

Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
A partir de sua base de dados, um advogado está analisando a relação entre o valor das indenizações (indenizacao) e duas variáveis explicativas – tempo de litígio em anos (litigio) e número de testemunhas no processo (testemunhas). Ele utiliza o seguinte código em R, onde ajusta um modelo de regressão linear múltipla usando sua base de dados armazenada no objeto dados e faz algumas análises adicionais:
modelo <- lm(indenizacao ~ litigio + testemunhas, data = dados)
summary(modelo)
vif(modelo)
plot(modelo)
Com base no código descrito, assinale a afirmativa INCORRETA.
A função lm não pode ser utilizada para o ajuste de um modelo de regressão logística.
O comando vif(modelo) é utilizado para verificar se há multicolinearidade entre as variáveis explicativas.
Se for de interesse incluir a interação entre as variáveis litigio e testemunhas, pode ser utilizado o comando modelo <- lm(indenizacao ~ litigio*testemunhas, data = dados) .
O gráfico de diagnóstico criado por plot(modelo) permite visualizar graficamente possíveis problemas com os resíduos do modelo, como a não normalidade e pontos de influência.
O comando summary(modelo) fornece um resumo do ajuste do modelo, incluindo os coeficientes estimados e seus respectivos valores-p, além da estatística do teste de heterocedasticidade dos resíduos.