UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA

DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II

ANLISE DE REGRESSO - Prof. Andr Salles

35
4 .
EXTENSES DO MODELO
DE REGRESSO LINEAR SIMPLES

! LINHA DE REGRESSO QUE PASSA PELA ORIGEM


Modelo de Regresso Populacional
i i i
u +
2

Exemplo:

Da teoria de finanas - modelo CAPM (Capital Asset Pricing Model )


( ) ( ) ( )
i i
Rf ERm Rf R E



onde: ) (
I
R E = retorno esperado do ativo i
( ) Rm = retorno esperado da carteira de mercado
Rf = retorno livre de risco

i
= coeficiente de Beta, medida de risco de mercado

1
1 > ativo agressivo

1
1 < ativo defensivo

Rf R E
i
) ( -- prmio de risco
Rf Rm E ) ( -- prmio de risco de mercado

Em estudos empricos:
( )
i i i
u Rf Rm Rf R +
ou
( )
i i i i
u Rf Rm Rf R + +


Modelo de Mercado (uma forma de estimar ),

Se o CAPM for um bom modelo para determinado mercado
i
0.


Modelo de Regresso Amostral
i i i
e +
2

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

36
atravs do mtodo dos mnimos quadrados tem-se:


2 2

i
i i

Var ( )
2
2
2

onde:
2
estimado por
!

2
2
1

e
i


Observaes:

(i ) comparando com o modelo com intercepto
1
tem-se


!
/
2
2
x y x
i i i


Var( )
!
/
2
2 2
x
i



!
/
2 2
2 e
i


(ii )e
i
0 no modelo com intercepto, pode ser diferente de zero quando
1

ausente. Ou seja, e
i
no precisa ser igual a zero.

(iii) r
2
(coeficiente de determinao)
pode ser negativo no modelo que passa na origem.
(anomalia devido construo do coeficiente).
r
2
no uma medida apropriada de ajuste para a regresso.

(iv) O modelo que passa na origem deve ser usado com cautela.
O modelo simples, com intercepto, apresenta duas vantagens:
- incluindo o intercepto, pode-se verificar se estatisticamente
1
igual a zero
na prtica modelo que passa na origem;
- se um intercepto no modelo e se usa o modelo que passa na origem
pode-se cometer um erro de especificao.
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

37
Exemplo:

Dadas as informaes de retorno da ao da firma Mutretas & Armaes S/A e do
ndice de Mercado (por exemplo -- IBOVESPA) para o perodo de 1981-1990.

Ano 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990

MA.S/A(%)


67,5

19,2

-35,2

-42,0

63,7

19,3

3,6

20,0

40,3

37,5
ndice de
Mercado
(%)
19,5 8,5 -29,3 26,5 61,9 45,5 9,5 14,0 35,3 31,0


Utilizando-se o modelo linear simples tem-se:


Linha caracterstica
!
, ,
i i
+ 01777 08796
Se (13,6419) (0,4228)

i i i
e + +
2 1
t (-0,0130) (2,0808)




1
no estatisticamente 0
(
0 1
0 : no rejeitada)


pode-se utilizar o modelo que passa pela origem



i i i
e +
2

!
,
i i
08760
(0,2888)
t = (3,0333)






UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

38
5 .
ANLISE DE REGRESSO
LINEAR MLTIPLA

O modelo de regresso linear mltipla pode ser visto como extenso do modelo
linear simples dado por:
i i i
u + +
1 2
. No exemplo estudado anteriormente,
consumo vs renda familiar, supondo que o nmero de filhos, ou a riqueza familiar,
tambm importante para explicar o consumo familiar, com isto a construo de um
novo modelo seria de regresso linear mltipla.

MODELO DE REGRESSO LINEAR MLTIPLA COM K + 1 PARMETROS




i k k i
u + + + + +
+

1 2 1 3 2 1
....




Modelo de Regresso Linear Mltipla mais simples - Modelo com trs variveis

N de parmetros =3
ou seja, modelo com trs variveis 1 - dependente ou resposta
2 - explicativas ou independentes


i i i i
u + + +
1 2 2 3 3


modelo de regresso populacional

distrbio aleatrio
parmetros a serem
estimados


1
intercepto

2
e
3
coeficientes parciais de regresso

ou
i i i i i
u + + +
3 3 2 2 1 1
, onde
1
1
i
para
i


UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

39
PRESSUPOSTOS DO MODELO

Pressuposto 1 - Valor mdio de u
i
igual a zero

( ) u
i i i 2 3
0 , para todo i

Pressuposto 2 - No autocorrelao ( ou no-correlao serial)


i
u s independentes
i
u s no so correlacionados

COV ( ) 0 ;
j i
u u , i j

Pressuposto 3 - Homocedasticidade

Var ( )
2

i
u , para
i


Pressuposto 4 - Covarincia zero entre
i
u e cada varivel explicativa.

COV ( ) ( ) u COV u
i i i i
; ;
2 3
0 , para todo i

Pressuposto 5 - O modelo est corretamente especificado.


Pressuposto 6 - No colinearidade entre as variveis explicativas.

Ou seja, no existe uma relao linear entre
2
e
3
.

No Colinearidade ou Multicolinearidade pelo diagrama de Venn



colinearidade No Colinearidade


colinearidade se
2
e
3
so linearmente independentes

colinearidade se
1 2 2 3
0
i i
+ linearmente dependente
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

40

! O MODELO

FUNO DE REGRESSO MLTIPLA POPULACIONAL


( )
i i i i 3 3 2 2 1 3 2
, + +




intercepto

Coeficientes Parciais da Regresso


2
medida de mudana no valor mdio de Y,
( )

2 3
, ,
por unidade de mudana em
2
dado
3
constante
(ou controlada)


3
............


! ESTIMAO

Equao de Regresso Amostral
i i i i
e + + +
! ! !

1 2 2 3 3



i i i
e +
!

termo residual


MTODO DOS MNIMOS QUADRADOS

Determinar a estimativa dos parmetros desconhecidos
3 2 1
, , e
2


atravs da minimizao do RSS
2
i
e .

# CRITRIO DOS MNIMOS QUADRADOS

( ) Min e
i i i i

2
1 2 2 3 3
2

! ! !



!

i

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

41

derivando a equao acima em relao aos parmetros tm-se:

equaes normais

(I) Y + +
! ! !

1 2 2 3 3


(II)
i i i i i i i 2 2 2 2
2
3 2 3
+ +
! ! !


(III)
i i i i i i 3 1 3 2 2 3 3 3
2
+ +
! ! !




de (I)
! ! !

1 2 2 3 3


de (II) e (III) tem-se:


( )( ) ( )( )
( )( ) ( )
!

2
2 3
2
3 2 3
2
2
3
2
2 3
2

y x x y x x x
x x x x
i i i i i i i
i i i i




( )( ) ( )( )
( )( ) ( )
!

3
3 2
2
2 2 3
2
2
3
2
2 3
2

y x x y x x x
x x x x
i i i i i i i
i i i i






Exemplo

Estimar o plano de regresso considerando as seguintes variveis

(Y) Vendas

6 7 15 18 20 23
( )
1
gastos com
publicidade/TV
3 4 8 8 10 11
( )
2
gastos com
publicidade/jornal
1 2 3 5 8 6

Resposta:
!
, , , + + 072 203 016
2 i


UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

42
DISPERSO DOS ESTIMADORES DOS PARMETROS

para
!

1

Demonstra-se que:
( )
( )( ) ( )
2
2
3 2
2
3
2
2
3 2 3 2
2
2
2
3
2
3
2
2
1
2 1

1
]
1

+
+
i i i i
i i i i
x x x x
x x X X x X x X
n
Var

para
2

Demonstra-se que: ( )
( )( ) ( )
Var
x
x x x x
i
i i i i
!

2
3
2
2
2
3
2
2 3
2
2

Para o estimador do parmetro
3
tem-se: ( )
( )( ) ( )
Var
x
x x x x
i
i i i i
!

3
2
2
2
2
3
2
2 3
2

Estimador dos Mnimos Quadrados para
2

!
2
2

e
k
i




Como no modelo linear simples onde 2 parmetros eram estimados, ou
seja k =2, no modelo linear mltiplo necessrio estimar antes
2
. No caso do
modelo mais simples, os trs parmetros a serem estimados ( )
1 2 3
, ,e
consomem 3 graus de liberdade, com isto:

!

2
2
3

i
e
, com ( )
2
3 3 2 2 1
2
2
)

(

i i i i i i
e


e y y x y x
i i i i i i
2 2
2 2 3 3

! !




RSS ESS

TSS
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

43
Propriedades dos Estimadores de Mnimos Quadrados
(i) A linha (superfcie ou plano) de regresso passa no ponto ,
2
e
3
para o
modelo de 3 variveis, ou 3 parmetros, sendo duas variveis independentes.
No modelo linear mltiplo de k variveis, k 1 regressores, tem-se :


i i i i i
u + + + + +
1 2 2 3 3
......

com
! ! !
.....
!

1 2 2 3 3



(ii) A mdia de
i
igual ao valor mdio das estimativas. Isto
i i

!
.

(iii) e e
i
0

(iv) Os resduos so no correlacionados com
2i
e
3i
, isto ,
e e
i i i i 2 3
0 das equaes normais

e
e
i
i i

2 0
2


(v) Os resduos so no correlacionados com
i
, isto , e
i i
!
0.
Para prova: multiplicar !
! !
y x x
i i i
+
2 2 3 3
por e
i
somar e dividir por .

(vi) Os estimadores de
k
obtidos atravs dos mnimos quadrados so melhores
estimadores lineares no tendenciosos e eficientes, isto BLUE ou MELT.


! COMO VERIFICAR O AJUSTE DO MODELO?
Coeficiente de determinao mltiplo R
2
e coeficiente de correlao mltiplo r. Na
regresso linear simples r
2
(coeficiente de determinao) mede o ajuste da
equao de regresso aos dados. Estendendo a mesma noo para o modelo de
regresso linear mltiplo, tem-se: coeficiente mltiplo de determinao ou
coeficiente de determinao mltiplo conceitualmente R
2
r
2
.
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

44
Clculo de R
2
para k 3


i i i i
e + + +
3 3 2 2 1


+
i i
e

( )
!
,
i i i i

2 3

tem-se que
i i i i i i i
x x e y y e + + +
! !
!
2 2 3 3


desvios

elevando ao quadrado e somando tem-se que:
y y e y e
i i i i i
2 2 2
2 + + ! ! =
+ ! y e
i i
2 2


TSS (soma total dos quadrados)
(soma dos quadrados dos resduos RSS)

ESS (soma dos quadrados explicada)

TSS =y
i
2


ESS =! y
i
2
=
! !

2 2 3 3
y x y x
i i i i
+

RSS =e
i
2


Por definio R
2

ESS
TSS
(proporo da soma dos quadrados explicada)



coeficiente de determinao ou explicao 1 0
2
R






UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

45
Exemplo:

Dadas as observaes amostrais abaixo, ajuste o modelo de regresso


i i i i
u + + +
3 3 2 2 1
, onde:

i


5,92 4,30 3,30 6,23 10,97 9,14 5,77 6,45 7,60 11,47 13,46 10,24 5,99

2i


4,9 5,9 5,6 4,9 5,6 8,5 7,7 7,1 6,1 5,8 7,1 7,6 9,7

3i


4,78 3,84 3,13 3,44 6,84 9,47 6,51 5,92 6,08 8,09 10,01 10,81 8,0
i

1 2 3 4 5 6 7 8 9 10 11 12 13

Resposta:
!
, , ,
i i i
+ 71933 13925 14700
2 3


se (1,5948) (0,3050) (0,1758)

R
2
08766 ,



R
2
Ajustado
Na prtica o uso do
2
R (coeficiente de determinao ajustado), melhor que
R
2
, por ser mais realista (ou menos otimista), principalmente quando o nmero de
variveis independentes no pequeno comparado com o tamanho da
amostra. (Henry Theil 1978)

Clculo do Coeficiente de Determinao Ajustado --- R
2


R
ESS
TSS
2
, como TSS =ESS +RSS

R
RSS
TSS
2
1 r
2
1
2
2

e
y
i
i



UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

46
Alternativamente tem-se:



( )
R
e k
y
i
i
2
2
2
1
1

/ ( )
/
, onde: k = n de parmetros do modelo.


R
2
ajustado


(e
i
2
tem k g." e y
i
2
tem 1 g." .)



( ) R R
k
2 2
1 1
1

R
2
ajustado ao n de regressores





! FUNO DE PRODUO DE COBB-DOUGLAS


Y X X

1 2 3
2 3


onde: produo

2
trabalho Fatores de Produo

3
capital


Forma Estocstica Y X X e
i i i
u
i


1 2 3
2 3



constante =base "n


Transformando a equao tem-se o modelo log-log ou log-linear :


" " " nY n nX nX u
i i i i
+ + +
1 2 2 3 3
" , fazendo "n
1 0
tem-se:


" " nY nX nX u
i i i i
+ + +
0 2 2 3 3
"
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

47
Propriedades da Funo de Produo de Coob-Douglas
1.
2
elasticidade de trabalho =medida do percentual de mudana na produo
ao fator trabalho, mantendo
3
constante. Isto : a mudana de 1% no
fator trabalho corresponde a
2
na produo mantendo
3
capital constante.
2.
3
elasticidade da produo com relao ao capital.
3. ( )
3 2
+ fornecem informaes quanto aos retornos de escala, ou seja a
resposta na produo com mudanas nos fatores de produo.
Se
2 3
1 + retornos constantes de escala
(um aumento nos fatores aumento de produo na mesma proporo)
Se
2 3
1 + < retornos decrescentes de escala
(um aumento nos fatores aumento de produo em uma proporo menor)
Se
2 3
1 + > retornos crescentes de escala
(um aumento nos fatores aumento de produo em uma proporo maior)

OBSERVAO:
O conceito de elasticidade da varivel , ou elasticidade parcial, e estende para o
modelo de k-variveis " " " nY nX nX nX u
i i i k ki i
+ + + + +
0 2 2 3 3
...... "

i
coeficientes da regresso elasticidade de com respeito X
i


1
...

elasticidades com relao as variveis
i
..... .
Definio de elasticidade

l nY
nX
Y
X
X
Y
"
"
2 2
2
2

_
,
e

l nY
nX
Y
X
X
Y
"
"
3 3
3
3

_
,
.

Exemplo:
(CHEN, 1976 in GUJ ARATI, 1988)
Dadas as informaes a seguir setor de manufaturados de determinada localidade,
obtenha a estimativa da funo de produo de Cobb-Douglas e analise os
resultados. Calcule s, erros padro, t-value,
2
R e
2
R ).
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

48


ANO
PRODUO
(em $ milhes)
( )

HOMENS DIA
( )
2

CAPITAL
(milhes $)
( )
3

1 78 16.607,7 275,5 17.803,7
2 79 17.511,3 274,4 18.096,8
3 80 20.171,2 269,7 18.271,8
4 81 20.932,9 267,0 19.167,3
5 82 20.406,0 267,8 19.647,6
6 83 20.831,6 275 20.803,5
7 84 24.806,3 283 22.076,6
8 85 26.465,8 300,7 23.445,2
9 86 27.403,0 307,5 24.939,0
10 87 28.628,7 303,7 26.713,7
11 88 29.904,5 304,7 29.957,8
12 89 27.508,2 298,6 31.585,9
13 90 29.035,5 295,5 33.474,5
14 91 29.281,5 299 34.821,8
15 92 31.535,8 288,1 41.794,3

resposta: "nY nX nX + + 33384 14988 04899
2 3
, , , " "
(2,4495) (0,5398) (0,1020)
t (-1,3629) (2,7765) (4,8005)
R
2
08890 , R
2
08705 , g." . 12


! MODELO DE REGRESSO POLINOMIAL

Extenso do modelo de regresso mltipla bastante utilizado na anlise de custo e
de produo. Modelo de Regresso Polinomial de grau k -- modelo geral:


i i i i i
u + + + + + +


.....
3
3
2
2 1 0



i
varivel resposta

i
varivel explicativa
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

49

Os parmetros s podem se estimados, atravs dos mtodos de mxima
verossimilhana e dos mnimos quadrados, da mesma forma que o modelo de
regresso mltipla comum. Embora X

....
3 2
sejam altamente correlacionados,
so funes no lineares de . Com isto, no violado o pressuposto de
multicolinearidade.


Exemplo:
Ajuste os dados abaixo a um modelo de regresso polinomial de 3a ordem. Fazer o
grfico com os resultados.


i i i i i
u + + + +
0 1 2
2
3
3




onde: custo total e produo

Produo 1 2 3 4 5 6 7 8 9 10

Custo Total
($)
193 226 240 244 257 260 274 297 350 420



!
, , , ,
i i i i
+ + 1417667 634776 129615 09396
2 3

Se (6,3753) (4,7786) (0,9857) (0,0591)
R
2
09983 ,




UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

50
! INFERNCIAS DO MODELO DE REGRESSO LINEAR MLTIPLA

Pressuposto de Normalidade

Para a estimao pontual atravs do mtodo dos Mnimos Quadrados, no foi feito
suposio quanto a distribuio de probabilidade de u
i
. Para fazer estimativas e
testes de hipteses. Supondo-se u
i
~ ( ) 0
2
; , onde
2
constante, como
!
,
!

2 3
e
!

1
so BLUE e normalmente distribudos:


( )
1
1 1

se
t


( )
2
2 2

se
t


( )
3
3 3

se
t



com 3 g. . " caso k 3



! TESTES DE HIPTESES PARA OS COEFICIENTES DA REGRESSO

teste t para hiptese 0

0 :
0 :
1
0

H
H


teste
( )

se
t

t kg
/
, .
2
". + t kg
/
, .
2
".

! INTERVALO DE CONFIANA PARA

!
; .
/

t t kg
2
". se
( )
!

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

51

Teste de Significncia para Regresso Amostral

Teste da hiptese
2 3
0 para 3, teste de hiptese conjunta de s
conjuntamente igual a zero ou teste utilizado para testar a hiptese conjunta

2 3
0 .....

, teste F ou Anlise da Varincia (ANOVA) .

Para 3

2
3 3 2 2
2

i i i i i i
e x y x y y + +



TSS = ESS + RSS

1g." 2g." 3g."



QUADRO DE ANLISE DE VARINCIA (ANOVA)


Fonte de Variao

SQ
Soma dos Quadrados

Graus de
Liberdade


MSQ
Quadrado Mdio

Devida Regresso
(ESS)
Explicada ou VE



! !

2 2 3 3
y x y x
i i i i
+


2

! !

2 2 3 3
y x y x
i i i i
+
2

Devida aos Resduos
(RSS)
ou VR



e
i
2



3

!

2
2
3

e
i


Total (TSS)
ou VT



y
i
2



1





UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

52

Sob o pressuposto de normalidade para u
i
e a hiptese
2 3
0 tem-se:


( )
( )
F
y x y x
e
i i i i
i

! !
/
/

2 2 3 3
2
2
3


ou



. . /
. . /
"
"
g RSS
g ESS
F ~ ( ) F 2 3 ;


F calculado F tabelado


Porque a distribuio F ?

se
i
u ~ ( )
2
; 0

( )
2 2
2

,
_

i
e


e se 0
3 2



( )

+


[ ]
! !

2 2 3 3
2
2
y x y x
i i i i


Se
0
H verdade, " . / g ESS = . . / " g RSS


F teste para hiptese nula 0 ......
3 2














UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

53
em resumo: Regra de Deciso

Dado o modelo
i i i
i
i
u + + + + +
1 2 2 3 3
......
Para testar H
0 2 3
0 : ......

H
a
: s no so simultaneamente iguais a zero


( )
( )
F
ESS g
RSS g
ESS
RSS k

/ .
/ .
/
/
"
"

1
;

se F
calc
> F

( ; ) k k 1 rejeita-se H
0


numerador


denominador

! CONTRIBUIO MARGINAL
OU INCREMENTAL DE VARIVEIS EXPLICATIVAS OU REGRESSORES

Dada a equao de regresso amostral
! ! !

i i i i
e + + +
1 2 2 3 3
, pode-se
testar a influncia em separado de
2
e
3
e a influncia conjunta de
2
e
3
.
Qual a contribuio de cada varivel ao modelo, ou seja, como a adio de uma
varivel contribui para o aumento de R
2
, ou seja qual o crescimento de ESS,
soma dos quadrados explicada, em relao a RSS, soma dos quadrados dos
resduos?
Esta contribuio dita marginal ou incremental da varivel explicativa ao
modelo.

TSS ESS RSS +



y
i
2
e
i
2



! !

2 2 3 3
y x y x
i i i i
+
y y e
i i i
2 2 2
+ ! Anlise de Varincia (ANOVA)


UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITCNICA



DEPARTAMENTO DE ENGENHARIA INDUSTRIAL ESTATSTICA APLICADA II
ANLISE DE REGRESSO - Prof. Andr Salles

54
TABELA ANOVA PARA CONTRIBUIO MARGINAL DE VARIVEIS


FONTE DE
VARIAO


SOMA DOS
QUADRADOS

G.L.

QUADRADO
MDIO


ESS devido a
2


Q x
1 12
2
2
2

!


1

Q
1
1 /
ESS devido a
adio de
3

(
3

2
)
Q Q Q
2 3 1


1

Q
2
1 /

ESS devido a
adio de
2
e
3

Q y x y x
i i i i 3 2 2 3 3
+
! !


2

Q
3
2 /

RSS

Q Q Q
4 5 3


3

Q
4
3 /

TOTAL

Q y
i 5
2


1

Observao Importante: y X e
i i i
+ +
! !

1 12 2



Contribuio Marginal (ou Incremental) de
3
--- teste de hiptese
Hiptese nula: 0
3

Hiptese alternativa: 0
3

se Fcalculado > Ftabelado rejeita-se a hiptese nula

3
contribui significativamente para o modelo
(X
3
deve permanecer no modelo)

Fcalculado
Q g
g

2
/ .
/ . .
"
"
.
Q
4
e ( ) K K F Ftabelado ; 2