Baixe o app para aproveitar ainda mais
Prévia do material em texto
José Guilherme Chaves Alberto Regressão linear simples – 2a parte Após a estimação do modelo é fundamental que seja analisada a significância estatística geral, por meios dos seguintes testes: Teste F (ANOVA); Teste t. Significância geral do modelo e de cada um dos parâmetros O teste F testa se a regressão é significante, comparando as somas dos quadrados explicadas e inexplicadas. Tem-se as seguintes hipóteses: 𝐻0: 𝐵 = 0 𝐻1: 𝐵 ≠ 0 𝐹𝑐𝑎𝑙𝑐 = 𝑆𝑄𝑅𝑒𝑔 1 𝑆𝑄𝐸𝑟𝑟𝑜 𝑛−2 (1) Sendo:𝑆𝑄𝑅𝑒𝑔= soma dos quadrados da regressão; 𝑆𝑄𝐸𝑟𝑟𝑜= soma dos quadrados do resíduo. Fórmula para testar se a regressão é significante “ ” Como regra geral se o F de significação for menor que 0,05 (< 0,05) o modelo é estatisticamente significante. Estime o modelo no software Excel e analise o F de significação. Exemplo: TABELA 1 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 O teste t testa a significância estatística de cada parâmetro estimado. Tem-se as seguintes hipóteses: 𝐻0: 𝐵0 = 0 𝐻1: 𝐵0 ≠ 0 e 𝐻0: 𝐵1 = 0 𝐻1: 𝐵1 ≠ 0 𝑡𝑐𝑎𝑙𝑐 = 𝑏0 𝑆𝑏0 (2) e 𝑡𝑐𝑎𝑙𝑐 = 𝑏1 𝑆𝑏1 (3) Sendo:𝑆𝑏0= erro-padrão do intercepto; 𝑆𝑏1= erro-padrão do coeficiente angular. Fórmula para testar se os coeficientes são significantes “ ” Como regra geral, se o t do teste for menor que 0,05 (< 0,05) o parâmetro é estatisticamente significante. Com os dados estimados na Tabela 1, analise os resultados do teste t. Exemplo: O intervalo de confiança é estimado pelos seguintes modelos: 𝑏0 − 𝑡𝛼 2 𝑆𝑏0 ≤ 𝐵0 ≤ 𝑏0 + 𝑡𝛼 2 𝑆𝑏0 (intervalo para o intercepto); e 𝑏1 − 𝑡𝛼 2 𝑆𝑏1 ≤ 𝐵1 ≤ 𝑏1 + 𝑡𝛼 2 𝑆𝑏1 (intervalo para o coeficiente angular). Intervalo de confiança para o coeficiente angular e o intercepto Sendo: 𝑆𝑒 = 𝑆𝑄𝑒𝑟𝑟𝑜 𝑛−2 (4) Sendo:𝑆𝑒= erro-padrão do intercepto. 𝑆𝑏1 = 𝑆𝑒 𝑋𝑖−𝑋 2𝑛 𝑖=1 (5) e 𝑆𝑏0 = 𝑆𝑒 . 1 𝑛 + 𝑋 2 𝑋𝑖−𝑋 2𝑛 𝑖=1 (6) Sendo: 𝑆𝑏1 = erro-padrão do coeficiente angular; 𝑆𝑏1 = erro- padrão do coeficiente linear (intercepto). “ ” Quando o intervalo de confiança não possui o número zero, o parâmetro é estatisticamente significante. Segundo o modelo do MQO três suposições são necessárias: • Os erros são normalmente distribuídos. • Os erros têm variância constante. • Os erros são independentes. Análise dos erros A suposição da normalidade dos erros é usada para justificar o uso da distribuição “T de Student” para construir os intervalos de confiança e para realizar os testes de hipóteses (DOANE e SEWARD, 2014). A construção do histograma, dos resíduos padronizados, é uma boa ferramenta para verificar a existência da normalidade. Erros são normalmente distribuídos “ ” A não normalidade é considerada uma violação branda. Desde que, os estimadores dos parâmetros e suas variâncias sejam não viesados e consistentes. Segundo Doane e Seward (2014) a regressão deve se ajustar, igualmente, bem a todos os valores de X. Um teste visual no gráfico dos resíduos contra X – indica sinais de heterocedasticidade. Erros tem variância constante Fonte: Doane e Seward (2014) Fonte: Doane e Seward (2014) A autocorrelação deve ser analisada com cautela quando os dados são do tipo “séries temporais”. Sua ocorrência pode alagar os intervalos de confiança. A correlação pode ser: positiva (sequência de resíduos com mesmo sinal) ou negativa (sequência de resíduos com sinais alternados). Erros são independentes Um teste simples e observar graficamente os resíduos contra a ordem de entrada dos dados – utilizando a seguinte regras: 1. Se o padrão for aleatório o número de mudanças de sinal (cruzamento da linha central) e aproximadamente n/2. 2. Se a correlação for positiva o número de cruzamento da linha central será menor do que n/2. 3. Se a correlação for negativo o número de cruzamento da linha central será maior do que n/2. Com os dados estimados na Tabela 1, analise os resíduos. Exemplo: Capítulo 12 – itens 12.5, 12.6 e 12.7 - 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