Análise Multivariada Aplicada à Contabilidade
|
|
- Liliana Brandt Teixeira
- 5 Há anos
- Visualizações:
Transcrição
1 Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes mbotelho@usp.br Turma: 2º /
2 Agenda Aula 6/15 Regressão Linear Simples Regressão Linear Múltipla Modelo de Regressão Múltipla Método dos Mínimos Quadrados Coeficiente de Determinação Múltiplo Suposições do Modelo Teste de Significância 2
3 Regressão Linear Principal técnica econométrica Relação entre uma variável de interesse e outra ou demais variáveis Regressão versus Correlação 3
4 Diagrama de Dispersão Uma relação positiva y x 4
5 Diagrama de Dispersão Uma relação negativa y x 5
6 Diagrama de Dispersão Sem relação aparente y x 6
7 Regressão Linear Simples 7
8 Modelo de Regressão Linear Simples A equação que descreve como y está relacionado com x e com um termo de erro é chamado de modelo de regressão O modelo de regressão linear simples é y = α + β 1 x + ε Em que: α e β 1 são chamados de parâmetros do modelo, ε é uma variável aleatória que se denomina termo de erro 8
9 Modelo de Regressão Linear Simples A equação da regressão linear simples é E y = α + β 1 x O gráfico da equação linear simples é uma linha reta α é o intercepto da reta de regressão β 1 é a inclinação da reta de regressão E y é o valor esperado de y para determinado valor de x 9
10 Modelo de Regressão Linear Simples Relação Linear Positiva E(y) Reta da Regressão Intercepto α O ângulo β 1 é positivo x 10
11 Modelo de Regressão Linear Simples Relação Linear Negativa E(y) Intercepto α Reta da Regressão O ângulo β 1 é negativo x 11
12 Modelo de Regressão Linear Simples Sem Relação Intercepto α E(y) Reta da Regressão O ângulo β 1 é zero x 12
13 Método dos Mínimos Quadrados Critério dos Mínimos Quadrados Em que min (y i y i ) 2 y i = valor observado da variável dependente para a i-ésima observação y i = valor estimado da variável dependente para a i- ésima observação 13
14 Método dos Mínimos Quadrados Inclinação para a Equação da Regressão Estimada b 1 = (x 1 i x)(y i y) (x i x) 2 = n (x i x)(y i y) 1 n (x i x) 2 cov x, y = var x, y 14
15 Método dos Mínimos Quadrados Interseção com o Eixo y para a Equação da Regressão Estimada α = y b 1 x Em que x i = valor da variável independente para a i-ésima observação y i = valor da variável dependente para a i-ésima observação x = valor médio da variável independente y = valor médio da variável dependente n = número total de observações 15
16 Equação de Regressão Estimada HP 12C Colocar Valores na HP (y Enter x):
17 Equação de Regressão Estimada HP 12C Calcular o valor de y em x = Calcular a inclinação: 1 5 Equação da Reta: y = x 17
18 Linearidade Modelo exponencial de regressão Y i = AX i β e ε i Pode ser linearizado ln Y i = ln A + β ln X i + ε i Resultando em y i = α + βx i + ε i 18
19 Estimador ou Estimativa Estimadores são as fórmulas utilizadas para o cálculo dos coeficientes Estimativas são os valores numéricos para os coeficientes reais que são obtidos a partir da amostra 19
20 Suposições sobre o modelo de Regressão Linear Notação E ε i = 0 var ε i = σ 2 < cov ε i, ε j = 0 cov ε i, x i = 0 ε i ~N(0, σ 2 ) Interpretação O erro é uma variável aleatória com média zero A variância do erro é constante e finita todos os valores da variável independente Os erros são linearmente independentes uns dos outros Os erros são linearmente independentes da variável x O erro é uma variável aleatória com distribuição normal 20
21 Propriedades do Estimador MQO Estimadores: α e β são estimadores dos valores reais de α e β Linear: α e β são estimadores lineares, ou seja, são uma combinação linear da variável aleatória (y) Sem Viés: na média os valores de α e β serão iguais aos seus valores reais Ótimo: significa que o estimador MQO β possui a mínima variância dentre os estimadores lineares clássicos não viesados (Teorema de Gauss-Markov) 21
22 Consistência Os estimadores α e β são consistentes lim N Pr β β > δ = 0 δ > 0 A probabilidade (Pr) de que β seja maior do que uma distância arbitrária fixada (δ) do seu valor real tende a zero, conforme o tamanho da amostra tenda a infinito, para todos os valores positivos de δ 22
23 Sem viés Os estimadores α e β são sem viés e E α = α E β = β 23
24 Eficiência Um estimador β do parâmetro β é eficiente se nenhum outro estimador possuir variância menor Existe uma distribuição de probabilidades do valor do estimador em torno do parâmetro, onde, na média são iguais 24
25 Coeficiente de Determinação Relação entre SST, SSR e SSE SST = SSR + SSE Onde (y i y) 2 = ( y i y) 2 + (y i y i ) 2 SST = Soma Total dos Quadrados SSR = Soma dos Quadrados da Regressão SSE = Soma dos Quadrados dos Erros 25
26 Coeficiente de Determinação O coeficiente de determinação é: r 2 = SSR/SST Onde SSR = Soma dos Quadrados da Regressão SST = Soma Total dos Quadrados 26
27 Coeficiente de Correlação da Amostra r xy = (sinal de b 1 ) Coeficiente de Determinação r xy = (sinal de b 1 ) r 2 Em que b 1 = o declive da equação de regressão estimada y = α + b 1 x 27
28 Suposições sobre o Termo de Erro ε O erro ε é uma variável aleatória com média zero A variância de ε, denotada por σ 2, é a mesma para todos os valores da variável independente Os valores de ε são independentes O erro ε é uma variável aleatória com distribuição normal 28
29 Teste de Significância Para testar para uma relação de regressão significativa, temos de realizar um teste de hipóteses para determinar se o valor de β 1 é igual a zero Dois testes são comumente usados Teste t e Teste F Tanto o teste t quanto o teste F requerem uma estimativa de σ 2, a variância de ε no modelo de regressão 29
30 Teste de Significância Estimativa de σ 2 O erro médio quadrático (MSE) fornece a estimativa de σ 2, e a notação s 2 também é usada s 2 = MSE = SSE/(n 2) Em que SSE = (y i y i ) 2 = (y i α b 1 x 1 ) 2 30
31 Teste de Significância Estimativa de σ 2 Para estimar σ tomamos a raiz quadrada de σ2 O s resultante é chamado erro padrão da estimativa Em que s = MSE = SSE n 2 SSE = (y i y i ) 2 = (y i α b 1 x 1 ) 2 31
32 Teste de Significância: Teste t Hipóteses H 0 : β 1 = 0 H 1 : β 1 0 Teste Estatístico t = b 1 s b1 32
33 Teste de Significância: Teste t Desvio padrão de b 1 s b1 = s (x i x) 2 33
34 Teste de Significância: Teste t Regra de Rejeição Onde: Rejeitar H 0 se o valor p α ou t -t α/2 ou t t α/2 t α/2 é baseado em uma distribuição t com n 2 graus de liberdade 34
35 Teste de Significância: Teste F Hipóteses Teste Estatístico H 0 : β 1 = 0 H 1 : β 1 0 F = MSR MSE 35
36 Teste de Significância: Teste F Regra de Rejeição Rejeitar H 0 se o valor p α ou F F α Onde: F α é baseado em uma distribuição F com 1 grau de liberdade no numerador e n 2 graus de liberdade no denominador 36
37 Análise dos Resíduos Se as suposições sobre o termo de erro parecem ser questionáveis, os testes de hipóteses sobre o significado da relação de regressão e os resultados da estimação do intervalo podem não ser válidos Os resíduos fornecem a melhor informação sobre o ε Resíduo para Observação i y i y i Grande parte da análise de resíduos é baseado em um exame gráfico 37
38 Gráfico de Resíduos de x Se a hipótese de que a variância de ε é a mesma para todos os valores de x é válida, e o modelo de regressão assume uma representação adequada da relação entre as variáveis, então O gráfico dos resíduos deve dar uma impressão geral de uma faixa horizontal de pontos 38
39 Resíduos Gráfico de Resíduos de x y y Padrão Bom 0 x 39
40 Resíduos Gráfico de Resíduos de x y y Variância Inconstante 0 x 40
41 Resíduos Gráfico de Resíduos de x y y Modelo Não Adequado 0 x 41
42 Regressão Linear Múltipla 42
43 Modelo de Regressão Múltipla A equação que descreve como a variável dependente y está relacionada com variáveis independentes x 1, x 2,..., x p, e com um termo de erro é chamado de modelo de regressão múltipla O modelo de regressão linear simples é y = β 0 + β 1 x 1 + β 2 x β p x p + ε Em que: β 0, β 1, β 2,..., β p são chamados de parâmetros do modelo, ε é uma variável aleatória que se denomina termo de erro 43
44 Equação de Regressão Múltipla A equação que descreve como o valor médio de y é com x 1, x 2,..., x p é chamado de equação de regressão múltipla E y = β 0 + β 1 x 1 + β 2 x β p x p 44
45 Equação de Regressão Múltipla Estimada Uma simples amostra aleatória é utilizada para calcular as estatísticas amostrais b 0, b 1, b 2,..., b p que são usados como estimadores por ponto dos parâmetros β 0, β 1, β 2,..., β p A equação da regressão múltipla estimada y = b 0 + b 1 x 1 + b 2 x b p x p 45
46 Método dos Mínimos Quadrados Critério dos Mínimos Quadrados Cálculo dos Coeficientes min (y i y i ) 2 As fórmulas para os coeficientes de regressão b 0, b 1, b 2,..., b p envolvem o uso de álgebra matricial. Vamos utilizar pacotes estatísticos para fazer estes cálculos. 46
47 Modelo de Regressão Múltipla Exemplo: Pesquisa Salarial de Programadores Uma empresa de software coletou dados para uma amostra de 20 programadores de computador. Foi feita a sugestão que a análise de regressão pode ser usada para determinar se o salário foi relacionado com os anos de experiência e da pontuação no teste de aptidão de programador da empresa. Os anos de experiência, a pontuação na prova de aptidão e salário anual correspondente ($1.000) para uma amostra de 20 programadores é mostrado no slide seguinte. 47
48 Modelo de Regressão Múltipla Exemplo: Pesquisa Salarial de Programadores Uma empresa de software coletou dados para uma amostra de 20 programadores de computador. Foi feita a sugestão que a análise de regressão pode ser usada para determinar se o salário foi relacionado com os anos de experiência e da pontuação no teste de aptidão de programador da empresa. Os anos de experiência, a pontuação na prova de aptidão e salário anual correspondente ($1.000) para uma amostra de 20 programadores é mostrado no slide seguinte. 48
49 Modelo de Regressão Múltipla ,7 34,3 35, ,2 23, ,6 36,2 31, ,1 33,9 28,2 30 Exper. Nota Nota Exper. Salário Salário 49
50 Modelo de Regressão Múltipla Suponha que acreditamos que o salário (y) está relacionada com os anos de experiência (x 1 ) e a pontuação no teste de aptidão de programador (x 2 ) pelo seguinte modelo de regressão: y = β 0 + β 1 x 1 + β 2 x 2 + ε Em que y = salário anual ($1.000) x 1 = anos de experiência x 2 = pontuação no teste de programador 50
51 Calculando as Estimativas de β 0, β 1, β 2 Dados de Entrada x 1 x 2 y Programa Estatístico para Resolver Problemas de Regressão Múltipla Saída dos Mínimos Quadrados b 0 = b 1 = b 2 = R 2 = etc. 51
52 Calculando as Estimativas de β 0, β 1, β 2 Planilha do Excel (somente alguns dados) 52
53 Calculando as Estimativas de β 0, β 1, β 2 Regressão no Excel (Dados Análise de Dados) 53
54 Calculando as Estimativas de β 0, β 1, β 2 Resultado da Regressão no Excel 54
55 Equação da Regressão Estimada SALÁRIO = 3, ,404(EXPERIÊNCIA) + 0,25(TESTE_APTIDÃO) Obs.: O salário previsto será em milhares de $ 55
56 Interpretando os Coeficientes Na análise de regressão múltipla, interpretar cada coeficiente de regressão da seguinte forma: b i representa uma estimativa da mudança em y correspondente a um aumento de 1 unidade em x i, quando todas as outras variáveis independentes são mantidas constantes 56
57 Interpretando os Coeficientes b 1 = 1,404 O salário esperado aumenta $1.404 para cada ano de experiência adicional (quando a variável nota no teste de aptidão é mantida constante). 57
58 Interpretando os Coeficientes b 2 = 0,251 O salário esperado aumenta $251 para cada ponto adicional na nota do teste de aptidão (quando a variável anos de experiência é mantida constante). 58
59 Coeficiente de Determinação Múltiplo Relação entre SST, SSR e SSE SST = SSR + SSE Onde (y i y) 2 = ( y i y) 2 + (y i y i ) 2 SST = Soma Total dos Quadrados SSR = Soma dos Quadrados da Regressão SSE = Soma dos Quadrados dos Erros 59
60 Coeficiente de Determinação Múltiplo Saída da ANOVA no Excel SST SSR 60
61 Coeficiente de Determinação Múltiplo O coeficiente de determinação é: R 2 = SSR/SST Onde SSR = Soma dos Quadrados da Regressão SST = Soma Total dos Quadrados R 2 = 500,3285/599,7855 = 0,
62 Coeficiente de Determinação Múltiplo Ajustado O coeficiente de determinação múltiplo ajustado é: R 2 a = 1 (1 R 2 n 1 ) n p 1 R a 2 = 1 1 0, = 0,
63 Coeficiente de Determinação Múltiplo Ajustado Saída da Estatística no Excel 63
64 Suposições sobre o Termo de Erro ε 1. O erro ε é uma variável aleatória com média zero 2. A variância de ε, denotada por σ 2, é a mesma para todos os valores das variáveis independentes 3. Os valores de ε são independentes 4. O erro ε é uma variável aleatória com distribuição normal refletindo o desvio entre o valor de y e os valores esperados de y dados por β 0 + β 1 x 1 + β 2 x β p x p 64
65 Teste de Significância Em uma regressão linear simples, os testes t e F proporcionam a mesma conclusão Numa regressão múltipla, os testes F e t possuem objetivos diferentes 65
66 Teste de Significância: Teste F O teste F é usado para determinar se existe uma relação significativa entre a variável dependente e o conjunto de todas as variáveis independentes O teste F é referido como teste de significância global 66
67 Teste de Significância: Teste t Se o teste F mostra uma significância global, o teste t é usado para determinar se cada uma das variáveis independentes individuais é significativa Um teste t separado é realizado para cada uma das variáveis independentes do modelo Nos referimos a cada um destes testes t como teste de significância individual 67
68 Teste de Significância: Teste F Hipóteses H 0 : β 1 = β 2 = = β p = 0 H 1 : Um ou mais parâmetros não são iguais a zero Teste estatístico F = MSR MSE Regra de Rejeição Rejeitar H 0 se o valor p α ou F F α, onde o F α é baseado em uma distribuição F com p gl no numerador e n p 1 gl no denominador 68
69 Teste de Significância: Teste F Hipóteses H 0 : β 1 = β 2 = 0 H 1 : Um ou ambos os parâmetros não são iguais a zero Regra de Rejeição Para α = 0,05 e gl = 2 e 17; F α = 3,59 Rejeitar H 0 se o valor p 0,05 ou F 3,59 69
70 Teste de Significância: Teste F Saída da ANOVA no Excel O valor p usado para o teste de significância global 70
71 Teste de Significância: Teste F Teste estatístico Conclusão F = MSR MSE = 250,16/5,85 = 42,76 Valor p 0,05, então devemos rejeitar H 0 (também, F = 42,76 3,59) 71
72 Teste de Significância: Teste t Hipóteses Teste Estatístico H 0 : β i = 0 H 1 : β i 0 t = b i s bi Regra de Rejeição Rejeitar H 0 se o valor p α ou t -t α/2 ou t t α/2, onde t α/2 é baseado em uma distribuição t com n p 1 graus de liberdade 72
73 Teste de Significância: Teste t para Parâmetros Individuais Hipóteses Regra de Rejeição H 0 : β i = 0 H 1 : β i 0 Para α = 0,05 e gl = 17; t 0,025 = 2,11 Rejeitar H 0 se o valor p 0,05 ou t 2,11 73
74 Teste de Significância: Teste t para Parâmetros Individuais Saída da Regressão no Excel A estatística t e o valor p usados para testar a significância individual da Experiência 74
75 Teste de Significância: Teste t para Parâmetros Individuais Saída da Regressão no Excel A estatística t e o valor p usados para testar a significância individual do Teste de Aptidão 75
76 Teste de Significância: Teste t para Parâmetros Individuais Teste Estatístico b1 s b1 = 1,4039 0,1986 = 7,07 b 2 s b2 = 0, ,07735 = 3,24 Conclusão Rejeitar ambos H 0 : β 1 = 0 e H 0 : β 2 = 0. As duas variáveis independentes são significativas 76
77 Teste de Significância: Multicolinearidade O termo multicolinearidade se refere a correlação entre as variáveis independentes Quando a variável é altamente correlacionada (digamos, r > 0,7), não é possível determinar o efeito separado de uma variável dependente em particular sobre a variável dependente Fator de Inflacionamento de Variância VIF (Variance Inflation Factor) > 10 indica potenciais problemas de multicolinearidade 77
78 Teste de Significância: Multicolinearidade Se a equação de regressão é estimada para ser usada apenas para fins preditivos, a multicolinearidade geralmente não é um problema sério Todo esforço deve ser feito para evitar a inclusão de variáveis independentes que estão altamente correlacionadas 78
79 Regressão Múltipla Estimada y = b 0 + b 1 x 1 + b 2 x 2 + b 3 x 3 Em que y = salário anual ($1.000) x 1 = anos de experiência x 2 = pontuação no teste de programador x 3 = 0 se o indivíduo não tiver uma pós graduação 1 se o indivíduo tiver uma pós graduação x 3 = variável dummy 79
80 Variáveis Qualitativas Independentes Saída da Regressão no Excel 80
81 Variáveis Qualitativas Independentes Saída da ANOVA no Excel 81
82 Variáveis Qualitativas Independentes Saída da Equação da Regressão no Excel Não significativa 82
83 Variáveis Qualitativas Independentes Saída da Equação da Regressão no Excel 83
84 Variáveis Qualitativas Mais Complexas Se uma variável qualitativa tem k níveis, k 1 variáveis binárias serão necessárias, com cada variável dummy sendo codificada como 0 ou 1 Por exemplo, uma variável com níveis A, B e C pode ser representada por x 1 e x 2 sendo os valores (0, 0) para A; (1, 0) para B e (1, 1) para C Deve-se tomar muito cuidado em utilizar e interpretar as variáveis dummies 84
85 Variáveis Qualitativas Mais Complexas Por exemplo, uma variável indicando o nível educacional pode ser representada x 1 e x 2 sendo os valores: Maior Grau x 1 x 2 Bacharelado 0 0 Mestrado 1 0 Doutorado
86 Obrigado pela Atenção!!! Até a próxima aula mbotelho@usp.br 86
AULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância)
AULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância) Susan Schommer Econometria I - IE/UFRJ Variância dos estimadores MQO Vamos incluir mais uma hipótese: H1 [Linear nos parâmetros]
Leia maisProva de Estatística
Prova de Estatística 1. Para um número-índice ser considerado um índice ideal, ele precisa atender duas propriedades: reversão no tempo e o critério da decomposição das causas. Desta forma, é correto afirmar
Leia maisAULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância)
AULA 10 - MQO em regressão múltipla: Propriedades Estatísticas (Variância) Susan Schommer Econometria I - IE/UFRJ Variância dos estimadores MQO Vamos incluir mais uma hipótese: H1 [Linear nos parâmetros]
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisModelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisAnálise de Regressão Linear Múltipla III
Análise de Regressão Linear Múltipla III Aula 6 Hei et al., 4 Capítulo 3 Suposições e Propriedades Suposições e Propriedades MLR. O modelo de regressão é linear nos parâmetros O modelo na população pode
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisAnálise de Regressão Linear Múltipla. Wooldridge, 2011 Capítulo 3 tradução da 4ª ed.
Análise de Regressão Linear Múltipla Wooldridge, 2011 Capítulo 3 tradução da 4ª ed. Introdução Como pode ser visto anteriormente, o modelo de regressão linear simples, com uma variável explicativa (regressor),
Leia maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisECONOMETRIA. Prof. Danilo Monte-Mor
ECONOMETRIA Prof. Danilo Monte-Mor Econometria (Levine 2008, Cap. 13) ECONOMETRIA Aplicação da estatística matemática aos dados econômicos para dar suporte empírico aos modelos construídos pela economia
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisRESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Leia maisAULA 07 Regressão. Ernesto F. L. Amaral. 05 de outubro de 2013
1 AULA 07 Regressão Ernesto F. L. Amaral 05 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisPARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES
PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES 2.1 DEFINIÇÃO DO MODELO DE REGRESSÃO SIMPLES Duas variáveis: y e x Análise explicar y em termos de x
Leia maisAULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado)
AULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado) Susan Schommer Econometria I - IE/UFRJ Valor esperado dos estimadores MQO Nesta aula derivamos o valor esperado dos estimadores
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisHipóteses do modelo linear clássico (CLM) Análise da Regressão múltipla: Inferência. Hipóteses do CLM (cont.) O teste t. Distribuição normal amostral
9/03/0 Hipótes do modelo linear clássico (CLM) Análi da Regressão múltipla: Inferência Sabemos que, dadas as hipótes de Gauss- Markov, MQO é BLUE Para realizarmos os testes de hipótes clássicos, precisamos
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisEconometria Lista 1 Regressão Linear Simples
Econometria Lista 1 Regressão Linear Simples Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 (2.9 do Wooldridge 4ed - Modificado)
Leia maisQuiz Econometria I versão 1
Obs: muitos itens foram retirados da ANPEC. Quiz Econometria I versão 1 V ou F? QUESTÃO 1 É dada a seguinte função de produção para determinada indústria: ln(y i )=β 0 + β 1 ln( L i )+β 2 ln( K i )+u i,
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisAnálise de dados para negócios. Cesaltina Pires
Análise de dados para negócios Cesaltina Pires Janeiro de 2003 Índice geral 1 Representação grá ca de dados 1 1.1 Variáveis discretas e contínuas.......................... 1 1.2 Distribuições de frequência
Leia maisEconometria. Regressão Linear Simples Lista de Exercícios
Econometria Regressão Linear Simples Lista de Exercícios 1. Formas funcionais e coeficiente de explicação Um corretor de imóveis quer compreender a relação existente entre o preço de um imóvel e o tamanho,
Leia maisEstatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisEconometria. Econometria MQO MQO. Resíduos. Resíduos MQO. 1. Exemplo da técnica MQO. 2. Hipóteses do Modelo de RLM. 3.
3. Ajuste do Modelo 4. Modelo Restrito Resíduos Resíduos 1 M = I- X(X X) -1 X Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisOs Mínimos Quadrados Ordinários Assintóticos
Os Mínimos Quadrados Ordinários Assintóticos Enquadramento 1. A analise assintótica, é o método matemático que descreve a limitação de um determinado comportamento. O termo assintótico significa aproximar-se
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Regressão. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Regressão David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Regressão Linear ( e Múltipla ) Não-Linear ( Exponencial / Logística
Leia maisAnálise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy)
Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy) 1 Como descrever informações qualitativas? Fatores qualitativos podem ser incorporados a modelos de regressão. Neste
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 30 de abril e 02 de maio de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisHomocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Leia maisAULAS 21 E 22 Análise de Regressão Múltipla: Estimação
1 AULAS 21 E 22 Análise de Regressão Múltipla: Estimação Ernesto F. L. Amaral 28 de outubro e 04 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação
Leia maisRegressão Linear Simples
Regressão Linear Simples Capítulo 16, Estatística Básica (Bussab&Morettin, 8a Edição) 10a AULA 18/05/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 10a aula (18/05/2015) MAE229 1 / 38 Introdução
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS quantidade São Paulo (j = 1) Rio de Janeiro (j = 2) Minas Gerais (j = 3) Rio Grande do Sul (j = 4) total casos novos (X, em milhões) casos pendentes (Y, em milhões) processos
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisProva de Estatística
UNIVERSIDADE FEDERAL DO PARÁ CURSO DE MESTRADO EM ECONOMIA PROCESSO SELETIVO 2010 Prova de Estatística INSTRUÇÕES PARA A PROVA Leia atentamente as questões. A interpretação das questões faz parte da prova;
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisAULA 03 Análise de regressão múltipla: estimação
1 AULA 03 Análise de regressão múltipla: estimação Ernesto F. L. Amaral 17 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Cohen, Ernesto, e Rolando Franco.
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisAULA 13 Análise de Regressão Múltipla: MQO Assimptótico
1 AULA 13 Análise de Regressão Múltipla: MQO Assimptótico Ernesto F. L. Amaral 15 de abril de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisMulticolinariedade e Autocorrelação
Multicolinariedade e Autocorrelação Introdução Em regressão múltipla, se não existe relação linear entre as variáveis preditoras, as variáveis são ortogonais. Na maioria das aplicações os regressores não
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisNoções sobre Regressão
Noções sobre Regressão Nos interessa estudar como uma variável varia em função de outra. Por exemplo, considere a questão de demanda e preço de bens. Quando se estuda a variação de uma variável Y em função
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisAnálise de Regressão Linear Múltipla IX
Análise de egressão Linear Múltipla I Aula Gujarati e Porter - Capítulo 8 Wooldridge - Capítulo 5 Heij et al., 004 Seção 4..4 Introdução Ao longo dos próximos slides nós discutiremos uma alternativa para
Leia maisCORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011
CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisGabarito - Lista 5 - Questões de Revisão
Gabarito - Lista 5 - Questões de Revisão Monitores: Camila Steffens e Matheus Rosso Parte I - Teoria assintótica 1. Enuncie a lei dos grandes números e o teorema central do limite. A LGN em sua expressão
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisEconometria - Lista 6
Econometria - Lista 6 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 A curva de Phillips desempenha um papel fundamental na
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisAnálise de Regressão Múltipla: Mínimos Quadrados Ordinários
1 Análise de Regressão Múltipla: Mínimos Quadrados Ordinários Ernesto F. L. Amaral Magna M. Inácio 26 de agosto de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica
Leia maisRegressão múltipla: Unidades de medida. Unidades de medida. Unidades de medida salário em dólares (*1000) Unidades de medida
Efeitos da dimensão dos dados nas estatísticas MQO Regressão múltipla: y = β 0 + β x + β x +... β k x k + u Alterando a escala de y levará a uma correspondente alteração na escala dos coeficientes e dos
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 O que é um bom modelo? Como estimar os parâmetros do modelo Como alocar variações Intervalos de Confiança para Regressões Inspeção Visual ! "# Para dados correlacionados,
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE CIÊNCIAS CONTÁBEIS PROGRAMA DE PÓS GRADUAÇÃO EM CIÊNCIAS CONTÁBEIS - PPGCC FICHA DE DISCIPLINA
FICHA DE DISCIPLINA Disciplina Métodos Quantitativos II Código PPGCC Carga Horária 60 Créditos 4 Tipo: Optativa OBJETIVOS Discutir com os alunos um conjunto de instrumentos estatísticos de pesquisa, necessários
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO 1 1. CORRELAÇÃO 1.1. INTRODUÇÃO 1.. PADRÕES DE ASSOCIAÇÃO 1.3. INDICADORES DE ASSOCIAÇÃO 1.4. O COEFICIENTE DE CORRELAÇÃO 1.5. HIPÓTESES BÁSICAS 1.6. DEFINIÇÃO 1.7. TESTE DE HIPÓTESE.
Leia maisAULA 8 - MQO em regressão múltipla:
AULA 8 - MQO em regressão múltipla: Definição, Estimação e Propriedades Algébricas Susan Schommer Econometria I - IE/UFRJ Regressão Múltipla: Definição e Derivação A partir de agora vamos alterar o nosso
Leia maisAULA 4 - MQO Simples: Propriedades algébricas e Estatísticas
AULA 4 - MQO Simples: Propriedades algébricas e Estatísticas Susan Schommer Econometria I - IE/UFRJ Estimação: MQO recapitulando Na aula passada aprendemos estimação por MQO. Recapitulando brevemente Em
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisEconometria I Lista 4: Inferência
Econometria I Lista 4: Inferência Professora: Fabiana Fontes Rocha Monitora: Camila Steffens 07 de maio de 2018 Instruções: Objetivos com a lista: estruturação do conteúdo e compreensão da matemática e
Leia maisREGRESSÃO LINEAR SIMPLES E MÚLTIPLA
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA Curso: Agronomia Matéria: Metodologia e Estatística Experimental Docente: José Cláudio Faria Discente: Michelle Alcântara e João Nascimento UNIVERSIDADE ESTADUAL DE
Leia maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia mais