Regressão Múltipla e Análise de Dados

Prévia do material em texto

Regressão Múltipla (cont.)
Variável Dummy – # usado para representar variável qualitativa.
ex: lucro = 1 prejuízo = 0
Multicolinearidade – (variáveis independentes correlacionadas) alta dificulta destacar a influencia que cada uma tem no modelo, erro padrão alto.
Teste FIV: 1 – 10
Tolerância: 0,10 – 1
Auto correlação – Quando os erros parecem estar correlacionados.
Teste DW
Normalidade – Teste K-S.
sig.>0,05
Homoscedasticidade – sig.>0,01
Analise Discriminante
Classifica um objeto em uma categoria pré-determinada. Usado para identificar as características que melhor descrevem um grupo.
Z1=
Z2=
Stepwise – Experimenta variáveis na equação ate que se ache a mais significativa (poder explicativo)
Teste M – igualdade das matrizes.
sig.>0,05 
Teste U (WilksLambda) – Total não explicado entre os grupos.
Mais próximo de 0 melhor
Sig.<0,05
Escore de Corte – Ponto que separa os grupos.
n1(z2)+n2(z1)/n1+n2
Correlação – Alta = Multicolinearidade
Regressão Logística
Permite estimar a probabilidade de ocorrer um evento
Ln(razão de chance)=
-2 log likelihood – próximo a 0 melhor o modelo.
Nagelkerke – percentual de variação do log
Hommer e Lemeshow – Eficácia do modelo
Sig.>0,05
Wald – todos coeficientes diferentes de 0
Sig.<0,05
Omnibus test os model coeficientes – pelo menos um difere de 0
Sig.<0,05
Analise de Conglomerados – (Cluster) Reúne objetos com base na distancia entre eles. AF reúne variáveis com base na correlação.
Algoritmos de agrupamento – método usado para formar grupos. Hierárquicos e não hierárquicos
Parecença – Similaridade e dissimilaridade. Dissimilaridade = Distancia