Escolar Documentos
Profissional Documentos
Cultura Documentos
Relatório:
“Primeira aula prática”
Andrea C. Melo
Belo Horizonte
2010
Modelo de Regressão Linear
Y = β0 + β1X
Β0 é o intercepto
Β1 é a inclinação da reta
u é o termo de erro
E (u|X) = E(u) = 0
Var(u|X) = δ²
E(Y|x) = β0 + β1X
y
f(y
)
.E(y|x) = β +
.
0
β 1x
x1 x2
Y = β0 + β1X ou
Β0 = Y – β1X
∑( X − X )(Y − Y ) = βˆ
i i
∑( X − X )
2 1
i
R2 = SQE/SQT = 1 – (SQR/SQT)
Exercício 1:
R² = 0,190837
β 1 estimado = - 0,000225
β 0 estimado = 43,28
Então:
Y = 43,28 - 0,0002 X
Podemos concluir que em uma variação de U$ 1.000 na renda per capita, varia em
aproximadamente 0,2 o índice de GINI, ou seja, quanto maior a renda per capitã,
menor é o índice de GINI. E que o índice de GINI para os paises que possuem
renda iguais a zero é de aproximadamente 43,28% ou 0,43, o que não é
verossímil, mas deve ser encarado como um ajuste do modelo.
Curva de Kuznets
80,0
70,0
Índice de Gini
60,0
50,0 Y Índice de Gini
40,0
Linear (Y Índice de
30,0
Gini)
20,0
10,0
0,0
0 50.000 100.000 150.000
PIB per capita
σ̂ =
2 ∑u i
2
SQR = soma dos quadrados dos resíduos ou SQR
i =1
=
n−2 n−2
graus de liberdade
Essa variância deve ser a menor possível, ou seja, a distribuição dos fatores não
observados que afetam o Indice deve ser o menos dispersa possível, pois nesse
caso a variância do erro também diminuiria e o estimador se tornaria mais
confiável.
No exercício, temos:
δ²(estimada) = 68,86373,
∆indigentes = β0 + β1[∆crescrpc]
β1 estimado = -0,4412
β0 estimado = 1,289993
3,000
Taxa de variação
da proporção de
2,500
indigentes
2,000
y
1,500
Linear (y)
1,000
0,500
0,000
0,00 1,00 2,00 3,00 4,00
Taxa de crescimento da renda per capita
δ²(estimada) = 0,04488
A variância dos resíduos é um valor baixo, significando que, quando colhida uma
outra amostra, a variabilidade dos coeficientes encontrados será baixa. Podemos
concluir a partir da equação de regressão que a variação de uma unidade (R$ 1,00)
da renda implica na alteração de 0,4412 a menos no numero de indigentes.
O R² estimando para esse modelo gerou um resultado de 0,246495, indicando que
a variação na renda per capita em um ponto percentual explica 24,64% da
variação na taxa de proporção de indigentes no estado.
β1 estimado = -0,27928
β0 estimado = 1,124258
1,500
Taxa de variação
da proporção de
1,000
pobres
y
Linear (y)
0,500
0,000
0,00 1,00 2,00 3,00 4,00
Taxa de crescimento da renda per capita
Como no caso anterior, o gráfico de dispersão dos pares formados pelas variáveis X
e Y, mostrado acima revelou uma tendência linear negativamente inclinada
(descendente). Ou seja, com um aumento na taxa de crescimento da renda per
capita, a taxa de variação na proporção de pobres para o estado de MG, diminui.
δ²(estimada) = 0,017307
A variância dos resíduos continua sendo um valor baixo. Podemos concluir a partir
da equação de regressão que a variação de uma unidade (R$ 1,00) da renda
implica na alteração negativa de 0,27928 na taxa de variação de pobres.
O R² estimado para esse modelo resultou o valor de 0,253683, indicando que uma
variação na taxa de renda per capita explica 25,36% da variação na taxa de
proporção de pobres no estado.
∆indigentes = β0 + β1[∆crescrpc]
β1 estimado = -0,29992201
β0 estimado = 1,205554604
2,000
proporção de
Seqüência1
Indigentes
1,500
Linear
1,000 (Seqüência1)
0,500
0,000
0,00 1,00 2,00 3,00 4,00
taxa Cresc Renda Per capita
δ²(estimada) = 0,01600309
A variância dos resíduos continua sendo um valor baixo, significando que, quando
colhida outra amostra, a variabilidade dos coeficientes encontrados será baixa.
Podemos concluir a partir da equação de regressão que a variação de uma unidade
na taxa de crescimento da renda per capita implica na alteração negativa de 0,2999
na taxa de variação da proporção de indigentes.
O R² estimado para esse modelo resultou o valor de 0,3003, indicando que uma
variação na taxa de renda per capita explica 30,03% da variação na taxa de
proporção de indigentes no estado.
∆pobres = β0 + β1[∆crescrpc]
β1 estimado = -0,151736627
β0 estimado = 1,064334366
1,600
proporção de pobres
Taxa de variação da
1,400
1,200
1,000
Seqüência1
0,800
0,600 Linear (Seqüência1)
0,400
0,200
0,000
0,00 1,00 2,00 3,00 4,00
Taxa Cresc Renda Per Capita
Como no caso de MG, o gráfico de dispersão dos pares formados pelas variáveis X e
Y, mostrado acima revelou uma tendência linear negativamente inclinada
(descendente), o que nos mostra que quanto maior for a taxa de crescimento da
renda per capita, menor Taxa de variação da proporção de pobres da população.
δ²(estimada) = 0,003460617
BA - Indigentes MG -Indigentes
Beta 1 -0,29992201 Beta 1 -0,4412
Beta 0 1,205554604 Beta 0 1,289993
Var(û) 0,01600309 Var(û) 0,04488
R² 0,300307096 R² 0,246495
A tabela mostra uma maior adequação ao modelo para o estado da Bahia,
visto o resultado de um R² mais elevado, ainda que por pouca diferença. O
aumento da taxa de crescimento da renda per capitã, para o estado de MG, indica
uma maior alteração na taxa de proporção de indigentes, do que para o estado da
BA, sendo ambas as taxas de crescimento da renda negativamente relacionadas
com a proporção de indigentes da população. A variância do erro, para o estado da
BA se mostra menor em relação ao estado de MG, indicando que, para a BA, a
variância do estimador da inclinação é menor.
BA – Pobres MG - Pobres