Testes Estatísticos Multivariados

Prévia do material em texto

Regressão Múltipla:
1º Teste: Durbin Watson (Autocorrelação Serial)
K= nº de variáveis independentes
N = tamanho da amostra
Especial: Análise de Cluster:
Z = 
2º Teste: Tolerance e VIF (Multicolinearidade)
	Tolerance quanto maior, melhor
	Vif quanto menor, melhor
	De infinito a 1: não há multicolinearidade
De 1 a 0,1: existe multicolinearidade, mas é aceitável
De 0,1 a 0: existe multicolinearidade e é inaceitável
	De 0 a 1: não há multicolinearidade;
De 1 a 10: existe multicolinearidade, mas é aceitável
De 10 a infinito: existe multicolinearidade e é inaceitável
3º Teste: Pesaran-Pesaran 
(Homocedasticidade) “Sig Anova”
Variável dependente: ZRE_2
H0: b = 0	Ha: b ≠ 0	
Se sig > α, não rejeita H0. Isso é bom!
4º Teste: KS (Normalidade) 
“Sig Assint”
H0: são normais	
Ha: não são normais	
Se sig > α, não rejeita H0. Isso é bom!
Anova “Sig Anova”
Variável dependente: CR? (meu trabalho)	Variável independente: Todas as outras
H0: b = 0	Ha: b ≠ 0	Se sig > α, não rejeita H0
Obs: A única diferença são as variáveis que estamos analisando.
Depois: Ver as variáveis que sig < α, na tabela de Tolerance e VIF. As que sig < α, mantém. Sig > α, elimina.
Nova Regressão:
Se sig > α, não rejeita H0
Variável dependente: CR? (meu trabalho)	Variável independente: As que foram mantidas
Pegar os coeficientes não padronizados, da coluna do B e montar a função de regressão múltipla
Regressão Logística:
0 = Não		1 = Sim
	1º) ln y = 3x + 4y 
 y = 
	2º) Razão de chance = 
	3º) y * Razão de chance
	4º) P (sucesso) = 
Razão de sucesso = ∆ % anterior e da atual em pontos percentuais
Análise Fatorial:
Teste KMO (Kaiser – conjunto): 0 ≤ KMO ≤ 1
KMO < 0,5 Análise Fatorial não é indicada
KMO > 0,5 Análise Fatorial é indicada		
Teste Barlett (conjunto):
H0: Todos os pares de variáveis têm correlação = 0
Ha: Pelo menos um par não têm correlação = 0
Se sig < α, rejeita H0. Isso é bom! 
Quanto mais próximo de 0 for o sig, melhor
“Teste” MSA (individual):
MSA > 0,5 variável permanece na Análise Fatorial	MSA < 0,5 variável sai da Análise Fatorial
Olhar os valores que tem o a elevando ( )ª na matriz anti imagem. Se for < 0,5, a variável sai
“Tabela: Variância total explicada”
Pelo critério Kaiser: os maiores que 1, do 1º Total
Pelo gráfico: onde tem a quebra do cotovelo
“Tabela: Matriz de componente rotativa” qtde de fatores, tem que ser parecidos na mesma coluna
“Tabela: Comunalidades” próximo de 1 é bom! Menor que 0,4 deve ser abandonada.
Análise Discriminante:
Teste de Box’s M: 
H0: b = 0 (Há homogeneidade)	
Ha: b ≠ 0 (Não há homogeneidade)	
Se sig > α, não rejeita H0. É bom ser homogêneo
Teste: Wilk’s Lambda:
H0: µ0 = µ1 (A média dos grupos é igual)
Ha: µ0 ≠ µ1 (A média dos grupos não é igual)
Se sig > α, não rejeita H0. É bom não ser igual
Wilk’s Lambda ideal é bem baixo.
Eigenvalue: x% da variação da classificação é explicada pelo conjunto das variáveis independentes consideradas
“Canonical Correlation” ^ 2 = 0,4624 indica que 46,24% da variável dependente pode ser representada pelo método adotado.
Função Discriminante:
Z = - 4,13 + (-0,048*Idade) + (0,538*Escolaridade) + (0,577*Sexo) 	Obs: -4,13 é a constante
Quando a variável é negativa (-0,048) exerce influência negativa e vice-versa.
“Score” de corte:
Grupos de mesmo tamanho
Zec = 
Grupos de tamanhos diferentes
Zec = 
Obs: 1 com 2 e 2 com 1
“Tabela: Function at Groups Centroits”: = -0,399
1 (Positivo)
- 0,399 -----------------------------------------------
0 (Negativo)