Baixe o app para aproveitar ainda mais
Prévia do material em texto
REGRESSÃO R: correlação de do modelo com a sua variável dependente. R2: grau de explicação do seu modelo. R2 ajustado: quanto mais parecido com o R2, mais “saudável” é o seu modelo. É o grau de ajuste que a sua explicação tem ao modelo. Ho: olhe o Sig ou o F. Coeficientesa Modelo Coeficientes não padronizados Coeficientes padronizados t Sig. B Erro padrão Beta 1 (Constante) -1,671 4,684 -,357 ,723 % metropolitan ,154 ,066 ,316 2,332 ,024 a. Variável dependente: murder rate Como pode ser observado, a proporção de pessoas vivendo na cidade se correlaciona com a taxa de homicídio, em particular, o aumento de um ponto percentual na VI, produz um incremento médio de 0,154 (T= 2,33; P-valor<0,05) 2 CONSTANTES Resumo do modelo Modelo R R quadrado R quadrado ajustado Erro padrão da estimativa 1 ,666a ,443 ,420 8,161 a. Previsores: (Constante), % poverty, % metropolitan A correlação entre o medelo e a VD é 0,666. Em particular, o modelo estimado explica 42% da variância da variável. ANOVAa Modelo Soma dos Quadrados df Média dos Quadrados F Sig. 1 Regressão 2546,713 2 1273,356 19,121 ,000b Residual 3196,609 48 66,596 Total 5743,322 50 a. Variável dependente: murder rate b. Previsores: (Constante), % poverty, % metropolitan Coeficientesa Modelo Coeficientes não padronizados Coeficientes padronizados t Sig. B Erro padrão Beta 1 (Constante) -22,414 5,327 -4,208 ,000 % metropolitan ,172 ,053 ,352 3,260 ,002 % poverty 1,373 ,252 ,587 5,443 ,000 a. Variável dependente: murder rate Quanto seria Y se tudo fosse 0 Como pode ser observado, o aumento de 1 ponto percentual na proporção de pessoas vivendo na cidade, em média, eleva, em 0,172 a taxa de homicídio, controlando pela pobreza. Por sua vez, o incremento de 1 ponto percentual na pobreza eleva a taxa de homicídio em 1,173, controlando pela proporção de pessoas na cidade. (quando estiver avaliando B1, as outras variáveis devem se manter constantes). Fazer meu próprio modelo: Resumo do modelo Modelo R R quadrado R quadrado ajustado Erro padrão da estimativa 1 ,704a ,496 ,463 7,851 a. Previsores: (Constante), % graduate, % metropolitan, % poverty ANOVAa Modelo Soma dos Quadrados df Média dos Quadrados F Sig. 1 Regressão 2846,020 3 948,673 15,389 ,000b Residual 2897,301 47 61,645 Total 5743,322 50 a. Variável dependente: murder rate b. Previsores: (Constante), % graduate, % metropolitan, % poverty Coeficientesa Modelo Coeficientes não padronizados Coeficientes padronizados t Sig. B Erro padrão Beta 1 (Constante) -81,538 27,317 -2,985 ,004 % metropolitan ,180 ,051 ,369 3,541 ,001 % poverty 1,971 ,364 ,843 5,413 ,000 % graduate ,657 ,298 ,343 2,203 ,032 a. Variável dependente: murder rate MODELO DE DALSON: Resumo do modelo Modelo R R quadrado R quadrado ajustado Erro padrão da estimativa 1 ,876a ,767 ,752 5,334 a. Previsores: (Constante), % single parents, % metropolitan, % poverty Coeficientesa Modelo Coeficientes não padronizados Coeficientes padronizados t Sig. B Erro padrão Beta 1 (Constante) -43,244 4,332 -9,983 ,000 % metropolitan ,067 ,037 ,138 1,831 ,073 % poverty ,410 ,203 ,176 2,018 ,049 % single parents 3,672 ,454 ,727 8,084 ,000 a. Variável dependente: murder rate Tabela 1. Regressão Linear (coeficientes) VD: Taxa de Homicídio. B Erro padrão Beta P-valor (constante) -43,24 4,33 0,000 % pop. Urbana 0,67 0,04 0,14 0,073 % pobreza 0,41 0,20 0,18 0,049 % pais solteiros 3,67 0,45 0,73 0,000 F=51,62; R2= 0,767; R2adj= 0,752 Os coeficientes compilados na tabela 1 indicam que a proporção de pais solteiros é a variável mais importante para explicar a taxa de homicídio ( Beta= 0,73; P- valor < 0,001). Além disso, o nível de pobreza e, em menor grau, a proporção de urbanização também afetam os níveis de violência . De forma geral, o modelo explica cerca de 75% da variância da variável dependente. Esses resultados corroboram os achados reportados por Fulano (2017).
Compartilhar