set.seed(5) # number of obs n_row <- 1000 # set x as Normal (0, 1) x <- rnorm(n_row) # set coefficients my_alpha <- 1.5 my_beta <- 0.5 # build y y <- my_alpha + my_beta*x + rnorm(n_row) library(tidyverse) my_lm <- lm(formula = y ~ x, data = tibble(x, y)) summary(my_lm) library(gvlma) # global validation of model gvmodel <- gvlma(my_lm) # print result summary(gvmodel)
# none #my_answers <- make_random_answers(my_sol) my_answers <- rep(NA, 5)
Utilize pacote gvlma
para testar as premissas do OLS para o modelo estimado anteriormente. O modelo passa em todos os testes? Em caso negativo, aumente o valor de n_row
para 1000 e tente novamente. O aumento do número de observações do modelo impactou no teste das premissas? De que forma?
O modelo estimado não passou todos os testes. De fato, nem o aumento do número de observações na simulação resultou em aprovação do modelo em todos os quesitos.
extype: string
exsolution: r mchoice2string(c(TRUE, FALSE, FALSE, FALSE, FALSE), single = TRUE)
exname: "function 01"
exshuffle: TRUE
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.