• Controlando para os horários de partida programados, os diferentes aeroportos têm atrasos médios de partida diferentes?

flights %>% zelig(dep_delay ~ origin + dep_time, data=., model="ls")

## Model: 
## 
## Call:
## z5$zelig(formula = formula, data = data, by = by)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
##  -68.91  -18.61   -8.10    1.36 1305.19 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.365e+01  2.174e-01  -62.81   <2e-16
## originJFK   -4.327e+00  1.631e-01  -26.53   <2e-16
## originLGA   -4.190e+00  1.661e-01  -25.22   <2e-16
## dep_time     2.152e-02  1.389e-04  154.89   <2e-16
## 
## Residual standard error: 38.77 on 328517 degrees of freedom
##   (8255 observations deleted due to missingness)
## Multiple R-squared:  0.0703, Adjusted R-squared:  0.07029 
## F-statistic:  8281 on 3 and 328517 DF,  p-value: < 2.2e-16
## 
## Next step: Use 'setx' method

• Controlando para os horários de partida programados, os diferentes aeroportos têm atrasos médios de partida diferentes?
• Use stargazer()
• Lembre-se de definir os parâmetros do chunk como`r, results='asis'`

flights %>% zelig(dep_delay ~ origin + dep_time, data=., model="ls") %>% 
  from_zelig_model() %>%
  stargazer()

• Controlando para os horários de partida programados, os diferentes aeroportos têm atrasos médios de partida diferentes?
• Use stargazer()
• Lembre-se de definir os parâmetros do chunk como`r, results='asis'`

flights %>% zelig(dep_delay ~ origin + dep_time, data=., model="ls") %>% 
  from_zelig_model() %>%
  stargazer(title="Regression Results",style="apsr",dep.var.labels=c("Departure Delay"), digits=1)

• Controlando para os horários de partida programados, os diferentes aeroportos têm mais ou menos voos partindo na hora?

flights %>% mutate(Late=ifelse(dep_delay>0,1,0)) %>% 
  zelig(Late ~ origin + dep_time, data=., model="logit") %>% 
  from_zelig_model() %>%
  stargazer()

• Por exemplo, qual é o atraso médio para um voo das 18h de Newark?
• Note que quaisquer variáveis que não sejam 'setx' serão definidas para a ** mediana **

flights %>% mutate(origin=as.factor(origin)) %>% 
  zelig(dep_delay ~ origin + dep_time, data=., model="ls") %>% 
  setx(origin="EWR", dep_time=1800) %>%
  sim()

## 
##  sim x :
##  -----
## ev
##       mean        sd      50%     2.5%    97.5%
## 1 25.07474 0.1271728 25.07832 24.82485 25.32464
## pv
##          mean       sd      50%      2.5%    97.5%
## [1,] 25.73726 37.79083 25.56112 -46.07202 103.2223

• Por exemplo, qual é o atraso médio para um voo das 18h de Newark?
• Note que quaisquer variáveis que não sejam 'setx' serão definidas para a ** mediana **

flights %>% mutate(origin=as.factor(origin)) %>% 
  zelig(dep_delay ~ origin + dep_time, data=., model="ls") %>% 
  setx(origin="EWR", dep_time=1800) %>%
  sim() %>%
  zelig_qi_to_df()

• Por exemplo, qual é o atraso médio para um voo das 18h de Newark?
• Note que quaisquer variáveis que não sejam 'setx' serão definidas para a ** mediana **

flights %>% mutate(origin=as.factor(origin)) %>% 
  zelig(dep_delay ~ origin + dep_time, data=., model="ls") %>% 
  setx(origin="EWR", dep_time=1800) %>%
  sim() %>%
  zelig_qi_to_df() %>%
  summarise(avg_delay=mean(predicted_value))

• Por exemplo, qual é o atraso médio para um voo das 18h de Newark?
• Note que quaisquer variáveis que não sejam 'setx' serão definidas para a ** mediana **

flights %>% mutate(origin=as.factor(origin)) %>% 
  zelig(dep_delay ~ origin + dep_time, data=., model="ls") %>% 
  setx(origin="EWR", dep_time=1800) %>%
  sim() %>%
  zelig_qi_to_df() %>%
  ggplot() + 
  geom_histogram(aes(x=predicted_value))

• Qual a probabilidade de que um voo das 18h de Newark seja atrasado?

flights %>% mutate(origin=as.factor(origin)) %>% 
  mutate(Late=ifelse(dep_delay>0,1,0)) %>% 
  zelig(Late ~ origin + dep_time, data=., model="logit") %>% 
  setx(origin="EWR", dep_time=1800) %>%
  sim() %>%
  zelig_qi_to_df() %>%
  ggplot() + 
  geom_histogram(aes(x=predicted_value))

• E se quisermos analisar um efeito de tratamento?
• Se um voo de Newark for reprogramado das 18h às 14h, qual será a redução no atraso?

flights %>% mutate(origin=as.factor(origin)) %>% 
  mutate(Late=ifelse(dep_delay>0,1,0)) %>% 
  zelig(dep_delay ~ origin + dep_time, data=., model="logit") %>% 
  setx(origin="EWR", dep_time=1800) %>%
  setx1(origin="EWR", dep_time=1400) %>%
  sim() %>%
  zelig_qi_to_df() %>%
  group_by(dep_time) %>%
  summarize(avg_Late=mean(predicted_value))

• E se quisermos analisar um efeito de tratamento?
• Se um voo de Newark for reprogramado das 18h às 14h, qual será a redução no atraso?

flights %>% mutate(origin=as.factor(origin)) %>% 
  zelig(dep_delay ~ origin + dep_time, data=., model="ls") %>% 
  setx(origin="EWR", dep_time=1800) %>%
  setx1(origin="EWR", dep_time=1400) %>%
  sim() %>%
  zelig_qi_to_df() %>%
  ggplot() + 
  geom_density(aes(x=predicted_value,group=factor(dep_time),fill=factor(dep_time)),alpha=0.5)