Mortalidade infantil

Objetivo

Este trabalho tem como objetivo analisar os fatores que influenciam a mortalidade infantil (variável resposta) em diferentes países, utilizando um modelo de regressão múltipla, a partir das variáveis Expectativa de vida, médicos para cada mil pessoas e continente do país (variáveis explicativas).

Banco de dados

O banco de dados que vamos analisar é

Global Country Information Dataset 2023

disponivel em https://www.kaggle.com/datasets/nelgiriyewithana/countries-of-the-world-2023/data

Existiam 195 países no banco de dados

Foram removidos alguns países da análise, entre eles: Eswatini, Nauru, Sudão do Sul, Andorra, Mônaco, Vaticano, Palestina, Tuvalu, pois não haviam informações sobre as variáveis estudadas

library(ggplot2)
library(rnaturalearth)
library(rnaturalearthdata)

## 
## Attaching package: 'rnaturalearthdata'

## The following object is masked from 'package:rnaturalearth':
## 
##     countries110

library(sf)

## Linking to GEOS 3.8.0, GDAL 3.0.4, PROJ 6.3.1; sf_use_s2() is TRUE

library(summarytools)

## system might not have X11 capabilities; in case of errors when using dfSummary(), set st_options(use.x11 = FALSE)

library(kableExtra)
library(lmtest)

## Loading required package: zoo

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

Visualizando o banco de dados

Estatística descritiva

Mortalidade infantil

ggplot(data = world_data) +
  geom_sf(aes(fill = mort_inf), color = "white") +
  scale_fill_gradient(
    low = "green",
    high = "red",
    na.value = "lightgrey",  # Cor para países sem dados
    name = "Mortalidade infantil"
  ) +
  labs(
    title = "Mapa da taxa de mortalidade infantil",
  ) +
  theme_light() +
  theme(
    plot.title = element_text(size = 14, face = "bold"),
    plot.subtitle = element_text(size = 12),
    legend.title = element_text(size = 10)
  )

Mortalidade infantil

desc_mort <- summarytools::descr(wor$mort_inf)
desc_mort <- desc_mort[c(1,2,3,4,5,6,7)]
desc_mort <- data_frame("Estatística" = c("Média", "Desvio padrão", "Minimo", "Q1", "Mediana", "Q3", "Máximo"), "Valor" = round(desc_mort, 3))

kable(
  desc_mort,
  col.names = c("       Estatística       ", "        Valor        "),
  format = "html",
  align = "c"
) %>%
  kable_styling(
    full_width = FALSE,
    position = "center"
  )

Estatística	Valor
Média	21.625
Desvio padrão	19.888
Minimo	1.400
Q1	6.000
Mediana	13.900
Q3	33.900
Máximo	84.500

Mortalidade infantil

ggplot(data = wor)+
  geom_histogram(aes(x = mort_inf), fill = "lightblue", col = "black")+
  labs(title = "Distribuição da taxa de mortalidade infantil")+
  ylab("Frequência")+
  xlab("Taxa de mortalidade infantil")+
  theme_light()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Expectativa de vida

ggplot(data = world_data) +
  geom_sf(aes(fill = expect_vida), color = "white") +
  scale_fill_gradient(
    low = "red",
    high = "green",
    na.value = "lightgrey",  # Cor para países sem dados
    name = "Expectativa de vida"
  ) +
  labs(
    title = "Mapa da expectativa de vida",
  ) +
  theme_light() +
  theme(
    plot.title = element_text(size = 14, face = "bold"),
    plot.subtitle = element_text(size = 12),
    legend.title = element_text(size = 10)
  )

Expectativa de vida

desc_exp <- summarytools::descr(wor$expect_vida)
desc_exp <- desc_exp[c(1,2,3,4,5,6,7)]
desc_exp <- data_frame("Estatística" = c("Média", "Desvio padrão", "Minimo", "Q1", "Mediana", "Q3", "Máximo"), "Valor" = round(desc_exp, 3))

kable(
  desc_exp,
  col.names = c("       Estatística       ", "        Valor        "),
  format = "html",
  align = "c"
) %>%
  kable_styling(
    full_width = FALSE,
    position = "center"
  )

Estatística	Valor
Média	72.208
Desvio padrão	7.511
Minimo	52.800
Q1	66.700
Mediana	73.400
Q3	77.600
Máximo	84.200

Expectativa de vida

ggplot(data = wor)+
  geom_histogram(aes(x = expect_vida), fill = "lightblue", col = "black")+
  labs(title = "Distribuição da expectativa de vida")+
  ylab("Frequência")+
  xlab("Expectativa de vida")+
  theme_light()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Medicos por mil habitantes

ggplot(data = world_data) +
  geom_sf(aes(fill = medic), color = "white") +
  scale_fill_gradient(
    low = "red",
    high = "green",
    na.value = "lightgrey",  # Cor para países sem dados
    name = "Médicos por 1000 hab."
  ) +
  labs(
    title = "Mapa da Quantidade de Médicos para cada habitante por País",
  ) +
  theme_light() +
  theme(
    plot.title = element_text(size = 14, face = "bold"),
    plot.subtitle = element_text(size = 12),
    legend.title = element_text(size = 10)
  )

Medicos por mil habitantes

desc_med <- summarytools::descr(wor$mort_inf)
desc_med <- desc_med[c(1,2,3,4,5,6,7)]
desc_med <- data_frame("Estatística" = c("Média", "Desvio padrão", "Minimo", "Q1", "Mediana", "Q3", "Máximo"), "Valor" = round(desc_med, 3))

kable(
  desc_med,
  col.names = c("       Estatística       ", "        Valor        "),
  format = "html",
  align = "c"
) %>%
  kable_styling(
    full_width = FALSE,
    position = "center"
  )

Estatística	Valor
Média	21.625
Desvio padrão	19.888
Minimo	1.400
Q1	6.000
Mediana	13.900
Q3	33.900
Máximo	84.500

Medicos por mil habitantes

ggplot(data = wor)+
  geom_histogram(aes(x = medic), fill = "lightblue", col = "black")+
  labs(title = "Distribuição da quantidade de médicos para cada 1000 habitantes")+
  ylab("Frequência")+
  xlab("Médicos / 1000 hab.")+
  theme_light()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Correlação

cor1 = cor(wor$mort_inf, wor$expect_vida,  use = "complete.obs")
cor2 = cor(wor$mort_inf, wor$medic,  use = "complete.obs")
cor3 = cor(wor$medic, wor$expect_vida,  use = "complete.obs")

cov1 = cov(wor$mort_inf, wor$expect_vida,  use = "complete.obs")
cov2 = cov(wor$mort_inf, wor$medic,  use = "complete.obs")
cov3 = cov(wor$medic, wor$expect_vida,  use = "complete.obs")

cor_matrix <- matrix(c(
  1, cor1, cor2,
  cor1, 1, cor3,
  cor2, cor3, 1
), nrow = 3, byrow = TRUE, dimnames = list(
  c("Mortalidade Infantil", "Expectativa de Vida", "Médicos"),
  c("Mortalidade Infantil", "Expectativa de Vida", "Médicos")
))

cov_matrix <- matrix(c(
  var(wor$mort_inf), cov1, cov2,
  cov1, var(wor$expect_vida), cov3,
  cov2, cov3, var(wor$medic, na.rm = TRUE)
), nrow = 3, byrow = TRUE, dimnames = list(
  c("Mortalidade Infantil", "Expectativa de Vida", "Médicos"),
  c("Mortalidade Infantil", "Expectativa de Vida", "Médicos")
))

library(knitr)
kable(cor_matrix, caption = "Tabela de Correlação", digits = 3)

Tabela de Correlação

	Mortalidade Infantil	Expectativa de Vida	Médicos
Mortalidade Infantil	1.000	-0.933	-0.696
Expectativa de Vida	-0.933	1.000	0.700
Médicos	-0.696	0.700	1.000

Covariância

kable(cov_matrix, caption = "Tabela de Covariância", digits = 3)

Tabela de Covariância

	Mortalidade Infantil	Expectativa de Vida	Médicos
Mortalidade Infantil	395.528	-139.306	-22.516
Expectativa de Vida	-139.306	56.409	8.570
Médicos	-22.516	8.570	2.697

ggpairs

library(GGally)

## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2

ggpairs(data = wor, columns = c(6,7,9))

Modelo de regressão

Vamos analisar os diagramas de dispersão entre as variáveis qualitativas que estamos interessados em analisar

• Mortalidade infantil vs expectativa de vida

• Mortalidade infantil vs quantidade de médicos para cada 1000 pessoas

Além disso, vamos analisar os boxplots da mortalidade infantil para cada continente

Gráfico

ggplot(data = wor) +
  geom_point(aes(x = expect_vida, y = mort_inf, color = cont)) +
  scale_color_manual(
    values = c(
      "africa" = "orange", 
      "oceania" = "blue", 
      "america" = "green", 
      "asia" = "yellow", 
      "europa" = "lightblue"
    )
  ) +
  labs(
    title = "Dispersão entre expectativa de vida e mortalidade infantil",
    x = "Expectativa de vida",
    y = "Mortalidade infantil",
    color = "Continente"
  ) +
  theme_light()

Gráfico

ggplot(data = wor) +
  geom_point(aes(x = medic, y = mort_inf, color = cont)) +
  scale_color_manual(
    values = c(
      "africa" = "orange", 
      "oceania" = "blue", 
      "america" = "green", 
      "asia" = "yellow", 
      "europa" = "lightblue"
    )
  ) +
  labs(
    title = "Dispersão entre quantidade de médicos e mortalidade infantil",
    x = "Médicos para cada 1000 habitantes",
    y = "Mortalidade infantil",
    color = "Continente"
  ) +
  theme_light()

Há um problema:

uma relação não linear …

Gráfico

… para resolver, vamos fazer uma transformação

ggplot(data = wor) +
  geom_point(aes(x = log(medic+0.1), y = mort_inf, color = cont)) +
  scale_color_manual(
    values = c(
      "africa" = "orange", 
      "oceania" = "blue", 
      "america" = "green", 
      "asia" = "yellow", 
      "europa" = "lightblue"
    )
  ) +
  labs(
    title = "Dispersão entre o log da quantidade de médicos e mortalidade infantil",
    x = "log(Médicos para cada 1000 habitantes  +  0.1 )",
    y = "Mortalidade infantil",
    color = "Continente"
  ) +
  theme_light()

Gráfico

ggplot(wor)+
  geom_boxplot(aes(cont, mort_inf), fill = cores)+
  labs(title = "Quartís da mortalidade infantil por continente")+
  xlab("Continentes") + ylab("Mortalidade infantil")+
  theme_light()

Modelo de regressão

\[ \begin{aligned} \text{Mortalidade infantil} = & \beta_0 \\ &\quad + \beta_1 \cdot \text{Expectativa de vida} \\ &\quad + \beta_2 \cdot \log(\text{Médicos por mil pessoas}+0.1) \\ &\quad + \beta_{3,j} I_{\text{Continente}_j} \hspace{4mm}, \text{para} \ j \in\{0,1,2,3,4\} \\ &\quad + \epsilon \end{aligned} \]

Seja:

\[ \begin{aligned} Y &:= \text{Mortalidade infantil} \\ X_1 &:= \text{Expectativa de vida} \\ X_2 &:= \log(\text{Médicos para cada 1000 habitantes}+0.1) \\ X_3 &:= \text{Continente} \end{aligned} \]

\[ Y = \beta_0 + \beta_1 \cdot X_1 + \beta_2 \cdot X_2 + \beta_{3,j} I_{continente_j} \]

Modelo

mod = lm(mort_inf ~ expect_vida + log(medic+0.1) + cont, data = wor)
mod

## 
## Call:
## lm(formula = mort_inf ~ expect_vida + log(medic + 0.1) + cont, 
##     data = wor)
## 
## Coefficients:
##      (Intercept)       expect_vida  log(medic + 0.1)       contamerica  
##         165.6259           -1.9765           -3.4498           -1.2235  
##         contasia        conteuropa       contoceania  
##          -0.7514           -0.9235           -4.9725

Portanto:

\[ \begin{aligned} \beta_0 &= 165.6259 \\ \beta_1 &= -1.9765\\ \beta_2 &= -3.4497\\ X_{3,0} = \text{África} \Rightarrow \beta_{3,0} &= 0\\ X_{3,1} = \text{Ásia} \Rightarrow \beta_{3,1} &= -0.7514\\ X_{3,2} = \text{América} \Rightarrow \beta_{3,2} &= -1.2235\\ X_{3,3} = \text{Europa} \Rightarrow \beta_{3,3} &= -0.9235\\ X_{3,4} = \text{Oceania} \Rightarrow \beta_{3,4} &= -4.9725 \end{aligned} \]

ficando:

\[ \begin{aligned} \hat{Y} = 165.6259 - 1.9765 \cdot X_1 - 3.4498 \cdot X_2 \\ + \quad \begin{cases} -1.2235 & \text{se } \text{Continente } = \text{América} \\ -0.7514 & \text{se } \text{Continente } = \text{Ásia} \\ -0.9235 & \text{se } \text{Continente } = \text{Europa} \\ -4.9725 & \text{se } \text{Continente } = \text{Oceania} \\ 0 & \text{se } \text{Continente } = \text{África} \end{cases} \end{aligned} \]

ou então, separando:

\[\begin{aligned} \text{Se África: } \hat{Y} = 165.6259 -1.9765 \cdot X_1 - 3.4498 \cdot X_2 \\ \text{Se Ásia: } \hat{Y} = 164.8745 -1.9765 \cdot X_1 - 3.4498 \cdot X_2 \\ \text{Se América: } \hat{Y} = 164.4024 -1.9765 \cdot X_1 - 3.4498 \cdot X_2 \\ \text{Se Europa: } \hat{Y} = 164.7024 - 1.9765 \cdot X_1 - 3.4498 \cdot X_2 \\ \text{Se Oceania: } \hat{Y} = 160.6534 -1.9765 \cdot X_1 - 3.4498 \cdot X_2 \end{aligned}\]

---

Visualizando a reta

separada por continente e separada pelas variáveis quantitativas

af_ex = function(X1) { 165.6259 - 1.9765 * X1 }
as_ex = function(X1) { 164.8745 - 1.9765 * X1 }
am_ex = function(X1) { 164.4024 - 1.9765 * X1 }
eu_ex = function(X1) { 164.7024 - 1.9765 * X1 }
oc_ex = function(X1) { 160.6534 - 1.9765 * X1 }
af_me = function(X2) { 165.6259 - 3.4498 * X2 }
as_me = function(X2) { 164.8745 - 3.4498 * X2 }
am_me = function(X2) { 164.4024 - 3.4498 * X2 }
eu_me = function(X2) { 164.7024 - 3.4498 * X2 }
oc_me = function(X2) { 160.6534 - 3.4498 * X2 }

expectativa_vida <- seq(50, 90, by = 0.1)  
data_ex <- data.frame(
  Expectativa_Vida = expectativa_vida,
  Af = af_ex(expectativa_vida),
  As = as_ex(expectativa_vida),
  Am = am_ex(expectativa_vida),
  Eu = eu_ex(expectativa_vida),
  Oc = oc_ex(expectativa_vida)
)

medicos_por_mil <- seq(-3, 3, by = 0.01) 
data_me <- data.frame(
  Medicos_por_Mil = medicos_por_mil,
  Af = af_me(medicos_por_mil),
  As = as_me(medicos_por_mil),
  Am = am_me(medicos_por_mil),
  Eu = eu_me(medicos_por_mil),
  Oc = oc_me(medicos_por_mil)
)

library(patchwork)

p1 = ggplot(data_ex, aes(x = Expectativa_Vida)) +
  geom_line(aes(y = Af, color = "África")) +
  geom_line(aes(y = As, color = "Ásia")) +
  geom_line(aes(y = Am, color = "América")) +
  geom_line(aes(y = Eu, color = "Europa")) +
  geom_line(aes(y = Oc, color = "Oceania")) +
  labs(title = "Mortalidade infantil vs \nExpectativa de Vida",
       x = "Expectativa de Vida",
       y = "Mortalidade infantil",
       color = "Continente") + 
  scale_color_manual(values = c("orange", "green", "yellow", "lightblue", "blue")) +
  theme_light() +
  theme(legend.position = "bottom") 

p2 = ggplot(data_me, aes(x = Medicos_por_Mil)) +
  geom_line(aes(y = Af, color = "África")) +
  geom_line(aes(y = As, color = "Ásia")) +
  geom_line(aes(y = Am, color = "América")) +
  geom_line(aes(y = Eu, color = "Europa")) +
  geom_line(aes(y = Oc, color = "Oceania")) +
  labs(title = "Mortalidade infantil vs \nMédicos por Mil Pessoas",
       x = "log(Médicos por Mil Pessoas+0.1)",
       y = "Mortalidade infantil",
       color = "Continente") + 
  scale_color_manual(values = c("orange", "green", "yellow", "lightblue", "blue")) +
  theme_light() +
  theme(legend.position = "bottom") 

(p1 + p2) + 
  plot_layout(guides = "collect") & 
  theme(legend.position = "bottom") 

Resumos do modelo

summary(mod)

## 
## Call:
## lm(formula = mort_inf ~ expect_vida + log(medic + 0.1) + cont, 
##     data = wor)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -14.8057  -5.3314  -0.3174   4.7588  25.2128 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)      165.6259     9.3559  17.703  < 2e-16 ***
## expect_vida       -1.9765     0.1340 -14.749  < 2e-16 ***
## log(medic + 0.1)  -3.4498     0.9061  -3.807 0.000196 ***
## contamerica       -1.2235     1.9222  -0.636 0.525303    
## contasia          -0.7514     1.7589  -0.427 0.669763    
## conteuropa        -0.9235     2.2451  -0.411 0.681328    
## contoceania       -4.9725     2.4990  -1.990 0.048204 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 6.919 on 171 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.8807, Adjusted R-squared:  0.8765 
## F-statistic: 210.4 on 6 and 171 DF,  p-value: < 2.2e-16

Interpretação dos Coeficientes

Intercepto ( \(\beta_0\) )

• Valor esperado de mortalidade infantil quando todas as variáveis explicativas são zero.
  
• Não possui interpretação prática direta, pois a expectativa de vida e a quantidade de médicos nunca será \(0\).

---

Expectativa de Vida ( \(\beta_1 = -1.9765\) )

• A cada aumento de 1 ano na expectativa de vida, a taxa de mortalidade infantil reduz em 1.9765 unidades. Quando as demais variáveis explicativas são mantidas constantes
• Estatisticamente significativo ( \(p < 0.001\) ).

---

Logaritmo dos Gastos Médicos ( \(\beta_2 = -3.4498\) )

• A cada aumento unitário no logaritmo dos gastos médicos, a taxa de mortalidade infantil reduz em 3.4498 unidades. Quando as demais variáveis explicativas são mantidas constantes
  
• Estatisticamente significativo ( \(p < 0.001\) ).

---

Efeitos por Continente ( \(\beta_j\) )

• América, Ásia e Europa não possuem coeficientes significativos.
  
• Oceania apresenta uma redução média de 4.9725 unidades na mortalidade infantil em relação ao continente de referencia (África), com \(p = 0.048\).

---

Qualidade do Ajuste

• \(R^2 = 0.8807\): O modelo explica 88.07% da variação na taxa de mortalidade infantil, indicando um excelente ajuste.
  
• \(R^2\) ajustado = 0.8765: Considera o número de preditores e confirma a robustez do modelo.
  
• Teste \(F\) (\(p < 2.2e^{-16}\)): O modelo é significativo como um todo.

Gráfico

library(plotly)

plot_ly(data = wor, 
        x = ~expect_vida, 
        y = ~log(medic + 0.1), 
        z = ~mort_inf, 
        color = ~cont, 
        colors = cores,  
        type = 'scatter3d', 
        mode = 'markers',
        marker = list(size = 3)) %>%
  layout(title = "Expectativa de Vida, Log(Médicos) e Mortalidade Infantil",
         scene = list(
           xaxis = list(title = "Expectativa de Vida"),
           yaxis = list(title = "log(Médicos por 1000 habitantes)"),
           zaxis = list(title = "Mortalidade Infantil")
         ),
         legend = list(font = list(size = 14),  
                       itemsizing = 'constant'))

Gráfico com os planos de regressão

grid <- expand.grid(
  expect_vida = seq(min(wor$expect_vida, na.rm = TRUE), max(wor$expect_vida, na.rm = TRUE), length.out = 30),
  medic = seq(min(wor$medic, na.rm = TRUE), max(wor$medic, na.rm = TRUE), length.out = 30),
  cont = unique(wor$cont, na.rm = TRUE) # Cada continente será representado
)
wor <- wor[-179, ]

# Criando a grade de valores para o gráfico
grid <- expand.grid(
  expect_vida = seq(min(wor$expect_vida, na.rm = TRUE), max(wor$expect_vida, na.rm = TRUE), length.out = 30),
  medic = seq(min(wor$medic, na.rm = TRUE), max(wor$medic, na.rm = TRUE), length.out = 30),
  cont = unique(wor$cont) # Cada continente será representado
)

# Calculando o log de 'medic' e fazendo as previsões
grid$log_medic <- log(grid$medic + 0.1)
grid$pred <- predict(mod, newdata = grid)

# Plot com o plano de regressão
plot_ly(data = wor, 
        x = ~expect_vida, 
        y = ~log(medic + 0.1), 
        z = ~mort_inf, 
        color = ~cont,  # Aplicando a cor do continente
        colors = cores,  
        type = 'scatter3d', 
        mode = 'markers',  # Corrigido para 'mode = markers'
        marker = list(size = 3)  # Definindo o tamanho do marcador
) %>%
  add_trace(data = grid, 
            x = ~expect_vida, 
            y = ~log_medic, 
            z = ~pred, 
            type = 'mesh3d',  # Usando 'mesh3d' para representar o plano
            opacity = 0.5, 
            colorscale = "Viridis", 
            color = ~cont,  # Aplicando a cor do continente também no plano
            name = "Plano de Regressão") %>%
  layout(title = "Expectativa de Vida, Log(Médicos) e Mortalidade Infantil",
         scene = list(
           xaxis = list(title = "Expectativa de Vida"),
           yaxis = list(title = "log(Médicos por 1000 habitantes)"),
           zaxis = list(title = "Mortalidade Infantil")
         ),
         legend = list(font = list(size = 14),  
                       itemsizing = 'constant'))

Análise dos resíduos

Teste de normalidade dos resíduos

shapiro.test(mod$residuals)

## 
##  Shapiro-Wilk normality test
## 
## data:  mod$residuals
## W = 0.9839, p-value = 0.03813

\[ H_0 : resíduos \sim normal \\ H_1 : resíduos \nsim normal \]

Em um nível de 1% de significância, não há evidencias para rejeitar a hipótese nula, isto é, podemos dizer que os resíduos seguem uma distribuição normal

Pelo gráfico abaixo, podemos ver que o resíduo se aproxima de uma normal

plot(mod, 2)

Teste de Durbin-Watson

\[ H_0 : \rho = 0 \\ H_1 : \rho \neq 0 \]

dwtest(mod, alternative = "two.sided")

## 
##  Durbin-Watson test
## 
## data:  mod
## DW = 1.912, p-value = 0.5494
## alternative hypothesis: true autocorrelation is not 0

A autocorrelação dos resíduos não é estatisticamente significativa, isto é, a autocorrelação é proxima de 0, portanto, podemos assumir independencia dos resíduos

Teste de outliers nos resíduos

summary(rstandard(mod))

##      Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
## -2.163453 -0.794164 -0.047800  0.001015  0.699533  3.705340

plot(mod, 4)

Austrália, Nova Zelandia, Kuwait, Chade e o Paquistão são outliers

Teste de homocedasticidade dos resíduos

\[ H_0 : resíduos \rightarrow homocedástico \\ H_1 : resíduos \nrightarrow homocedástico \]

library(lmtest)
bptest(mod)

## 
##  studentized Breusch-Pagan test
## 
## data:  mod
## BP = 30.708, df = 6, p-value = 2.881e-05

Podemos perceber que o pressuposto da homocedasticidade não foi atendido, pois o p-valor é muito baixo O pressuposto foi quebrado, o modelo pode não ser bom/suficiente

Vamos verificar se a heterocedasticidade é dada pelos outliers

Vamos remover a Austrália, Nova Zelandia, Kuwait, Chade e o Paquistão, rodar o modelo novamente e fazer o teste de Breusch-Pagan

wor_so <- wor[-c(25, 37,95,148, 121), ]
mod_so = lm(mort_inf ~ expect_vida + log(medic+0.1) + cont, data = wor_so)
bptest(mod_so)

## 
##  studentized Breusch-Pagan test
## 
## data:  mod_so
## BP = 32.537, df = 6, p-value = 1.287e-05

O p-valor continua muito próximo de 0, portanto, não são os outliers que estão atrapalhando a homocedasticidade dos resíduos, mas o modelo é insuficiente para explicar a mortalidade infantil

Teste de multicolinearidade

library(car)

## Loading required package: carData

## 
## Attaching package: 'car'

## The following object is masked from 'package:dplyr':
## 
##     recode

vif(mod)

##                      GVIF Df GVIF^(1/(2*Df))
## expect_vida      3.685555  1        1.919780
## log(medic + 0.1) 4.030801  1        2.007685
## cont             2.563368  4        1.124868

Como os valores de \(VIF_j\) estão bem abaixo de 10, podemos assumir que não há multicolinearidade

Conclusão

Conclusão

A análise indicou a presença de não \(homocedasticidade\), evidenciada pela variação não constante dos resíduos ao longo dos valores preditos, o que compromete a precisão das estimativas. O \(R^2\) ajustado foi moderado, sugerindo que o modelo explica uma fração significativa da variação na taxa de mortalidade infantil, mas ainda há variação não explicada. Isso reforça a necessidade de considerar outras variáveis ou utilizar um modelo mais sofisticado para melhorar o ajuste e a precisão das previsões.