Modelo de Geração de Viagens Compulsórias ao Longo do Pico da Manhã
library(xlsx)
library(dplyr)
library(DT)
dados1 = read.xlsx2("Dados.xls", sheetIndex = 2, colClasses=NA)
dados1$time = chron::times(paste0("00:", paste(format(as.POSIXct(dados1$Horario.de.saída,format="%H:%M:%S"),"%H"),format(as.POSIXct(dados1$Horario.de.saída,format="%H:%M:%S"),"%M"),sep=":")))
dados1$time = paste(format(as.POSIXct(dados1$Horario.de.saída,format="%H:%M:%S"),"%H"), format(as.POSIXct(dados1$Horario.de.saída,format="%H:%M:%S"),"%M"), sep="")
dados1$time = as.numeric(dados1$time)
sexo = unique(dados1$Sexo)
domicilios = unique(dados1$Código.do.domicílio)
unique(dados1$Motivo.da.viagem)
## [1] 9 1 2 3 7 4 8 5 6
Realiza a transformação de dados de sexo e escolaridade em percentual de Mulheres e Estudantes na residência
dados1$ratio = 0
dados1$ratio2 = 0
dados1$estudantes = 0
dados1$Nestudantes = 0
for (domicilio in domicilios) {
temp = dados1[dados1$Código.do.domicílio == domicilio,]
situacaoamiliarUm = temp[temp$Situação.familiar.da.pessoa ==1, ]
situacaoamiliarUm = situacaoamiliarUm[1,]
trabalho = temp[temp$Motivo.da.viagem ==2 & temp$time > "600" & temp$time < "900", c("Motivo.da.viagem")]
educacao = temp[temp$Motivo.da.viagem ==3 & temp$time > "600" & temp$time < "900", c("Motivo.da.viagem")]
rows = unique(temp$Código.do.domicílio)
temp = temp[!duplicated(temp$Pessoa), ]
Analfabetos = temp[temp$Grau.de.instrução ==1, c("Grau.de.instrução")]
PrimeiroGrau = temp[temp$Grau.de.instrução ==2 | temp$Grau.de.instrução ==3 | temp$Grau.de.instrução ==4, c("Grau.de.instrução")]
SegudoGrau = temp[temp$Grau.de.instrução ==5 | temp$Grau.de.instrução ==6, c("Grau.de.instrução")]
TerceiroGrau = temp[temp$Grau.de.instrução ==7 | temp$Grau.de.instrução ==8, c("Grau.de.instrução")]
QuartoGrau = temp[temp$Grau.de.instrução ==9 | temp$Grau.de.instrução ==10, c("Grau.de.instrução")]
temp1 = temp %>% group_by(Pessoa, Sexo)
dados1[dados1$Código.do.domicílio == domicilio, c("trabalho")] = length(trabalho)
dados1[dados1$Código.do.domicílio == domicilio, c("educacao")] = length(educacao)
dados1[dados1$Código.do.domicílio == domicilio, c("compulsorias")] = length(educacao) + length(trabalho)
dados1[dados1$Código.do.domicílio == domicilio, c("Analfabetos")] = length(Analfabetos)
dados1[dados1$Código.do.domicílio == domicilio, c("PrimeiroGrau")] = length(PrimeiroGrau)
dados1[dados1$Código.do.domicílio == domicilio, c("SegudoGrau")] = length(SegudoGrau)
dados1[dados1$Código.do.domicílio == domicilio, c("TerceiroGrau")] = length(TerceiroGrau)
dados1[dados1$Código.do.domicílio == domicilio, c("QuartoGrau")] = length(QuartoGrau)
dados1[dados1$Código.do.domicílio == domicilio, c("atividadeResponsável")] = ifelse(!is.na(situacaoamiliarUm$Situação.familiar.da.pessoa), situacaoamiliarUm$Atividade.principal, 0)
dados1[dados1$Código.do.domicílio == domicilio, c("escolaridadeResponsável")] = ifelse(!is.na(situacaoamiliarUm$Situação.familiar.da.pessoa), situacaoamiliarUm$Grau.de.instrução, 0)
dados1[dados1$Código.do.domicílio == domicilio, c("sexoResponsável")] = ifelse(!is.na(situacaoamiliarUm$Situação.familiar.da.pessoa), situacaoamiliarUm$Sexo, 0)
dados1[dados1$Código.do.domicílio == domicilio, c("ratio")] = (tryCatch(sum(temp1[temp1$Sexo==1,c("Sexo")]), error = function(e) 0))
dados1[dados1$Código.do.domicílio == domicilio, c("ratio2")] = length(temp1$Sexo) - (tryCatch(sum(temp1[temp1$Sexo==1,c("Sexo")]), error = function(e) 0))
temp2 = temp %>% group_by(Pessoa)
dados1[dados1$Código.do.domicílio == domicilio, c("estudantes")] = tryCatch(dim(temp2[temp2$Estuda.atualmente!=1,c("Estuda.atualmente")])[1], error = function(e) 0)
dados1[dados1$Código.do.domicílio == domicilio, c("Nestudantes")] = tryCatch(dim(temp2[temp2$Estuda.atualmente==1,c("Estuda.atualmente")])[1], error = function(e) 0)
dados1[dados1$Código.do.domicílio == domicilio, c("Trabalhadores")] = tryCatch(dim(temp2[temp2$Atividade.principal ==2 | temp2$Atividade.principal ==3 | temp2$Atividade.principal ==4 | temp2$Atividade.principal ==5 | temp2$Atividade.principal ==6,])[1], error = function(e) 0)
}
Faz o resumo dos dados
glimpse(dados1)
## Rows: 21,378
## Columns: 47
## $ Código.do.domicílio <dbl> 135, 135, 141, 141, 141, 141, ...
## $ Zona.de.Tráfego.do.domicílio <dbl> 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, ...
## $ Endereço.do.domicílio..CDL. <fct> 7877053, 7877053, 7877053, 787...
## $ Número.do.domicílio <fct> 257, 257, 111, 111, 111, 111, ...
## $ Tipo.de.moradia <dbl> 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, ...
## $ Nro.de.pessoas.no.domicílio <dbl> 1, 1, 3, 3, 3, 3, 3, 3, 3, 3, ...
## $ Consumo.energia.elétrica.em.kW <dbl> 0, 0, 229, 229, 229, 229, 229,...
## $ Consumo.energia.elétrica.em.R. <dbl> 25, 25, 0, 0, 0, 0, 0, 0, 0, 0...
## $ Nro.de.automóveis <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ...
## $ Nro.de.motos <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ...
## $ Fator.de.expansão.para.domicílios <dbl> 25.530, 25.530, 34.962, 34.962...
## $ Pessoa <dbl> 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, ...
## $ Situação.familiar.da.pessoa <dbl> 1, 1, 1, 1, 1, 1, 6, 6, 6, 6, ...
## $ Idade <dbl> 73, 73, 32, 32, 32, 32, 32, 32...
## $ Sexo <dbl> 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, ...
## $ Estuda.atualmente <dbl> 1, 1, 6, 6, 6, 6, 1, 1, 1, 1, ...
## $ Grau.de.instrução <dbl> 8, 8, 7, 7, 7, 7, 6, 6, 6, 6, ...
## $ Atividade.principal <dbl> 7, 7, 1, 1, 1, 1, 1, 1, 1, 1, ...
## $ Rendimento.líquido.mensal <dbl> 2000, 2000, 600, 600, 600, 600...
## $ Nro.da.viagem <dbl> 1, 2, 1, 2, 3, 4, 1, 2, 3, 4, ...
## $ Motivo.da.viagem <dbl> 9, 1, 2, 1, 3, 1, 2, 1, 2, 1, ...
## $ Horario.de.saída <dtt<GMT>> 1899-12-30 08:30:00, 1899...
## $ Endereço.da.origem.da.viagem..CDL. <fct> 7877053, 8280034, 7877053, 787...
## $ Nro.da.origem.da.viagem <fct> 257, , 111, 1111, 111, , 111, ...
## $ Endereço.de.destino.da.viagem..CDL. <fct> 8280034, 7877053, 7874233, 787...
## $ Nro.do.destino.da.viagem <fct> , 257, 1111, 111, , 111, 333, ...
## $ Zona.de.Tráfego.de.origem <dbl> 4, 73, 4, 36, 4, 4304606, 4, 4...
## $ Zona.de.Tráfego.de.destino <dbl> 73, 4, 36, 4, 4304606, 4, 4, 4...
## $ Modo.utilizado.na.viagem <dbl> 3, 3, 3, 3, 3, 3, 1, 1, 1, 1, ...
## $ Fator.de.expansão.para.deslocamentos <dbl> 22.77250, 22.77250, 34.10893, ...
## $ time <dbl> 830, 1045, 920, 1700, 1830, 21...
## $ ratio <dbl> 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, ...
## $ ratio2 <dbl> 0, 0, 3, 3, 3, 3, 3, 3, 3, 3, ...
## $ estudantes <dbl> 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, ...
## $ Nestudantes <dbl> 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, ...
## $ trabalho <int> 0, 0, 2, 2, 2, 2, 2, 2, 2, 2, ...
## $ educacao <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ...
## $ compulsorias <int> 0, 0, 2, 2, 2, 2, 2, 2, 2, 2, ...
## $ Analfabetos <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ...
## $ PrimeiroGrau <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ...
## $ SegudoGrau <int> 0, 0, 2, 2, 2, 2, 2, 2, 2, 2, ...
## $ TerceiroGrau <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, ...
## $ QuartoGrau <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ...
## $ atividadeResponsável <dbl> 7, 7, 1, 1, 1, 1, 1, 1, 1, 1, ...
## $ escolaridadeResponsável <dbl> 8, 8, 7, 7, 7, 7, 7, 7, 7, 7, ...
## $ sexoResponsável <dbl> 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, ...
## $ Trabalhadores <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ...
Verifica o DataFrame
DT::datatable(dados1[1:200,], filter = 'top', options = list(
language = list(url = '//cdn.datatables.net/plug-ins/1.10.11/i18n/Portuguese.json'),
pageLength = 15, autoWidth = TRUE
))
Realiza-se a agregação dos dados
df = dados1 %>%
group_by(Código.do.domicílio, Zona.de.Tráfego.do.domicílio) %>%
summarise(Viagens = n(), TipoMoradia = mean(Tipo.de.moradia, na.rm = TRUE), Rendimento = sum(Rendimento.líquido.mensal, na.rm = TRUE),
NFamilia = mean(Nro.de.pessoas.no.domicílio, na.rm = TRUE), Energia = mean(Consumo.energia.elétrica.em.kW, na.rm = TRUE),
Energia2 = mean(Consumo.energia.elétrica.em.R., na.rm = TRUE), Veiculos = mean(Nro.de.automóveis, na.rm = TRUE),
Motos = mean(Nro.de.motos, na.rm = TRUE), NMulheres = mean(ratio, na.rm = TRUE), NHomens = mean(ratio2, na.rm = TRUE), NEstudantes = mean(estudantes, na.rm = TRUE), NnEstudantes = mean(Nestudantes, na.rm = TRUE), educacao = mean(educacao, na.rm = TRUE), trabalho = mean(trabalho, na.rm = TRUE), compulsorias = mean(compulsorias, na.rm = TRUE), Analfabetos = mean(Analfabetos, na.rm = TRUE), PrimeiroGrau = mean(PrimeiroGrau, na.rm = TRUE), SegudoGrau = mean(SegudoGrau, na.rm = TRUE), TerceiroGrau = mean(TerceiroGrau, na.rm = TRUE), QuartoGrau = mean(QuartoGrau, na.rm = TRUE), escolaridadeResponsável = mean(escolaridadeResponsável, na.rm = TRUE), atividadeResponsável = mean(atividadeResponsável, na.rm = TRUE), sexoResponsável = mean(sexoResponsável, na.rm = TRUE), NTrabalhadores = mean(Trabalhadores, na.rm = TRUE), IdadeMediaDom = mean(Idade, na.rm = TRUE))
Tabela Final dos dados
DT::datatable(df[1:200,], filter = 'top', options = list(
language = list(url = '//cdn.datatables.net/plug-ins/1.10.11/i18n/Portuguese.json'),
pageLength = 15, autoWidth = TRUE
))
Semariza-se os dados
glimpse(df)
## Rows: 4,169
## Columns: 27
## Groups: Código.do.domicílio [4,169]
## $ Código.do.domicílio <dbl> 135, 141, 142, 149, 151, 152, 162, 176...
## $ Zona.de.Tráfego.do.domicílio <dbl> 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,...
## $ Viagens <int> 2, 10, 7, 3, 2, 10, 2, 14, 2, 8, 2, 3,...
## $ TipoMoradia <dbl> 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4,...
## $ Rendimento <dbl> 4000, 5300, 25000, 720, 0, 40000, 0, 1...
## $ NFamilia <dbl> 1, 3, 2, 2, 1, 4, 1, 3, 3, 2, 1, 1, 1,...
## $ Energia <dbl> 0, 229, 0, 0, 90, 0, 0, 0, 0, 220, 0, ...
## $ Energia2 <dbl> 25, 0, 50, 58, 0, 100, 80, 90, 39, 0, ...
## $ Veiculos <dbl> 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0,...
## $ Motos <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,...
## $ NMulheres <dbl> 1, 0, 0, 0, 1, 2, 0, 1, 0, 1, 1, 0, 1,...
## $ NHomens <dbl> 0, 3, 2, 1, 0, 1, 1, 2, 1, 1, 0, 1, 0,...
## $ NEstudantes <dbl> 0, 1, 0, 0, 0, 0, 0, 2, 0, 0, 0, 1, 1,...
## $ NnEstudantes <dbl> 1, 2, 2, 1, 1, 3, 1, 1, 1, 2, 1, 0, 0,...
## $ educacao <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,...
## $ trabalho <dbl> 0, 2, 0, 0, 1, 2, 0, 0, 0, 1, 1, 1, 1,...
## $ compulsorias <dbl> 0, 2, 0, 0, 1, 2, 0, 0, 0, 1, 1, 1, 1,...
## $ Analfabetos <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,...
## $ PrimeiroGrau <dbl> 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0,...
## $ SegudoGrau <dbl> 0, 2, 2, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0,...
## $ TerceiroGrau <dbl> 1, 1, 0, 0, 0, 1, 1, 2, 1, 2, 1, 1, 1,...
## $ QuartoGrau <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,...
## $ escolaridadeResponsável <dbl> 8, 7, 6, 5, 6, 7, 8, 7, 7, 8, 7, 7, 7,...
## $ atividadeResponsável <dbl> 7, 1, 7, 7, 1, 5, 7, 10, 7, 4, 1, 8, 1...
## $ sexoResponsável <dbl> 1, 2, 2, 2, 1, 1, 2, 2, 2, 2, 1, 2, 1,...
## $ NTrabalhadores <dbl> 0, 0, 0, 0, 0, 2, 0, 0, 0, 2, 0, 0, 0,...
## $ IdadeMediaDom <dbl> 73.00000, 31.00000, 76.42857, 65.00000...
Obtém a média energia KW e R$ e o rendimento médio por morador
df$MediaEnergia = mean(df$Energia + df$Energia2)
df$MediaRendaPessoa = df$Rendimento/df$NFamilia
library(xlsx)
df2 = as.data.frame(df)
write.xlsx2(x = df2, file = "edom_poa.xlsx", sheetName = "ConsolidadaPico", append = T)
rm(df2)
Viagens Total
Variáveis: Zona.de.Tráfego.do.domicílio + TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NHomens + NEstudantes + NnEstudantes
model <- lm(Viagens ~ Zona.de.Tráfego.do.domicílio + TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NHomens + NEstudantes + NnEstudantes, data = df)
summary(model)#ok
##
## Call:
## lm(formula = Viagens ~ Zona.de.Tráfego.do.domicílio + TipoMoradia +
## Rendimento + NFamilia + Veiculos + Motos + Energia + Zona.de.Tráfego.do.domicílio +
## NMulheres + NHomens + NEstudantes + NnEstudantes, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -6.6222 -0.8675 -0.3459 0.5954 16.3825
##
## Coefficients: (1 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.575e-01 1.436e-01 -1.097 0.27284
## Zona.de.Tráfego.do.domicílio -2.998e-03 1.311e-03 -2.286 0.02230 *
## TipoMoradia 8.007e-02 2.942e-02 2.722 0.00652 **
## Rendimento 9.685e-05 4.770e-06 20.304 < 2e-16 ***
## NFamilia -1.327e-01 3.379e-02 -3.928 8.71e-05 ***
## Veiculos 2.583e-01 4.101e-02 6.297 3.35e-10 ***
## Motos 8.305e-02 1.514e-01 0.548 0.58340
## Energia 4.733e-04 3.668e-04 1.290 0.19700
## NMulheres 2.342e+00 5.083e-02 46.072 < 2e-16 ***
## NHomens 2.325e+00 4.804e-02 48.394 < 2e-16 ***
## NEstudantes 4.652e-01 4.090e-02 11.374 < 2e-16 ***
## NnEstudantes NA NA NA NA
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.68 on 4158 degrees of freedom
## Multiple R-squared: 0.7396, Adjusted R-squared: 0.7389
## F-statistic: 1181 on 10 and 4158 DF, p-value: < 2.2e-16
Variáveis: Zona.de.Tráfego.do.domicílio + TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NHomens + NEstudantes + NnEstudantes + Analfabetos + PrimeiroGrau + SegudoGrau + TerceiroGrau + QuartoGrau + escolaridadeResponsável + sexoResponsável + atividadeResponsável
model <- lm(Viagens ~ Zona.de.Tráfego.do.domicílio + TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NHomens + NEstudantes + NnEstudantes + Analfabetos + PrimeiroGrau + SegudoGrau + TerceiroGrau + QuartoGrau + escolaridadeResponsável + sexoResponsável + atividadeResponsável, data = df)
summary(model)#ok
##
## Call:
## lm(formula = Viagens ~ Zona.de.Tráfego.do.domicílio + TipoMoradia +
## Rendimento + NFamilia + Veiculos + Motos + Energia + Zona.de.Tráfego.do.domicílio +
## NMulheres + NHomens + NEstudantes + NnEstudantes + Analfabetos +
## PrimeiroGrau + SegudoGrau + TerceiroGrau + QuartoGrau + escolaridadeResponsável +
## sexoResponsável + atividadeResponsável, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -6.6630 -0.8811 -0.3580 0.5826 16.3932
##
## Coefficients: (1 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2.867e-01 1.636e-01 -1.752 0.07981 .
## Zona.de.Tráfego.do.domicílio -2.290e-03 1.339e-03 -1.710 0.08740 .
## TipoMoradia 8.049e-02 2.958e-02 2.721 0.00654 **
## Rendimento 9.441e-05 4.799e-06 19.675 < 2e-16 ***
## NFamilia -9.804e-02 3.844e-02 -2.551 0.01079 *
## Veiculos 2.015e-01 4.449e-02 4.529 6.11e-06 ***
## Motos 8.631e-02 1.516e-01 0.569 0.56907
## Energia 4.019e-04 3.670e-04 1.095 0.27362
## NMulheres 4.749e+00 1.684e+00 2.820 0.00482 **
## NHomens 4.738e+00 1.685e+00 2.811 0.00496 **
## NEstudantes 4.234e-01 4.287e-02 9.876 < 2e-16 ***
## NnEstudantes NA NA NA NA
## Analfabetos -2.346e+00 1.696e+00 -1.383 0.16665
## PrimeiroGrau -2.404e+00 1.685e+00 -1.427 0.15372
## SegudoGrau -2.493e+00 1.685e+00 -1.479 0.13912
## TerceiroGrau -2.352e+00 1.686e+00 -1.395 0.16300
## QuartoGrau -2.224e+00 1.690e+00 -1.316 0.18815
## escolaridadeResponsável 1.588e-02 1.681e-02 0.945 0.34476
## sexoResponsável -3.390e-03 6.711e-02 -0.051 0.95971
## atividadeResponsável 1.852e-03 1.010e-02 0.183 0.85456
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.678 on 4150 degrees of freedom
## Multiple R-squared: 0.741, Adjusted R-squared: 0.7398
## F-statistic: 659.5 on 18 and 4150 DF, p-value: < 2.2e-16
Variáveis: Zona.de.Tráfego.do.domicílio + TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NHomens + NEstudantes + NnEstudantes + Analfabetos + PrimeiroGrau + SegudoGrau + TerceiroGrau + QuartoGrau
model <- lm(Viagens ~ Zona.de.Tráfego.do.domicílio + TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NHomens + NEstudantes + NnEstudantes + Analfabetos + PrimeiroGrau + SegudoGrau + TerceiroGrau + QuartoGrau, data = df)
summary(model)#ok
##
## Call:
## lm(formula = Viagens ~ Zona.de.Tráfego.do.domicílio + TipoMoradia +
## Rendimento + NFamilia + Veiculos + Motos + Energia + Zona.de.Tráfego.do.domicílio +
## NMulheres + NHomens + NEstudantes + NnEstudantes + Analfabetos +
## PrimeiroGrau + SegudoGrau + TerceiroGrau + QuartoGrau, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -6.7218 -0.8800 -0.3613 0.5799 16.4045
##
## Coefficients: (1 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.986e-01 1.438e-01 -1.380 0.167533
## Zona.de.Tráfego.do.domicílio -2.401e-03 1.335e-03 -1.798 0.072250 .
## TipoMoradia 8.100e-02 2.949e-02 2.747 0.006048 **
## Rendimento 9.483e-05 4.786e-06 19.815 < 2e-16 ***
## NFamilia -1.184e-01 3.418e-02 -3.463 0.000541 ***
## Veiculos 2.047e-01 4.406e-02 4.647 3.48e-06 ***
## Motos 8.168e-02 1.514e-01 0.540 0.589465
## Energia 3.928e-04 3.669e-04 1.071 0.284357
## NMulheres 4.788e+00 1.682e+00 2.847 0.004436 **
## NHomens 4.767e+00 1.682e+00 2.834 0.004622 **
## NEstudantes 4.197e-01 4.268e-02 9.835 < 2e-16 ***
## NnEstudantes NA NA NA NA
## Analfabetos -2.376e+00 1.694e+00 -1.403 0.160756
## PrimeiroGrau -2.423e+00 1.683e+00 -1.440 0.150010
## SegudoGrau -2.502e+00 1.683e+00 -1.487 0.137083
## TerceiroGrau -2.349e+00 1.683e+00 -1.396 0.162860
## QuartoGrau -2.207e+00 1.687e+00 -1.308 0.190819
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.677 on 4153 degrees of freedom
## Multiple R-squared: 0.7409, Adjusted R-squared: 0.7399
## F-statistic: 791.5 on 15 and 4153 DF, p-value: < 2.2e-16
Viagens Compulsórias
Variáveis: TipoMoradia + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NHomens + NEstudantes + NnEstudantes
model <- lm(compulsorias ~ TipoMoradia + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NHomens + NEstudantes + NnEstudantes, data = df)
summary(model)
##
## Call:
## lm(formula = compulsorias ~ TipoMoradia + NFamilia + Veiculos +
## Motos + Energia + Zona.de.Tráfego.do.domicílio + NMulheres +
## NHomens + NEstudantes + NnEstudantes, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -3.5646 -0.4561 -0.2310 0.5943 3.0811
##
## Coefficients: (1 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.0955176 0.0655488 -1.457 0.14514
## TipoMoradia -0.0080329 0.0134212 -0.599 0.54952
## NFamilia -0.0054047 0.0154081 -0.351 0.72578
## Veiculos 0.0734289 0.0184358 3.983 6.92e-05 ***
## Motos 0.2012118 0.0690970 2.912 0.00361 **
## Energia -0.0002004 0.0001670 -1.200 0.23020
## Zona.de.Tráfego.do.domicílio 0.0001360 0.0005976 0.227 0.82005
## NMulheres 0.4435064 0.0230989 19.200 < 2e-16 ***
## NHomens 0.3812249 0.0218077 17.481 < 2e-16 ***
## NEstudantes 0.2252747 0.0186364 12.088 < 2e-16 ***
## NnEstudantes NA NA NA NA
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.7668 on 4159 degrees of freedom
## Multiple R-squared: 0.3812, Adjusted R-squared: 0.3799
## F-statistic: 284.7 on 9 and 4159 DF, p-value: < 2.2e-16
Variáveis: TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Zona.de.Tráfego.do.domicílio
model <- lm(Viagens ~ TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Zona.de.Tráfego.do.domicílio, data = df)
summary(model)
##
## Call:
## lm(formula = Viagens ~ TipoMoradia + Rendimento + NFamilia +
## Veiculos + Motos + Zona.de.Tráfego.do.domicílio, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.1506 -1.3600 -0.2227 1.0735 19.1598
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -3.806e-01 2.035e-01 -1.871 0.06146 .
## TipoMoradia 3.045e-01 4.161e-02 7.317 3.03e-13 ***
## Rendimento 1.245e-04 6.746e-06 18.457 < 2e-16 ***
## NFamilia 1.536e+00 3.153e-02 48.706 < 2e-16 ***
## Veiculos 5.297e-01 5.734e-02 9.238 < 2e-16 ***
## Motos 2.978e-01 2.154e-01 1.383 0.16684
## Zona.de.Tráfego.do.domicílio -6.018e-03 1.868e-03 -3.223 0.00128 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.396 on 4162 degrees of freedom
## Multiple R-squared: 0.4699, Adjusted R-squared: 0.4691
## F-statistic: 614.9 on 6 and 4162 DF, p-value: < 2.2e-16
Variáveis: TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia
model <- lm(Viagens ~ TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia, data = df)
summary(model)
##
## Call:
## lm(formula = Viagens ~ TipoMoradia + Rendimento + NFamilia +
## Veiculos + Motos + Energia, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.7960 -1.3334 -0.2241 1.0711 19.1851
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -6.796e-01 1.806e-01 -3.764 0.000170 ***
## TipoMoradia 3.481e-01 3.931e-02 8.855 < 2e-16 ***
## Rendimento 1.240e-04 6.753e-06 18.367 < 2e-16 ***
## NFamilia 1.511e+00 3.118e-02 48.480 < 2e-16 ***
## Veiculos 4.961e-01 5.763e-02 8.608 < 2e-16 ***
## Motos 2.816e-01 2.154e-01 1.307 0.191123
## Energia 1.749e-03 5.222e-04 3.350 0.000816 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.396 on 4162 degrees of freedom
## Multiple R-squared: 0.47, Adjusted R-squared: 0.4692
## F-statistic: 615.1 on 6 and 4162 DF, p-value: < 2.2e-16
Variáveis: TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NEstudantes
model <- lm(Viagens ~ TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia+ Zona.de.Tráfego.do.domicílio + NMulheres + NEstudantes, data = df)
summary(model)
##
## Call:
## lm(formula = Viagens ~ TipoMoradia + Rendimento + NFamilia +
## Veiculos + Motos + Energia + Zona.de.Tráfego.do.domicílio +
## NMulheres + NEstudantes, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -6.5505 -1.2226 -0.1689 0.9290 17.6421
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.723e-01 1.794e-01 0.961 0.3368
## TipoMoradia 2.495e-01 3.651e-02 6.833 9.50e-12 ***
## Rendimento 1.204e-04 5.932e-06 20.298 < 2e-16 ***
## NFamilia 7.752e-01 3.513e-02 22.067 < 2e-16 ***
## Veiculos 4.166e-01 5.111e-02 8.151 4.72e-16 ***
## Motos 9.837e-02 1.893e-01 0.520 0.6034
## Energia 1.102e-03 4.583e-04 2.406 0.0162 *
## Zona.de.Tráfego.do.domicílio -3.321e-03 1.639e-03 -2.026 0.0428 *
## NMulheres 8.083e-01 4.969e-02 16.269 < 2e-16 ***
## NEstudantes 1.280e+00 4.659e-02 27.483 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.101 on 4159 degrees of freedom
## Multiple R-squared: 0.5929, Adjusted R-squared: 0.592
## F-statistic: 672.9 on 9 and 4159 DF, p-value: < 2.2e-16
Variáveis: TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia2
model <- lm(Viagens ~ TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + Energia2, data = df)
summary(model)
##
## Call:
## lm(formula = Viagens ~ TipoMoradia + Rendimento + NFamilia +
## Veiculos + Motos + Energia2, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.1158 -1.3264 -0.2321 1.0754 19.2098
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -7.307e-01 1.836e-01 -3.980 7e-05 ***
## TipoMoradia 3.503e-01 3.937e-02 8.899 <2e-16 ***
## Rendimento 1.250e-04 6.755e-06 18.509 <2e-16 ***
## NFamilia 1.510e+00 3.169e-02 47.653 <2e-16 ***
## Veiculos 5.023e-01 5.834e-02 8.609 <2e-16 ***
## Motos 2.982e-01 2.156e-01 1.383 0.167
## Energia2 1.141e-03 7.588e-04 1.503 0.133
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.399 on 4162 degrees of freedom
## Multiple R-squared: 0.4689, Adjusted R-squared: 0.4681
## F-statistic: 612.3 on 6 and 4162 DF, p-value: < 2.2e-16
Variáveis: TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + MediaEnergia
model <- lm(Viagens ~ TipoMoradia + Rendimento + NFamilia + Veiculos + Motos + MediaEnergia, data = df)
summary(model)
##
## Call:
## lm(formula = Viagens ~ TipoMoradia + Rendimento + NFamilia +
## Veiculos + Motos + MediaEnergia, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.0332 -1.3061 -0.2302 1.0802 19.0845
##
## Coefficients: (1 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -6.826e-01 1.808e-01 -3.776 0.000162 ***
## TipoMoradia 3.485e-01 3.936e-02 8.854 < 2e-16 ***
## Rendimento 1.256e-04 6.744e-06 18.631 < 2e-16 ***
## NFamilia 1.519e+00 3.113e-02 48.793 < 2e-16 ***
## Veiculos 5.188e-01 5.730e-02 9.053 < 2e-16 ***
## Motos 2.928e-01 2.156e-01 1.358 0.174591
## MediaEnergia NA NA NA NA
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.399 on 4163 degrees of freedom
## Multiple R-squared: 0.4686, Adjusted R-squared: 0.4679
## F-statistic: 734.1 on 5 and 4163 DF, p-value: < 2.2e-16
dados = df[, -(1:4)]
summary(dados)
## Rendimento NFamilia Energia Energia2
## Min. : 0 Min. : 1.000 Min. : 0.00 Min. : 0.00
## 1st Qu.: 0 1st Qu.: 2.000 1st Qu.: 0.00 1st Qu.: 40.00
## Median : 0 Median : 2.000 Median : 0.00 Median : 60.00
## Mean : 2265 Mean : 2.592 Mean : 20.83 Mean : 66.76
## 3rd Qu.: 2490 3rd Qu.: 3.000 3rd Qu.: 0.00 3rd Qu.: 90.00
## Max. :106000 Max. :10.000 Max. :801.00 Max. :1200.00
## Veiculos Motos NMulheres NHomens
## Min. :0.0000 Min. :0.00000 Min. :0.0000 Min. :0.000
## 1st Qu.:0.0000 1st Qu.:0.00000 1st Qu.:0.0000 1st Qu.:1.000
## Median :1.0000 Median :0.00000 Median :1.0000 Median :1.000
## Mean :0.6337 Mean :0.02567 Mean :0.9686 Mean :1.067
## 3rd Qu.:1.0000 3rd Qu.:0.00000 3rd Qu.:1.0000 3rd Qu.:1.000
## Max. :5.0000 Max. :3.00000 Max. :6.0000 Max. :6.000
## NEstudantes NnEstudantes educacao trabalho
## Min. :0.000 Min. :0.000 Min. :0.0000 Min. :0.000
## 1st Qu.:0.000 1st Qu.:1.000 1st Qu.:0.0000 1st Qu.:0.000
## Median :0.000 Median :1.000 Median :0.0000 Median :0.000
## Mean :0.633 Mean :1.402 Mean :0.2473 Mean :0.645
## 3rd Qu.:1.000 3rd Qu.:2.000 3rd Qu.:0.0000 3rd Qu.:1.000
## Max. :5.000 Max. :5.000 Max. :5.0000 Max. :5.000
## compulsorias Analfabetos PrimeiroGrau SegudoGrau
## Min. :0.0000 Min. :0.00000 Min. :0.0000 Min. :0.00
## 1st Qu.:0.0000 1st Qu.:0.00000 1st Qu.:0.0000 1st Qu.:0.00
## Median :1.0000 Median :0.00000 Median :0.0000 Median :1.00
## Mean :0.8923 Mean :0.01199 Mean :0.4243 Mean :0.77
## 3rd Qu.:1.0000 3rd Qu.:0.00000 3rd Qu.:1.0000 3rd Qu.:1.00
## Max. :6.0000 Max. :3.00000 Max. :6.0000 Max. :5.00
## TerceiroGrau QuartoGrau escolaridadeResponsável
## Min. :0.0000 Min. :0.00000 Min. : 0.000
## 1st Qu.:0.0000 1st Qu.:0.00000 1st Qu.: 4.000
## Median :1.0000 Median :0.00000 Median : 6.000
## Mean :0.7853 Mean :0.04342 Mean : 5.509
## 3rd Qu.:1.0000 3rd Qu.:0.00000 3rd Qu.: 8.000
## Max. :5.0000 Max. :2.00000 Max. :10.000
## atividadeResponsável sexoResponsável NTrabalhadores IdadeMediaDom
## Min. : 0.000 Min. :0.000 Min. :0.000 Min. : 5.00
## 1st Qu.: 1.000 1st Qu.:1.000 1st Qu.:0.000 1st Qu.:28.25
## Median : 4.000 Median :1.000 Median :0.000 Median :36.17
## Mean : 3.634 Mean :1.158 Mean :0.573 Mean :40.18
## 3rd Qu.: 7.000 3rd Qu.:2.000 3rd Qu.:1.000 3rd Qu.:49.67
## Max. :14.000 Max. :2.000 Max. :5.000 Max. :91.00
## MediaEnergia MediaRendaPessoa
## Min. :87.59 Min. : 0.0
## 1st Qu.:87.59 1st Qu.: 0.0
## Median :87.59 Median : 0.0
## Mean :87.59 Mean : 992.8
## 3rd Qu.:87.59 3rd Qu.: 1087.5
## Max. :87.59 Max. :35000.0
apply(dados, 2, sd)
## Rendimento NFamilia Energia
## 5649.0331647 1.2848411 72.4734698
## Energia2 Veiculos Motos
## 52.0740194 0.7026305 0.1726597
## NMulheres NHomens NEstudantes
## 0.8094457 0.8136701 0.8594203
## NnEstudantes educacao trabalho
## 0.8102657 0.5571969 0.7560692
## compulsorias Analfabetos PrimeiroGrau
## 0.9738228 0.1290378 0.7569850
## SegudoGrau TerceiroGrau QuartoGrau
## 0.8638618 0.8995709 0.2271949
## escolaridadeResponsável atividadeResponsável sexoResponsável
## 2.6548921 2.9669037 0.6377937
## NTrabalhadores IdadeMediaDom MediaEnergia
## 0.7098176 15.8726528 0.0000000
## MediaRendaPessoa
## 2337.7488513
matcor <- cor(dados)
print(matcor, digits = 3)
## Rendimento NFamilia Energia Energia2 Veiculos Motos
## Rendimento 1.00000 0.0970 0.10601 0.11803 0.2117 -0.00515
## NFamilia 0.09698 1.0000 0.12455 0.26811 0.3220 0.04824
## Energia 0.10601 0.1246 1.00000 -0.21663 0.1655 0.02021
## Energia2 0.11803 0.2681 -0.21663 1.00000 0.2751 -0.00270
## Veiculos 0.21166 0.3220 0.16554 0.27507 1.0000 0.01422
## Motos -0.00515 0.0482 0.02021 -0.00270 0.0142 1.00000
## NMulheres 0.10526 0.5483 0.09969 0.16852 0.2864 0.08131
## NHomens 0.09694 0.4705 0.08636 0.14374 0.1334 -0.01731
## NEstudantes 0.05373 0.5553 0.09958 0.14567 0.1639 0.02145
## NnEstudantes 0.14551 0.4313 0.08069 0.15819 0.2462 0.04109
## educacao 0.03186 0.3918 0.08475 0.11720 0.1279 0.00883
## trabalho 0.10662 0.3228 0.03814 0.13536 0.2036 0.07716
## compulsorias 0.10101 0.4748 0.07810 0.17215 0.2313 0.06496
## Analfabetos -0.01089 0.0715 -0.00861 -0.01681 -0.0336 0.05079
## PrimeiroGrau -0.00218 0.4208 0.04563 0.00177 -0.0221 0.00110
## SegudoGrau -0.01799 0.3241 -0.00401 0.04345 -0.0175 0.03155
## TerceiroGrau 0.18341 0.2355 0.11561 0.23410 0.3880 0.02004
## QuartoGrau 0.07779 0.0294 0.07512 0.02524 0.1222 -0.00395
## escolaridadeResponsável 0.15532 -0.1723 0.03466 0.07577 0.1736 -0.00964
## atividadeResponsável 0.05102 -0.1767 -0.00330 -0.01790 -0.0224 -0.03226
## sexoResponsável 0.02906 -0.3087 -0.03533 -0.06453 -0.1330 -0.02149
## NTrabalhadores 0.16142 0.2780 0.07407 0.17222 0.3069 0.05028
## IdadeMediaDom 0.04617 -0.3232 0.00116 -0.03610 -0.0430 -0.06037
## MediaEnergia NA NA NA NA NA NA
## MediaRendaPessoa 0.86735 -0.1028 0.06334 0.05023 0.1279 -0.01575
## NMulheres NHomens NEstudantes NnEstudantes educacao
## Rendimento 0.10526 0.09694 0.05373 0.1455 0.03186
## NFamilia 0.54827 0.47053 0.55525 0.4313 0.39182
## Energia 0.09969 0.08636 0.09958 0.0807 0.08475
## Energia2 0.16852 0.14374 0.14567 0.1582 0.11720
## Veiculos 0.28644 0.13338 0.16393 0.2462 0.12785
## Motos 0.08131 -0.01731 0.02145 0.0411 0.00883
## NMulheres 1.00000 -0.13889 0.43833 0.3946 0.31566
## NHomens -0.13889 1.00000 0.43368 0.4055 0.29013
## NEstudantes 0.43833 0.43368 1.00000 -0.1873 0.62346
## NnEstudantes 0.39460 0.40546 -0.18727 1.0000 -0.05459
## educacao 0.31566 0.29013 0.62346 -0.0546 1.00000
## trabalho 0.31539 0.24441 0.18899 0.3600 0.07860
## compulsorias 0.42548 0.35576 0.50346 0.2483 0.63320
## Analfabetos 0.04496 0.04722 0.00292 0.0892 -0.00789
## PrimeiroGrau 0.25788 0.30579 0.37256 0.1695 0.29210
## SegudoGrau 0.28097 0.27066 0.10666 0.4393 0.11423
## TerceiroGrau 0.27542 0.24606 0.36016 0.1402 0.18540
## QuartoGrau 0.01916 0.03625 0.03739 0.0159 0.02509
## escolaridadeResponsável 0.15659 0.02073 0.03870 0.1362 0.02347
## atividadeResponsável -0.00668 0.00354 -0.05037 0.0503 -0.01061
## sexoResponsável -0.25856 0.21877 -0.04941 0.0138 -0.02530
## NTrabalhadores 0.27521 0.20426 0.13677 0.3350 0.09354
## IdadeMediaDom -0.24720 -0.14154 -0.48914 0.1297 -0.32280
## MediaEnergia NA NA NA NA NA
## MediaRendaPessoa -0.01304 -0.01359 -0.05861 0.0355 -0.04678
## trabalho compulsorias Analfabetos PrimeiroGrau
## Rendimento 0.1066 0.10101 -0.01089 -0.00218
## NFamilia 0.3228 0.47478 0.07145 0.42082
## Energia 0.0381 0.07810 -0.00861 0.04563
## Energia2 0.1354 0.17215 -0.01681 0.00177
## Veiculos 0.2036 0.23126 -0.03357 -0.02213
## Motos 0.0772 0.06496 0.05079 0.00110
## NMulheres 0.3154 0.42548 0.04496 0.25788
## NHomens 0.2444 0.35576 0.04722 0.30579
## NEstudantes 0.1890 0.50346 0.00292 0.37256
## NnEstudantes 0.3600 0.24830 0.08924 0.16953
## educacao 0.0786 0.63320 -0.00789 0.29210
## trabalho 1.0000 0.82136 0.01660 0.01257
## compulsorias 0.8214 1.00000 0.00837 0.17690
## Analfabetos 0.0166 0.00837 1.00000 0.00684
## PrimeiroGrau 0.0126 0.17690 0.00684 1.00000
## SegudoGrau 0.2324 0.24576 -0.02690 -0.10533
## TerceiroGrau 0.2516 0.30143 -0.03775 -0.22240
## QuartoGrau 0.0674 0.06668 -0.00958 -0.04158
## escolaridadeResponsável 0.1332 0.11686 -0.08224 -0.27894
## atividadeResponsável -0.2417 -0.19374 -0.00547 -0.02653
## sexoResponsável -0.0297 -0.03756 -0.01131 -0.06897
## NTrabalhadores 0.3286 0.30867 0.03234 0.04300
## IdadeMediaDom -0.2723 -0.39609 -0.02223 -0.11332
## MediaEnergia NA NA NA NA
## MediaRendaPessoa 0.0209 -0.01051 -0.02163 -0.07592
## SegudoGrau TerceiroGrau QuartoGrau
## Rendimento -0.01799 0.1834 0.07779
## NFamilia 0.32406 0.2355 0.02939
## Energia -0.00401 0.1156 0.07512
## Energia2 0.04345 0.2341 0.02524
## Veiculos -0.01749 0.3880 0.12218
## Motos 0.03155 0.0200 -0.00395
## NMulheres 0.28097 0.2754 0.01916
## NHomens 0.27066 0.2461 0.03625
## NEstudantes 0.10666 0.3602 0.03739
## NnEstudantes 0.43935 0.1402 0.01589
## educacao 0.11423 0.1854 0.02509
## trabalho 0.23236 0.2516 0.06740
## compulsorias 0.24576 0.3014 0.06668
## Analfabetos -0.02690 -0.0378 -0.00958
## PrimeiroGrau -0.10533 -0.2224 -0.04158
## SegudoGrau 1.00000 -0.3390 -0.12391
## TerceiroGrau -0.33896 1.0000 -0.04712
## QuartoGrau -0.12391 -0.0471 1.00000
## escolaridadeResponsável -0.03675 0.4007 0.16068
## atividadeResponsável -0.03375 0.0572 -0.02059
## sexoResponsável -0.00125 0.0239 0.00741
## NTrabalhadores 0.07260 0.2885 0.13134
## IdadeMediaDom -0.09339 -0.1536 -0.03348
## MediaEnergia NA NA NA
## MediaRendaPessoa -0.07533 0.1030 0.04910
## escolaridadeResponsável atividadeResponsável
## Rendimento 0.15532 0.05102
## NFamilia -0.17225 -0.17667
## Energia 0.03466 -0.00330
## Energia2 0.07577 -0.01790
## Veiculos 0.17357 -0.02235
## Motos -0.00964 -0.03226
## NMulheres 0.15659 -0.00668
## NHomens 0.02073 0.00354
## NEstudantes 0.03870 -0.05037
## NnEstudantes 0.13620 0.05030
## educacao 0.02347 -0.01061
## trabalho 0.13322 -0.24172
## compulsorias 0.11686 -0.19374
## Analfabetos -0.08224 -0.00547
## PrimeiroGrau -0.27894 -0.02653
## SegudoGrau -0.03675 -0.03375
## TerceiroGrau 0.40074 0.05716
## QuartoGrau 0.16068 -0.02059
## escolaridadeResponsável 1.00000 0.35309
## atividadeResponsável 0.35309 1.00000
## sexoResponsável 0.58659 0.45710
## NTrabalhadores 0.19519 -0.05978
## IdadeMediaDom 0.03966 0.38024
## MediaEnergia NA NA
## MediaRendaPessoa 0.17599 0.08052
## sexoResponsável NTrabalhadores IdadeMediaDom
## Rendimento 0.02906 0.1614 0.04617
## NFamilia -0.30866 0.2780 -0.32319
## Energia -0.03533 0.0741 0.00116
## Energia2 -0.06453 0.1722 -0.03610
## Veiculos -0.13297 0.3069 -0.04295
## Motos -0.02149 0.0503 -0.06037
## NMulheres -0.25856 0.2752 -0.24720
## NHomens 0.21877 0.2043 -0.14154
## NEstudantes -0.04941 0.1368 -0.48914
## NnEstudantes 0.01380 0.3350 0.12974
## educacao -0.02530 0.0935 -0.32280
## trabalho -0.02974 0.3286 -0.27227
## compulsorias -0.03756 0.3087 -0.39609
## Analfabetos -0.01131 0.0323 -0.02223
## PrimeiroGrau -0.06897 0.0430 -0.11332
## SegudoGrau -0.00125 0.0726 -0.09339
## TerceiroGrau 0.02385 0.2885 -0.15359
## QuartoGrau 0.00741 0.1313 -0.03348
## escolaridadeResponsável 0.58659 0.1952 0.03966
## atividadeResponsável 0.45710 -0.0598 0.38024
## sexoResponsável 1.00000 -0.0374 0.18716
## NTrabalhadores -0.03736 1.0000 -0.15334
## IdadeMediaDom 0.18716 -0.1533 1.00000
## MediaEnergia NA NA NA
## MediaRendaPessoa 0.09054 0.0732 0.11508
## MediaEnergia MediaRendaPessoa
## Rendimento NA 0.8674
## NFamilia NA -0.1028
## Energia NA 0.0633
## Energia2 NA 0.0502
## Veiculos NA 0.1279
## Motos NA -0.0158
## NMulheres NA -0.0130
## NHomens NA -0.0136
## NEstudantes NA -0.0586
## NnEstudantes NA 0.0355
## educacao NA -0.0468
## trabalho NA 0.0209
## compulsorias NA -0.0105
## Analfabetos NA -0.0216
## PrimeiroGrau NA -0.0759
## SegudoGrau NA -0.0753
## TerceiroGrau NA 0.1030
## QuartoGrau NA 0.0491
## escolaridadeResponsável NA 0.1760
## atividadeResponsável NA 0.0805
## sexoResponsável NA 0.0905
## NTrabalhadores NA 0.0732
## IdadeMediaDom NA 0.1151
## MediaEnergia 1 NA
## MediaRendaPessoa NA 1.0000
#library(lattice)
#splom(dados, pch = 20, col = "black", xlab = "")
#acpcor <- prcomp(dados, scale = TRUE)
#summary(acpcor)
#plot(1:ncol(dados), acpcor$sdev^2, type = "b", xlab = "Componente", ylab = "Variância", pch = 20, cex.axis = 1.3, cex.lab = 1.3)
#acpcor$rotation[, 1:4]
#print(acpcor$sdev[1:2] * t(acpcor$rotation[, 1:2]), digits = 3)