Analise-Estatistica-IEGM-e-COVID19-STATA-Metodos-Quantitativos

Exercício STATA Métodos quantitativos aplicados Os efeitos do IEGM nos óbitos por COVID19 Professor Edvan soares de Oliveira Importar os dados para o STATA Se alguma variável não for lida faça as devidas correções Verifique se as variáveis possuem ou não outliers Não precisa para as qualitativas Analisando as variáveis conjuntas Analisando as variáveis individuais De acordo com os boxplots apresentados temse que as variáveis quantitativas do banco de dados casos óbitos PIBpc popul homens mulheres taxaanalf e idosos apresentam outliers ou seja as variáveis possuem valores extremos Winsorize todas as variáveis não qualitativas com um percentual de 1 em cada cauda Crie variáveis Rode uma estatística descritiva contendo como métricas o total de observações média coeficiente de variação mínimo 1quartil mediana 3 quartil e máximo para as variáveis Casospc óbitospc interior PIBpc IEGM Isaude Homens analf Idosos e densidade A tabela apresenta estatísticas resumidas para diversas variáveis do conjunto de dados As médias e coeficientes de variação CV indicam a dispersão dos dados Para variáveis como casos e óbitos as médias estão em torno de 1593 e 33 respectivamente com CVs sugerindo variação moderada Variáveis como interior mostram uma taxa muito baixa com a maioria dos valores sendo zero A densidade populacional tem média de cerca de 50 mas também com variação notável O PIB per capita médio é aproximadamente 13283 com baixa variação relativa A taxa média de analfabetismo é cerca de 2418 com CV indicando variação moderada A proporção de homens tem pouca variação em torno de 5062 Já a proporção média de idosos é de cerca de 1064 exibindo alta variabilidade As taxas de óbitos e casos por habitante têm médias muito baixas com altos coeficientes de variação Essas estatísticas fornecem um panorama geral das características das variáveis apontando para diferentes níveis de dispersão e padrões Faça uma matriz de correlação entre as variáveis mesmas apresentadas no item anterior com exceção das dummies porém com um teste de hipótese onde se marque uma estrela nas correlações estatisticamente significativas com 10 de significância A matriz de correlação apresentada na tabela fornece informações sobre as relações entre as variáveis do conjunto de dados As correlações são valores que variam de 1 a 1 indicando a intensidade e a direção da relação entre as variáveis Observamos uma forte correlação positiva de 09387 entre as variáveis casos e óbitos o que sugere que locais com mais casos também tendem a ter mais óbitos Por outro lado variáveis como interior e densidade apresentam correlações mais baixas indicando que sua relação não é tão proeminente O PIB per capita não exibe correlações fortes com outras variáveis sugerindo independência relativa Quanto a características demográficas observase uma correlação negativa leve entre homens e idosos indicando que áreas com maior proporção de homens tendem a ter menos idosos e viceversa No tocante à educação há uma correlação negativa leve entre taxa de analfabetismo e densidade populacional insinuando que áreas mais densamente povoadas podem ter uma menor taxa de analfabetismo Além disso é notável uma correlação moderada positiva entre as taxas de casos por habitante e óbitos por habitante sugerindo que regiões com mais casos também tendem a ter mais óbitos em relação à sua população No entanto é importante lembrar que correlação não implica causalidade e análises adicionais são necessárias para entender plenamente as relações entre essas variáveis Teste se há evidência estatística de que municípios que são do interior tem casos per capita diferentes Hipóteses do teste de variância H 0 As variâncias são iguais entre os grupos σ 0 2 σ 1 2 σ 0 2 σ 1 2 1 H 1 As variâncias são diferentes entre os grupos σ 0 2 σ 1 2 σ 0 2 σ 1 2 1 De acordo com o teste realizado tem que o pvalor da estatística do teste é de 01639 o que é maior que 005 portanto com 5 de significância não há evidências suficientes para rejeitar a hipótese nula logo podemos considerar que as variâncias são iguais entre os grupos Hipóteses do teste de comparação entre média H 0 as médias são iguais entre os grupos μ 0 μ 1 μ 0 μ 1 0 H 1 as médias são diferentes entre os grupos μ 0 μ 1 μ 0 μ 1 0 O pvalor da estatística do teste foi de 00218 o que é menor que 005 ou seja com 5 de significância rejeitase a hipótese nula logo podemos concluir que há diferença entre as médias dos grupos estudados Teste se há evidência estatística de que municípios que são do interior tem Obitos per capita diferentes Hipóteses do teste de variância H 0 As variâncias são iguais entre os grupos σ 0 2 σ 1 2 σ 0 2 σ 1 2 1 H 1 As variâncias são diferentes entre os grupos σ 0 2 σ 1 2 σ 0 2 σ 1 2 1 De acordo com o teste realizado tem que o pvalor da estatística do teste é de 01 149 o que é maior que 005 portanto com 5 de significância não há evidências suficientes para rejeitar a hipótese nula logo podemos considerar que as variâncias são iguais entre os grupos Hipóteses do teste de comparação entre média H 0 as médias são iguais entre os grupos μ 0 μ 1 μ 0 μ 1 0 H 1 as médias são diferentes entre os grupos μ 0 μ 1 μ 0 μ 1 0 O pvalor da estatística do teste foi de aproximadamente 0 ou seja com 5 de significância rejeitase a hipótese nula logo podemos concluir que há diferença entre as médias dos grupos estudados Crie uma variável que capture se o índice de efetividade da gestão municipal no âmbito da saúde está ou não das suas duas piores faixas Teste se o fato de estar nas duas piores faixas torna o número médio de casos por habitantes maior Hipóteses do teste de variância H 0 As variâncias são iguais entre os grupos σ 0 2 σ 1 2 σ 0 2 σ 1 2 1 H 1 As variâncias são diferentes entre os grupos σ 0 2 σ 1 2 σ 0 2 σ 1 2 1 De acordo com o teste realizado tem que o pvalor da estatística do teste é de 0 6775 o que é maior que 005 portanto com 5 de significância não há evidências suficientes para rejeitar a hipótese nula logo podemos considerar que as variâncias são iguais entre os grupos Hipóteses do teste de comparação entre média H 0 as médias são iguais entre os grupos μ 0 μ 1 μ 0 μ 1 0 H 1 as médias são diferentes entre os grupos μ 0 μ 1 μ 0 μ 1 0 O pvalor da estatística do teste foi de aproximadamente 0 ou seja com 5 de significância rejeitase a hipótese nula logo podemos concluir que há diferença entre as médias dos grupos estudados Teste se o fato de estar nas duas piores faixas torna o número médio de óbitos por habitantes maior Hipóteses do teste de variância H 0 As variâncias são iguais entre os grupos σ 0 2 σ 1 2 σ 0 2 σ 1 2 1 H 1 As variâncias são diferentes entre os grupos σ 0 2 σ 1 2 σ 0 2 σ 1 2 1 De acordo com o teste realizado tem que o pvalor da estatística do teste é de 0 0001 o que é m enor que 005 portanto com 5 de significância rejeita se a hipótese nula logo podemos considerar que as variâncias são diferentes entre os grupos Hipóteses do teste de comparação entre média H 0 as médias são iguais entre os grupos μ 0 μ 1 μ 0 μ 1 0 H 1 as médias são diferentes entre os grupos μ 0 μ 1 μ 0 μ 1 0 O pvalor da estatística do teste foi de aproximadamente 0 ou seja com 5 de significância rejeitase a hipótese nula logo podemos concluir que há diferença entre as médias dos grupos estudados Você vê algum problema na metodologia adotada nos testes de hipóteses para duas populações como tentativa de entender a maneira como o índice de efetividade afeta os casos e óbitos por Covid19 Explique Os testes de hipóteses para duas populações como os testes t de Student são frequentemente usados para comparar médias entre dois grupos distintos Eles assumem que os dados são independentes e normalmente distribuídos e que as variâncias nos dois grupos são iguais a menos que seja usado o teste t de Welch que lida com variâncias desiguais Além disso esses testes são mais apropriados quando você está comparando grupos distintos e não está considerando fatores de controle No entanto quando se trata de analisar a relação entre o índice de efetividade da gestão municipal e os casos e óbitos por COVID19 pode haver outros fatores em jogo que não são levados em consideração pelos testes de hipóteses para duas populações Por exemplo outras variáveis como densidade populacional estrutura etária da população acesso a serviços de saúde entre outras podem influenciar os resultados dos casos e óbitos por COVID19 Portanto a metodologia adotada nos testes de hipóteses para duas populações pode ser limitada para entender a relação completa entre o índice de efetividade da gestão municipal e os casos e óbitos por COVID19 Modelos de regressão mais complexos como a regressão linear múltipla ou modelos de regressão logística podem ser mais apropriados para controlar fatores de confusão e identificar relações mais precisas entre as variáveis Portando podemos concluir que embora os testes de hipóteses para duas populações possam oferecer uma visão inicial da relação entre as variáveis eles podem não capturar completamente a complexidade do cenário É importante considerar métodos estatísticos mais robustos como modelos de regressão para uma análise mais completa e precisa da relação entre o índice de efetividade da gestão municipal e os casos e óbitos por COVID19 Estime o seguinte modelo obitosp c i β 0 β 1 ieg m i ϵ i Como o pvalo da estatística F foi de aproximadamente 0 com 5 de significância temse que o modelo M1 é significativo ou seja as variações da variável IEGM que representa o índice de efetividade de gestão municipal que reflete a eficácia das políticas públicas municipais e está atrelado a sete diferentes dimensões entre elas a saúde é significativo para explicar as variações no numero de óbitos per capita como o coeficiente estimado da regressão foi positivo isso significa que caso o valor de IEGM aumenta esperase o número de óbitos per capita aumente também Estime o seguinte modelo obitosp c i β 0 β 1 ieg m i controle ϵ i Como variável controle foi usado a variável PIBpc Como a estatística do teste F apresentou um pvalor próximo de 0 isso implica que o modelo M2 é significativo ou seja pelo menos uma variável independente é capaz de explicar as variações da variável dependente Ao analisa o pvalor da estatística do teste T realizado para cada variável independente temse que ambos foram próximos de 0 assim podemos concluir que as duas variáveis independentes são significativas para explicar as variações da variável dependente que é foram os óbitos per capita Estime o seguinte modelo obitosp c i β 0 β 1 isaud e i ϵ i Como o pvalo da estatística F foi de 0 0005 com 5 de significância temse que o modelo M 3 é significativo ou seja as variações da variável Isaude que representa o índice de efetividade voltado apenas para a saúde é significativo para explicar as variações no número de óbitos per capita como o coeficiente estimado da regressão foi positivo isso significa que caso o valor de I saude aumenta esperase o número de óbitos per capita aumente também Estime o seguinte modelo obitosp c i β 0 β 1 isaud e i control e i ϵ i Como a estatística do teste F apresentou um pvalor próximo de 0 isso implica que o modelo M 4 é significativo ou seja pelo menos uma variável independente é capaz de explicar as variações da variável dependente Ao analisa o pvalor da estatística do teste T realizado para cada variável independente temse que ambos foram próximos de 0 assim podemos concluir que as duas variáveis independentes são significativas para explicar as variações da variável dependente que é foram o número de óbitos per capita Estime o seguinte modelo obitosp c i β 0 β 1 dfaixadesaud e i ϵ i Como o pvalo da estatística F foi de aproximadamente 0 com 5 de significância temse que o modelo M 5 é significativo ou seja as variações da variável dfaixasaude é significativo para explicar as variações d o número de óbitos per capita como o coeficiente estimado da regressão foi negativo isso significa que caso o valor d a variável independente aumenta esperase que o número de óbitos per capita diminua Estime o seguinte modelo obitosp c i β 0 β 1 dfaixadesaud e i control e i ϵ i Como a estatística do teste F apresentou um pvalor próximo de 0 isso implica que o modelo M 6 é significativo ou seja pelo menos uma variável independente é capaz de explicar as variações da variável dependente Ao analisa o pvalor da estatística do teste T realizado para cada variável independente temse que ambos foram próximos de 0 assim podemos concluir que as duas variáveis independentes são significativas para explicar as variações da variável dependente que é foram o número de óbitos per capita Faça pelo menos mais um teste de hipótese que ajude a responder à pergunta de pesquisa H 0 o PIBpc influencia no número de obitos H 1 o PIBpc não influencia no número de obitos Nos modelos de regressão obtidos foi usado a variável PIBpc como variável controle em todos que a variável PIBpc apareceu a variável demonstrou ser significativa para representar as variações do número de óbitos logo nesse caso a hipótese nula é rejeitada e podemos concluir que o PIBpc influencia no número de óbitos por município Faça pelo menos mais uma análise gráfica explore a aba gráficos do STATA que ajude a responder à pergunta de pesquisa Temse que o modelo proposto foi significativo a nível de 5 e ele consegue explicar em média cerca de 605 das variações do número de óbitos com isso podemos concluir que apesar das variáveis independentes serem significativa eles conseguem explicar pouco as variações do número de óbitos por convid19 sendo necessário estimar outras variáveis