Você está na página 1de 3

Resumo prtico

Passos para calcular o B1 e B2

Montar uma tabela com os valores de Y e X nas duas primeiras colunas.


Calcular o Somatrio de Y e tambm o de X.
Calcular a mdia dos dois (somatrio de Y/quantos valores de Y tem na tabela, o
mesmo com o X).
Calcular o y (Y-Mdia de Y) na prxima coluna e somatrio
Calcular o x (X- Mdia de X) na prxima coluna e somatrio
Calcular o x.y na prxima coluna e somatrio
Calcular o x2 e somatrio na prxima coluna
Calcular o B2 e o B1

Montar a equao: Y (estimado) = valor de B1 + valor de B2 . Xi. Interpretao: Para


cada aumento de 1% em X, h um aumento de (valor de B2)% em Y.

Para encontrar o valor dos resduos e do Y(estimado), para calcular a varincia e do


desvio padro.

Montar uma tabela com os valores de Y e X nas duas primeiras colunas.


Na prxima coluna, montar a equao estimada acima e no lugar do X, colocar
os valores de X dado no problema. A partir disso, calcular o Y (estimado)
Na prxima coluna, calcular (Y Yestimado), que sero os valores de Y dado no
problema, menos os valores de Y que foi estimado. Essa coluna ser chamada de
Erros, ou resduos, e representada pelo U.
O somatrio da coluna do U tem que dar prximo a zero.
Na prxima coluna, calcular o U2, e somatrio.
Na prxima coluna Calcular X2, e somatrio.

Utilizar os dados da tabela para calcular a varincia do sistema e assim, a varincia de


B1 e B2. Aps, calcular o erro padro (raiz quadrada da varincia). Esses resultados
sero fundamentais para estimar os intervalos de confiana.

Resumo terico (com base em Gujarati, 2011)

Variveis independentes so aquelas utilizadas para estimar o Y (no


nosso caso, B1 e B2).
B2 o coeficiente angular, ou seja, determina a inclinao da reta de
regresso.
Varivel dependente o Y, ou seja, a varivel que depende dos valores
das variveis independentes. Y = B1 + B2 X
Erro do tipo I: Rejeitar a hiptese nula quando ela for verdadeira.
Erro do tipo II: No rejeitar a hiptese nula quando ela for falsa.
Os estimadores devem ser lineares nas variveis e nos parmetros.
O valor mdio ou esperado das perturbaes (erros) deve ser sempre
prximo de zero.
O modelo deve ser homoscedstico, ou seja, possuir varincia constante
ao longo da srie.
A correlao entre aas variveis do modelo deve ser igual a zero.
A covarincia entre Ui e Xi deve ser zero.
R2: medida que indica o quo bem a reta de regresso da amostra se
ajusta aos dados, no pode ser negativo, pq indica uma proporo do total
explicado.
r: indica o quanto as variveis do modelo esto relacionadas, pode ser
negativa.
Os estimadores de Mxima Verossimilhana so estimadores viesados
para baixo, ou seja, subestima o verdadeiro valor da varincia, em
amostras pequenas.
Hiptese nula: Sempre testa que os Bs estimados so iguais a zero.
Devemos sempre tentar rejeit-la, caso contrrio, nosso modelo no ir
conseguir explicar os verdadeiros valores de Y.
Hiptese alternativa: Sempre testa que os coeficientes Bs so diferentes
de zero.

Hipteses do Modelo de Regresso Linear

1 HIPTESE - Modelo de Regresso Linear: o modelo de regresso linear


linear nos parmetros.
2 HIPTESE Os valores de X so fixados em amostras repetidas: os valores
assumidos pelo regressor X so considerados fixados em repetidas amostras, ou
seja, supe-se que X seja no estocstico.
3 HIPTESE Valor mdia zero da perturbao ui: dado o valor de X, o valor
mdio ou esperado do termo de perturbao aleatria ui zero.
4 HIPTESE Homoscedasticidade ou varincia igual de ui: dado o valor de
X, a varincia de ui a mesma para toda as observaes, ou seja, as varincias
condicionais de ui so idnticas.
5 HIPTESE No deve haver correlao entre as perturbaes ui: dados dois
valores de X quaisquer, Xi e Xj(i j), a correlao entre quaisquer dois ui e uj
zero.
6 HIPTESE Covarincia zero entre ui e Xi: ou E(Xi, ui) = 0.
7 HIPTESE O nmero de observaes n deve ser maior que o nmero de
parmetros a serem estimados: ou seja, o nmero de observaes devem ser
maior que o nmero de variveis explicativas.
8 HIPTESE Variabilidade nos valores de X: Os valores de X em uma dada
amostra no podem ser todos iguais. Tecnicamente, a varincia de X deve ser um
nmero positivo finito. Se todos os valores de X forem idnticos, ento Xi
igual a sua mdia, assim, torna-se impossvel determinar o valor do parmetro
2 (o denominador da funo estimativa zero), portanto, tambm no
possvel estimar 1. A variao tanto de X como de Y essencial para
utilizarmos a anlise de regresso como uma ferramenta de pesquisa.
9 HIPTESE O modelo de regresso deve estar corretamente especificado:
no deve haver nenhum vis ou erro de especificao no modelo usado na
anlise emprica.
10 HIPTESE No existe multicolinearidade perfeita: no deve haver relao
linear perfeita entre as variveis explicativas, ou seja, nenhuma das variveis
explicativas pode ser escrita como combinao lineares das demais variveis
explicativas.

Você também pode gostar