Professional Documents
Culture Documents
Introduo
Uma varivel
dependente
Modelo
Regresso
Multiplo
Multplo
Simples
Linear
No
Linear
Linear
No
Linear
Frmula:
n
( x x)( y
i
r=
y)
i =1
n
i =1
i =1
2
2
(
x
x
)
(
y
y
)
i
i
130
120
110
Modelo de regresso
100
90
20
30
40
Correlao no STATA
Comando: corr y x
Diagramas de disperso
i=1,...,n
sendo
yi: valor da varivel dependente (resposta) para o i-simo elemento da
amostra;
xi: valor (conhecido) da varivel independente ou preditora para o i-simo
elemento da amostra;
0 e 1 so parmetros desconhecidos;
ei: erro amostral.
Suposio: os erros amostrais so independentes com distribuio N(0, 2), i=1,2,...,n.
Esta suposio deve ser verificada!!! (como??)
Populao
Yi = 0 + 1 X i + i
$
$
Y ii = $ 00 + $ 11X ii + $ ii
Erro amostral
i =1
i = (Y Y ) 2
2
i =1
60
40
20
0
20
40
X
60
1 =
xi yi nx y
i =1
n
=
2
i
x nx
SS
xy
SS
xx
i =1
0 = y 1 x
Reta ajustada:
y i = 0 + 1 xi
Exemplo 1:
tempo
sexo
idade
acuidade
tempo
sexo
idade
acuidade
96
20
90
11
109
30
90
92
20
100
12
100
30
80
106
20
80
13
112
35
90
100
20
90
14
105
35
80
98
25
100
15
118
35
70
104
25
90
16
108
35
90
110
25
80
17
113
40
90
101
25
90
18
112
40
90
116
30
70
19
127
40
60
10
106
30
90
20
117
40
80
90
100
Tempo
110
120
130
20
25
30
idade
35
40
1 =
= 0,90
2
19000 20.30
Reta ajustada:
y i = 80,50 + 0,90 xi
SQT = (Y Y ) 2
RESDUOS com a soma dos quadrados expressa atravs de:
SQE = (Y Y ) 2 = (Y 0 1 X ) 2 = e 2
MODELO, resultante das distncias entre os valores do modelo e a mdia:
_
SQR = (Y Y ) (Y Y ) =(Y Y ) 2
2
Fontes de
Variao
Regresso
Resduo
Total
g.l.
1
n-2
n-1
SQ
SQM
SQR
SQR
1
SQR
SQE/(n-2)
SQE
SQE
n-2
SQT
SQT
n-1
Comando: regress y x1
SQR
Source |
SS
df
MS
-------------+-----------------------------Model |
810
1
810
Residual |
563
18 31.2777778
-------------+-----------------------------Total |
1373
19 72.2631579
Number of obs
F( 1,
18)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
20
25.90
0.0001
0.5899
0.5672
5.5927
SQE
-----------------------------------------------------------------------------tempo |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------idade |
.9
.1768552
5.09
0.000
.5284409
1.271559
_cons |
80.5
5.451045
14.77
0.000
69.04778
91.95222
------------------------------------------------------------------------------
Yi = 0 + 1 X i1 + 2 X i 2 + ... + p 1 X i , p 1 + i
Sendo:
0, 1,..., p-1, parmetros desconhecidos;
i erro amostral
Suposio: os erros amostrais so independentes com distribuio N(0, 2), i=1,2,...,n.
Exemplo 2:
X2: sexo
Yi = 0 + 1 X i1 + 2 X i 2 + 3 X i ,3 + i
Observe que, agora dispomos de variveis quantitativas e qualitativas no
modelo.
Uma ferramenta til no processo de escolha preliminar das possveis variveis
explicativas que devero entrar no modelo a matriz de correlao entre as
variveis quantitativas.
|
tempo
idade acuidade
-------------+--------------------------tempo |
1.0000
|
|
idade |
0.7681
1.0000
|
0.0001
|
acuidade | -0.7553 -0.3990
1.0000
|
0.0001
0.0814
|
Number of obs
F( 3,
16)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
20
31.39
0.0000
0.8548
0.8275
3.5302
-----------------------------------------------------------------------------tempo |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------idade |
.679224
.1229709
5.52
0.000
.4185374
.9399106
sexo | -2.791534
1.675998
-1.67
0.115
-6.344491
.7614219
acuidade | -.4014109
.0937644
-4.28
0.001
-.6001826
-.2026393
_cons |
125.4305
9.626618
13.03
0.000
105.023
145.838
------------------------------------------------------------------------------
Reta ajustada:
Avaliao do Modelo
H 0 : k = 0
H a : k 0
Estatstica de teste:
tcal =
k
s(k )
Critrio do teste:
Se |tcal| t(1-/2;n-p), aceita-se a hiptese nula, caso contrrio rejeita-se a
mesma.
Nota: Quando no dispomos da tabela t-student, podemos utilizar o p-valor,
fornecido por vrios programas estatsticos. Se p-valor menor que o nvel de
significncia, rejeitamos H0.
Number of obs
F( 3,
16)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
20
31.39
0.0000
0.8548
0.8275
3.5302
-----------------------------------------------------------------------------tempo |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------idade |
.679224
.1229709
5.52
0.000
.4185374
.9399106
sexo | -2.791534
1.675998
-1.67
0.115
-6.344491
.7614219
acuidade | -.4014109
.0937644
-4.28
0.001
-.6001826
-.2026393
_cons |
125.4305
9.626618
13.03
0.000
105.023
145.838
------------------------------------------------------------------------------
Coeficiente de Determinao
Coeficiente de determinao
nn
22
rr ==
nn
22
ii
ii
ii==11
ii==11
nn
(YY YY )
22
ii
ii==11
==
SQE
SQE
SQT
SQT
No exemplo 1, temos
regress tempo idade
Source |
SS
df
MS
-------------+-----------------------------Model |
810
1
810
Residual |
563
18 31.2777778
-------------+-----------------------------Total |
1373
19 72.2631579
Number of obs =
F( 1,
18) =
Prob > F
=
R-squared
20
25.90
0.0001
Adj R-squared =
Root MSE
=
0.5899
0.5672
5.5927
-----------------------------------------------------------------------------tempo |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------idade |
.9
.1768552
5.09
0.000
.5284409
1.271559
_cons |
80.5
5.451045
14.77
0.000
69.04778
91.95222
------------------------------------------------------------------------------
No exemplo 2, temos
regress tempo idade sexo acuidade
Source |
SS
df
MS
-------------+-----------------------------Model | 1173.60282
3 391.200941
Residual | 199.397178
16 12.4623236
-------------+-----------------------------Total |
1373
19 72.2631579
Number of obs =
F( 3,
16) =
Prob > F
=
20
31.39
0.0000
R-squared
Adj R-squared =
Root MSE
=
0.8275
3.5302
0.8548
-----------------------------------------------------------------------------tempo |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------idade |
.679224
.1229709
5.52
0.000
.4185374
.9399106
sexo | -2.791534
1.675998
-1.67
0.115
-6.344491
.7614219
acuidade | -.4014109
.0937644
-4.28
0.001
-.6001826
-.2026393
_cons |
125.4305
9.626618
13.03
0.000
105.023
145.838
------------------------------------------------------------------------------