Baixe o app para aproveitar ainda mais
Prévia do material em texto
Aula 11 PROGRAMA DE AULA Regressão linear múltipla O uso de variável dummy 2 USO DE VARIÁVEL DUMMY As variáveis independentes do modelo de regressão linear múltipla são numéricas. Contudo, há situações em que se necessita considerar variáveis não numéricas como parte do modelo. Exemplo1: em um modelo de previsão de vendas, onde Y = vendas mensais de um equipamento eletrônico e X1 = preços, seria interessante considerar a época de ocorrência, em termos de semestre (1º ou 2º semestre do ano), a fim de se verificar se tal variável tem influência sobre as vendas. VARIÁVEL DUMMY O uso de variáveis dummies possibilita a consideração de variáveis qualitativas como parte do modelo de regressão. Uma variável dummy só pode assumir valores 0 ou 1 = 1, se a observação foi de uma categoria = 0, se a observação não foi desta categoria VARIÁVEL QUALITATIVA COM DUAS CATEGORIAS - basta uma variável dummy Se uma variável qualitativa apresenta duas categorias (C = 2), basta uma variável dummy para representar tais categorias (C - 1). O modelo de regressão com as variáveis Preços e Semestre explicou 85% da variância das vendas de um equipamento eletrônico. Vendas = 76,336 – 3,137 . preços - 14,667. Sem1 Quanto maiores os preços, menores as vendas. O semestre 1 produz menores vendas em relação à referência semestre 2. Vendas = a + b1 . preços + b2 . Sem1 INTERPRETAÇÃO H0: o coeficiente linear é igual a zero H1: o coeficiente linear é diferente de zero 1º Método: 27,71 > 1,96 Decisão: H0 falsa 2º Método: 2,28.10-21 < 0,05 Decisão: H0 falsa H0: o coeficiente de Preços é igual a zero H1: o coeficiente de Preços é diferente de zero 1º Método: |-9,55| > 1,96 Decisão: H0 falsa 2º Método: 3,76.10-10 < 0,05 Decisão: H0 falsa H0: o coeficiente de Sem1 é igual a zero H1: o coeficiente de Sem1 é diferente de zero 1º Método: |-7,76| > 1,96 Decisão: H0 falsa 2º Método: 2,43.10-08 < 0,05 Decisão: H0 falsa 10 INTERPRETAÇÃO H0: b1 = b2 = 0 H1: existe pelo menos um coeficiente bi diferente de 0 Área = 8,5003. 10-12 é menor do que 0,05 Decisão: H0 falsa Logo, a regressão é relevante. PREVISÃO DAS VENDAS previsões de vendas com preço = 15 e 1o semestre previsões de vendas com preço = 15 e 2o semestre Vendas = 76,336 – 3,137 . preços - 14,667. Sem1 Vendas = 76,336 – 3,137 . 15 - 14,667. 1 Vendas = 14,614 Vendas = 76,336 – 3,137 . 15 - 14,667. 0 Vendas = 29,281 Em um modelo de previsão de vendas, onde Y = vendas mensais de sandálias e X1 = preços, foi considerada também a estação do ano. A variável qualitativa estação do ano apresenta quatro categorias (C = 4); são necessárias três variáveis dummies para representar todas as categorias (C - 1). EXEMPLO 2 Obs1 até Obs10: Primavera Obs11 até Obs20: Verão Obs21 até Obs30: Outono Obs31 até Obs40: Inverno Vendas = 274,32 – 4,15 . preços + 7,4. Primavera +18,9. Verão – 11,3. Outono EXEMPLO 2 Quanto maiores os preços, menores as vendas. A Primavera produz maiores vendas em relação à referência Inverno. O Verão produz maiores vendas em relação à referência Inverno. O Outono produz menores vendas em relação à referência Inverno. Supor a seguinte equação de regressão múltipla:
Compartilhar