Contabilometria. Aula 8 Regressão Linear Simples

Transcrição

1 Contalometra Aula 8 Regressão Lnear Smples

2 Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos tvessem flhos axos, a altura méda dos flhos de um grupo de pas altos era menor que a de seus pas e a altura méda de um grupo de flhos de pas axos era maor que a de seus pas; em consequênca, os flhos de pas altos e axos regredam gualmente à altura méda de todos os homens. Nas palavras de Galton sso era uma regressão à medocrdade.

3 Interpretação Moderna da Regressão A análse de regressão se ocupa do estudo da dependênca de uma varável, a varável dependente, em relação a uma ou mas varáves, as varáves explanatóras, com vstas a estmar e/ou prever o valor médo (da população) da prmera em termos dos valores conhecdos ou fxados (em amostragens repetdas) das segundas. Statstcs for Managers Usng Mcrosoft Excel, 5e 28 Prentce-Hall, Inc. Chap 13-3

4 Relações Estatístcas x Determnístcas Na análse de regressão, estamos preocupados com a dependênca estatístca, e não funconal ou determnístca, entre as varáves, como é o caso da físca clássca. Nas relações estatístcas ldamos com varáves aleatóras ou estocástcas, sto é, varáves que têm dstruções proalístcas Na dependênca funconal ou determnístca, tamém ldamos com varáves mas estas não são aleatóras ou estocástcas.

5 Relações Estatístcas Exemplo de relação estatístca: dependênca do rendmento das lavouras em relação a temperatura, pluvosdade, luz solar ou fertlzante. É de natureza estatístca no sentdo de que as varáves explanatóras, emora com certezas mportantes, não permtrão prever com exatdão o rendmento em função de erros de medção das varáves, em como a ntervenção de outros fatores que coletvamente afetam o rendmento mas cuja dentfcação ndvdual pode ser dfícl.

6 Relações Determnístcas Exemplo de relação determnístca: Le da gravtação de Newton 2 F k m 1 m2 / r Cada partícula atra todas as outras partículas com uma força dretamente proporconal ao produto de suas massas e nversamente proporconal ao quadrado da dstânca que as separa. Ovamente, se houver erros de medção, dgamos, no k, a relação determnístca se torna uma relação estatístca. A força só pode ser prevsta aproxmadamente a partr do valor de k (e m 1, m 2 e r), que contém erros. A varável F nesse caso se torna uma varável aleatóra.

7 Regressão x Causação Emora a análse de regressão lde com a dependênca de uma varável em relação a outras, sso não mplca necessaramente causação. Uma relação estatístca, por mas forte e sugestva que seja, nunca pode estaelecer uma conexão causal: nossas déas de causação devem se orgnar fora da estatístca, em últma análse, de alguma teora. Kendall, M. G.; Stuart, A. The Advanced Theory of Statstcs, Nova ork: Charles Grffn Pulshers, vol. 2, Cap. 26, 1961, p. 279

8 Regressão x Correlação Análse de correlação: o prncpal ojetvo é medr a força ou o grau de assocação lnear entre duas varáves. Análse de Regressão: tentamos estmar ou prever o valor médo de uma varável com ase nos valores fxos de outras varáves.

9 Regressão x Correlação Análse de Regressão: a varável dependente é estatístca, aleatóra, ou estocástca, sto é, tem dstrução proalístca. Já as varáves explanatóras têm valores fxos (em amostras repetdas). Análse de correlação: tratamos quasquer duas varáves smetrcamente; não há dstnção entre as varáves dependente e explanatóra. Além dsso pressupõe-se que as duas varáves sejam aleatóras.

10 Análse de Regressão A análse da regressão é usada para: Prever o valor da varável dependente aseado no valor de pelo menos uma varável ndependente Explcar o mpacto das mudanças na varável ndependente na varável dependente Varável dependente: A varável que você quer explcar Varável ndependente: A varável usada para explcar a varável dependente

11 Modelo de Regressão Lnear Smples Somente uma varável ndependente, A relação entre e é descrta por uma função lnear Mudanças em estão relaconadas a mudanças em

12 Tpos de Relações Relações Lneares Relações Curvlíneas

13 Tpos de Relações Relações Fortes Relações Fracas

14 Tpos de Relações Nenhuma relação

15 Modelo de Regressão Lnear Smples Varável Dependente Intercepto de para a população Inclnação da População Varável Independente Erro aleatóro em para a oservação β β 1 ε Componente Lnear Componente do Erro Aleatóro Modelo de regressão para a população:

16 Modelo de Regressão Lnear β β 1 ε Valor Oservado de para Valor Prevsto de para ε Erro Aleatóro para esta oservação Inclnação = β 1 Intercepto = β

17 Equação da Regressão Lnear: a Lnha de Prevsão A equação da Regressão Lnear Smples fornece uma estmatva da regressão lnear da população Estmado (ou prevsto) valor de para a oservação Estmatva do ntercepto da regressão Estmatva da nclnação da regressão Ŷ 1 Valor de para a oservação

18 O Método dos Mínmos Quadrados e 1 são otdos encontrando os valores de e 1 que mnmzam a soma dos quadrados das dferenças entre e : Ŷ mn ( Ŷ ) 2 mn ( ( )) 2 1

19 Encontrando a Equação de Mínmos Quadrados Os coefcentes e 1, e outros resultados da regressão neste capítulo, serão encontrados usando o Excel

20 Mínmos Quadrados Condções de Prmera Ordem: ) ( mn ˆ mn ˆ mn 1 u : 2 : ) ( mn ˆ mn ˆ mn 1 u Resolver para o e 1 Estmadores de Mínmos Quadrados (OLS)

21 Interpretação do Intercepto e da Inclnação é o valor estmado da méda de quando o valor de é zero 1 é a mudança estmada na méda dos valores de para uma undade de mudança em

22 Regressão Lnear - Exemplo Um corretor quer estudar a relação entre o preço de venda de uma casa e o seu tamanho (meddo em pés quadrados) Uma amostra aleatóra de 1 casas é seleconada Varável Dependente () = Preço da casa em $1s Varável Independente () = pés quadrados

23 Regressão Lnear - Exemplo Dados Preço da casa em $1s () Pés quadrados ()

24 Regressão Lnear - Exemplo Dagrama de Dspersão Preço das casas ($1s) Modelo do preço das casas: dagrama de dspersão Pés Quadrados

25 Ferramentas Análse de Dados Regressão Regressão Lnear - Exemplo Usando o Excel

26 Lnear Regresson Example Excel Output RESUMO DOS RESULTADOS Estatístca de regressão R múltplo,7621 R-Quadrado,588 R-quadrado ajustado,5284 Erro padrão 41,333 Oservações 1 A equação de regressão é: Preço = 98,248 +,11*Área em pés quadrados ANOVA gl SQ MQ F F de sgnfcação Regressão , ,935 11,85,1 Resíduo , ,196 Total 9 326,5 Coefcentes Erro padrão Stat t valor-p 95% nferores 95% superores Inferor 95,% Superor 95,% Interseção 98,248 58,33 1,693,129-35, ,74-35, ,74 Pés quadrados (),11,33 3,329,1,34,186,34,186

27 Preço das casas ($1s) Regressão Lnear Exemplo Representação Gráfca Modelo do preço das casas: Dagrama de dspersão e lnha da regressão Intercepto = Pés Quadrados Inclnação =.11 Preço = 98,248 +,11*Área em pés quadrados

28 Regressão Lnear Exemplo Interpretação de Preço = 98,248 +,11*Área em pés quadrados é o valor estmado da méda de quando o valor de é zero (se = está no ntervalo dos valores oservados de ) Como a área de uma casa não pode ser, o ntercepto calculado não tem nenhuma aplcação prátca.

29 Regressão Lnear Exemplo Interpretação de 1 Preço = 98,248 +,11*Área em pés quadrados 1 mede a mudança no valor médo de resultante da varação em uma undade no valor de. Aqu, 1 =.11 mostra que o valor médo de uma casa aumenta em.11($1) = $11, em méda, para cada undade de área (pés quadrados) adconal no tamanho

30 Regressão Lnear Exemplo Fazendo Prevsões Prever o preço de uma casa com 2. pés quadrados: Preço (pés quadrados) (2) O preço prevsto para uma casa com 2 pés quadrados é 317,85($1.s) = $317.85

31 Preço das Casas ($1s) Regressão Lnear Exemplo Fazendo Prevsões Ao usar um modelo de regressão para fazer prevsões, faça-o somente dentro do ntervalo relevante Intervalo relevante para prevsões Pés Quadrados Não tente extrapolar para além do ntevalo oservado de.