Comparando a ordem das variáveis

A ordem das variáveis preditoras pode ser importante, especialmente se elas forem correlacionadas. Isso acontece porque mudar a ordem de variáveis preditoras correlacionadas pode alterar as estimativas dos coeficientes de regressão. O nome desse problema é Multicolinearidade.

Neste exercício, você vai ajustar duas regressões múltiplas diferentes com os dados de ônibus para comparar a importância da ordem dos insumos do modelo. Primeiro, examine a correlação entre CommuteDays e MilesOneWay. Depois, ajuste duas regressões logísticas usando o data frame bus, em que Bus é previsto por CommuteDays e MilesOneWay em ordens distintas.

Depois de ajustar os dois modelos, veja o summary() de cada um para analisar as saídas.