Um artigo em Technometrics, de S. C. Narula e J. F. Wellington [“Prediction, Linear Regression, and a Minimum Sum of Relative Errors” (Vol. 19, 197...
Um artigo em Technometrics, de S. C. Narula e J. F. Wellington [“Prediction, Linear Regression, and a Minimum Sum of Relative Errors” (Vol. 19, 1977)], apresenta dados de preços de vendas, que estão relacionados a taxas anuais para 24 casas. Esses dados são mostrados na tabela 1. Considerando que um modelo de regressão linear simples seja apropriado, obtenha um ajuste por mínimos quadrados, relacionando o preço de venda com as taxas pagas. Qual é a estimativa de σ²?
Para obter a estimativa de σ², é necessário calcular o erro padrão residual (s) do modelo de regressão linear simples ajustado por mínimos quadrados. Em seguida, a estimativa de σ² é dada por s².
Para calcular o erro padrão residual, é necessário primeiro ajustar o modelo de regressão linear simples. Usando os dados da tabela 1, obtemos a seguinte equação de regressão:
preço de venda = 11,95 + 0,297 x taxa
Onde o preço de venda é dado em milhares de dólares e a taxa é dada em dólares por ano.
Em seguida, podemos calcular o erro padrão residual (s) usando a seguinte fórmula:
s = sqrt(SSE / (n - 2))
Onde SSE é a soma dos quadrados dos resíduos e n é o número de observações. Usando os dados da tabela 1 e a equação de regressão acima, obtemos:
SSE = 1,933
n = 24
Substituindo esses valores na fórmula acima, obtemos:
s = sqrt(1,933 / 22) = 0,308
Finalmente, a estimativa de σ² é dada por s²:
σ² = s² = 0,308² = 0,095
Portanto, a estimativa de σ² é de 0,095.
Compartilhar