Académique Documents
Professionnel Documents
Culture Documents
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