UNIVERSIDADE FEDERAL DO AMAZONAS

FACULDADE DE ESTUDOS SOCIAIS

DEPARTAMENTO DE ECONOMIA E ANÁLISE

ESTATÍSTICA ECONÔMICA II

Prof. Dr. Márcio Antônio Couto Ferreira

HUMBERTO HIDEO TURUDA - 21603670

JOÃO MARCELLO PIMENTEL FILGUEIRAS - 21650022

Correlação e Regressão

Manaus – AM
2018
 2

INTRODUÇÃO

Este trabalho visa aplicar conceitos estatísticos de correlação e regressão a

dados econômicos para dois problemas: o primeiro com correlação positiva e o
segundo com correlação negativa. Assim como no exercício sobre amostragem, a
referência será o exemplo apresentado em aula.

PROBLEMA 1 – Correlação positiva

Em economia, o exemplo clássico de correlação positiva entre duas variáveis

é o relacionado à oferta e preço. As empresas realizam investimentos e aumentam
sua capacidade produtiva se o preço de seu produto garantir lucro econômico
(diferente do lucro contábil, o lucro econômico relaciona-se ao custo de oportunidade).

OBJETIVO: Descrever modelo matemático relacionando positivamente investimentos

e faturamento do setor de duas rodas no polo industrial de Manaus através da análise
de correlação e da regressão linear simples.

DADOS:

ANO 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
INVESTIMENTO (R$ MILHÕES) 562 677 738 966 1.500 1.986 2.297 2.475 3.195 3.995 4.171 2.693 2.491 2.461 2.213
FATURAMENTO (R$ MILHÕES) 2.902 3.656 3.872 5.685 6.885 7.678 9.107 11.586 14.012 10.533 12.263 14.453 13.527 13.923 13.683
(FONTE: SUFRAMA)

DIAGRAMA DE DISPERSÃO:
 3

CORRELAÇÃO LINEAR: Cálculo do coeficiente de correlação de Pearson para medir

a “força” da correlação.

∑( ) − ∑( ) ∑( )
=
∑ − (∑ ) ∑ − (∑ )

Xi Yi
ANO Xi² Yi² Xi . Yi
(em milhões de reais) (em milhões de reais)
2000 1 562 2.902 315.958 8.419.742 1.631.038
2001 2 677 3.656 458.805 13.367.373 2.476.494
2002 3 738 3.872 544.389 14.993.787 2.857.000
2003 4 966 5.685 933.686 32.321.503 5.493.463
2004 5 1.500 6.885 2.249.556 47.404.424 10.326.612
2005 6 1.986 7.678 3.945.602 58.955.185 15.251.678
2006 7 2.297 9.107 5.276.374 82.940.716 20.919.517
2007 8 2.475 11.586 6.125.188 134.239.218 28.674.734
2008 9 3.195 14.012 10.206.500 196.343.779 44.765.866
2009 10 3.995 10.533 15.956.341 110.945.374 42.074.722
2010 11 4.171 12.263 17.394.649 150.377.980 51.144.620
2011 12 2.693 14.453 7.253.526 208.903.239 38.926.663
2012 13 2.491 13.527 6.206.975 182.991.868 33.702.017
2013 14 2.461 13.923 6.055.612 193.858.984 34.262.732
2014 15 2.213 13.683 4.896.431 187.234.875 30.278.420
Total 32.420 143.768 87.819.591 1.623.298.048 362.785.576

SUBSTITUINDO OS VALORES:

15 × (32.785.576) − (32.420 × 143.768)

=
√15 × 87.819.591 − 32.420 √15 × 1.623.298.048 − 143.768
 4

= 0,79

Obtivemos para r um valor positivo e significativamente alto, o que representa uma

correlação linear positiva forte.

REGRESSÃO LINEAR SIMPLES: Pelo método dos mínimos quadrados, vamos

ajustar uma reta à relação entre as variáveis para obter a função = +
calculando os parâmetros a e b.

∑ −∑ ∑
=
∑ − (∑ )

∑ ∑
= −

= +

SUBSTITUINDO OS VALORES

15 × 362.785.576 − 32.420 × 143.768

= = 2,9328
15 × 87.819.591 − (32.420)

143.768 32.420
= − 3,9338 × = 3.246
15 15

= 2,9328 + 3.246

PROBLEMA 2 – Correlação negativa

Algumas teorias econômicas afirmam que a relação entre taxa de alfabetização

e índice de pobreza é ambígua. A prosperidade da nação dependeria de sua
capacidade de organizar as pessoas em empreendimentos produtivos. Economistas
 5

que defendem o liberalismo refutam essa ideia da concepção de que o surgimento da

economia do conhecimento aumentou a importância da instrução.
Verificaremos a relação entre os índices de alfabetização e de pobreza nos
Estados brasileiros e Distrito Federal.

OBJETIVO: Descrever modelo matemático relacionando negativamente índices de

alfabetização e pobreza no Brasil através da análise de correlação e da regressão
linear simples.

DADOS:

Estado Índice de alfabetização Índice de pobreza

Acre 86,90% 18,90%
Alagoas 80,60% 20,50%
Amapá 95% 12,80%
Amazonas 93,10% 19,30%
Bahia 87% 17,70%
Ceará 84,80% 18,40%
Distrito Federal 97,40% 1,90%
Espírito Santo 93,80% 4,30%
Goiás 93,50% 3,70%
Maranhão 83,30% 26,30%
Mato Grosso 93,50% 5,90%
Mato Grosso do Sul 93,70% 5,00%
Minas Gerais 93,80% 4,70%
Pará 90,70% 19,20%
Paraíba 83,70% 16,30%
Paraná 95,50% 3,00%
Pernambuco 87,20% 16,10%
Piauí 82,80% 21,60%
Rio de Janeiro 97,30% 3,90%
Rio Grande do Norte 85,30% 13,00%
Rio Grande do Sul 96,80% 2,90%
Rondônia 93,30% 7,90%
Roraima 93,40% 17,90%
Santa Catarina 97,20% 1,70%
São Paulo 97,20% 2,70%
Sergipe 85,30% 15,30%
Tocantins 89,60% 11,90%
 6

DIAGRAMA DE DISPERSÃO:

CORRELAÇÃO LINEAR: Cálculo do coeficiente de correlação de Pearson para medir

a “força” da correlação.

Xi Yi
Estado Xi² Yi² Xi . Yi
Índice alfabetização Índice de pobreza
Acre 0,869 0,189 0,755 0,036 0,164
Alagoas 0,806 0,205 0,650 0,042 0,165
Amapá 0,95 0,128 0,903 0,016 0,122
Amazonas 0,931 0,193 0,867 0,037 0,180
Bahia 0,87 0,177 0,757 0,031 0,154
Ceará 0,848 0,184 0,719 0,034 0,156
Distrito Federal 0,974 0,019 0,949 0,000 0,019
Espírito Santo 0,938 0,043 0,880 0,002 0,040
Goiás 0,935 0,037 0,874 0,001 0,035
Maranhão 0,833 0,263 0,694 0,069 0,219
Mato Grosso 0,935 0,059 0,874 0,003 0,055
 7

Xi Yi
Estado Xi² Yi² Xi . Yi
Índice alfabetização Índice de pobreza
Mato Grosso do Sul 0,937 0,05 0,878 0,003 0,047
Minas Gerais 0,938 0,047 0,880 0,002 0,044
Pará 0,907 0,192 0,823 0,037 0,174
Paraíba 0,837 0,163 0,701 0,027 0,136
Paraná 0,955 0,03 0,912 0,001 0,029
Pernambuco 0,872 0,161 0,760 0,026 0,140
Piauí 0,828 0,216 0,686 0,047 0,179
Rio de Janeiro 0,973 0,039 0,947 0,002 0,038
Rio Grande do Norte 0,853 0,13 0,728 0,017 0,111
Rio Grande do Sul 0,968 0,029 0,937 0,001 0,028
Rondônia 0,933 0,079 0,870 0,006 0,074
Roraima 0,934 0,179 0,872 0,032 0,167
Santa Catarina 0,972 0,017 0,945 0,000 0,017
São Paulo 0,972 0,027 0,945 0,001 0,026
Sergipe 0,853 0,153 0,728 0,023 0,131
Tocantins 0,896 0,119 0,803 0,014 0,107
Total 24,517 3,128 22,334 0,511 2,756

SUBSTITUINDO OS VALORES:

27 × 2,756 − (24,517 × 3,128)

=
27 × 22,334 − 24,517 27 × 0,511 − 3,128

= −0,82

Obtivemos para r um valor negativo e significativamente alto, o que representa uma

correlação linear negativa forte.

REGRESSÃO LINEAR SIMPLES: Pelo método dos mínimos quadrados, vamos

ajustar uma reta à relação entre as variáveis para obter a função = +
calculando os parâmetros a e b.

SUBSTITUINDO OS VALORES

27 × 2,756 − 24,517 × 3,128

= = −1,181
27 × 22,334 − (24,517)

3,128 24,517
= − (−1,181) = 1,188
27 27
 8

= −1,181 + 1,188

CONCLUSÃO

Para o problema 1, apesar da forte correlação encontrada, o formato da

dispersão sugere que outra aproximação que não a linear resultaria em resultado mais
preciso. Por outro lado, o investimento do ano anterior também poderia estar melhor
relacionado ao faturamento do ano seguinte, uma vez que resultados de investimentos
não surgem necessariamente no mesmo período. Apesar disso, a correlação
apresentada sugere a validade da relação macroeconômica de que investimentos
geram maior produto, pela ótica da produção.
O problema 2 de certa forma consegue clarear a relação entre alfabetização e
pobreza, na qual quanto maior o número de pessoas alfabetizadas, menor será o
índice de pobreza da população. Os dados relacionam informações de 2011 da
pobreza com os de 2013 da alfabetização, não sendo exatamente precisos, mas
servem como referência para a análise levantada. Para esse caso conseguimos
demonstrar que os preceitos defendido pelos economistas neoliberais apresentam
fundamento prático.

REFERÊNCIAS

· Apresentação em pdf “Correlação e regressão” disponibilizada pelo prof. Dr.

Márcio Couto;
· http://www.suframa.gov.br/downloads/download/indicadores/RelIndDes_7_20
15_julho.pdf, acessado em 16/06/2018 para coleta de dados;
· http://www.suframa.gov.br/download/indicadores/indicadores-88-a-2010-at-
%20jan13.xlsx, acessado em 16/06/2018 para coleta de dados;
· https://pt.wikipedia.org/wiki/Lista_de_unidades_federativas_do_Brasil_por_inci
d%C3%AAncia_da_pobreza, acessado em 16/06/2018 para coleta de dados;
· https://pt.wikipedia.org/wiki/Lista_de_unidades_federativas_do_Brasil_por_alf
abetiza%C3%A7%C3%A3o, acessado em 16/06/2018 para coleta de dados.