Problemas. Regressão Linear Múltipla. Ajuda a encontrar relações Ceteris Paribus entre variáveis; Melhora o ajuste ao dados; Maior flexibilidade.

Documentos relacionados
sendo classificado como modelo de primeira ordem com (p) variáveis independentes.

Modelos com Variáveis Dependentes Qualitativas. Prob(Y = 1) = F(β X) probabilidade de um indivíduo com determinadas características X trabalhar

ANOVA Modelos de Efeitos Aleatórios

y z CC2: na saída do reator: z = 1: 0. Pe dz Os valores característicos do problema são as raízes de: Da Pe 0 Pe Pe

IND 1115 Inferência Estatística Semestre turma B Teste 2 10/06/2005 GABARITO

Econometria: 3 - Regressão Múltipla

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

Indice de Gini. Como existem N (N 1 ) / 2 pares distintos, o Gini corresponde a :

Capítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b)

Regressão Linear Múltipla

GABARITO DA SEGUNDA PROVA DE PTC-2433 TEORIA DAS COMUNICAÇÕES II - 19/10/2015

NÚMEROS COMPLEXOS. Podemos definir o conjunto dos números complexos como sendo o conjunto dos números escritos na forma:

Análise de regressão

TÓPICOS. Teoria dos residuos. Classificação de singularidades. Teorema dos resíduos.

CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO

( )( ) ( ) 2 2 ( ) ( ) 2. Questões tipo exame. Pág θ =. θ =, logo. Portanto, 1.1. ( ) 2. = θ 4.º Q, ou. = θ, tem-se.

3. VARIÁVEIS ALEATÓRIAS

ESTIMATIVA: é o valor numérico obtido para o estimador numa certa amostra.

Estudos Preliminares de Identificação de um Sistema de Frenagem para Trens Metropolitanos de Tração Elétrica

A B LM. A onde Y Y ; P. P P, no PONTO. T o que provocará um C 0. T 0 desloca curva IS para a direita IS IS

Seleção Genômica Ampla (GWS) via Modelos Mistos (REML/BLUP), Inferência Bayesiana (MCMC), Regressão Aleatória Multivariada e Estatística Espacial

(1) Raízes n-ésimas. r cos. nϕ = θ + 2kπ; k = 0, 1, 2, 3, 4,... ρ n cos nϕ = r cos θ ρ n = r ρ= (r) 1/n. Portanto:

Anexo III Temperatura equivalente de ruído, Figura de ruído e Fator de mérito para estações de recepção (G/T)

PINDYCK & RUBINFELD, CAP 5; VARIAN, CAP.12

Raciocínio-Lógico (Receita Federal 2009 Prova 1 - Gabarito 1):

C5 C O termo geral do desenvolvimento de A( x ) é. Assim, vem: Número de casos possíveis: 6 C

Estatística Clássica

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS.

Trabalho 3. Gustavo Mello Reis Página 1

Modelos de regressão linear simples: Capítulo 9 - Introdução à regressão linear simples. + β Modelos de regressão. Y = β 0.

sen( x h) sen( x) sen xcos h sen hcos x sen x

Lista de exercícios sugerida Capítulo 28: 28.4,.12, 13, 14, 15, 16, 19, 20, 21, 33, 35, 38, 42, 43, 52

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

O Modelo Logístico Aplicado a Estudos Epidemiológicos

16 - PROBLEMA DO TRANSPORTE

Regressão Linear e Multilinear

Em termos da fração da renda total da população recebida por cada pessoa, na distribuição dual temos. pessoas

CADERNO 1. (É permitido o uso de calculadora gráfica) N.º de possibilidades de representar os 4 algarismos ímpares e a sequência de pares: 5!

Transistor Bipolar de Junção TBJ Cap. 4 Sedra/Smith Cap. 7 Boylestad Cap. 9 Malvino

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

XXXI Olimpíada Brasileira de Matemática GABARITO Primeira Fase

Interação da Radiação Eletromagnética com Sistemas Atômicos.

Leonardo da Vinci ( ), artista, engenheiro e cientista italiano

Modelos de regressão linear simples: Capítulo 9 - Introdução à regressão linear simples. + β Modelos de regressão. Y = β 0.

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

As Equações de Maxwell Macroscópicas

Apontamentos de Análise de Sinais

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

Modelo de Regressão Simples

4. Condução de Calor Multidimensional em Regime Permanente

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Copyright LTG 2013 LTG/PTR/EPUSP

Tópicos de Álgebra Linear Aplicados a Equações Diferenciais

MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS

3- Autovalores e Autovetores.

Estimação dos Estados da Cadeia de Markov de um MMPP(2)

TÓPICOS. Sinais contínuos e sinais discretos. Função impulso unitário discreto.

/ d0) e economicamente (descrevendo a cadeia de causação

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:

Avaliação da qualidade do ajuste

Não serão feitos esclarecimentos individuais sobre questões durante a prova. Não se esqueça que tudo é para justificar.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Métodos Avançados em Epidemiologia

dy dx dy dx Obs.: a forma canônica pode ser obtida da forma geral dividindo-se a equação geral por a 0 , desde que a ( x) 0 no intervalo x ( a,b)

Resposta em frequência

Modelos de regressão linear: abordagem clássica

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

estados. Os estados são influenciados por seus próprios valores passados x

Teoria dos Jogos. Prof. Maurício Bugarin

Integração numérica: Método de Euler

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

MEDIDAS DE DISPERSÃO:

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

TRANSFORMADAS DE FOURIER

Estatística: uma definição

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

Econometria: 4 - Regressão Múltipla em Notação Matricial

MÉTODO PRÁTICO PARA RESOLUÇÃO DO PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES CAPACITADO

Exercícios de Cálculo Numérico - Erros

A Origem do Potencial de Membrana e a Equação de Nernst

Novo Espaço Matemática A 12.º ano Proposta de Teste [janeiro ]

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

, onde F n é uma força de tracção e d o alongamento correspondente. F n [N]

Identifique todas as folhas Folhas não identificadas NÃO SERÃO COTADAS. Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I

4 Modelos de Fronteira Estocástica

RI406 - Análise Macroeconômica

6. Inferência para Duas Populações USP-ICMC-SME 2013

k m d 2 x m z = x + iy, d 2 z m Essa mesma equação também pode ser escrita assim: dt 2 + ω2 0z = F 0 Veja que interessante a propriedade seguinte:

Capítulo 1. Exercício 5. Capítulo 2 Exercício

3 Solução Analítica Exata para Viga Infinita no Caso Linear

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

Estatística: uma definição

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II)

Questão (a) 3.(b) 3.(c) 3.(d) 4.(a) 4.(b) 5.(a) 5.(b) 6 Cotação

Transcrição:

Prof. Lorí Val, Dr. val@at.ufrgs.br http://www.at.ufrgs.br/~val/ Rgrssão Lar Múltpla O odlo d rgrssão lar últpla Itrodução Dfção trologa Itrprtação Estação Itrprtação rvstada Qualdad do aust Proprdads statístcas Modlo d Rgrssão Lar Spls Dfção y + x + u Outros fators Maor dsvatag: rlvats prac fxos. Não é uto adquado para odlar rlaçõs Ctrs Parbus tr varávs, pos dfclt E( u x E( u Modlo d Rgrssão Lar Múltpla Auda a cotrar rlaçõs Ctrs Parbus tr varávs; Mlhora o aust ao dados; Maor flxbldad. Dfção Trologa Sa,, + varávs populacoas. O obtvo é xplcar fução d,,, sto é,, coo s altra s ua ou todas altra. as varávs,, s Problas Coo ão há ua rlação prcsa tr,,, coo lvar cota outros fators qu afta? Qual a vrdadra rlação fucoal tr,,,,? Coo capturar ua rlação ctrs parbus tr,,,, (s st for o caso?

O Modlo O (MLRM Modlo Lar d Rgrssão Múltpla é dado pla sgut quação: + + + + + U Trologa : : varávl dpdt, varávl xplcada, varávl d rsposta, varávl prvsta, rgrssado, saída, fto. : varávs dpdts, varávs xplcatvas, varávs d cotrol, prdtors, rgrssors,, tradas, causas. U: : rro, dstúrbo ou ruído O tro U rprsta: rros d dda; fora fucoal adquada; varabldad rt das varávs volvdas; outros fators alé d,, qu afta a varávl. Hpótss Adcoas Sobr U Méda ula E(U Méda codcoal ula E( U,,, E( U O Método dos Míos Quadrados Para star os parâtros,,, da quação d rgrssão últpla é cssáro ua aostra da população! {( x,x,,x,y :,,} Cosdr ua aostra alatóra d taaho da população. Supodo qu sta aostra satsfaça o odlo pod-s scrvr: + + + + + U Od a ltra rfr-s a -ésa obsrvação.

A dscrção do odlo d rgrssão últpla é oralt aprstado d fora atrcal. A quação atror pod sr scrta coo: + U Od: ( x (x U U U U x U (x Not-s qu cada lha da atrz rprsta u couto d valors das varaçõs dpdts rfrts a ua obsrvação, ao passo cada colua rprsta u couto d valors d ua varávl dpdt as obsrvaçõs aostras. A prra colua d é coposta trat d valors guas a u. As hpótss vstas para a rgrssão lar spls pod sr colocadas a fora atrcal da sgut fora: U ~ N (,Σ Od é u vtor-colua d zros Σ é ua atrz x. Σ σ I Od I é ua atrz-dtdad d ord x, co udads a dagoal prcpal zros todo o rsto. Os ltos da atrz são ão stocástcos co valors fxados aostras rptdas, a atrz (/( é ão sgular tal qu, para qualqur taaho aostral, sus ltos são ftos.

Estação dos Parâtros Da sa fora qu a rgrssão lar spls os stadors d íos quadrados dos cofcts d rgrssão pod sr obtdos, zado a soa dos quadrados dos rsíduos, sto é: Φ U ( Dfrcado Φ rlação aos parâtros d rgrssão:,,,, t-s: Φ Φ Φ ( (. (. Igualado cada drvada a zro ragrupado os tros, t-s: + + + + + +.. + + + Para rsolvr as quaçõs oras d íos quadrados, scrv-s a prra quação da sgut fora: Od: Estação dos Parâtros Substtudo a quação atror as das quaçõs, obté-s após alguas splfcaçõs: ˆ ˆ ˆ Od:,,,.., K ( ( ( ( 4

Estação dos Parâtros Estação dos Parâtros Estas quaçõs pod sr rsolvdas para,,..,. A solução é spls, poré trabalhosa. S K, sto é, para o caso d duas varávs, t-s: Explo U Cosdr os dados coo sdo das varávs: Quatdad vdda d u produto, Prço do produto Gasto co a dvulgação do produto. Dtrar a quação d rgrssão d fução d d. Q (g Prço (R$ Ivstto (R$ l 9 9 9 9 9 9 9 9 Od: 49 4,

Etão:.49 ( 4.,,.49 ( 4., ( 4.(,.49 ( 4 (,.,, Ass a quação procurada, srá:, Ŷ, -, + Dsta fora, ua rdução d R$ o prço do produto, s vstto publcdad, autara as vdas aproxadat g. U auto a publcdad d l, s altração o prço, auta as vdas g. Exrcíco U (Guarat. A tabla aprsta dados sobr o produto bruto ral, trabalho captal ral o stor dustral d Tawa. (a Aust os sguts odlos aos dados da tabla: t + t + t + U ' l t α + α l + α l + U t (b Qual odlo ofrc lhor aust por quê? t t t Ao 9 99 9 9 9 9 94 9 9 9 9 99 9 9 9 9,4,,,, 4, 94,,9,, 9,, 4, 4, 4,, 4,4 9,,, 4, 4,,4, 9, 9,, 4,4, 999, 4 9 4 4 9 44 4 4 4 4 4 4 9 Exrcíco U (Guarat. Od Produto Bruto ral ( lhõs d NT $* Trabalho (por l pssoas Captal Ral ( lhõs dnt $ (* Dólars Novos d Tawa Fot: Thoas P-Fa Ch, Ecooc Growth ad Structural Chag Tawa - 9/9, A Producto Fucto Approach, ts d doutorado ão-publcada, Dpartato d Ecooa, Ctro d Graduação, Cty Uvrsty of Nw or, Juho d 9, Tabla II. Solução do Exrcíco U (Guarat.

Fora Matrcal As quaçõs oras do étodo dos íos quadrados pod ( dv sr aprstadas otação atrcal, da sgut fora: ' ( ' Od: ' ' A Solução Explo Dos A solução para srá, tão: ( ' ( ' Cosdr os dados coo sdo d três varávs, sdo ua dpdt duas dpdts. Dtrar a quação d rgrssão d fução d d. 4 O odlo para st caso srá dado por: + + + U Substtudo os valors tos:. +. +. + E. +. +. + E 4. +. +. + E 4. +. +. + E 4. +. + + E

As quaçõs pod sr xprssas d fora atrcal, fazdo: 4 4 E T-s, tão: + 4 4 y A fora atrcal é, tão: y x+ A solução é dada por: y ( ' ' Ass, para os valors dados, t-: 4 A solução é dada por: y ( ' ' Ass, para os valors dados, t-s: 4 ˆ Rsolvdo por parts: ' y ' 4 4 ( ' Os cofcts srão:,,, 4 4 A quação d rgrssão, srá:,., ˆ + Ŷ E

Qualdad do Aust Na ANOVA a varabldad toro da éda gral é dcoposta varabldad dtro tr tratatos. Na Aáls d Rgrssão a varabldad total é dcoposta varabldad sobr a rgrssão (Explcada varabldad dvdo a rgrssão (Não- Explcada. Para ostrar sta dcoposção vaos partr da sgut dtdad: Ŷ ( ( ˆ Elvado os dos lados ao quadrado, t-s: ( Ŷ ( [ ( ( Ŷ ( ˆ Mapulado algbrcat, t-s: + ( Ŷ ] SQT (Soa dos Quadrados Total (TSS Total Su of Squars SQE (Soa dos Quadrados Explcados ou Austados (ESS Explad Su of Squars VT SQT ( VE SQE ( ˆ SSR (Soa dos Quadrados dos Rsíduos (RSS Rsdual Su of Squars VR SQR E ( ˆ Ass: G.L. ( ( Ŷ + ( Ŷ SQT SQR + SQE - ( - - + Ass, a tabla da ANOVA para a Aáls d Rgrssão, fca: 9

Fot Rgrssão Soa dos Quadrados SQE GL Méda dos Quadrados MQESQE/ F Coo a rgrssão spls pod-s dfr o cofct d dtração ou R R SQE SQT SQR SQT Rsíduo (Erro SQR - MQS SQR/ ( MQE/MQS R ( ( ˆ ( ( ˆ R é ua fução ão dcrsct do úro d rgrssors. Cofor auta o úro d varávs xplcatvas R gralt tabé auta. Para vrfcar sto, basta lbrar qu: R VE VT VR VT R ( ˆ E ( ( Etão VT ( é dpdt do úro d varávs o odlo. ( Mas VR E Ŷ dpd do úro d varávs dpdts xstts o odlo. Ass, plo os tutvat, a dda qu auta o úro d varávs, VR dv dur ou ão autar.

Ass R, cofor dfdo rá autar. Dsta fora ao s coparar dos odlos d rgrssão co a sa varávl dpdt as dfrt úro d varávs dpdts, dv-s tr cautla a trprtação d R. Ass para coparar dos odlos co úros dfrts d varávs xplcatvas é covt lvar cota sta dfrça. Para fazr sto df-s u cofct d dtração altratvo, doado d R austado, da sgut fora: R VR /( VT /( Od úro d parâtros do odlo cludo o trcpto. Esta dda é austada para o úro d g.l. assocados às varaçõs qu faz part do su cálculo. R ( Ŷ ( Ou ada: ( ( ( ˆ ( σˆ R S Od o urador é a varâca rsdual, sto é, ua statva dos tros rro o doador a varâca da varávl. R pod sr dtrado a partr d R da sgut fora: R R Dsta fora s xstr apas ua varávl xplcatva os dos cofcts são guas. A partr d, o cofct austado srá spr or do qu o cofct ão austado. Obsrv qu s R, tão R tabé srá u s R, R podrá sr or do qu s >.

Não-Tdcosdad Os stadors d íos quadrados ordáros da rgrssão lar últpla são ão-tdcosos, sto é: E( E( E( E( Varâca dos Estadors Três fators fluca a varâca dos stadors Varâca do rro Varação d Grau d rlação lar tr as varávs xplcatvas Coo star σ? Tora : sob as hpóts á coadas, t-s: σˆ S E ( E( σˆ σ SQR ( Varâca dos Estadors A varâca dos stadors por: od σ Var( SST ( R é dada SST ( R ( ˆ SSE SST ( Tora d Gauss-Marov Sob as hpótss (H - (H os stadors d MQO são BLUE (Bst Lar Ubasd Estators, sto é, são os lhors stadors, o stdo d possuír or varâca (aor fcêca, dtro da class dos stadors lars ão-vsados.

Todos os stadors Estadors lars Estadors ão-tdcosos MQO Ifrêca odlos d rgrssão lar últpla. Dstrbução dos stadors d MQO Tsts d hpótss sobr u úco parâtro: o tst t Itrvalos d cofaça Tstado rstrçõs lars os parâtros: o tst F Tora Sob as hpótss (H - (H codcoalt os valors obsrvados das varávs dpdts. Logo ~ Var( N (,Var( ~ N (, Tsts d Hpótss Sobr u Úco Parâtro Cosdr o odlo + + + + + U Hpótss sobr o parâtro b pod sr tstadas por: t σˆ Itrvalos d Cofaça Da sa fora pod sr crados trvalos d cofaça para os parâtros stados, através das sguts xprssõs: ± t σˆ Tstado Hpótss Sobr ua Cobação Lar d Parâtros Cosdr a rgrssão, abaxo, od sal é salaro, sc é o úro d aos scola scudára, u é o úro d aos a uvrsdad xp é o úro d aos d xprêca profssoal. log( sal + sc+ u+ xp + U

S qusros vrfcar s u ao a as d scola scudára quval a u ao adcoal a uvrsdad, qual hpóts dvra sr tstada? H : Coo tstar H? Solução Rdfa H da sgut fora: H : - A statístca do tst srá: t σˆ ˆ Proprdads asstótcas O rro padrão da dfrça dos dos stadors, srá: V( V( + V( Cov(, Cosstêca dos stadors Noraldad asstótca Até o oto fora studadas as proprdads aostras pquas dos stadors d íos quadrados. Por xplo, a proprdad d ão- tdcosdad dos stadors d MQO val para qualqur taaho d aostra. Estas proprdads são cohcdas coo proprdads xatas dos stadors. O próxo passo é studar quas são as proprdads dos stadors d MQO quado o taaho da aostra crsc. Estas proprdads são cohcdadas coo proprdads asstótcas. 4

Cosstêca Rlbrado qu sob as hpótss d Gauss-Marov E[ ] Para cada taaho d aostra, o stador possu ua dstrbução d probabldad. Cosstêca Coo o stador é ão-tdcoso, a éda d cada dstrbução é splst. S o stador for cosstt, a dda qu crsc a dstrbução fca as coctrada toro da éda Dfção Sa u stador do parâtro ^ para ua aostra d taaho. srá u stador cosstt s, para u úro ε qualqur: l Pr( > ε ^ ^ Tora: sob as hpótss (H - (H 4, os stadors d íos quadrados ordáros são cosstts. Noraldad Tora: sob as hpótss d Gauss- Marov (H a H os stadors d MQO são asstotcat oras od: ˆ a s pl rˆ ( D (, N Para os parâtros d clação s é u stador cosstt d σ V(U, para todo ( D N, σ a

O qu acotc quado varávs rrlvats são cluídas o odlo? Cosdr qu o odlo abaxo tha sdo spcfcado. + + + + U Cosdr ada qu o fto d, após a clusão d o odlo, sa ulo. Isto é: E( E( y x,x y x,x +,x x E( + x y x Mas a prátca ão s sab a pror qu. O qu acotcrá co os stadors?,x O qu acotc quado varávs rlvats ão são cluídas o odlo? Os stadors srão vsados (tdcosos. O vés é gralt chaado d vés d varávs otdas. + + + U Cosdr o sgut odlo populacoal: Agora, supoha qu o odlo stado a varávl ão fo cluída. ~ ~ ~ ( ( ~ +