Um Tweet de Lei

Import das bibliotecas

library(tidyverse)
library(ggrepel)
library(gridExtra)
library(plotly)
library(modelr)
library(broom)
source(here::here("code/lib.R"))
theme_set(theme_bw())

Import dos dados

atividade = read_projectdata()
atividade_real <- atividade %>% filter(!is.na(seguidores))

atividade_log <- atividade_real %>% 
  mutate(engaj_total_log = log10(engaj_total + 1),
         n_proprio_log = log10(n_proprio + 1),
         n_retweet_log = log10(n_retweet + 1),
         engaj_mediano_log = log10(engaj_mediano + 1),
         seguidores_log = log10(seguidores + 1),
         segue_log = log10(segue + 1))

Análise dos dados

p1 <- atividade_real %>%
    ggplot(mapping=aes(x = n_proprio, y=engaj_total)) + 
    geom_point()

p2 <- atividade_log %>% 
    ggplot(mapping = aes(x = n_proprio_log, y = engaj_total_log)) +
    geom_point()

grid.arrange(p1, p2, ncol = 2)

p3 <- atividade_real %>%
    ggplot(mapping=aes(x = n_proprio, y = engaj_mediano)) + 
    geom_point()

p4 <- atividade_log %>% 
    ggplot(mapping = aes(x = n_proprio_log, y = engaj_mediano_log)) +
    geom_point()

grid.arrange(p3, p4, ncol = 2)

p5 <- atividade_real %>%
    ggplot(mapping=aes(x = n_retweet, y=engaj_total)) + 
    geom_point()
  
p6 <- atividade_log %>% 
    ggplot(mapping = aes(x = n_retweet_log, y = engaj_total_log)) +
    geom_point()

grid.arrange(p5, p6, ncol = 2)

p7 <- atividade_real %>%
    ggplot(mapping=aes(x = n_retweet, y = engaj_mediano)) + 
    geom_point()

p8 <- atividade_log %>% 
    ggplot(mapping = aes(x = n_retweet_log, y = engaj_mediano_log)) +
    geom_point()

grid.arrange(p7, p8, ncol = 2)

p9 <- atividade_real %>%
    ggplot(mapping=aes(x = seguidores, y = engaj_total)) + 
    geom_point()

p10 <- atividade_log %>% 
    ggplot(mapping = aes(x = seguidores_log, y = engaj_total_log)) +
    geom_point()

grid.arrange(p9, p10, ncol = 2)

p11 <- atividade_real %>%
    ggplot(mapping=aes(x = seguidores, y = engaj_mediano)) + 
    geom_point()

p12 <- atividade_log %>% 
    ggplot(mapping = aes(x = seguidores_log, y = engaj_mediano_log)) +
    geom_point()

grid.arrange(p9, p10, ncol = 2)

p13 <- atividade_real %>%
    ggplot(mapping=aes(x = segue, y = engaj_total)) + 
    geom_point()

p14 <- atividade_log %>% 
    ggplot(mapping = aes(x = segue_log, y = engaj_total_log)) +
    geom_point()

grid.arrange(p13, p14, ncol = 2)

p15 <- atividade_real %>%
    ggplot(mapping=aes(x = segue, y = engaj_mediano)) + 
    geom_point()

p16 <- atividade_log %>% 
    ggplot(mapping = aes(x = segue_log, y = engaj_mediano_log)) +
    geom_point()

grid.arrange(p11, p12, ncol = 2)

Regressões

modelo_total <- lm(data = atividade_real, engaj_total ~ n_proprio)
modelo_total_log <- lm(data = atividade_log, engaj_total_log ~ n_proprio_log)

pp_total <- atividade_real %>% 
  data_grid(n_proprio = seq_range(n_proprio, 10)) %>% 
  add_predictions(modelo_total)

pp_total_log <- atividade_log %>% 
  data_grid(n_proprio_log = seq_range(n_proprio_log, 10)) %>% 
  add_predictions(modelo_total_log)

p1m <- p1 + geom_line(data = pp_total, aes(y = pred), colour="darkorchid")
p2m <- p2 + geom_line(data = pp_total_log, aes(y = pred), colour="darkorchid")

grid.arrange(p1m, p2m, ncol = 2)

modelo_total2 <- lm(data = atividade_log, engaj_total ~ n_retweet)
modelo_total_log2 <- lm(data = atividade_log, engaj_total_log ~ n_retweet_log)

pp_total2 <- atividade_real %>% 
  data_grid(n_retweet = seq_range(n_retweet, 10)) %>% 
  add_predictions(modelo_total2)

pp_total_log2 <- atividade_log %>% 
  data_grid(n_retweet_log = seq_range(n_retweet_log, 10)) %>% 
  add_predictions(modelo_total_log2)

p5m <- p5 + geom_line(data = pp_total2, aes(y = pred), colour="darkorchid")
p6m <- p6 + geom_line(data = pp_total_log2, aes(y = pred), colour="darkorchid")

grid.arrange(p5m, p6m, ncol = 2)

modelo_total3 <- lm(data = atividade_log, engaj_total ~ seguidores)
modelo_total_log3 <- lm(data = atividade_log, engaj_total_log ~ seguidores_log)

pp_total3 <- atividade_real %>% 
  data_grid(seguidores = seq_range(seguidores, 10)) %>% 
  add_predictions(modelo_total3)

pp_total_log3 <- atividade_log %>% 
  data_grid(seguidores_log = seq_range(seguidores_log, 10)) %>% 
  add_predictions(modelo_total_log3)

p9m <- p9 + geom_line(data = pp_total3, aes(y = pred), colour="darkorchid")
p10m <- p10 + geom_line(data = pp_total_log3, aes(y = pred), colour="darkorchid")

grid.arrange(p9m, p10m, ncol = 2)

modelo_total4 <- lm(data = atividade_log, engaj_total ~ segue)
modelo_total_log4 <- lm(data = atividade_log, engaj_total_log ~ segue_log)

pp_total4 <- atividade_real %>% 
  data_grid(segue = seq_range(segue, 10)) %>% 
  add_predictions(modelo_total4)

pp_total_log4 <- atividade_log %>% 
  data_grid(segue_log = seq_range(segue_log, 10)) %>% 
  add_predictions(modelo_total_log4)

p13m <- p13 + geom_line(data = pp_total4, aes(y = pred), colour="darkorchid")
p14m <- p14 + geom_line(data = pp_total_log4, aes(y = pred), colour="darkorchid")

grid.arrange(p13m, p14m, ncol = 2)

Agora, analisando o conjunto inteiro, temos:

modelo_totalg <- lm(data = atividade_log, engaj_total_log ~ segue_log + seguidores_log + casa + n_proprio_log)
tidy(modelo_totalg, conf.int = TRUE)

glance(modelo_totalg)

Regressão visando a mediana

modelo_med <- lm(data = atividade_real, engaj_mediano ~ n_proprio)
modelo_med_log <- lm(data = atividade_log, engaj_mediano_log ~ n_proprio_log)

pp_med <- atividade_real %>% 
  data_grid(n_proprio = seq_range(n_proprio, 10)) %>% 
  add_predictions(modelo_med)

pp_med_log <- atividade_log %>% 
  data_grid(n_proprio_log = seq_range(n_proprio_log, 10)) %>% 
  add_predictions(modelo_med_log)

p3m <- p3 + geom_line(data = pp_med, aes(y = pred), colour="darkorchid")
p4m <- p4 + geom_line(data = pp_med_log, aes(y = pred), colour="darkorchid")

grid.arrange(p3m, p4m, ncol = 2)

modelo_med2 <- lm(data = atividade_log, engaj_mediano ~ n_retweet)
modelo_med_log2 <- lm(data = atividade_log, engaj_mediano_log ~ n_retweet_log)

pp_med2 <- atividade_real %>% 
  data_grid(n_retweet = seq_range(n_retweet, 10)) %>% 
  add_predictions(modelo_med2)

pp_med_log2 <- atividade_log %>% 
  data_grid(n_retweet_log = seq_range(n_retweet_log, 10)) %>% 
  add_predictions(modelo_med_log2)

p7m <- p7 + geom_line(data = pp_med2, aes(y = pred), colour="darkorchid")
p8m <- p8 + geom_line(data = pp_med_log2, aes(y = pred), colour="darkorchid")

grid.arrange(p7m, p8m, ncol = 2)

modelo_med3 <- lm(data = atividade_log, engaj_mediano ~ seguidores)
modelo_med_log3 <- lm(data = atividade_log, engaj_mediano_log ~ seguidores_log)

pp_med3 <- atividade_real %>% 
  data_grid(seguidores = seq_range(seguidores, 10)) %>% 
  add_predictions(modelo_med3)

pp_med_log3 <- atividade_log %>% 
  data_grid(seguidores_log = seq_range(seguidores_log, 10)) %>% 
  add_predictions(modelo_med_log3)

p11m <- p11 + geom_line(data = pp_med3, aes(y = pred), colour="darkorchid")
p12m <- p12 + geom_line(data = pp_med_log3, aes(y = pred), colour="darkorchid")

grid.arrange(p11m, p12m, ncol = 2)

modelo_med4 <- lm(data = atividade_log, engaj_mediano ~ segue)
modelo_med_log4 <- lm(data = atividade_log, engaj_mediano_log ~ segue_log)

pp_med4 <- atividade_real %>% 
  data_grid(segue = seq_range(segue, 10)) %>% 
  add_predictions(modelo_med4)

pp_med_log4 <- atividade_log %>% 
  data_grid(segue_log = seq_range(segue_log, 10)) %>% 
  add_predictions(modelo_med_log4)

p15m <- p15 + geom_line(data = pp_med4, aes(y = pred), colour="darkorchid")
p16m <- p16 + geom_line(data = pp_med_log4, aes(y = pred), colour="darkorchid")

grid.arrange(p15m, p16m, ncol = 2)

modelo_medg <- lm(data = atividade_log, engaj_mediano_log ~ segue_log + seguidores_log + casa + n_proprio_log)
tidy(modelo_medg, conf.int = TRUE)

glance(modelo_medg)