Regresso

Objetivo
Estudar a relao entre duas variveis quantitativas.

Exemplos:
Idade e altura das crianas Tempo de prtica de esportes e ritmo cardaco Tempo de estudo e nota na prova Taxa de desemprego e taxa de criminalidade Expectativa de vida e taxa de analfabetismo

A presena ou ausncia de relao linear pode ser investigada sob dois pontos de vista: a) Quantificando a fora dessa relao: correlao. b) Explicitando a forma dessa relao: regresso. Representao grfica de duas variveis quantitativas: Diagrama de disperso

Exemplo 1: Um psiclogo est investigando a relao

entre o tempo que um indivduo leva para reagir a um estmulo visual (Y) com o sexo (W), idade (X) e acuidade visual (Z, medida em porcentagem). X : idade Y : tempo de reao 130
Analisamos utilizando uma ANOVA Pelo grfico: mdia de Y aumenta conforme as pessoas envelhecem Modelo de regresso
120

110

100

90 20 30 40

Correlao entre Y e X = 0,768

Anlise de regresso: metodologia estatstica que estuda (modela) a relao entre duas ou mais variveis 1. Tempo de reao varivel dependente ou resposta idade varivel independente modelo de regresso linear simples 2. Tempo de reao varivel dependente ou resposta sexo, idade, acuidade visual var. independentes modelo de regresso linear mltipla

Modelo de regresso linear simples: yi = + xi +ei , em que yi: valor da varivel resposta para o i-simo elemento da amostra xi: valor (conhecido) da varivel independente ou preditora para o i-simo elemento da amostra e so parmetros desconhecidos ei: erro aleatrio (independentes com mdia 0 e varincia 2) Dessa forma, fixado xi, as variveis yi so independentes e yi ~N( + xi , 2 ) i=1,...,n

Interpretao dos parmetros: : (intercepto) valor esperado para a varivel dependente yi quando xi igual a zero : (coeficiente angular) variao esperada na varivel resposta, quando a varivel independente aumenta uma unidade Estimao de e Mtodo de mnimos quadrados minimizar a soma dos quadrados dos erros SQ(, )= (yi- - xi)2
= y x e =

x y
i= 1 n i i= 1

nxy

x i2 nx 2

Reta ajustada:

y i = + xi

No exemplo: n=20, yi= 2150, xi=600, xiyi=65400, xi2=19000

= 65400 20 .30 .107 ,5 = 0,90 2 11000 20 .30 = 107 ,50 0,90 .30 = 80 ,50 y i = 80 ,50 + 0,90 x i
Interpretao: Para um aumento de 1 ano na idade, o tempo mdio de reao aumenta 0,90. Podemos prever, por exemplo, o tempo mdio de reao para pessoas de 20 anos y ( 20) = 80,50 + 0,90.20 = 98,50

 y ( 25) = 103 y( 30) = 107 ,50 y ( 35) = 112 y(40) = 116,5

Valores prximos aos obtidos pela anlise de varincia Vantagem: permite estimar o tempo mdio de reao para idades no observadas y ( 33 ) = 80 ,50 + 0,90 .33 = 110 ,20
Regression Plot
Y = 80,5 + 0,9X R-Sq = 59,0 %
130

120

110

100

90 20 30 40

Resduos
Resduo a diferena entre o valor observado e o valor ajustado pela reta, isto ,

Y-Y

Para verificar a adequao do ajuste deve-se fazer uma anlise dos resduos.

Exemplo 2: criminalidade e analfabetismo

Considere as duas variveis observadas em 50 estados norte-americanos. Y: taxa de criminalidade X: taxa de analfabetismo

Diagrama de disperso

Podemos notar que, conforme aumenta a taxa de analfabetismo (X), a taxa de criminalidade (Y) tende a aumentar. Nota-se tambm uma tendncia linear. Correlao entre X e Y: 0,702

a reta ajustada :

^ Y : valor predito para a taxa de criminalidade X : taxa de analfabetismo

Interpretao de b: Para um aumento de uma unidade na taxa do analfabetismo (X), a taxa de criminalidade (Y) aumenta, em mdia, 4,257 unidades.

Graficamente, temos

Como desenhar a reta no grfico?

Exemplo 3: expectativa de vida e analfabetismo

Considere as duas variveis observadas em 50 estados norte-americanos. Y: expectativa de vida X: taxa de analfabetismo

Diagrama de disperso

Podemos notar que, conforme aumenta a taxa de analfabetismo (X), a expectativa de vida (Y) tende a diminuir. Nota-se tambm uma tendncia linear. Correlao entre X e Y:- 0,59

a reta ajustada :

^ Y : valor predito para a expectativa de vida X : taxa de analfabetismo

Interpretao de b: Para um aumento de uma unidade na taxa do analfabetismo (X), a expectativa de vida (Y) diminui, em mdia, 1,296 anos.

Graficamente, temos