Escolar Documentos
Profissional Documentos
Cultura Documentos
Unidades fornecidas
1 5,0 0 0
A
A
A
1 2,5 0 0
AA
AA
A
A
A
A
A
A
1 0,0 0 0
A
A
7 ,50 0
5 ,00 0
A
AA
5 00 0 0
1 00 0 00
1 50 0 00
2 00 0 00
Unidades fornecidas
15,000
12,500
Linear Regression
A
A
A
AA
AA
A
A
A
A
AA
10,000
A
A
7,500
5,000
A
A
A
50000
100000
150000
200000
Mas de uma forma mais geral, a anlise de regresso linear no SPSS efectuada atravs do menu:
em SPSS: Analize / Regression /Linear
Variables
Entered
Calor
Consumid
o (milhes
a
de UBT)
Variables
Removed
Method
.
Enter
Model Summary
Model
1
R
,997(a)
Adjusted R
Square
,994
R Square
,995
Std. Error of
the Estimate
,282649
O coeficiente de correlao
R=0, 997 1, pelo que
evidente a existncia de uma
relao linear entre as
variveis em estudo
ANOVA(b)
Model
1
Regression
Sum of
Squares
302,731
Residual
df
1,598
Mean Square
302,731
20
,080
F
3789,321
Sig.
,000(a)
Total
304,329
21
a Predictors: (Constant), Calor Consumido (milhes de UBT)
b Dependent Variable: Unidades fornecidas
Coefficients(a)
Unstandardized
Coefficients
Model
1
B
-,869
(Constant)
Calor Consumido
(milhes de UBT)
7,20E-005
Standardized
Coefficients
Std. Error
Beta
,201
,000
,997
t
B
-4,329
Std. Error
,000
61,557
,000
b1 = 7,20 x 10-5
Sig.
b0 = -0, 869
b1 = 7,20 x 10-5
H0: b1 = 0
vs H1: b0 0
iii. Conclua: A hiptese nula rejeitada para q.q nvel de significncia. Concluise que a ordenada na origem no nula para q.q. nvel de significncia
1.4. Efectue os clculos necessrios para obter os p-values dos testes para os coeficientes de
regresso mostrados na tabela dos coeficientes
Descriptive Statistics
N
Unidades fornecidas
Calor Consumido
(milhes de UBT)
Valid N (listwise)
22
Minimum
3,173
Maximum
15,852
Mean
10,91527
Std. Deviation
3,806819
22
55266
233603
163559,41
52698,343
22
Ento, R2 = ,995 quer dizer que 99.5% da variabilidade encontrada para y explicada por x e
apenas os restantes 0,5% se devem a outros factores.
Um bom ajuste do modelo deve reflectir-se num valor de R2 prximo de 1. Como neste caso o
coeficiente de determinao bastante elevado (muito prximo de 1), podemos concluir que a
relao linear entre as duas variveis forte.
1.6. Proceda anlise dos resduos com a inteno de validar os pressupostos do modelo.
Pressupostos de regresso: os erros so independentes e identicamente distribudos com
distribuio Normal de media zero e varincia 2. Uma vez que no conhecemos os erros temos
que analisar a sua estimativa que dada pelos resduos:
Todos estes grficos podem ser feitos atravs do menu de Regresso Linear:
1,0
0,8
0,6
0,4
0,2
0,0
0,0
0,2
0,4
0,6
0,8
1,0
Depois podemos escolher o menu Analyze \ Descriptive Statistics \ Explore com a opo
Normality plots with tests
Statistic
,085
df
22
Sig.
,200(*)
Shapiro-Wilk
Statistic
,982
df
22
Sig.
,940