REGRESSÃO LINEAR MÚLTIPLA - PASSO A PASSO

Prévia do material em texto

REGRESSÃO LINEAR MÚLTIPLA
Objetivo: Estudar (estimar, prever) UMA variável dependente (numérica) com base em 2 ou mais variáveis dependentes (numéricas ou catagóricas)
O modelo de RLM
Ŷ = b0 + b1X1 + b2X2 + ... + bpXp
b0 = coef linear
bi = coef angulares (i = 1, 2, 3...)
p = nº de variáveis independentes
x1, x2, ... xp: variaveis independentes 
Interpretação dos coefs angulares
A cada unidade a mais em xi, y varia positivamente/negativamente em bi, mantendo as demais variáveis constantes (caeteris paribus) 
Teste F – teste do modelo (para verificar se “existe” modelo)
H0: y = b0 + ε (ou b1=b2=b3=...=bp=0)
H1: pelo menos um bi é diferente de zero
α = 5%
valor-P (sig) = TABELA DA ANOVA
Se sig < α rejeita-se H0, e portanto “existe modelo”
Teste dos coeficientes angulares (teste T para b1, b2, ..., bp)
H0: bi = 0
H1: bi ≠ 0
α = 5%
sig (b1) = ...
sig(b2) = ...
Conclusão: se sig i < α, rejeita-se H0. A variável Xi possui relação linear significativa com y. 
Os valores “B” são os coeficientes
Conclusão, o coeficiente de despesa promocional possui sig > α, ele deve ser retirado do modelo. Deve-se rodar novamente excluindo aquela variável do modelo. 
Capacidade preditiva do modelo
Em RLS, usávamos o R² puro para avaliar a capacidade preditiva. 
Na RLM, vamos usar o R² ajustado, pois a inclusão de muitas variáveis faz com que o R² simples aumente significativamente. 
Avaliar violação de premissa observando resíduos