Escolar Documentos
Profissional Documentos
Cultura Documentos
y = 0 + 1 x + u
Outros
fatores
relevantes
permanecem
fixos.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Maior desvantagem:
desvantagem:
No muito adequado para modelar
relaes Ceteris Paribus entre variveis,
pois dificilmente E( u| x ) = E( u ) = 0
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Problemas
D efinio e T erminologia
Sejam Y e X1 ,...,
..., Xk k + 1 variveis
populacionais
popula
cionais..
O objetivo explicar Y em funo de
X1 ,...,
..., Xk , isto , como Y se altera se uma
ou todas as variveis X1, ...,
..., Xk
se
alteram..
alteram
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
O M odelo
T erminologia
de
Y = 0 + 1 X 1 + 2 X 2 + L + k X k + U
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
varivel
prevista,
O termo U representa:
erros de medida;
Mdia nula
inerente
das
variveis
E(U) = 0
envolvidas;
a varivel Y.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
{( x 1i , x 2i ,K, x ki , yi ) : i = 1,K,n }
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
= 2In
0
X 11 X 12 ... X 1k
Y 1
U 1
X X ... X
Y
U
2
21
22
2k
2
1
Y=
X=
=
U =
...
... ... ... ...
...
...
k
Y n
U n
X n1 X n 2 ... X nk
Y ( nx 1 ) X (nxk) kx1 U (nx1)
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
U ~ N ( 0 , )
Onde 0 um vetor-coluna de zeros e
uma matriz nxn.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Os elementos da matriz X so no
estocsticos com valores fixados em
amostras repetidas, e a matriz
(1/n)(XX) no singular e tal que, para
qualquer tamanho amostral, seus
elementos so finitos.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Ui2 = ( Y i 0 1 X 1 i L k X ki ) 2
i =1
i =1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Y i = n0 + 1 X 1 i + ... + k X ki
i =1
n
X 2iY i
= 0
...
...
i =1
i =1
n
i =1
X 2i
i =1
+ 1
X 22 i
i =1
....
+ ... + k
X 2 i X ki
i =1
....
n
n
n
n
X ki Y i = 0 X ki + 1 X 2 i X ki + ... + k X 2ki
i =1
i =1
i =1
= 2 ( Y i 0 1 X 1 i L k X ki )
1
i =1
n
= 2 X 1i ( Y i 0 1 X 1i L k X ki )
2
i =1
...
...
....
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Onde:
Y =
i =1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
....
= 2 X ki ( Y i 0 1 X 1i L k X ki )
k
i =1
1 n
1 n
Y i e X k = X ki
n i =1
n i =1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Onde:
n
m Y 2 = m 12
m 22 2 L m k 2 k
1
m Y 3 = m 13 1 m 23 2 L m k 3 k
...
...
...
...
m Yk = m 1k 1 m 2 k 2 L m kk k
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
m Yk = (Y i Y ) X ki X k
i =1
n
m jk = X ij X
i =1
)(X
ik
Xk
j ,k = 1 ,2 ,..,K
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
mY 1
m
= Y 2
1
m11
m 12
m 11
= m12
2
m11
m 12
m 12
m 22 m Y 1m 22 m12 m Y 2
=
m 12
m 11m 22 m 12m 12
m 22
mY 1
m Y 2 m Y 2 m 11 m Y 1m 12
=
m 12
m 11m 22 m 12m 12
m 22
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Exemplo Um
Considere os dados como sendo das
variveis: Y = Quantidade vendida de um
produto, X1 = Preo do produto e X2 = Gasto
com a divulgao do produto. Determinar a
equao de regresso de Y em funo de X1 e
de X2.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Y
55
70
90
100
90
105
80
110
125
115
130
130
X1
100
90
80
70
70
70
70
65
60
60
55
50
X2
550
630
720
700
625
735
560
715
750
690
715
650
Y2
X 12
X 22
Y X1
YX2
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Q (kg)
55
70
90
100
90
105
80
110
125
115
130
130
Preo (R$)
100
90
80
70
70
70
70
65
60
60
55
50
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
X1 X2
Onde:
Y = 100
X 1 = 70
X 2 = 670
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Ento:
= 3550.49000 ( 5400 ).125 ,75 = 1 ,3077
1
2250.49000 ( 5400 2 )
= 2250.125 ,75 ( 5400 ).( 3550 ) = 0 ,1125
2
2250.49000 ( 5400 2 )
= 100 ( 1 ,3077 ).70 0 ,1125 = 116 ,1578
0
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Ano
X1
X2
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
8911,4
10873,2
11132,5
12086,5
12767,5
16347,1
19542,7
21075,9
23052,0
26128,2
29563,7
33376,6
38354,3
46868,3
54308,0
281,5
284,4
289,0
375,8
375,2
402,5
478,0
553,4
616,7
695,7
790,3
816,0
848,4
873,1
999,2
120753
122242
125263
128539
131427
134267
139038
146450
153714
164783
176864
188146
205841
221748
239715
Onde
Y = Produto Bruto real (em milhes de NT $*)
X1 = Trabalho (por mil pessoas)
X2 = Capital Real (em milhes deNT $)
(*) Dlares Novos de Taiwan
Fonte: Thomas Pei-Fan Chen, Economic Growth and Structural
Change in Taiwan - 1952/1972, A Production Function Approach, tese de
doutorado no-publicada, Departamento de Economia, Centro de
Graduao, City University of New York, Junho de 1976, Tabela II.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Forma Matricial
Onde:
As equaes normais do mtodo dos
mnimos quadrados podem (e devem) ser
apresentadas em notao matricial, da
seguinte forma:
X ' Y = ( X ' X )
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
A Soluo
X i2
n
Y i
X X X
X Y
i1 i 2 i2
i1 i
X' Y =
X' X =
...
...
...
X Y
X
ik i
X ik X i 2 ik
... X ik
0
... X i 2 X ik
= 1
...
... ...
... X ik X ik
k
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Exemplo Dois
= (
X' X )
( X' Y )
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Y
3
2
4
5
8
X1
2
3
5
7
8
X2
1
5
3
6
7
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Y = 4 X = 1
1
5
1
8
1
e 1
5
0
e 2
3 = E = e 3
1
6
e 4
2
7
e 5
2
3
5
7
8
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
= (
X' X )
Xy'
1
1 1
8 1
7 1
1
2
3
5
7
8
2
1
3
5
5
3
7
6
3 1
2 1
y = 4 = 1
5 1
8 1
2
3
5
7
8
1
e 1
5 0 e 2
3 + e 3
1
6 e 4
2
7
e 5
1
= 2
Tem-se, ento:
3
1 2
8 4
7 5
8
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
5
' X = 25
X
22
( X' X )
25
151
130
22
130
120
1220
1
140
1016
72
22
X ' y = 131
111
140
116
100
72
100
130
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Qualidade do Ajuste
Os coeficientes sero:
=
1220
1
140
1016
72
140
116
100
72 22 0 ,50
2
( Y i Y i ) 2 = [ ( Y i Y ) ( Y i Y )]
n
( Y i Y
i =1
) = ( Y i Y i ) + ( Y i Y )
i =1
VT = SQT = ( Y i Y ) 2
i =1
i =1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
2
VR = SQR = E i2 = ( Y i Y i )
i =1
i =1
VE = SQE = ( Y i Y ) 2
i =1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Assim:
n
( Y i Y
i =1
SQT
G.L. n -1
i =1
i =1
2
) = ( Y i Y i ) + ( Y i Y )
=
=
SQR
+
(n - k - 1) +
SQE
k
Fonte
Soma dos
Quadrados
GL
Mdia dos
Quadrados
Regresso
SQE
MQE=SQE/k
Resduo
(Erro)
SQR
n k-1
MQS =
SQR/
(n k 1)
MQE/MQS
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
SQE
SQR
=1
SQT
SQT
(Y i Y ) Y i Y
= n i =1
n
(Y Y )2
Yi Y
i
i =1
i =1
)
2
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
R2=
VE
VR
=1
VT
VT
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Mas
i =1
i =1
VR = E 2i = Y i Y i
depende do nmero de
independentes existentes no modelo.
variveis
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
R 2 =1
Y i Y i
i =1
n
(Y i Y
i =1
E 2i
=1
i =1
n
(Y i Y
i =1
VT = (Y i Y )
Ento
i =1
independente do nmero de variveis X
no modelo.
2
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Assim
R2,
conforme
definido
ir
deve-se
ter
cautela
na
interpretao de R2.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
10
2
R =1
VR /( n k )
VT /( n 1 )
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Y i Yi
i =1
R 2 =1
n k
n
(Y i Y
i =1
=1
( n 1 ) Y i Yi
( n k ) (Y i Y
i =1
n
i =1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
n 1
Ou ainda:
R
=1
2
S 2Y
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
R 2 =R
2 n k
n 1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
11
No--Tendenciosidade
No
Varincia do erro
E( 1 ) = 1
E( 2 ) = 2
...
E( ) =
k
Variao de Xi
Grau de relao linear entre as
variveis explicativas
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Como estimar 2?
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
onde
SST j =
SST j ( 1 R 2j )
2
( X ji X j )
i =1
E( 2 ) = 2
2
j
SSE j
SST j
( X
=
ji
)2
ji
)2
i =1
n
( X
i =1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Teorema de GaussGauss-Markov
Sob as hipteses (H1) - (H5) os estimadores
de MQO so BLUE (Best Linear Unbiased
Estimators),
isto
so
os
melhores
Todos os estimadores
Estimadores lineares
Estimadores no-tendenciosos
MQO
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
12
Teorema
Inferncia em modelos de regresso linear mltipla.
Distribuio dos estimadores de MQO;
Testes de hipteses sobre um nico parmetro:
~ N ,Var( )
j
j
j
o teste t;
Intervalos de confiana;
Logo
Considere o modelo
Y = 0 + 1 X 1 + 2 X 2 + L + k X k + U
j
j
= t n k 1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
j
j
~ N (0 ,1 )
Var( j )
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Intervalos de Confiana
Da mesma forma podem ser criados
intervalos de confiana para os parmetros
estimados, atravs das seguintes expresses:
n k 1
j
j
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
H0: 1 = 2
Como testar H0?
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
13
Soluo
Redefina H0 da seguinte forma:
forma:
H0: 1 - 2 = 0
A estatstica do teste ser:
2
t n k 1 = 1
V( 1 2 ) = V( 1 ) + V( 2 ) 2 Cov( 1 , 2 )
1 2
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Propriedades assintticas
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Consistncia
Relembrando que sob as hipteses de
Gauss--Markov E[ j ] = j
Gauss
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
14
Consistncia
Definio
Como o estimador no
no--tendencioso,
tendencioso, a
mdia de cada distribuio simplesmente
j.
Se o estimador for consistente, a medida
que n cresce a distribuio fica mais
concentrada em torno da mdia.
mdia.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Normalidade
^
^
Teorema:
Teorema: sob as hipteses (H1) - (H4),
n n
j j
n
se
j
( )
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
2
D
n ( j j )
N 0 , 2
aj
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
i =1
rij2
N (0 ,1 )
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
que
acontece
quando
variveis
15
~
1 =
(X 1i X 1 )Y i
i =1
n
2
(X 1 i X 1 )
i =1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
H 0 : 2 = 3 = ... = k = 0
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
de varincia (ANOVA).
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
16
F=
SQE /( k 1 )
SQR /( n k )
Onde:
SQE /( k 1 ) ( n k ) SQE
=
=
SQR /( n k ) ( k 1 ) SQR
( n k ) SQE
=
=
( k 1 )( SQT SQE )
( n k )( SQE / SQT )
=
=
( k 1 )[ 1 ( SQE / SQT )]
F=
( n k ) R 2
R 2 /( k 1 )
=
( k 1 )( 1 R 2 ) ( 1 R 2 ) /( n k )
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
i =1
i =1
2
VR = SQR = E i2 = ( Y i Y i )
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
e:
VE = SQE = ( Y i Y )
i =1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
n
( Y i Y
i =1
i =1
i =1
2
2
) = ( Y i Y i ) + ( Y i Y )
=
=
SQR
+
(n - k - 1) +
SQE
k
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
17
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Obtenha Z1 = ln Y ln Y ;
Fazer uma regresso de Y sobre os valores de X e Z
otidos como acima. Rejeitar H0 se o coeficiente de Z1 for
estatisticamente significativo atravs do teste t
tradicional;
^
)
Obter Z2 = ( anti ln ln Y Y )
Regredir o ln de Y sobre os logaritmos de Xs e Z2.
Rejeitar H1 se o coeficiente de Z2 for significativo pelo
teste t.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Se Ui no so autocorrelacionados;
Se os Xi so aleatrios eles so
independentes ou no-correlacionados com Ui;
O nmero de observaes (n) deve ser maior
que o nmero de regressoes (k);
No h relao linear entre os regressoes,
isto , multicolinearidade;
Os termos Ui so normais.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
18
1 X1 + 2 X2 + k Xk + V i = 0
Onde o termo Vi estocstico.
O termo multicolinear como definido inclui
apenas relacionamento linear mas isto no exclui
outras relaes como por exemplo: X2 = X1.X1
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
1 X1 + 2 X2 + k Xk = 0
Onde 1, 2, , k so constantes no
simultaneamente nulos.
A idia de multicolinearidade inclui ainda:
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
A existncia da multicolinearidade
pefeita torna os coeficientes da regresso
indeterminados e seus erros padro
infinitamente
grandes.
Se
a
multicolinearidade no for alta (no perfeita)
os coeficientes de regresso podero ser
determinados mas os erros padro sero
grandes.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
19
Conseqncias da multicolinearidade
Se as hipteses do modelo so satisfeitas os
estimadores de MQO dos coeficientes da
regresso so MELNV. Pode-se mostrar que
mesmo que as variveis sejam altamente
colineares os MQO ainda mantm a
propriedade MELNV. Assim as conseqncias
prticas podem ser:
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
As estimativas apresentarem
varincias e como resultante ter-se-:
grandes
podem
ser
no
Percepo da multicolinearidade
Este um fenmeno essencialmente
significativos;
regresssores;
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
ndice de Condio
O nmero de condio k definido
como:
k =
Autovalor Mximo
Autovalor Mnimo
Autovalor Mximo
= k
Autovalor Mnimo
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
20
Alternativamente a homoscedasticidade
pode ser expressa por:
V( Y i / x ) =2
A heteroscedasticidade , ento dada por:
V ( Y i / x ) = 2i
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
E( U 2i ) = 2 i = 1, 2, ..., n
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
E( U 2i ) = 2i
S
XY nXY
b = XY =
S XX X 2 n X 2
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
21
V(b ) =
Se
( X i X ) i
2
[ ( X i X ) 2 ]
Detectando a Heterocedasticidade
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Testes formais
Medidas Corretivas
Teste de Park;
Teste de Glejser;
Teste de Spearman de correlao da ordem;
Teste de Goldfeld-Quandt;
Teste de Breusch-Pagan-Godfrey;
Teste Geral de Heteroscedasticidade de
White;
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
22
Se as variabilidades residuais
conhecidas
Generalizados
ou
1
wi = 2
i
pode-se
adotar
os
seguintes
procedimentos:
Varincias e erros-padro consistentes em
dada por:
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
A Natureza
Qual a sua natureza?
Quais as
prticas?
conseqncias
tericas
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
23
Causas da Autocorrelao
Inrcia ou rigidez. Sries como PNB,
ndices de Preos, Produo, Emprego e
Desemprego so cclicas;
Vis de especificao: variveis excludas.
Vis de especificao: forma funcional
incorreta;
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
se E(UiUj)
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
MQG
Aqui,
tambm,
exemplo
da
Mnimos
Quadrados
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
24
Detectando a Autocorrelao
A autocorrelao um problema
Mtodo
Grfico.
Representar
devem
ser
tomadas.
Entretanto,
autocorrelao.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Medidas Corretivas
Quando o autocorrelao no conhecida.
Generalizada ou de Quase-Diferena.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Berenblutt-Webb de que = 1.
processo iterativo.
25
GODFREY, L.
Testing for Multiplicative
Heteroscedasticity. Jornal of Econometrics. v. 8,
1978. p. 227-36.
WHITE, H.
A Heteroscedasticity Consistent
Covariance Matrix Estimator and a Direct Test of
Heteroscedasticity. Econometrica. v. 48, 1980. p. 81718.
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Curso: Engenharia de Processos e de Sistemas de Produo - Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
26