Avance para o conteúdo

Ajusta, em cada edição com desenho amostral, um modelo para a chance de ter gasto com o item (logístico, tipo = "prevalencia") ou para o log do gasto entre quem gasta (tipo = "gasto"), com survey::svyglm. As variáveis explicativas podem ser os cortes de pof_add_perfil(), quintil ou qualquer coluna da base.

Uso

pof_modelo(
  dados,
  item,
  formula,
  tipo = c("prevalencia", "gasto"),
  recorte = c("auto", "brasil", "rms")
)

Argumentos

dados

Resultado de pof_carregar() ou uma base única.

item

Nome de coluna: um item de pof_carregar(), um grupo ("Alimentação") ou um Nível 1 ("n07").

formula

Lado direito da fórmula, ex. ~ quintil + sexo + cor.

tipo

"prevalencia" ou "gasto".

recorte

"auto", "brasil" ou "rms".

Valor

data.table com Edicao, Termo, Estimativa (razão de chances no modelo logístico; coeficiente do log do gasto no outro), IC_inf, IC_sup, p_valor, N_UC.

Exemplos

pof_modelo(pof_exemplo(), "Educação", ~ quintil + sexo)
#>     Edicao       Termo Estimativa    IC_inf    IC_sup     p_valor  N_UC
#>     <char>      <char>      <num>     <num>     <num>       <num> <int>
#> 1: exemplo (Intercept)  0.9473639 0.7528741 1.1920963 0.643972250  2000
#> 2: exemplo    quintil2  1.2886775 0.9671279 1.7171354 0.083174827  2000
#> 3: exemplo    quintil3  1.1374780 0.8425189 1.5356999 0.399471499  2000
#> 4: exemplo    quintil4  1.4125569 1.0545395 1.8921217 0.020663657  2000
#> 5: exemplo    quintil5  1.4572817 1.0920856 1.9446002 0.010631668  2000
#> 6: exemplo  sexoMulher  0.7745181 0.6418588 0.9345953 0.007796203  2000
Aviso: a harmonização v2 de produtos tem erros de classificação conhecidos (condomínio, compra de imóveis, celular e outros). Até que sejam corrigidos na origem, o pacote e todas as análises deste site usam correções provisórias. Veja a lista e o efeito de cada correção.