Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Regressão Linear Múltipla
Mestrado e Doutorado em Controladoria e Contabilidade Regressão Linear Múltipla Discente: Juliano Augusto Orsi de Araujo Turma: 1º / 2017
2
Agenda – Aula 4/15 Regressão Linear Simples Regressão Linear Múltipla
Variável Dummy Variáveis Dummies com mais de 2 categorias Modelo Completo
3
Regressão Linear Simples
Muitas vezes é inadequado na prática, não explicando a relação entre as duas variáveis do modelo. Exemplo: consigo explicar o preço de um apartamento apenas em função de seu tamanho?
4
Regressão Linear Simples
Aparentemente sim? RESUMO DOS RESULTADOS Estatística de regressão R múltiplo 0, R-Quadrado 0, R-quadrado ajustado 0, Erro padrão 139463,0088 Observações 40
5
Regressão Linear Simples
Então será que a idade do prédio em que está o apartamento afeta o preço? RESUMO DOS RESULTADOS Estatística de regressão R múltiplo 0, R-Quadrado 0, R-quadrado ajustado 0, Erro padrão 161842,5247 Observações 40
6
Regressão Múltipla Preço
Se unirmos estas duas variáveis, será que conseguimos uma melhor explicação da relação entre as variáveis? Preço Tamanho Idade
7
Regressão Múltipla
8
Estatística de regressão
Regressão Múltipla RESUMO DOS RESULTADOS Estatística de regressão R múltiplo 0, R-Quadrado 0, R-quadrado ajustado 0, Erro padrão 132290,5898 Observações 40 ANOVA gl SQ MQ F F de significação Regressão 2 5,14087E+11 2,57044E+11 14, 0,00 Resíduo 37 6,4753E+11 Total 39 1,16162E+12 Coeficientes Stat t valor-P 95% inferiores 95% superiores Inferior 95,0% Superior 95,0% Interseção 424820,5143 179914,3879 2, 0,024 60279,33756 789361,691 Tamanho 6919,202472 1552,09176 4, 0,000 3774,365845 10064,0391 Idade -18980,33371 8297,771816 -2, 0,028 -35793,21642 -2167,450993
9
Estatística de regressão
Regressão Múltipla Se unirmos estas duas variáveis, será que conseguimos uma melhor explicação da relação entre as variáveis? Melhora! y= β 0 + β 1 𝑋 1𝑖 +β 2 𝑋 2𝑖 + 𝜇 𝑖 y= , ,20 𝑋 1𝑖 − ,33 𝑋 2𝑖 + 𝜇 𝑖 Preço Esperado Tamanho Idade Estatística de regressão R múltiplo 0,66525 R-Quadrado 0,44256 R-quadrado ajustado 0,41243 Erro padrão ,58981 Observações 40,00000
10
Regressão Múltipla Teste F de significância global:
O modelo é útil para prever o preço? Há evidências de que pelo menos uma variável no modelo está relacionada com o preço. O valor-p do teste F < 0,05, logo, há evidências estatísticas.
11
Regressão Múltipla Testes de significância individuais:
Quais as variáveis estão relacionadas com o preço? Há evidências estatísticas de relação de tamanho e idade Com o preço, pois valor-p do teste F < 0,05.
12
Regressão Múltipla R² e R² ajustado
Tamanho e idade explicam qual % da variabilidade do preço? 44% da variabilidade do preço é explicada pelo modelo com tamanho e idade. R² ajustado é utilizado para comparar modelos com diferentes Quantidades de variáveis.
13
Regressão Múltipla y= , ,20 𝑋 1𝑖 − ,33 𝑋 2𝑖 + 𝜇 𝑖
14
Regressão Múltipla y=424.820,51+6.919,20 𝑋 1𝑖 − 18.980,33 𝑋 2𝑖 + 𝜇 𝑖
Preço previsto quanto o tamanho = 0 e a idade =0, não faz sentido Aumento previsto no preço a cada m² a mais, mantida a idade constante Diminuição prevista no preço a cada ano a mais, mantido o tamanho constante PERGUNTA: Qual o preço previsto para um imóvel com 80m² e 7 anos de idade?
15
Variável Dummy Se unirmos a estas duas variáveis uma variável dummy, será que conseguimos uma melhor explicação da relação entre as variáveis? Preço Tamanho Idade Tem Piscina?
16
Variável Dummy Se unirmos a estas duas variáveis uma variável dummy, será que conseguimos uma melhor explicação da relação entre as variáveis? Variável qualitativa Preço Tamanho Idade Tem Piscina? Variável dummy é criada para representar numericamente uma variável qualitativa Pode influenciar no preço
17
Variável Dummy Notamos que a linha de tendência aponta para um preço maior quando há piscina no edifício: Coeficientes valor-P Interseção 0,000 Piscina? 0,009 R² 0,1647
18
No entanto, não é estatisticamente significativo
Variável Dummy Teste F indica que há evidências de que pelo menos uma variável no modelo está relacionada com o preço. O fato de existir piscina no prédio, eleva, em média, R$ o preço do AP No entanto, não é estatisticamente significativo
19
Variável Dummy Podemos melhorar???? Claro, Companheiro!!!
Yes, We Can!!! Podemos melhorar????
20
Variáveis Dummies com mais de 2 categorias
Se adicionarmos ao modelo, além da variável “piscina”, o bairro em que está localizado o imóvel, será que conseguimos uma melhor explicação da relação entre as variáveis? Preço Tamanho Idade Tem Piscina? Bairro
21
Variáveis Dummies com mais de 2 categorias
Como? Nossa amostra compreende 3 bairros, A, B e C. Se categorizarmos A=0, B=1 e C=2, temos: Não existe relação linear, não faz sentido regredirmos utilizando 0, 1 e 2 para bairro
22
Variáveis Dummies com mais de 2 categorias
Sugestão: criamos duas colunas: “é bairro B?” e “é bairro C?”:
23
Variáveis Dummies com mais de 2 categorias
Quando regredimos Preço contra bairro, temos:
24
Variáveis Dummies com mais de 2 categorias
Quando regredimos Preço contra bairro, temos:
25
Variáveis Dummies com mais de 2 categorias
26
Modelo Completo Base de Dados
27
Modelo Completo Saída
28
Modelo Completo Análise
29
Modelo Completo Análise y=178.337+6.299𝑇𝑎𝑚 − 13.739𝐼𝑑𝑎𝑑𝑒+89.988𝐺𝑎𝑟
𝐵𝑟𝐵 𝐵𝑟𝐶+ 𝜇 𝑖
Apresentações semelhantes
© 2025 SlidePlayer.com.br Inc.
All rights reserved.