R, RStudio e pacotes

O R é tanto uma linguagem de programação quanto um ambiente de software para o cálculo de estatísticas. Ele vem se tornando cada vez mais popular, e é uma excelente ferramenta para análise de dados.

Os próximos módulos servirão como uma introdução básica ao R. O intuito deste tema não é ser uma completa referência ao R, mas introduzir o básico que é necessário para avançar e se aprofundar.

Este módulo introdutório apresenta muitas informações nunca vistas. Não se preocupe, não esperamos que você compreenda tudo de primeira. Tente reproduzir todos os códigos deste módulo, retornando quantas vezes forem necessárias.

Funções

Funções são conjuntos de afirmações organizadas conjuntamente para realizar uma tarefa específica.

O R possui grande número de funções embutidas, mas o usuário também pode criar suas próprias funções. Em programação, utilizamos funções para incorporar conjuntos de instruções que queremos usar repetidamente ou que, por causa de sua complexidade, funcionam melhor quando estão autocontidas em uma espécie de subprograma.

Uma função é uma parte de um código escrito de forma a desenvolver uma determinada tarefa. A função pode ou não aceitar argumentos ou parâmetros, como também pode ou não retornar um ou mais valores. Assim, a função executa sua tarefa e retorna o controle ao R, bem como qualquer resultado que possa ser armazenado em outros objetos. Todas as funções são compostas de argumentos, que, quando colocados em ordem, não precisam ser especificados. Isso porque, geralmente, podemos saber quais argumentos entram em uma função e a ordem deles pela documentação da função, obtida com o uso do comando help (Nome da Função). Neste tema, vamos focar apenas em funções embutidas do R e funções oriundas de pacotes, já prontas.

Usando o help()

A função help() apresenta a documentação e tem como objetivo ensinar a usar uma determinada função. Por exemplo, queremos entender como funciona a função log() e podemos digitar as duas opções abaixo:

Uma vez executados os comandos de ajuda, a documentação será aberta em um painel no canto inferior direito.

Contudo, antes de postar o problema, verifique se ele já não foi postado e resolvido por outra pessoa. Mesmo que não seja exatamente o mesmo problema, é possível testar soluções a problemas similares. Se ainda assim não tiverem uma resposta para seu problema, peça ajuda.

Quando pedir ajuda em algum fórum, lembre-se de seguir os seguintes passos:

1. Descreva de forma objetiva o que você espera que o código faça;
2. Seja claro com o que você quer realizar;
3. Forneça o texto completo de qualquer mensagem de erro que você tenha recebido;
4. Forneça código suficiente para alguém recriar o erro. Em alguns casos, você pode simplesmente postar o script inteiro;
5. Poste uma foto da janela do RStudio quando o erro ocorre; isso poderá ajudar.

Com esses passos é bem provável solucionar o erro mais rapidamente e ainda aprender no processo. Não se desmotive com as dificuldades: isso é simplesmente parte do processo de aprendizado.

Pacotes

O grande trunfo do R são seus pacotes. Você irá instalar e atualizar muitos e muitos pacotes ao longo do tempo. Os pacotes são coleções de funções, dados e códigos compilados em um formato bem definido. O diretório em que os pacotes estão instalados se chama library. O R já vem com um conjunto-padrão de pacotes. Outros são disponibilizados para download e instalação. Uma vez instalados, eles devem ser carregados dentro da sessão para serem utilizados.

Na maioria das vezes que queremos realizar algo no R, e essa opção não está disponível no default, há uma grande chance que haja um pacote que vá atender às suas necessidades. Para instalar um pacote use a função install.packages(). Considere esse processo como a compra de um livro de receitas em uma livraria, trazendo-o para casa e colocando-o em sua prateleira (no nosso caso do R, na nossa library).

install.packages(“tidyverse”)

Uma vez instalado, o pacote precisa ser carregado na sua sessão corrente do R antes de ser utilizado.

library(tidyverse)

Quando fechamos o R, todos os pacotes são fechados e colocados na estante imaginária. Na próxima vez que formos usar o R, não será preciso instalar novamente o pacote, apenas carregá-lo usando library().

Comandos no R e minúsculas e maiúsculas

O R é uma expressão de linguagem com uma sintaxe bastante simples. É importante atentarmos que minúsculas e maiúsculas são símbolos diferentes e podem se referir a diferentes variáveis. No geral, separamos comandos por linhas, isto é, quando terminamos um comando, começamos o próximo em uma nova linha. Geralmente, quando adicionamos um comentário utilizamos #. Comentários podem estar na mesma linha de códigos como no exemplo a seguir:

Comentários são feitos para o ‘leitor humano’, e não para a máquina: o R entende que não precisa executá-los. É apenas um registro sobre uma determinada parte do código. Habitue-se a usar comentários para registrar o que você está fazendo: quando você revisitar o seu próprio código algum tempo depois, será muito mais fácil entender o que está nele.

Se um comando não estiver completo no final de uma linha, o R mostrará no console uma mensagem diferente do erro, e apenas aparecerá +, e as linhas subsequentes a essa mensagem serão lidas como a continuação do comando até que a sintaxe esteja completa.

Neste tema, não cobriremos o tópico de boas práticas ao se escrever scripts, contudo, é possível achar bons materiais na internet. Lembre-se: é importante fazer buscas na internet regularmente enquanto estiver usando o R!

Independentemente da maneira que você preferir organizar seu código, sugerimos fortemente que sempre comece limpando o ambiente e liberando memória, com os seguintes comandos:

O comando ls() lista todas as variáveis existentes no ambiente. Caso você queira apagar um único objeto, utilize o comando rm(), inserindo o nome do objeto que quer remover dentro de parênteses, como no exemplo:

Por fim, um último conceito importante antes de passarmos para operações básicas do R é o de diretório. O diretório de trabalho é apenas um caminho dos arquivos no seu computador, escolhido como localização-padrão de todos os arquivos que serão lidos ou salvos pelo R.

Cada diretório funciona como uma pequena bandeira em algum lugar no seu computador que está conectado a um projeto específico. Se pedirmos para o R importar algum arquivo ou salvar, ele assumirá que o arquivo se localiza dentro do seu diretório.

Temos somente um diretório de trabalho ativo a cada momento. Nosso diretório de trabalho é chamado de diretório de trabalho corrente. Para ver seu diretório corrente, basta digitar getwd():

Como podemos notar no exemplo acima, quando executamos esse código, o R nos diz que o diretório de trabalho é a pasta Introdução R. Isso significa que, quando formos ler arquivos dentro do R ou exportar arquivos do R, ele irá assumir que queremos colocar os arquivos nessa pasta.

Se quisermos alterar o diretório de trabalho, usamos a função setwd(). No exemplo anterior, se quisermos mudar o diretório para a pasta chamada Arquivos Exportados do R, podemos executar:

Operações básicas

O R possui diversos operadores para realizar tarefas, como operações aritméticas, relativas, de atribuição e lógicos. Os operadores aritméticos são aqueles que realizam operações matemáticas básicas, como soma e multiplicação.

Para executá-los, basta seguir a ordem das operações matemáticas. Se quisermos executar mais de uma operação na mesma linha do script, usamos um ponto e vírgula ";" separando as operações.

Ao ler esses operadores, o R retornará se a relação indicada entre os valores é falsa ou verdadeira, FALSE e TRUE, em inglês, respectivamente. Vejamos exemplos:

Operadores relativos também funcionam para avaliar valores não numéricos, como, por exemplo, palavras. Nesse caso, as palavras devem estar entre aspas para que o R saiba que se tratam de letras e não de números, como veremos adiante.

Nos casos acima, o R só considerou iguais os valores das últimas duas linhas (Paraná e Ceará), pois não têm nenhum caractere diferente entre a palavra do lado direito e do lado esquerdo do operador relativo. Acentos, maiúsculas e minúsculas, e espaços são interpretados como caracteres diferentes pelo R. Assim, devemos ter atenção aos detalhes ao comparar valores.

Os operadores de atribuição são aqueles que usamos para atribuir valores aos diferentes objetos do R. Os operadores de atribuição mais comuns são:

<-, =: Atribuição à esquerda

->: Atribuição à direita

Os operadores <- e = são usados de maneira quase equivalente para atribuir valores a objetos. O uso do operador -> de atribuição à direita é raramente usado. Se quero criar dois objetos, x e y, e atribuir valores a eles, é preciso usar operadores de atribuição. Eles ficam guardados no ambiente global do R, e para visualizar seus valores no console devemos escrever seus nomes no script.

Assim:

Podemos atribuir mais de um valor a um objeto. Suponha que gostaríamos de criar um vetor x com números pares até 10 e um vetor y com números ímpares até 10. Podemos usar a função c(), de concatenar, e separar os valores do vetor por vírgulas, criando os vetores de números ímpar e par:

Por fim, o R também possui operadores lógicos, muito úteis quando queremos analisar conjuntos ou fazer funções com condições, como veremos adiante. Os operadores lógicos do R são:

!: Não

&: E

|: Ou

Objetos, tipos e estrutura de dados

O R trabalha com objetos em seu ambiente. Neste módulo, vamos estudar os principais objetos no R. No geral, trabalhamos com diferentes objetos simultaneamente, uma vez que algumas vezes queremos realizar operações que necessitam de diversos objetos.

Tipos de dados básicos

Antes de conhecermos mais profundamente os objetos do R, precisamos entender os tipos de informação que o R armazena, que chamaremos de dados. É fundamental entender a forma como o R armazena e interpreta diferentes dados para minimizar erros na hora de escrever o código.

Muitas vezes, perde-se tempo tentando entender por que uma parte do código não roda ou uma função está exibindo uma mensagem de erro e, frequentemente, o problema é relacionado ao tipo de dado.

Dados numéricos e inteiros

Valores numéricos são chamados de numeric no R. Dados do tipo numeric comportam valores decimais. Aqui vale lembrar: o R usa a notação americana para decimais, de modo que o separador decimal é o ponto (.), e não a vírgula (,), como no Brasil. Se atribuirmos um valor numérico a uma variável x, essa variável será do tipo numérico. Podemos usar o comando mode() para recuperar o modo (tipo) de x.

x = 3.75

Além disso, mesmo que se atribua um valor inteiro a uma variável y, o número inteiro ainda será salvo como um valor do tipo numeric.

y = 10

Para criar uma variável do tipo integer (inteiro), precisamos declarar que ela é desse tipo por meio de uma função as.integer(). Quando aplicado a um número com casas decimais, o R força um arredondamento.

Classes de objetos e estruturas de dados

Todos os objetos no R têm uma classe, retornada pela função class(). Para vetores simples, a classe é apenas o modo do objeto, como numeric, logical ou character. Porém, classes também podem ser matrizes, factors ou data frames.

Por exemplo, se quisermos saber o comprimento de um vetor de tamanho 5, a função length() retornará o valor 5. Mas e se estivermos tratando de uma matriz 2 x 4? Ou se estivermos falando de uma base de dados? Qual será o comprimento nesse caso? Vejamos adiante algumas classes.

Vetores

Vetores são uma estrutura de dados básica no R que contém elementos do mesmo tipo. Os dados podem ser do tipo logical, integer, double, character, complex ou raw.

A forma mais simples de criar um vetor no R é com o comando c(). Podemos também criar vetores de forma sequencial, através do operador : ou do comando seq(). O operador : cria uma sequência de números inteiros com intervalo de uma unidade entre eles. Já a função seq() requer 3 argumentos: o valor inicial, o valor final e o valor do intervalo entre os elementos da sequência.

E se quisermos gerar um vetor de -6 até 12, com intervalo de 3 números? Podemos recorrer novamente à função seq().

Devemos sempre lembrar que vetores são uma forma de armazenar dados. Logo, podemos recuperar cada elemento de um vetor separadamente, acessando a informação guardada nele.

As funções mode() e length() confirmam o tipo de informação armazenada e o número de elementos do vetor.

Suponha que eu queira saber qual é o quarto nome no vetor. Para acessar essa informação de maneira individual, eu posso usar o indexador [] com o número do elemento que eu quero acessar entre os colchetes depois do nome do objeto.

Assim:

E se eu quisesse acessar os dois últimos nomes do vetor? Eu poderia combinar o comando c() com o indexador [].

Também poderia usar o operador : para acessar, por exemplo, os 4 primeiros elementos do vetor:

E se eu quisesse modificar um elemento desse vetor?

Poderíamos combinar o operador de atribuição com o indexador. Assim:

Nesse último exemplo, mudamos o primeiro nome do vetor de "Pedro" para "Lucas". Também podemos deletar um elemento de um vetor, com um sinal de menos (-) antes do elemento que queremos remover, ou deletar um vetor por completo, atribuindo o valor NULL a ele.

Quando removemos o 6o elemento do vetor, ele muda também de comprimento: de 8 elementos, passa a ter somente 7. No último caso, em que deletamos o vetor, vale notar que ele continua salvo no ambiente do R como objeto, mas se torna um objeto vazio, isto é, sem dados armazenados.

Como vimos no módulo 1 com os operadores lógicos, o R faz operações com objetos com comprimento maior que 1, isto é, com mais de um elemento, como vetores ou matrizes. Podemos fazer operações aritméticas ou relativas com vetores.

Também podemos fazer operações relativas com vetores não numéricos:

Listas

Listas são estruturas de dados muito similares a vetores, com a diferença de que comportam dados de tipos misturados. Enquanto um vetor deve conter todos os elementos do mesmo tipo, sejam todos numeric ou character, por exemplo, um vetor com elementos de tipos diferentes é chamado de lista.

Podemos criar uma lista no R usando o comando list().

Acessamos os elementos de uma lista da mesma forma que fazemos com vetores: usando o indexador de colchetes.

Em listas, podemos separar dados de tipos diferentes por componentes, dando nomes a esses componentes.

Poderíamos reorganizar a lista de alunos acima da seguinte maneira:

Poderíamos acessar cada componente separadamente com o operador de cifrão $ ou o colchete duplo [[]], equivalentes entre si. Se os componentes tiverem dados de um único tipo, cada um terá a classe de seus elementos.

Data frames

Data frames são estruturas de dados bidimensionais no R. São, provavelmente, as mais importantes para um pesquisador que trabalha com dados. São um caso especial de lista, em que cada componente tem o mesmo comprimento.

A função que cria um data frame é data.frame() e é parecida com as funções que usamos para construir matrizes, vetores e listas até aqui.

Os data frames podem ser pensados como listas em que cada componente é um vetor (ou coluna). Assim, o número de colunas do data frame será o número de componentes que ele tem, e o número de linhas será do tamanho do comprimento dessas colunas (vetores).

Se você já abriu uma base de dados ou uma tabela em seu computador, notou que a estrutura é muito parecida com a que apresentamos aqui. É porque um data frame é exatamente isso, uma base de dados. Assim, suas colunas podem ter nomes, que podem ser acessados pelo comando names(). Podemos mudar o nome das colunas usando esse mesmo comando, indicando o número da coluna que queremos modificar entre colchetes.

Data frames são muito úteis para os pesquisadores guardarem e manipularem dados diversos. Com eles, podemos gerar estatísticas descritivas, fazer inferência, rodar regressões e gerar gráficos. Veremos mais sobre como trabalhar com eles e manipulá-los no próximo módulo.

Importando dados externos para o R

Só podemos fazer análise de dados se tivermos… dados. Grandes objetos de dados costumam ser lidos de arquivos externos em vez de imputados manualmente pelo usuário.

A importação de dados no R é simples e, mesmo o software não recebendo diretamente algumas extensões, existem pacotes específicos que leem quase todas as extensões de arquivos. Vamos nos concentrar nos mais comuns: .txt, .csv, .xlsx, .dta.

A primeira função que vamos ver é a mais geral, a read.table(), que pode ser utilizada para ler um arquivo com formato de tabela.

Usando essa função, o arquivo será importado como um data frame. Já a função read.csv() lê arquivos separados por vírgula, enquanto a função read.delim() lê também um arquivo em formato de tabela e cria um objeto data frame.

Como podemos notar, a maioria das funções recebe os mesmos argumentos. Assim, listamos alguns deles abaixo:

• file: o diretório do arquivo que será lido pelo R.
• sep: o tipo de caractere que separa os dados. “\t” é utilizado para arquivos delimitados por barra.
• header: valor lógico. Se TRUE, read.table() supõe que seu arquivo tem uma linha de cabeçalho, de modo que a primeira linha contém o nome de cada coluna. Se esse não é o caso, pode-se utilizar o argumento header = FALSE.
• dec: o caractere utilizado como ponto decimal.

O R não lê diretamente arquivos excel (.xls ou .xlsx), apesar de alguns pacotes permitirem isso.

Mas essa não é a melhor opção: o ideal é salvar a planilha Excel com os dados em outro formato, como .csv. Isso não é difícil: basta, no Excel, ir em Salvar Como e, abaixo da opção de nome do arquivo, há a opção de escolher o formato.

Nos casos mostrados acima, o R só exibirá os dados, sem salvá-los dentro do seu ambiente. Você não poderá fazer nada com os dados; assim, para usá-los mais tarde, precisamos salvá-los no ambiente do R. Para isso, basta criar um objeto com os dados. Por exemplo:

Caso você queira ler um arquivo em extensão .xls ou .xslx, é possível.

Para isso, é preciso carregar o pacote readxl e utilizar a função read_excel():

Se você não está familiarizado com usar o caminho dos arquivos, isso pode parecer excessivamente complicado. Felizmente, o R permite que você escolha o caminho do arquivo de maneira mais usual, usando um menu e o mouse. Para isso, precisamos alterar o comando anterior ligeiramente:

Essa ação abrirá o menu e permitirá que você escolha o arquivo como um menu do Microsoft Word. Entretanto, apesar de ser mais fácil, essa solução pode ser extremamente inconveniente: toda vez que você rodar o programa, terá que repetir a escolha. Apesar de trabalhar diretamente com o caminho ser um pouco mais chato, poupa muito tempo.

Normalmente, esse pacote já vem instalado, mas caso você não o tenha, pode instalá-lo como qualquer outro pacote. Ele permite ler dados do SAS, SPSS, entre outros. É preciso consultar a documentação do pacote, já que há uma função específica para cada tipo de arquivo.

Em alguns casos, os arquivos que queremos ler são muito grandes e o R pode sofrer para lê-los, mesmo que o computador utilizado tenha bastante memória e capacidade de processamento.

O pacote data.table possui algumas soluções para esse problema. Em particular, a função fread() lê arquivos de forma bem mais rápida. Para saber quais extensões a função lê, lembre-se de consultar sua documentação.

Manipulando dados

Uma vez carregados os dados, é possível manipulá-los de diversas maneiras.

Selecionar uma linha ou uma coluna específica de uma base de dados é fundamental. Se quisermos rodar uma regressão e cada coluna da tabela for uma variável, então, teremos que ser capazes de informar ao R qual coluna será usada como variável explicada e quais colunas como variáveis explicativas. O R usa a notação de matrizes com colchetes, então, para selecionar a primeira linha da base de dados chamada “data”, basta fazer:

Note que colocamos a vírgula e depois deixamos em branco, informando ao R que queremos todas as colunas.

Para obter todas as linhas da primeira coluna, fazemos:

Se quisermos apenas algumas linhas ou algumas colunas podemos passar um vetor dizendo quais são essas linhas e/ou colunas. Por exemplo, se quisermos as linhas 1 a 4, podemos executar:

Se quisermos as linhas 1 e 4, podemos fazer:

Outra maneira, bastante útil, de selecionar variáveis é pelo nome delas. Suponha que os dados venham com nomes, id (número de identificação), renda, raça e sexo. Para selecionar a variável renda, basta fazer data$renda. Contudo, para realizarmos essa seleção, é necessário saber como (e se) o R importou os nomes.

Para isso, a função names() permite saber quais os nomes das variáveis. Logo, names(dados) vai retornar os nomes das variáveis. Em alguns casos, vamos querer renomear alguma variável.

E se quisermos selecionar uma subamostra a partir de algum critério lógico?

Por exemplo, queremos apenas uma amostra que contenha homens. Assim, se a variável sexo assumir os valores “H” ou “M”, selecionaremos apenas as observações que têm a variável sexo igual a “H”:

Caso precisemos organizar nossas observações de acordo com a raça, de modo a termos as observações ordenadas por grupos raciais, podemos usar a função order():

Se preferirmos uma nova variável que seja igual a um, basta indicar:

Algumas vezes, queremos transformar uma variável contínua em uma dummy. Variáveis dummy são variáveis lógicas, que recebem valores zero ou um. Podemos querer isolar apenas aqueles que têm renda menor do que um certo valor, de maneira que essa nova variável tenha valor igual a um para aqueles que têm renda abaixo desse nível e, caso contrário, 0. Para isso, bastaria fazer:

Você verá que o R vai gerar um vetor de True e False.

É possível converter para numérico, caso você queira, mas não há nenhuma necessidade, uma vez que o R é capaz de interpretar o verdadeiro ou falso como uma dummy em uma regressão linear.

Caso tenhamos mais de uma base de dados, podemos querer juntá-las. Existem diferentes formas de agregarmos dados: adicionando linhas, adicionando colunas ou fundindo as bases.

Para adicionar linhas, é preciso que ambas as bases tenham as mesmas variáveis. Caso tenham, basta utilizar o comando rbind().

No caso de adicionarmos colunas, é preciso que as bases tenham exatamente as mesmas linhas e, assim, podemos usar cbind(). No caso de fundir as duas bases, é preciso que elas tenham algo em comum, a variável-chave, para agregá-las com a função merge().

A função merge tem diferentes resultados, podendo gerar uma nova base que contenha todos os elementos das duas bases, todos os elementos comuns ou apenas os elementos de uma das bases. Para isso, é preciso especificar os argumentos de forma correta. Em geral, se quisermos manter todos os elementos de X, adicionamos all.x = TRUE. Se quisermos que o resultado contenha todos os elementos de Y, adicionamos all.y = TRUE. O argumento by receberá a variável-chave que deve ser comum às duas bases.

Estatísticas descritivas, gráficos e regressão

Existem inúmeras maneiras de gerar estatísticas descritivas no R. Alguns pacotes foram criados por usuários para facilitar o processo de gerá-las e estão disponíveis no CRAN, uma rede de servidores localizados ao redor do mundo que armazenam versões idênticas e atualizadas de códigos e documentação do R, para download.

Este módulo, no entanto, ensina a calcular essas estatísticas manualmente com as funções base do R. Também vamos mostrar como criar gráficos e rodar regressões.

Neste módulo, vamos trabalhar com a base de dados USArrests, embutida no R. Para isso, basta carregá-la escrevendo USArrests e atribuindo um nome a ela, que aqui chamaremos de “dados”.

dados = USArrests

Para ver uma prévia da base de dados podemos usar o comando head(), que exibe as seis primeiras observações.

As bases do R vêm em inglês, assim como seus comandos. Essa base contém dados fictícios sobre crimes nos Estados Unidos. Cada linha representa um estado, a primeira coluna tem a taxa de assassinatos, a segunda a taxa de agressões, a terceira a população urbana e a quarta coluna a taxa de estupros.

Resumo de estatísticas descritivas

Quando queremos ter um panorama geral dos dados, pode ser muito trabalhoso computar as estatísticas descritivas uma por uma, variável a variável. O comando summary no R computa o mínimo, primeiro quantil, mediana, média, terceiro quartil e máximo de todas as variáveis de uma só vez.

Se quisermos computar estatísticas por grupo, podemos usar a função by() e definir o grupo pelo qual queremos dividir no segundo argumento da função. Como não temos um grupo, vamos criar uma variável categórica “Group” com dois grupos: um com os estados com a taxa de homicídios maior que 10, que chamaremos de grupo A, e outro com as demais observações, que chamaremos de grupo B.

Tabela de frequências

A função table() cria uma tabela de frequências absolutas. Se quisermos saber quantos estados estão em cada categoria da variável “Group”, podemos fazê-lo com esse comando.

Também podemos obter as frequências relativas com o comando prop.table() antecedendo o table().

Gráficos

Uma das razões pelas quais muitos analistas de dados recorrem ao R é por suas fortes capacidades gráficas. Os comandos da base do R têm muitas opções para a construção de gráficos, mas recomendamos também o uso do pacote ggplot2, parte da coleção de pacotes tidyverse, como ferramenta gráfica. Neste módulo, veremos como criar gráficos usando os comandos base do R.

Em geral, gráficos no R aparecem de forma crua, sem cores, com os nomes das variáveis como estão no data frame, e sem título.

O R, contudo, nos permite personalizar os gráficos adicionando e alterando elementos, e isso é feito adicionando novas linhas de comando após o gráfico.

Também é possível renomearmos os eixos do gráfico, incluindo os argumentos xlab e ylab na função plot().

plot(dados$Assault, dados$Murder, xlab = "Taxa de Agressões", ylab = "Taxa de Assassinatos")

title("Relação entre taxa de assassinatos e agressões”)

Relação entre taxa de assassinatos e agressões

Há uma infinidade de formas, sobre as quais não detalharemos neste tema, com que podemos personalizar gráficos no R. É possível consultar a ajuda do R com o comando help() e olhar na documentação da função que opções aquele comando gráfico suporta. A internet também conta com uma série de materiais gratuitos disponíveis, entre eles, tutoriais criados por usuários de R que ensinam como personalizar gráficos de maneira detalhada.

Regressões

Pesquisadores frequentemente recorrem a regressões lineares para entender a relação entre duas variáveis (ou mais). O R possui diversos comandos para rodar regressões simples, múltiplas, lineares, em probabilidade, e muitas outras que vemos em cursos de estatística, econometria e ciência de dados de forma geral. Aqui vamos ensinar como rodar algumas delas e como encontrar os estimadores da tabela de regressão.

Regressão simples

Para rodar uma regressão linear, usamos o comando lm(). Essa função tem dois argumentos principais: o primeiro, formula, em que descrevemos o modelo que queremos especificar; e o segundo, data, em que dizemos qual o data frame que estamos usando.

Assim, não precisamos escrever os nomes das variáveis com o nome do data frame seguido pelo $; basta escrever o nome da coluna com os dados que queremos rodar.

A tabela de regressão traz a fórmula da regressão, as estatísticas descritivas dos resíduos, as estimativas, os erros-padrão, a estatística t e o p-valor de cada coeficiente. Além disso, do lado direito do p-valor, o R também exibe, em forma de asteriscos, os graus de significância de cada coeficiente, com uma linha de legenda embaixo. O comando summary() também mostra a estatística F da regressão e o R quadrado.