Baixe o app para aproveitar ainda mais
Prévia do material em texto
José Guilherme Chaves Alberto Regressão linear simples – 1a parte Conceitos iniciais Segundo Guajarati (2000) a análise de regressão ocupa-se do estudo da dependência de uma variável (dependente) em relação a uma ou mais variáveis (independentes), com o objetivo de estimar e/ou prever a média ou o valor médio da dependente em termos dos valores conhecidos ou fixos das independentes. “ ” Apesar da regressão lidar com a dependência de uma variável em relação a outras variáveis, não implica necessariamente em causação. De corte (cross-section): dados de uma ou mais variável coletados no mesmo ponto do tempo; Série temporal: conjunto de valores que uma variável assume em diferentes momentos; e Combinados: a elementos tanto de séries temporais como de dados de corte (GUJARATI, 2000). Tipos de dados Outros termos utilizados para a variável dependente são: explicada, predito, regredido, resposta e endógena. Outros termos utilizados para a variável independente são: explicativa, preditor, regressor, estímulo e exógena. Importantes termos Variáveis X (ROE) 15 20 25 30 35 40 45 50 55 60 Y -1 4 7 10 12 13 10 20 25 25 Retorno (%) 3 6 6 11 11 11 18 21 27 30 -1,5 0 4 8 12 15 20 22 18 25 4 2 5 9 10 10 18 20 17 31 1 5 7 12 14 15 19 25 26 32 8 11 11 12 19 25 29 4 21 32 Média 1,10 4,17 5,80 9,29 11,67 12,67 17,00 21,14 23,00 29,14 -5 0 5 10 15 20 25 30 35 0 10 20 30 40 50 60 70 REGRESSÃO LINEAR A função de regressão populacional (FRP) 𝐸 𝑌\𝑋𝑖 = 𝛽0 + 𝛽1𝑋𝑖 (1) Sendo 𝛽0 = intercepto; 𝛽1 = coeficiente angular. Pela Equação 1, tem-se que: 𝑌𝑖 = 𝐸 𝑌\𝑋𝑖 + ϵ𝑖 (2) Sendo Yi = valor individual; ϵ𝑖 = termo de erro estocástico. “ ” Como, normalmente, trabalhasse com a amostra, é necessário estimar os coeficientes populacionais do modelo de regressão. 𝒀 𝒊 = 𝒃𝟎 + 𝒃𝟏𝑿𝒊 (3) Sendo: 𝑌 𝑖 = estimador de 𝐸 𝑌\𝑋𝑖 ; 𝑏0 = estimador de 𝛽0; e 𝑏1 = estimador de 𝛽1. 𝒀𝒊 = 𝒃𝟎 + 𝒃𝟏𝑿𝒊 + 𝒆𝒊 (4) Sendo: 𝑒𝑖 = estimador de ϵ𝑖. Método dos Mínimos Quadrados Ordinários (MQO) 𝑏1 = 𝑛 . 𝑋 .𝑌− 𝑋 . 𝑌 𝑛 . 𝑋2− ( 𝑋) 2 (5) ou 𝑏1 = 𝑋𝑖− 𝑋 𝑌𝑖− 𝑌 𝑛 𝑖=1 𝑋𝑖− 𝑋 2𝑛 𝑖=1 (6) Sendo: 𝑏1 = estimador de 𝛽1. Fórmulas para estimar os coeficientes do modelo de regressão 𝑏0 = ( 𝑌−𝑏1. 𝑋) 𝑛 (7) ou 𝑏0 = 𝑌 − 𝑏1𝑋 (8) Sendo: 𝑏0 = estimador de 𝛽0. O coeficiente de determinação expressa o quanto da variação em relação à média é explicada pelo modelo linear construído. Os valores de r2 pode variar entre 0 e 1 (BRUNI, 2011). Coeficiente de determinação (r2) Fonte: Gujarati (2000) Matematicamente tem-se: 𝑆𝑄𝑡𝑜𝑡𝑎𝑙 = 𝑆𝑄𝑟𝑒𝑔𝑟𝑒𝑠𝑠ã𝑜 + 𝑆𝑄𝑒𝑟𝑟𝑜 (9) 𝑟2 = 𝑆𝑄𝑟𝑒𝑔𝑟𝑒𝑠𝑠ã𝑜 𝑆𝑄𝑡𝑜𝑡𝑎𝑙 (10) 𝑟2 = 𝑋 .𝑌 𝑛 − 𝑋 𝑛 . 𝑌 𝑛 2 𝑋2 𝑛 − 𝑋 𝑛 2 . 𝑌2 𝑛 − 𝑌 𝑛 2 (11) Sendo: 𝑟2= coeficiente de determinação. Fórmula para calcular o coeficiente de determinação “ ” A raiz quadrada do coeficiente de determinação é o coeficiente de correlação. Estime o coeficiente de correlação, o modelo de regressão e o coeficiente de determinação. Exemplo: Nº Variável independente (x) Variável dependente (y) 1 10 38 2 7 48 3 20 30 4 32 26 5 40 20 6 45 12 7 16 30 8 28 35 Capítulo 12 – itens 12.2, 12.3 e 12.4 - do livro DOANE, David P.; SEWARD, LORI E. Estatística aplicada à administração e economia. 4 ed. Porto Alegre: AMGH, 2014. (Livro Eletrônico). Leitura recomendada Referências bibliográficas BRUNI, Adriano Leal. Estatística Aplicada à Gestão Empresarial. 3 ed. São Paulo: Atlas, 2011. DOANE, David P.; SEWARD, LORI E. Estatística aplicada à administração e economia. 4 ed. Porto Alegre: AMGH, 2014. Referências bibliográficas - continuação GUJARATI, Damodar N. Econometria básica. 3 ed. Porto Alegre, RS: AMGH, 2000. GUJARATI, Damodar N.; PORTER, Dawn C. Econometria básica. 5 ed. Porto Alegre, RS: AMGH, 2011.
Compartilhar