média)
formattable(nt_ce_estado,
            list(Máxima = color_tile("lightblue", "lightgreen"),Mínima = color_tile("orange","red"))
            )
CO_UF_CURSO Média SD Mínima Máxima
Distrito Federal (DF) 15.96449 17.210348 0.0 57.0
Paraíba (PB) 28.91733 10.683527 9.7 75.7
Sergipe (SE) 30.08462 7.578375 17.9 51.6
Rondônia (RO) 30.19149 11.593061 0.0 51.5
Roraima (RR) 34.43750 9.238427 19.3 50.2
Rio de Janeiro (RJ) 34.82537 15.132060 8.9 83.2
Pará (PA) 35.09874 12.745499 7.7 74.4
Mato Grosso do Sul (MS) 35.59425 12.895595 14.8 57.2
Alagoas (AL) 35.84396 14.113924 8.6 59.8
Amazonas (AM) 37.53916 21.341641 3.5 69.2
Paraná (PR) 37.97251 20.156946 5.1 84.7
Bahia (BA) 38.35084 13.878834 15.2 81.3
Ceará (CE) 38.68859 16.002009 16.6 89.4
Mato Grosso (MT) 39.03462 19.117769 0.0 60.9
Minas Gerais (MG) 39.41994 18.861534 3.8 85.9
São Paulo (SP) 40.26918 18.143601 0.0 78.8
Rio Grande do Sul (RS) 40.51023 17.066631 3.0 83.5
Santa Catarina (SC) 42.46735 19.928137 3.8 83.1
Maranhão (MA) 43.04306 18.771705 8.5 87.5
Pernambuco (PE) 44.15613 17.716354 8.5 85.6
Goiás (GO) 44.33452 17.520613 8.9 76.2
Rio Grande do Norte (RN) 46.09467 13.341872 10.7 72.2
Tocantins (TO) 47.43457 17.042206 14.7 71.1
Piauí (PI) 47.63511 15.699831 17.4 89.0
Amapá (AP) 53.14638 20.312272 25.5 84.8
Espírito Santo (ES) 54.72657 16.553809 19.4 87.1
Acre (AC) 55.66615 20.344885 23.8 82.2

3.2 Gráficos Descritivos

Histogramas

Histograma em planos mostrando uma possível normalidade da relação

dados_temp <- dados_pub |>
  mutate(
    QE_I15 = case_when(
      QE_I15 == "A" ~ "Não",
      QE_I15 == "B" ~ "Étnico-racial",
      QE_I15 == "C" ~ "Renda",
      QE_I15 == "D" ~ "Escola Pública",
      QE_I15 == "E" ~ "Combinação",
      QE_I15 == "F" ~ "Diferente"
    )
  )

dados_temp <- dados_temp |>
  mutate(
    QE_I18 = case_when(
      QE_I18 == "A" ~ "Tradicional",
      QE_I18 == "B" ~ "Técnico",
      QE_I18 == "C" ~ "Magistério",
      QE_I18 == "D" ~ "EJA e/ou Supletivo",
      QE_I18 == "E" ~ "Outra"
    )
  )

ggplot(dados_temp, aes(x = NT_CE, fill = TP_SEXO)) + geom_histogram(binwidth = 1, alpha = 0.5) + facet_grid(TP_SEXO ~ .) + labs(y = NULL, x = "Nota do Componente Específico") + guides(fill = guide_legend(title = "Sexo"))

ggplot(dados_temp, aes(x = NT_CE, fill = QE_I02)) + geom_histogram(binwidth = 1, alpha = 0.5) + facet_grid(QE_I02 ~ .) + labs(y = NULL,x = "Nota do Componente Específico") + guides(fill = guide_legend(title = "Cor ou Raça"))

ggplot(dados_temp, aes(x = NT_CE, fill = QE_I15)) + geom_histogram(binwidth = 1, alpha = 0.5) + facet_grid(QE_I15 ~ .) + labs(y = NULL, x = "Nota do Componente Específico") + guides(fill = guide_legend(title = "Tipo de Ação Afirmativa"))

ggplot(dados_temp, aes(x = NT_CE, fill = QE_I18)) + geom_histogram(binwidth = 1, alpha = 0.5) + facet_grid(QE_I18 ~ .) + labs(y = NULL, x = "Nota do Componente Específico") + guides(fill = guide_legend(title = "Tipo de Modalidade")) + theme(legend.position = "none")

BoxPlot

Sexo e Cor ou Raça

ggplot(dados_pub, aes(x = NT_CE, y = TP_SEXO)) + geom_boxplot() + labs(y = "Sexo", x = "Nota do Componente Específico")

ggplot(dados_pub, aes(x = NT_CE, y = QE_I02)) + geom_boxplot() + labs(y = "Raça ou Cor", x = "Nota do Componente Específico")

ggplot(dados_pub, aes(x = NT_CE, y = interaction(TP_SEXO, QE_I02))) + geom_boxplot() + labs(y = "Sexo * Raça ou Cor", x = "Nota do Componente Específico")

Cor ou Raça, Ações Afirmativas e Modalidade do Ensino Médio

ggplot(dados_pub, aes(x = NT_CE, y = interaction(QE_I02, QE_I15, QE_I18))) + geom_boxplot() + labs(y = "Raça ou Cor * Ações Afirmativas * Modalidade", x = "Nota do Componente Específico")

Todas as Variáveis

ggplot(dados_temp, aes(x = NT_CE, y = interaction(TP_SEXO, QE_I02, QE_I15, QE_I18))) + geom_boxplot() + labs(y = "Sexo * Raça ou Cor * Ações Afirmativas * Modalidade do Ensino Médio", x = "Nota do Componente Específico") +  theme(  axis.title = element_text(size = 6))

3.3 Testes de Normalidade

Shapiro-Wilk

set.seed(123) # Para reprodutibilidade escolher uma semente 123
subsample_NT <- sample(dados_pub$NT_CE, 5000)
subsample_SX <- sample(dados_pub$TP_SEXO, 5000)
subsample_02 <- sample(dados_pub$QE_I02, 5000)
subsample_15 <- sample(dados_pub$QE_I15, 5000)
subsample_18 <- sample(dados_pub$QE_I18, 5000)

byf.shapiro(subsample_NT ~ subsample_SX) #não tem distribuição normal
## 
##  Shapiro-Wilk normality tests
## 
## data:  subsample_NT by subsample_SX 
## 
##                W   p-value    
## Feminino  0.9754 < 2.2e-16 ***
## Masculino 0.9764 8.562e-14 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
byf.shapiro(subsample_NT ~ subsample_02) #não tem distribuição normal
## 
##  Shapiro-Wilk normality tests
## 
## data:  subsample_NT by subsample_02 
## 
##              W   p-value    
## Amarela 0.9729 3.560e-08 ***
## Branca  0.9730 < 2.2e-16 ***
## Parda   0.9807 5.923e-12 ***
## Preta   0.9728 1.001e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
byf.shapiro(subsample_NT ~ subsample_15) #não tem distribuição normal
## 
##  Shapiro-Wilk normality tests
## 
## data:  subsample_NT by subsample_15 
## 
##        W   p-value    
## A 0.9768 < 2.2e-16 ***
## B 0.9615 2.532e-05 ***
## C 0.9543 4.753e-07 ***
## D 0.9774  0.000362 ***
## E 0.9660  0.012222 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
byf.shapiro(subsample_NT ~ subsample_18) #não tem distribuição normal
## 
##  Shapiro-Wilk normality tests
## 
## data:  subsample_NT by subsample_18 
## 
##        W   p-value    
## A 0.9757 < 2.2e-16 ***
## B 0.9703 7.755e-08 ***
## C 0.9732 5.947e-06 ***
## D 0.9747  0.006967 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
shapiro.test(subsample_NT) #não tem distribuição normal
## 
##  Shapiro-Wilk normality test
## 
## data:  subsample_NT
## W = 0.97592, p-value < 2.2e-16

ANOVA

anova <- aov(NT_CE ~ TP_SEXO * QE_I02 * QE_I15 * QE_I18, data = dados_pub)
summary(anova)
##                  Df  Sum Sq Mean Sq   F value   Pr(>F)    
## TP_SEXO           1 1357058 1357058 22764.470  < 2e-16 ***
## QE_I02            3  507362  169121  2836.974  < 2e-16 ***
## QE_I15            4   99601   24900   417.700  < 2e-16 ***
## QE_I18            3   12724    4241    71.146  < 2e-16 ***
## TP_SEXO:QE_I02    1     379     379     6.351 0.011749 *  
## QE_I02:QE_I15     3    1089     363     6.087 0.000392 ***
## QE_I02:QE_I18     2     571     286     4.790 0.008341 ** 
## QE_I15:QE_I18     1     268     268     4.493 0.034070 *  
## Residuals      7914  471777      60                       
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Welch ANOVA

oneway.test(NT_CE ~ interaction(TP_SEXO, QE_I02, QE_I15, QE_I18),
            data = dados_pub, var.equal = FALSE)
## 
##  One-way analysis of means (not assuming equal variances)
## 
## data:  NT_CE and interaction(TP_SEXO, QE_I02, QE_I15, QE_I18)
## F = 2648.5, num df = 18.00, denom df = 389.33, p-value < 2.2e-16

Indicou variações significativas

Teste de Levene

leveneTest(NT_CE ~ TP_SEXO * QE_I02 * QE_I15 * QE_I18, data = dados_pub)
## Levene's Test for Homogeneity of Variance (center = median)
##         Df F value    Pr(>F)    
## group   18  52.567 < 2.2e-16 ***
##       7914                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

As variâncias não são homogêneas, rejeitando a hipótese muito necessária para usar na ANOVA

Teste de Kruskal-Wallis

kruskal.test(NT_CE ~ TP_SEXO, data = dados_pub)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  NT_CE by TP_SEXO
## Kruskal-Wallis chi-squared = 4035.2, df = 1, p-value < 2.2e-16
kruskal.test(NT_CE ~ QE_I02, data = dados_pub)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  NT_CE by QE_I02
## Kruskal-Wallis chi-squared = 5807.7, df = 3, p-value < 2.2e-16
kruskal.test(TP_SEXO ~ QE_I02, data = dados_pub)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  TP_SEXO by QE_I02
## Kruskal-Wallis chi-squared = 5210.3, df = 3, p-value < 2.2e-16
kruskal.test(QE_I15 ~ QE_I02, data = dados_pub)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  QE_I15 by QE_I02
## Kruskal-Wallis chi-squared = 2838.3, df = 3, p-value < 2.2e-16

Teste de Mann-Whitney

wilcox.test(NT_CE ~ TP_SEXO, data = dados_pub)
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  NT_CE by TP_SEXO
## W = 380004, p-value < 2.2e-16
## alternative hypothesis: true location shift is not equal to 0
#distrubuição entre os grupos Feminino e Masculino são diferentes

4. Análise Inferencial

4.1 Binarização

Cria uma variável binária que indica se a nota está entre as 25% maiores notas

Encontra a menor nota necessária para estar nas 25% maiores notas

quartis_pub <- quantile(dados_pub$NT_CE, 0.75, na.rm = TRUE)
print(quartis_pub)
## 75% 
##  54

Cria uma nova variável binária indicando se a Nota do Componente Específico foi menor que o encontrado, valorando 0 ou maior/igual valorando 1.

dados_pub <- dados_pub |>
  mutate(atingiu = ifelse(NT_CE >= 54,1,0))

4.2 Modelo de Regressão Logística

Norte

dados_pub_n <- dados_pub |> filter(CO_REGIAO_CURSO == "Norte (N)")

rl_n <- glm(atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18,
                   data = dados_pub_n, family = binomial)

summary(rl_n)
## 
## Call:
## glm(formula = atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18, family = binomial, 
##     data = dados_pub_n)
## 
## Coefficients:
##                    Estimate Std. Error z value Pr(>|z|)    
## (Intercept)      -3.268e+00  1.000e+00  -3.266  0.00109 ** 
## TP_SEXOMasculino  7.419e-01  6.593e-01   1.125  0.26046    
## QE_I02Branca     -1.830e+01  9.951e+02  -0.018  0.98533    
## QE_I02Parda       4.317e+00  8.916e-01   4.842 1.28e-06 ***
## QE_I02Preta      -1.265e+00  1.409e+00  -0.898  0.36927    
## QE_I15B           3.852e+00  9.994e+13   0.000  1.00000    
## QE_I15C           1.739e+01  4.458e+03   0.004  0.99689    
## QE_I15D           1.915e+01  9.994e+13   0.000  1.00000    
## QE_I18B           2.381e+00  7.735e-01   3.078  0.00209 ** 
## QE_I18C           6.195e-01  9.994e+13   0.000  1.00000    
## QE_I18D           4.937e+00  9.994e+13   0.000  1.00000    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 1330.62  on 1304  degrees of freedom
## Residual deviance:  210.38  on 1294  degrees of freedom
## AIC: 232.38
## 
## Number of Fisher Scoring iterations: 20

Tabela dos Coeficientes do Modelo

tbl_regression(rl_n, exponentiate = TRUE,
               label = list(TP_SEXO ~ "SEXO",
                            QE_I02 ~ "COR OU RAÇA",
                            QE_I15 ~ "AFIRMATIVAS",
                            QE_I18 ~ "MODALIDADE EM")
               )
Characteristic OR1 95% CI1 p-value
SEXO


    Feminino — —
    Masculino 2.10 0.58, 7.65 0.3
COR OU RAÇA


    Amarela — —
    Branca 0.00 0.00, Inf >0.9
    Parda 75.0 13.1, 431 <0.001
    Preta 0.28 0.02, 4.47 0.4
AFIRMATIVAS


    A — —
    B 47.1 0.00, Inf >0.9
    C 35,810,884 0.00, Inf >0.9
    D 208,376,640 0.00, Inf >0.9
MODALIDADE EM


    A — —
    B 10.8 2.37, 49.2 0.002
    C 1.86 0.00, Inf >0.9
    D 139 0.00, Inf >0.9
1 OR = Odds Ratio, CI = Confidence Interval

Gráfico dos Coeficientes

ggcoef_table(rl_n)
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## ! `broom::tidy()` failed to tidy the model.
## ✔ `tidy_parameters()` used instead.
## ℹ Add `tidy_fun = broom.helpers::tidy_parameters` to quiet these messages.

Nordeste

dados_pub_ne <- dados_pub |> filter(CO_REGIAO_CURSO == "Nordeste (NE)")

rl_ne <- glm(atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18,
                   data = dados_pub_ne, family = binomial)

summary(rl_ne)
## 
## Call:
## glm(formula = atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18, family = binomial, 
##     data = dados_pub_ne)
## 
## Coefficients:
##                   Estimate Std. Error z value Pr(>|z|)    
## (Intercept)        -1.9069     0.2930  -6.507 7.64e-11 ***
## TP_SEXOMasculino    0.4305     0.1889   2.279 0.022650 *  
## QE_I02Branca      -18.6592   422.9919  -0.044 0.964815    
## QE_I02Parda         1.7690     0.2889   6.123 9.19e-10 ***
## QE_I02Preta        -2.3870     0.5825  -4.098 4.17e-05 ***
## QE_I15B             1.6172     0.5559   2.909 0.003623 ** 
## QE_I15C             0.2266     0.5077   0.446 0.655384    
## QE_I15D            17.7215  1553.1616   0.011 0.990896    
## QE_I15E            15.9525  4066.0137   0.004 0.996870    
## QE_I18B             1.4763     0.4398   3.357 0.000788 ***
## QE_I18C             3.1496     0.7888   3.993 6.53e-05 ***
## QE_I18D             4.3209  3543.0426   0.001 0.999027    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 3579.22  on 3180  degrees of freedom
## Residual deviance:  951.47  on 3169  degrees of freedom
## AIC: 975.47
## 
## Number of Fisher Scoring iterations: 19

Tabela dos Coeficientes do Modelo

tbl_regression(rl_ne, exponentiate = TRUE,
               label = list(TP_SEXO ~ "SEXO",
                            QE_I02 ~ "COR OU RAÇA",
                            QE_I15 ~ "AFIRMATIVAS",
                            QE_I18 ~ "MODALIDADE EM")
               )
Characteristic OR1 95% CI1 p-value
SEXO


    Feminino — —
    Masculino 1.54 1.06, 2.23 0.023
COR OU RAÇA


    Amarela — —
    Branca 0.00 0.00, 0.00 >0.9
    Parda 5.86 3.40, 10.6 <0.001
    Preta 0.09 0.03, 0.26 <0.001
AFIRMATIVAS


    A — —
    B 5.04 1.75, 15.8 0.004
    C 1.25 0.46, 3.40 0.7
    D 49,698,078 Inf, 591,534,891,235,526,859,520,206,082,626,680,680,804,442,882,606,840,800,828,626,068,602,840,020,482,004,884,460,264,420,464,822,006,624,620,202,622,622,026,086,262,406,846,626,040,082,406,024,066,068,662,642,824,024,288,468,086,824,806,086,820,440,082,044,084,088,426,840,442,484,480,048,006,464,646,086,024,228,244,668,684,684,460,446,066,448,806,640,224,288,820,282,826,602,864,088,008,868,686 >0.9
    E 8,473,857 0.00, 2,869,598,640,157,536,256 >0.9
MODALIDADE EM


    A — —
    B 4.38 1.86, 10.5 <0.001
    C 23.3 5.17, 115 <0.001
    D 75.3 0.00, 4,777,179,940,912 >0.9
1 OR = Odds Ratio, CI = Confidence Interval

Gráfico dos Coeficientes

ggcoef_table(rl_ne)
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning in regularize.values(x, y, ties, missing(ties), na.rm = na.rm):
## colapsando para valores de 'x' únicos

Sudeste

dados_pub_se <- dados_pub |> filter(CO_REGIAO_CURSO == "Sudeste (SE)")

rl_se <- glm(atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18,
                   data = dados_pub_se, family = binomial)

summary(rl_se)
## 
## Call:
## glm(formula = atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18, family = binomial, 
##     data = dados_pub_se)
## 
## Coefficients: (1 not defined because of singularities)
##                   Estimate Std. Error z value Pr(>|z|)    
## (Intercept)        -1.4872     0.2487  -5.979 2.24e-09 ***
## TP_SEXOMasculino    1.0151     0.2408   4.215 2.50e-05 ***
## QE_I02Branca      -19.0788   499.4966  -0.038   0.9695    
## QE_I02Parda         1.3668     0.2400   5.696 1.23e-08 ***
## QE_I02Preta        -1.2536     0.7708  -1.626   0.1039    
## QE_I15B             0.8120     0.4327   1.877   0.0606 .  
## QE_I15C             0.3357     0.5293   0.634   0.5260    
## QE_I15D            16.1831  2104.2080   0.008   0.9939    
## QE_I15E            19.6714  2614.2005   0.008   0.9940    
## QE_I18B             0.5333     0.3248   1.642   0.1006    
## QE_I18C             3.4883     0.8554   4.078 4.54e-05 ***
## QE_I18D                 NA         NA      NA       NA    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 2441.83  on 2109  degrees of freedom
## Residual deviance:  754.89  on 2099  degrees of freedom
## AIC: 776.89
## 
## Number of Fisher Scoring iterations: 19

Tabela dos Coeficientes do Modelo

tbl_regression(rl_se, exponentiate = TRUE,
               label = list(TP_SEXO ~ "SEXO",
                            QE_I02 ~ "COR OU RAÇA",
                            QE_I15 ~ "AFIRMATIVAS",
                            QE_I18 ~ "MODALIDADE EM")
               )
Characteristic OR1 95% CI1 p-value
SEXO


    Feminino — —
    Masculino 2.76 1.73, 4.46 <0.001
COR OU RAÇA


    Amarela — —
    Branca 0.00 0.00, 0.00 >0.9
    Parda 3.92 2.47, 6.35 <0.001
    Preta 0.29 0.04, 1.05 0.10
AFIRMATIVAS


    A — —
    B 2.25 0.99, 5.45 0.061
    C 1.40 0.52, 4.24 0.5
    D 10,672,130 Inf, Inf >0.9
    E 349,289,217 Inf, Inf >0.9
MODALIDADE EM


    A — —
    B 1.70 0.91, 3.25 0.10
    C 32.7 6.43, 198 <0.001
    D


1 OR = Odds Ratio, CI = Confidence Interval

Gráfico dos Coeficientes

ggcoef_table(rl_se)
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu

Sul

dados_pub_s <- dados_pub |> filter(CO_REGIAO_CURSO == "Sul (S)")

rl_s <- glm(atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18,
                   data = dados_pub_s, family = binomial)

summary(rl_s)
## 
## Call:
## glm(formula = atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18, family = binomial, 
##     data = dados_pub_s)
## 
## Coefficients: (1 not defined because of singularities)
##                   Estimate Std. Error z value Pr(>|z|)    
## (Intercept)        -1.2075     0.6963  -1.734  0.08289 .  
## TP_SEXOMasculino    0.4119     0.6799   0.606  0.54459    
## QE_I02Branca      -20.3586  1317.9003  -0.015  0.98767    
## QE_I02Parda         2.8920     0.6596   4.385 1.16e-05 ***
## QE_I02Preta       -20.3586  8813.9117  -0.002  0.99816    
## QE_I15B            18.1633  4805.7832   0.004  0.99698    
## QE_I15C            18.1633  6536.5718   0.003  0.99778    
## QE_I15D            35.9000  5685.8116   0.006  0.99496    
## QE_I15E            19.4696  6095.3847   0.003  0.99745    
## QE_I18B             1.3064     0.4914   2.658  0.00785 ** 
## QE_I18C           -15.0651  4805.7833  -0.003  0.99750    
## QE_I18D                 NA         NA      NA       NA    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 1050.40  on 841  degrees of freedom
## Residual deviance:  193.37  on 831  degrees of freedom
## AIC: 215.37
## 
## Number of Fisher Scoring iterations: 20

Tabela dos Coeficientes do Modelo

tbl_regression(rl_s, exponentiate = TRUE,
               label = list(TP_SEXO ~ "SEXO",
                            QE_I02 ~ "COR OU RAÇA",
                            QE_I15 ~ "AFIRMATIVAS",
                            QE_I18 ~ "MODALIDADE EM")
               )
Characteristic OR1 95% CI1 p-value
SEXO


    Feminino — —
    Masculino 1.51 0.44, 6.96 0.5
COR OU RAÇA


    Amarela — —
    Branca 0.00 0.00, 31,684,992,194,292,156 >0.9
    Parda 18.0 5.61, 81.0 <0.001
    Preta 0.00 0.00, 44,143,525,989,294,317,772,800,620,680,040,442,646,684,420,480,044,646,044,264,080,848,228,840,422,282,806,888,080,406,828,026,824,202,228,608,044,228,288,866,284,864,820,248,048,640,686,040,444,806,604,222,044,684 >0.9
AFIRMATIVAS


    A — —
    B 77,303,615 0.00, Inf >0.9
    C 77,303,615 0.00, Inf >0.9
    D 3,900,854,390,386,076 0.00, Inf >0.9
    E 285,464,690 0.00, Inf >0.9
MODALIDADE EM


    A — —
    B 3.69 1.43, 10.0 0.008
    C 0.00 0.00, 242,714,771,908,196,173,146,862,808,000,602,648,604,426,682,640,200,044,406,488,882,244,660,866,480,604 >0.9
    D


1 OR = Odds Ratio, CI = Confidence Interval

Gráfico dos Coeficientes

ggcoef_table(rl_s)
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: algoritmo não convergiu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning in regularize.values(x, y, ties, missing(ties), na.rm = na.rm):
## colapsando para valores de 'x' únicos

Centro-oeste

dados_pub_co <- dados_pub |> filter(CO_REGIAO_CURSO == "Centro-oeste (CO)")

rl_co <- glm(atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18,
                   data = dados_pub_co, family = binomial)

summary(rl_co)
## 
## Call:
## glm(formula = atingiu ~ TP_SEXO + QE_I02 + QE_I15 + QE_I18, family = binomial, 
##     data = dados_pub_co)
## 
## Coefficients: (1 not defined because of singularities)
##                   Estimate Std. Error z value Pr(>|z|)    
## (Intercept)        -3.6044     1.0209  -3.531 0.000415 ***
## TP_SEXOMasculino    0.2312     0.5029   0.460 0.645737    
## QE_I02Branca       -1.9563     1.4304  -1.368 0.171437    
## QE_I02Parda         3.5480     1.0736   3.305 0.000951 ***
## QE_I02Preta        -0.4899     1.4349  -0.341 0.732776    
## QE_I15C            21.9393  2917.0129   0.008 0.993999    
## QE_I15D            18.3913  1211.2236   0.015 0.987885    
## QE_I18B           -21.4209  2917.0129  -0.007 0.994141    
## QE_I18C                 NA         NA      NA       NA    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 478.30  on 494  degrees of freedom
## Residual deviance: 173.64  on 487  degrees of freedom
## AIC: 189.64
## 
## Number of Fisher Scoring iterations: 17

Tabela dos Coeficientes do Modelo

tbl_regression(rl_co, exponentiate = TRUE,
               label = list(TP_SEXO ~ "SEXO",
                            QE_I02 ~ "COR OU RAÇA",
                            QE_I15 ~ "AFIRMATIVAS",
                            QE_I18 ~ "MODALIDADE EM")
               )
Characteristic OR1 95% CI1 p-value
SEXO


    Feminino — —
    Masculino 1.26 0.47, 3.41 0.6
COR OU RAÇA


    Amarela — —
    Branca 0.14 0.01, 3.65 0.2
    Parda 34.7 6.33, 655 <0.001
    Preta 0.61 0.02, 15.9 0.7
AFIRMATIVAS


    A — —
    C 3,373,817,730 0.00,
>0.9
    D 97,107,746 0.00, 134,793,538,186,728,497,690,680,000,406,080,462,086,264,040,844,404,022,480,420,842,644,626,808,422,628,608,008,620,080,808,864,202,244,862,624,646,224,484,268,426,464,824,800,048,422,604,844,888,420,220,888,286,484 >0.9
MODALIDADE EM


    A — —
    B 0.00
>0.9
    C


1 OR = Odds Ratio, CI = Confidence Interval

Gráfico dos Coeficientes

ggcoef_table(rl_co)
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning: glm.fit: probabilidades ajustadas numericamente 0 ou 1 ocorreu
## Warning in regularize.values(x, y, ties, missing(ties), na.rm = na.rm):
## colapsando para valores de 'x' únicos

Comparação entre as Regiões

regioes <- list(
  "Norte" = rl_n,
  "Sul" = rl_s,
  "Centro-oeste" = rl_co,
  "Sudeste" = rl_se,
  "Nordeste" = rl_ne
)
ggcoef_compare(regioes, type = "faceted")