REGRESSÃO.

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).