Esse relatório mostra a relação dos salarios dos gerentes em comparação com os anos de experiencia. Utilizando análise de regressão univariada.

0.1 Dados

## # A tibble: 27 x 2
##    Salario Experiencia
##      <dbl>       <dbl>
##  1   1931.           0
##  2   3177.          17
##  3   2277.           8
##  4   3131.          15
##  5   2777.           9
##  6   3092.          15
##  7   2654.           8
##  8   2223            5
##  9   2854.          13
## 10   3231.          20
## # ... with 17 more rows

0.2 Análise descritiva dos dados

##     Salario      Experiencia   
##  Min.   :1908   Min.   : 0.00  
##  1st Qu.:2612   1st Qu.: 8.00  
##  Median :3092   Median :13.00  
##  Mean   :3228   Mean   :14.11  
##  3rd Qu.:4092   3rd Qu.:21.00  
##  Max.   :4746   Max.   :29.00

0.3 Variância do salario

## [1] 736696.8

0.4 Desvio Padrão

## [1] 858.3104

0.5 Visualizando como os dados estão distribuidos

0.6 Correlação

## [1] 0.9704137


Testando a Correlação

## 
##  Pearson's product-moment correlation
## 
## data:  gerentes$Experiencia and gerentes$Salario
## t = 20.096, df = 25, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.9353175 0.9865989
## sample estimates:
##       cor 
## 0.9704137


Verificando se o X responde Y
O valor deve estar entre o intervalo 95

## 
##  Pearson's product-moment correlation
## 
## data:  gerentes$Experiencia and gerentes$Salario
## t = 20.096, df = 25, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.9353175 0.9865989
## sample estimates:
##       cor 
## 0.9704137


Verificando o p-valeu

## 
##  Welch Two Sample t-test
## 
## data:  gerentes$Experiencia and gerentes$Salario
## t = -19.457, df = 26.005, p-value < 2.2e-16
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -3553.593 -2874.495
## sample estimates:
##  mean of x  mean of y 
##   14.11111 3228.15556

OBS normalidade é para ver se a maioria dos dados estão perto da média

0.7 Ajustando o modelo

Modelo de regressão o Y sempre vem no lugar do X


Summary do Ajuste

## 
## Call:
## lm(formula = gerentes$Salario ~ gerentes$Experiencia)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -590.82  -89.40   57.55  155.71  270.78 
## 
## Coefficients:
##                      Estimate Std. Error t value Pr(>|t|)    
## (Intercept)          1806.330     81.610   22.13   <2e-16 ***
## gerentes$Experiencia  100.759      5.014   20.10   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 211.3 on 25 degrees of freedom
## Multiple R-squared:  0.9417, Adjusted R-squared:  0.9394 
## F-statistic: 403.8 on 1 and 25 DF,  p-value: < 2.2e-16


Tirando o Intercept

Não remover pode gerar residuo na sua analise, e alterar o resultado

## 
## Call:
## lm(formula = gerentes$Salario ~ gerentes$Experiencia - 1)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -966.1 -274.2  293.2 1106.4 1930.7 
## 
## Coefficients:
##                      Estimate Std. Error t value Pr(>|t|)    
## gerentes$Experiencia   196.97      11.12   17.71 4.96e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 940.5 on 26 degrees of freedom
## Multiple R-squared:  0.9235, Adjusted R-squared:  0.9205 
## F-statistic: 313.7 on 1 and 26 DF,  p-value: 4.965e-16

Ajustando o coeficiante

##          (Intercept) gerentes$Experiencia 
##            1806.3303             100.7593
##        1        2        3        4        5        6        7        8 
## 1806.330 3519.238 2612.404 3317.719 2713.164 3317.719 2612.404 2310.127 
##        9       10       11       12       13       14       15       16 
## 3116.201 3821.516 2914.682 1907.090 2410.886 2511.645 4123.793 3821.516 
##       17       18       19       20       21       22       23       24 
## 3619.997 4526.831 2914.682 2813.923 4728.349 4123.793 2209.367 4023.034 
##       25       26       27 
## 4325.312 2713.164 4325.312


Visualização do ajuste

0.8 Conclusão

Como podemos observar, existe uma correlação entre os salários dos gerentes e os anos de experiencia. Nessa análise, foquei em mostrar como é feita uma regressão univariada.