UNIVERSIDADE FEDERAL DO PARANÁ

SETOR DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA

CURSO DE TECNOLOGIA EM NEGÓCIOS IMOBILIÁRIOS

MARCOS FRANCISCO ROCHA ALMEIDA

ANÁLISE DE REGRESSÃO E TESTES NO GRETL

AMOSTRA ÁGUA VERDE

CURITIBA
2019
 MARCOS FRANCISCO ROCHA ALMEIDA

ANÁLISE DE REGRESSÃO E TESTES NO GRETL

AMOSTRA ÁGUA VERDE

Natureza: Precificação de Ativos

Imobiliários
Objetivo: Trabalho apresentado como
requisito parcial para avaliação da
disciplina de Precificação de Ativos
Imobiliários do curso de Tecnologia em
Negócios Imobiliários da Universidade
Federal do Paraná.

Prof. Dr. Arno Paulo Schmitz

CURITIBA
2019
 LISTA DE FIGURAS

Figura 1 - Estatística - Amostra “Água Verde (Gretl) (2)” – 34 elementos.................................16

Figura 2 - 1º Modelo – 34 elementos..............................................................................................17
Figura 3 - Amostra e BoxSplot PrecoMtr – 34 elementos............................................................17
Figura 4 - Amostra e BoxSplot AreaTot – 34 elementos..............................................................18
Figura 5 - Amostra e BoxSplot AreaPriv – 34 elementos.............................................................18
Figura 6 - Amostra e BoxSplot InversoIdadeMeses – 34 elementos.........................................19
Figura 7 - Análise amostra intervalo dois Desvios Padrão – “Água Verde (Gretl) (2)” - 34
elementos...........................................................................................................................................19
Figura 8 - Importação do arquivo de dados para o GRETL – “Água Verde (Gretl) (3)” – 29
elementos...........................................................................................................................................20
Figura 9 - Estatística descritiva - Amostra “Água Verde (Gretl) (3)” – 29 elementos...............21
Figura 10 - 2º Modelo - amostra 29 elementos.............................................................................22
Figura 11 - Amostra e BoxSplot PrecoMtr – 29 elementos..........................................................22
Figura 12 - Amostra e BoxSplot AreaTot – 29 elementos............................................................23
Figura 13 - Amostra e BoxSplot AreaPriv – 29 elementos..........................................................23
Figura 14 - Amostra e BoxSplot InversoIdadeMeses – 29 elementos.......................................24
Figura 15 - Teste Observações influentes – 29 elementos.........................................................25
Figura 16 - Detecção de Multicolinearidade Perfeita (testes de consistência) – 29 elementos
.............................................................................................................................................................25
Figura 17 - Teste de Normalidade dos resíduos – 29 elementos...............................................26
Figura 18 - GQ Test - Heterocedasticidade - amostra 29 elementos.........................................27
Figura 19 - Resíduo referente ao elemento da amostra nº 1 – amostra 20 elementos...........29
Figura 20 - Cálculo Intervalo de Confiança β0 e β1.....................................................................30
Figura 21 - Cálculo Intervalo de Confiança β2 e β3.....................................................................31
Figura 22 - Cálculo Final do Intervalo de Confiança.....................................................................32
Figura 23 - Cálculo do Intervalo de Predição................................................................................33
Figura 24 - Cálculo do Campo de Arbítrio......................................................................................34
Figura 25 - 3º Modelo - Após Heterocedasticidade Corrigida.....................................................35
Figura 26 - Cálculo Interv. de Confiança (β0 e β1 ) - Após Heteroced. Corrigida....................36
Figura 27 - Cálculo Interv. de Confiança (β2 e β3 ) - Após Heteroced. Corrigida....................37
Figura 28 - CálculoFinal Interv. de Confiança - Após Heteroced. Corrigida............................38
Figura 29 - Cálculo Interv. de Predição - Após Heteroced. Corrigida........................................39
Figura 30 - Cálculo Campo de Arbítrio - Após Heteroced. Corrigida.........................................40

LISTA DE TABELAS

Tabela 1 - Amostra “Água Verde (Gretl) (2)” – 34 elementos.....................................................16

Tabela 2 - Amostra “Água Verde (Gretl) (3)” – 29 elementos – Após análise 2 desvios padrão
.............................................................................................................................................................20
 LISTA DE GRÁFICOS

Gráfico 1 - Grafico de Normalidade dos resíduos.........................................................................26

Gráfico 2 - Distribuição Qui-Quadrado – Teste de Normalidade................................................27
Gráfico 3 - Teste de heterocedasticidade - gqtest - conforme Tabela distribuição F Snedecor
.............................................................................................................................................................28
Gráfico 4 - Análise do intervalo de confiança - Tabela "t student"..............................................28
Sumário

INTRODUÇÃO.....................................................................................................................................6
AMOSTRAS.........................................................................................................................................7
ORGANIZAÇÃO E TRATAMENTO DAS AMOSTRAS..................................................................7
Amostra Original – 34 elementos.......................................................................................................7
Amostra Saneada – 29 elementos......................................................................................................9
Heterocedasticidade Corrigida.........................................................................................................12
RESULTADOS...................................................................................................................................13
CONCLUSÕES..................................................................................................................................14
ANEXOS.............................................................................................................................................15
Imóvel Avaliando..............................................................................................................................15
Tabelas, Figuras e Gráficos...............................................................................................................16
Intervalo de Confiança.....................................................................................................................30
Intervalo de Predição.......................................................................................................................33
Campo de Arbítrio............................................................................................................................34
Heterocedasticidade Corrigida.........................................................................................................35
Intervalo de Confiança.............................................................................................................36
Intervalo de Predição...............................................................................................................39
Cálculo do Campo de Arbítrio..................................................................................................40
Bibliografia..........................................................................................................................................41
INTRODUÇÃO

Essa tarefa (a segunda solicitada no semestre) compreende a análise de

regressão e elaboração de testes de consistência, utilizando o programa GRETL
para a amostra de valor de venda de mercado, apartamento de três quartos, duas
vagas de garagem e uma suíte, no bairro Água verde, ou seja, amostra essa já
utilizada na “Tarefa I”.
Trata-se de uma complementação de atividade, anteriormente iniciada com
a tarefa de estatística descritiva, e agora seguindo com análise de regressão.
Partindo do levantamento de dados de mercado (Tabela 1), os passos para
essa segunda tarefa (tarefa II) são basicamente: 1) Realizar a importação dos
dados de mercado obtidos; 2) Rodar uma regressão por Mínimos Quadrados
Ordinários; 3) Realizar testes de consistência; 4) Calcular o intervalo de confiança.
AMOSTRAS

Como premissa para esta Tarefa II, apenas a amostra do bairro “Água
Verde” será utilizada.

Para essa amostra, obteve-se trinta e quatro elementos representativos do

imóvel avaliando, com 09 características (variáveis) supostamente influenciadoras
do valor de venda do imóvel. Porém, apenas três mostraram-se significativas após
verificações realizadas por “P-valor (F)”, “R-quadrado ajustado”, “Box Splot” e
“Observações Influentes”. As variáveis significativas foram “ÁreaTot”, “ÁreaPriv”,
“InversoIdadeMeses” e, como variável dependente, o “Valor por metro quadrado”.

ORGANIZAÇÃO E TRATAMENTO DAS AMOSTRAS

Amostra Original – 34 elementos

Em 1º lugar foi realizada a importação dos dados do arquivo de Excel para o

GRETL (Tabela 1) com 34 elementos, foi gerada sua estatística descritiva (Figura 1)
e depois foi gerado o 1º modelo de regressão (Figura 2).
Em 2º lugar considerou-se realizar os testes de Outlier (Error: Reference
source not foundFigura 3 a 6) e feita a análise de dois desvios padrão em cada
variável, para verificar a existência de elementos fora desse intervalo desejado
(Figura 7), ainda realizando testes de consistência, utilizando-se a Estatística
descritiva.
A Estatística Descritiva já foi apresentada na “Tarefa I” entregue
anteriormente, porém sem os testes de Outlier (BoxSplot e de Observações
Influentes) e de Dois Desvios Padrão, agora, considerados aqui como parte da
sequência de atividades para o uso do GRETL.
Para melhor entendimento do gráfico BoxSplot, tomando-se como exemplo a
Figura 3 (teste de Outlier para a variável dependente ValorMtr), conforme se
observa, a amplitude da amostra é representada pela própria extensão do gráfico de
Boxsplot, ou seja, pelas extremidades de suas duas linhas verticais opostas,
indicando que o limite mínimo de seus elementos de amostra está abaixo de 3.000
(na verdade, 2.284,3 conforme se pode observar na Figura 1, e o limite máximo está
acima de 7.000 (7.739,1 na verdade). A cruz de cor verde dentro da “caixa” do
gráfico indica a posição da média, ou seja, 4,640.20 e a linha horizontal, também
dentro da “caixa” do gráfico, indica a posição da mediana, ou seja, 4.233,90 (valores
encontrados também na Figura 1). Verifica-se que a mediana está um pouco
defasada em relação à média.
Um outro teste para verificar se há Outlier é o Teste de Observações
Influentes, mostrado mais a frente (Figura 15). Nessa figura encontra-se a coluna
“DFFITS” cujos valores, sejam positivos ou negativos, não podem maiores de 1, pois
indicariam também (além do BoxSplot) que há elemento de amostra como Outlier
(indicador limite para amostras pequenas).
Esse teste é realizado com base nos resíduos gerados, que são a diferença
entre o valor estimado de Y (ou seja, o “ Ŷ”, que é calculado através da fórmula da
regressão, Ŷ = β0 + β1.X1 + β2.X2) e o “Y” obtido em cada elemento da amostra
levantada. Como exemplo desse cálculo a Figura 19 mostra o cálculo do resíduo do
1º elemento da amostra para β0, β1 (AreaTot), β1 (AreaPriv) e β3
(InversoIdadeMeses), cujo resultado (463,57) é o que aparece na Figura 15 (teste de
Observações Influentes).
Como parte da sequência de uso do GRETL elaborada pelo professor, e das
discussões em sala, esses dois testes (Outlier e Observações Influentes) foram
realizados logo de início, antes mesmo dos demais testes de consistência
(Multicolinearidade, Normalidade, Heterocedasticidade, etc), pois assim é possível
detectar possíveis elementos de amostra que tenham que ser excluídos para não
prejudicarem logo de início a geração do modelo de regressão.
Uma outra análise prévia realizada na amostra (já comentada acima) foi a
análise de dois desvios padrão para cima e para baixo do valor da média, para
verificar quais elementos da amostra, de cada variável, estaria fora desse intervalo,
excluindo-os eventualmente. Tais cálculos desses intervalos foram feitos conforme
mostra a Figura 7.
Em 3º lugar foi rodada uma regressão por Mínimos Quadrados Ordinários
cujo resultado está na Figura 2.
Essa figura mostra o valor calculado de β 0 (4.678,55), também o de β 1 para
“AreaTot” (-40,8543), o de β2 para “InversoIdadeMeses” (79.287,9) e β3 “AreaPriv”
(51,4454).
Apenas como exemplo, a equação da regressão pode ser descrita e
calculada (apenas um exemplo inicial, portanto não se tratando da “equação final”
ainda, mas já utilizando-se as variáveis do imóvel avaliando nesse exemplo) como
segue:
Ŷ = β0 + β1.X1 + β2.X2 => Ŷ = 4678,55 + (-40,8543 x 90,00) + (79287,9 x 0,009259) +
(51,4454 x 68) => Ŷ = 5.234,08.
O fato de o valor de β 1 ser negativo indica uma relação inversa de entre a variável
explanatória “AreaTot” (X) e a variável dependente (Y), pois sendo (Y) o “preço/m²”
e, portanto, a AreaTot (X) sendo o denominador nessa razão, quanto maior for o
denominador (X), menor será o resultado (Y). Em relação à significância, as três
estrelas da Figura 2 (à direita dos valore de “p-valor”) indicam que as variáveis
explanatórias que as contém contribuem significativamente para explicarem a
variável dependente.

Amostra Saneada – 29 elementos

Em 4º lugar, em razão dos resultados e indicações que aparecem na Figura

7, ou seja, pela análise dos dois desvios padrão, a amostra inicial de 34 elementos
(Tabela 1) foi saneada, gerando-se nova tabela com amostra de 29 elementos
(Tabela 2) após o que, novamente os dados foram importados para o GRETL,
(Figura 8), foi rodada uma nova Estatística descritiva (Figura 9), um novo modelo de
regressão foi gerado (Figura 10), novos BoxSplots (Figura 11 a 14) rodados, e o
Teste de Observações Influentes, que não mostrou nenhum outlier (Figura 15).
Agora, com base na amostra saneada (29 elementos) da Tabela 2, dá-se os
testes de consistência, com a Detecção de Multicolinearidade Perfeita (Figura 16),
que não mostrou nenhuma relação acima de 70% (indicação de relação entre as
variáveis, o que seria ruim para o modelo).
Trata-se da Matriz de Correlação, que:

mostra os valores de correlação de Pearson, que medem o grau de relação

linear entre cada par de itens ou variáveis. Os valores de correlação podem
cair entre -1 e +1. Entretanto, na prática, os itens geralmente têm
correlações positivas. Se os dois itens tendem a aumentar e diminuir juntos,
o valor de correlação é positivo. Use a matriz de correlação para avaliar a
força e a direção da relação entre dois itens ou variáveis. Valores de
correlação altos e positivos indicam que os itens medem a mesma
habilidade ou característica. Se os itens não estão altamente
correlacionados, os itens podem medir diferentes características ou podem
não estar claramente definidos. Variáveis com valores de correlação
maiores do que 0,7 são, frequentemente, considerados altamente
correlacionados. Contudo, o valor de benchmarking adequado para uso
também depende dos padrões em sua área de assunto e do número de
itens na análise[ CITATION sup19 \l 1046 ].

Em 5º lugar, tem-se o Teste de Normalidade (Figura 17, Gráfico 1 e Gráfico

2)

Depois de estimar a regressão, o pesquisador precisa aplicar testes de

diagnóstico, como o teste de normalidade discutido no Capítulo 5. Esse
ponto é de máxima importância, pois os testes de hipótese clássicos, como
o t, o F e χ2, baseiam-se na hipótese de normalidade do termo de erro. Isso
é especialmente crítico se o tamanho da amostra for pequeno [CITATION
Guj11 \p 192 \l 1046 ], grifo do autor.
 Na estatística, a confiabilidade de um estimador pontual é medida por seu
erro padrão. Em vez de tomarmos como base apenas a estimativa pontual,
podemos construir um intervalo em torno de um estimador pontual por
exemplo, de dois ou três erros padrão de cada lado do estimador pontual,
de modo que esse intervalo tenha, por exemplo, 95% de probabilidade de
incluir o verdadeiro valor do parâmetro. Essa é a ideia que está por trás da
estimação de intervalo. Para ser mais específico, suponha que queiramos
verificar quanto ^
β 2 está “próximo” de β2. Para tanto, tentamos encontrar dois
números positivos δ e α, este último situado entre 0 e l, tais que a
probabilidade de que o intervalo aleatório ( ^ β 2 - δ, ^β 2 + δ) contenha o
verdadeiro β2 seja l - α. Simbolicamente, Pr ( ^ β 2 – δ ≤ β2 ≤ ^β 2 + δ) = 1 – α .
Esse intervalo, quando existe, é conhecido como intervalo de confiança; 1 -
α, como coeficiente de confiança; e α (0 < α < l), como nível de significância.
Os pontos extremos do intervalo de confiança são os limites de confiança
(ou valores críticos). ^
β 2 - δ é o limite inferior de confiança e ^β 2 + δ é o limite
superior de confiança. Note que, na prática, α e l - α muitas vezes são
expressos em percentuais, como 100α e 100(l - α)% [CITATION Guj11 \p
129 \l 1046 ].

Pode-se observar o resultado do teste de normalidade no Gráfico 2. Na

distribuição Qui-Quadrado, que é unilateral, a região de aceitação está à esquerda
do valor “5,99”, valor conforme tabela Qui-Quadrado para 2 graus de liberdade e 5%
de significância. O resultado foi Qui-quadrado = 1,930 (Figura 17), este encontra-se
à esquerda de “5,99” representando a aceitação da hipótese nula, ou seja H0 =
Distribuição normal.

Em 6º lugar o Teste de Heterocedasticidade (Gráfico 3), verificado através

do Teste de Goldfeld-Quandt (gqtest), cujo resultado está demonstrado na Figura
18 , ou seja, “0,951595”. Para verificar se este valor encontra-se na região de
aceitação, usa-se a tabela F snedecor para F (5,6) = 4,39, ou seja 5 graus de
liberdade e com intervalo de confiança de 95%, o que resulta em “4,39”. Portanto
encontra-se na região de aceitação, conforme mostra o Gráfico 3. Aceita-se, então,
a hipótese nula, ou seja, não há heterocedasticidade. Se GQ > F-tabelado, teria-se
rejeição à homocedasticidade. Lembrar que o que se deseja é homocedasticidade.
Se existir heterocedasticidade deve-se corrigir esse problema através da regressão
robusta com correção de heterocedasticidade (no GRETL, tela inicial já com o
upload da amostra, menu “modelo”, “outros modelos lineares”, “heterocedasticidade
corrigida”) .
 Em 7º lugar, deve-se obter o intervalo de confiança. Partindo do valor da
“razão t” de β0, ou seja, “4,413”, é preciso verificar se com esse valor a constante
(β0) explica ou não o “Y”. A curva “t” (t de student) é uma curva aproximadamente
normal, desenvolvida para pequenas amostras. Trata-se de análise bicaudal. O valor
obtido pela tabela “t” é de “2,06” para a coluna 0,05 e a linha “25” (gl=n-k, ou gl= 29-
4) da tabela “t student”. Verificando-se a Gráfico 4, conclui-se que “t const”, ou seja
“4,413” está posicionado na região de rejeição. Portanto rejeita-se a hipótese nula de
que β0 seja estatisticamente = zero, pois se isso ocorresse, β 0 não explicaria nada de
“Y”. Desejo, portanto, a hipótese H1 (alternativa) pois confio no β 0 com 95% de
confiança, ou seja, a constante é estatisticamente ≠ 0. Aceita-se, então, o valor de
“4,413” de β0 como significativo.

O mesmo raciocínio é feito para “razão t” de β1 cujo valor é de “-5,119”

(razão t). Assim, baseando-se no mesmo Gráfico 4, pois os limites inferior e superior
(2,0423) se mantém, para “-5,119”, verifica-se que este se posicionará também na
região de rejeição, ou seja, rejeitando-se a hipótese nula de que β 1 seja
estatisticamente = 0 e aceitando a hipótese alternativa de que seja estatisticamente
≠ 0, pois assim poderá ser significativa para explicar “Y”.

Para a razão t de β2, obteve-se o valor de “2,583” o que indica, seguindo os

raciocínios acima, que é também significativo para explicar “Y”, ou seja, é
estatisticamente ≠ 0. O mesmo para a razão t de β3, o valor de “2,253”.

Para os quatro parâmetros, o “número de estrelas”, que aparecem no

modelo GRETL já indicam sua significância como variáveis explanatórias.

Em 8º lugar, o cálculo da fórmula final do modelo, com as variáveis do

imóvel avaliando, e o cálculo do Intervalo de Confiança, do Intervalo de Predição e
Campo de Arbítrio, para que se possa escolher o que resultar em menor percentual
de variação em torno da média. Ainda sim, há que se avaliar se essa variação é
aceitável, ou seja, se não se trata de uma variação muito grande.
Heterocedasticidade Corrigida

Após a amostra saneada, verificou-se que o “R-quadrado ajustado”

(Coeficiente de Determinação, que representa o poder de explicação das variáveis
independentes “X” sobre a variável dependente “Y”), ainda estava baixo (< 0,7).
Então foi realizada a “Heterocedasticidade Corrigida” no GRETL, com resultados
muito melhores do que antes dessa “correção”, conforme pode ser verificado na
Figura 25 (3º Modelo de Regressão), Figura 26 a 28 (Intervalo de Confiança), Figura
29 (Intervalo de Predição) e Figura 30 (Campo de Arbítrio), que foram gerados
novamente (após a heterocedasticidade corrigida) para verificar-se os resultados.
RESULTADOS

Após realizadas todas as etapas no GRETL, ou seja, upload da amostra,

saneamento da mesma, realização de testes para validação, infelizmente a amostra
mostrou-se deficiente, embora tenha passado pelos diversos testes aqui
demonstrados.
Isso pois, ao chegar no Intervalo de Confiança, verificou-se um alto grau de
dispersão em relação à média, mesmo após a Heterocedasticidade Corrigida, que
até melhorou muito os resultados. Também pôde-se verificar que o valor médio da
fórmula final de regressão (o valor de Y^ , ou seja o “PrecoMtr”) ficou fora da própria
amplitude da amostra da variável “PrecoMtr”.
Uma característica que pode levar à razão do problema é a de que há uma
grande amplitude nos valores de “PrecoMtr” coletados, ou seja, de R$ 2.284,26 até
R$ 6.952,38. Seria necessário coletar mais elementos de amostra e refazer os
testes.
CONCLUSÕES

Essa segunda tarefa (Tarefa II) foi mais aprofundada no uso do programa
estatístico GRETL. Exigiu também mais aprofundamento na teoria recebida em sala
de aula, para possibilitar melhor elaboração do trabalho, visando criar um roteiro
orientativo das etapas a serem cumpridas para chegar-se em um resultado
pretendido de valor de mercado para um imóvel avaliando. Assim pôde-se melhor
compreender o que cada teste realizado representava e, principalmente, o que cada
um de seus resultados significava.

Em relação ao objetivo para este trabalho, a conclusão é a de que foi

cumprido, pois suas etapas foram realizadas e demonstradas, e o aprendizado em
aplicar o uso do programa GRETL facilitará a sua utilização futura.
ANEXOS

Imóvel Avaliando

Definição do imóvel avaliando:

 Apartamento

 3 dormitórios

 2 vagas de garagem

 6º andar (com elevador portanto)

 Área total construída de 90 m²

 Área privativa de 68m²

 Face norte

 Idade (construção) 2009

 Uma suíte
Tabelas, Figuras e Gráficos

Tabela 1 - Amostra “Água Verde (Gretl) (2)” – 34 elementos

PrecoMtr AreaTot AreaPriv SacaGour Lavabo Hidro Lareira PrecoVend IdadeMese Condom. Ordem AndarDic Andar InversoId
m s PrMtr ot adeMese
s
3.922,65 181,0 101,0 1 1 0 0 710.000,00 84 1,659 1 0 2 0,0119
3.393,67 221,0 129,0 0 1 1 1 750.000,00 252 4,977 2 1 5 0,0040
3.263,89 144,0 88,0 1 1 0 0 470.000,00 108 4,514 3 1 5 0,0093
3.898,31 236,0 150,0 1 1 0 1 920.000,00 288 4,025 4 1 6 0,0035
3.553,07 179,0 134,0 0 1 0 0 636.000,00 456 3,073 5 1 4 0,0022
3.591,62 130,9 98,0 1 0 0 0 470.000,00 132 3,821 6 1 4 0,0076
3.413,17 172,9 104,8 1 0 0 1 590.000,00 180 4,050 7 1 6 0,0056
5.660,38 159,0 141,0 1 1 0 0 900.000,00 60 4,403 8 1 5 0,0167
7.739,13 115,0 105,0 1 0 0 0 890.000,00 60 5,504 9 1 6 0,0167
6.240,60 133,0 107,0 1 0 0 0 830.000,00 84 4,744 10 0 2 0,0119
5.957,45 141,0 115,0 1 0 1 0 840.000,00 96 7,092 11 0 2 0,0104
4.062,50 160,0 103,0 1 1 0 0 650.000,00 96 2,313 12 0 2 0,0104
6.567,16 134,0 112,0 1 1 1 0 880.000,00 96 5,224 13 1 4 0,0104
4.333,33 150,0 103,0 1 1 0 0 650.000,00 120 4,667 14 0 3 0,0083
5.359,28 167,0 113,0 1 1 0 0 895.000,00 96 3,892 15 0 2 0,0104
4.326,67 150,0 113,0 1 0 1 0 649.000,00 204 4,667 16 0 3 0,0049
5.970,28 116,4 94,0 1 0 0 0 695.000,00 72 4,295 17 0 1 0,0139
4.070,65 184,0 118,0 1 1 1 0 749.000,00 132 2,717 18 0 2 0,0076
6.952,38 105,0 87,0 1 0 0 0 730.000,00 72 5,095 19 2 7 0,0139
6.538,46 130,0 93,0 1 1 0 0 850.000,00 60 5,385 20 3 12 0,0167
5.314,41 111,0 93,0 1 0 1 0 589.900,00 228 8,559 21 1 4 0,0044
3.028,57 175,0 105,0 1 1 0 0 530.000,00 84 2,514 22 0 3 0,0119
2.284,26 197,0 117,0 0 0 0 0 450.000,00 108 3,046 23 0 3 0,0093
4.230,08 130,0 83,0 1 0 0 0 549.910,00 60 2,692 24 0 1 0,0167
4.290,23 174,0 118,0 1 1 0 0 746.500,00 96 3,333 25 0 1 0,0104
3.578,03 173,0 129,0 1 0 0 0 619.000,00 96 2,601 26 0 1 0,0104
5.000,00 150,0 89,0 1 0 0 0 750.000,00 84 3,333 27 1 4 0,0119
3.262,41 141,0 100,0 1 0 0 0 460.000,00 96 3,823 28 1 4 0,0104
4.103,45 145,0 97,0 0 0 0 0 595.000,00 228 4,248 29 1 5 0,0044
7.500,00 168,0 143,0 1 1 1 1 1.260.000,00 348 5,595 30 1 6 0,0029
4.708,99 189,0 150,0 1 1 1 0 890.000,00 156 3,704 31 0 3 0,0064
4.237,80 164,0 127,0 1 0 1 1 695.000,00 228 6,951 32 0 1 0,0044
3.473,49 161,0 102,0 1 0 0 0 559.232,00 276 4,255 33 0 2 0,0036
3.942,11 190,0 103,0 1 1 0 0 749.000,00 120 3,053 34 2 7 0,0083

Figura 1 - Estatística - Amostra “Água Verde (Gretl) (2)” – 34 elementos

Figura 2 - 1º Modelo – 34 elementos

Figura 3 - Amostra e BoxSplot PrecoMtr – 34 elementos

Figura 4 - Amostra e BoxSplot AreaTot – 34 elementos

Figura 5 - Amostra e BoxSplot AreaPriv – 34 elementos

 Figura 6 - Amostra e BoxSplot InversoIdadeMeses – 34 elementos

Figura 7 - Análise amostra intervalo dois Desvios Padrão – “Água Verde (Gretl) (2)” - 34
elementos
PrecoMtr
Média = 4.640,20
Desvio Padrão= 1.365,90
2 x DP= 2.731,80
Intervalo de 2dp => 4.640,20 ± 2.731,80 => De 1.908,40 Até 7.372,00 Eliminar ordens 09 e 30
AreaTot
Média = 158,15
Desvio Padrão= 29,98
2 x DP= 59,96
Intervalo de 2dp => 158,15 ± 59,96 => De 98,19 Até 218,11 Eliminar ordens 02 e 04
AreaPriv
Média = 110,73
Desvio Padrão= 18,13
2 x DP= 36,27
Intervalo de 2dp => 110,73 ± 36,27 => De 74,46 Até 147,00 Eliminar ordens 04 e 31
InversoIdadeMeses
Média = 0,009161
Desvio Padrão= 0,00
2 x DP= 0,01
Intervalo de 2dp => 0,01 ± 0,01 => De 0,000613 Até 0,017709 Nada a eliminar
 Tabela 2 - Amostra “Água Verde (Gretl) (3)” – 29 elementos – Após análise 2 desvios padrão
PrecoMtr AreaTot AreaPriv SacaGour Lavabo Hidro Lareira PrecoVend IdadeMese Condom. Ordem AndarDic Andar InversoId
m s PrMtr ot adeMese
s
3.922,65 181,0 101,0 1 1 0 0 710.000,00 84 1,659 1 0 2 0,0119
3.263,89 144,0 88,0 1 1 0 0 470.000,00 108 4,514 3 1 5 0,0093
3.553,07 179,0 134,0 0 1 0 0 636.000,00 456 3,073 5 1 4 0,0022
3.591,62 130,9 98,0 1 0 0 0 470.000,00 132 3,821 6 1 4 0,0076
3.413,17 172,9 104,8 1 0 0 1 590.000,00 180 4,050 7 1 6 0,0056
5.660,38 159,0 141,0 1 1 0 0 900.000,00 60 4,403 8 1 5 0,0167
6.240,60 133,0 107,0 1 0 0 0 830.000,00 84 4,744 10 0 2 0,0119
5.957,45 141,0 115,0 1 0 1 0 840.000,00 96 7,092 11 0 2 0,0104
4.062,50 160,0 103,0 1 1 0 0 650.000,00 96 2,313 12 0 2 0,0104
6.567,16 134,0 112,0 1 1 1 0 880.000,00 96 5,224 13 1 4 0,0104
4.333,33 150,0 103,0 1 1 0 0 650.000,00 120 4,667 14 0 3 0,0083
5.359,28 167,0 113,0 1 1 0 0 895.000,00 96 3,892 15 0 2 0,0104
4.326,67 150,0 113,0 1 0 1 0 649.000,00 204 4,667 16 0 3 0,0049
5.970,28 116,4 94,0 1 0 0 0 695.000,00 72 4,295 17 0 1 0,0139
4.070,65 184,0 118,0 1 1 1 0 749.000,00 132 2,717 18 0 2 0,0076
6.952,38 105,0 87,0 1 0 0 0 730.000,00 72 5,095 19 2 7 0,0139
6.538,46 130,0 93,0 1 1 0 0 850.000,00 60 5,385 20 3 12 0,0167
5.314,41 111,0 93,0 1 0 1 0 589.900,00 228 8,559 21 1 4 0,0044
3.028,57 175,0 105,0 1 1 0 0 530.000,00 84 2,514 22 0 3 0,0119
2.284,26 197,0 117,0 0 0 0 0 450.000,00 108 3,046 23 0 3 0,0093
4.230,08 130,0 83,0 1 0 0 0 549.910,00 60 2,692 24 0 1 0,0167
4.290,23 174,0 118,0 1 1 0 0 746.500,00 96 3,333 25 0 1 0,0104
3.578,03 173,0 129,0 1 0 0 0 619.000,00 96 2,601 26 0 1 0,0104
5.000,00 150,0 89,0 1 0 0 0 750.000,00 84 3,333 27 1 4 0,0119
3.262,41 141,0 100,0 1 0 0 0 460.000,00 96 3,823 28 1 4 0,0104
4.103,45 145,0 97,0 0 0 0 0 595.000,00 228 4,248 29 1 5 0,0044
4.237,80 164,0 127,0 1 0 1 1 695.000,00 228 6,951 32 0 1 0,0044
3.473,49 161,0 102,0 1 0 0 0 559.232,00 276 4,255 33 0 2 0,0036
3.942,11 190,0 103,0 1 1 0 0 749.000,00 120 3,053 34 2 7 0,0083

Figura 8 - Importação do arquivo de dados para o GRETL – “Água Verde (Gretl) (3)” – 29
elementos
Figura 9 - Estatística descritiva - Amostra “Água Verde (Gretl) (3)” – 29 elementos
Figura 10 - 2º Modelo - amostra 29 elementos

Figura 11 - Amostra e BoxSplot PrecoMtr – 29 elementos

Figura 12 - Amostra e BoxSplot AreaTot – 29 elementos

Figura 13 - Amostra e BoxSplot AreaPriv – 29 elementos

Figura 14 - Amostra e BoxSplot InversoIdadeMeses – 29 elementos
Figura 15 - Teste Observações influentes – 29 elementos

Figura 16 - Detecção de Multicolinearidade Perfeita (testes de consistência) – 29 elementos

Figura 17 - Teste de Normalidade dos resíduos – 29 elementos

Gráfico 1 - Grafico de Normalidade dos resíduos

Gráfico 2 - Distribuição Qui-Quadrado – Teste de Normalidade

Figura 18 - GQ Test - Heterocedasticidade - amostra 29 elementos

Gráfico 3 - Teste de heterocedasticidade - gqtest - conforme Tabela distribuição F Snedecor

Gráfico 4 - Análise do intervalo de confiança - Tabela "t student"

Figura 19 - Resíduo referente ao elemento da amostra nº 1 – amostra 20 elementos
Equação de regressão para o elemento 1 da amostra
Beta 0= 6.136,6700 Vlr do Elem. AmostraPos. do Elem. Amostra
AreaTot Beta 1= -39,6745 181,00 1
AreaPriv Beta 2= 32,7312 101,00 1
InversoIdadeMeses Beta 3= 100.602,0000 0,0119 1
Y "chapéu" = Beta 0 + (Beta 1 x AreaPriv) + (Beta 2 x AreaTot) + (Beta 3 x InversoIdadeMeses)
Y Chapéu= 3.459,08 => (Calculado portanto)
Y= 3.922,65 => PrecoMtr do elemento nº 1 da amostra
Resíduo 463,57 => É o valor do resíduo que aparece na tabela
"Observações Influentes", coluna "Resíduo" para o
elemento nº 1 da amostra.
Intervalo de Confiança

Figura 20 - Cálculo Intervalo de Confiança β0 e β1

መͲ േ‫ݐ‬ఈΤଶ Ǥ݁‫ ݌‬ƸͲ
ICβ0 = ߚ ɴ

መͲ ൌ
ߚ 6.136,6700

‫ݐ‬ఈΤଶ ൌ
ͲǡͳͲ ‫ܥܩ‬ͺ ͲΨ ֜ ‫ ݈݃ܽݎ ܽܽ݌‬ൌ
ሺ݊ െ݊͑ ‫݁݉Ÿ ܽܽ݌‬
‫ݏݎ ݐݎ‬ܽ ሻ=> Tabela t
‫ݏ݋‬

‫ݐ‬ఈΤଶ ൌ
‫ݑ‬ ݊ܽ ‫Ͳ ܽ݊ݑ‬ǡͳͲȀ0,20 , gl 25 => 1,316
‫݈݋݈ܥ‬ 1,316 Obs: "gl"= "n"- 4parâm.=> 29-5 => gl = 25

݁‫݌‬ɴƸͲ ൌ
Erro Padrão no Modelo 1.390,600

IC β0 = 6136,67 േ 1,316 x 1.390,600 => Para Grau de Confiança de 80%

Limite Superior ߚመ
=
Ͳ 7.966,70
Limite Inferior ߚመ
=Ͳ 4.306,64

መͳ േ‫ݐ‬ఈΤଶ Ǥ݁‫ ݌‬Ƹͳ

ICβ1 = ߚ ɴ

መͳ ൌ
ߚ -39,6745 (AreaTot)

‫ݐ‬ఈΤଶ ൌ
ͲǡͳͲ ‫ܥܩ‬ͺ ͲΨ ֜ ܽ ܽ ‫ ݈݃ ܽݎ‬ൌ
ሺ݊ െ݊͑ ‫݁݉Ÿ ܽܽ݌‬ ‫ݏ݋‬ሻ=> Tabela t
‫ݏݎ ݐݎ‬

‫ݐ‬ఈΤଶ ൌ
‫ݑ ܽ݊ ݈ܥ‬
‫ݑ‬ ͲǡͳͲȀ0,20 , gl 25 => 1,316 1,316

݁‫݌‬ɴƸͳ ൌ
Erro Padrão no Modelo 7,751

IC β1 = -39,6745 േ 1,316 x 7,751 => Para Grau de Confiança de 80%

Limite Superior ߚመ
ͳ= -29,47
Limite Inferior ߚመ
=ͳ -49,87
Figura 21 - Cálculo Intervalo de Confiança β2 e β3
መʹ േ‫ݐ‬ఈΤଶ Ǥ݁‫ ݌‬Ƹʹ
ICβ2 = ߚ ɴ

መʹ ൌ
ߚ 32,7312 (AreaPriv)

‫ݐ‬ఈΤଶ ൌ
ͲǡͳͲ ‫ܥܩ‬ͺ ͲΨ ֜ ܽ ܽ ‫ ݈݃ ܽݎ‬ൌ
ሺ݊ െ݊͑ ‫݁݉Ÿ ܽܽ݌‬ ‫ݏ݋‬ሻ=> Tabela t
‫ݏݎ ݐݎ‬

‫ݐ‬ఈΤଶ ൌ
‫ݑ ܽ݊ ݈ܥ‬
‫ݑ‬ ͲǡͳͲȀ0,20 , gl 25 => 1,316 1,316

݁‫݌‬ɴƸʹ ൌ
Erro Padrão no Modelo 12,670

IC β2 = 32,7312 േ 1,316 x 12,670 => Para Grau de Confiança de 80%

Limite Superior ߚመ
ʹ= 49,40
Limite Inferior ߚመ
=ʹ 16,06

መ͵ േ‫ݐ‬ఈΤଶ Ǥ݁‫ ݌‬Ƹ͵

ICβ3 = ߚ ɴ

መ͵ ൌ100.602,0000 (InversoIdadeMeses)
ߚ

‫ݐ‬ఈΤଶ ൌ
ͲǡͳͲ ‫ܥܩ‬ͺ ͲΨ ֜ ܽ ܽ ‫ ݈݃ ܽݎ‬ൌ
ሺ݊ െ݊͑ ‫݁݉Ÿ ܽܽ݌‬ ‫ݏ݋‬ሻ=> Tabela t
‫ݏݎ ݐݎ‬

‫ݐ‬ఈΤଶ ൌ
‫ݑ ܽ݊ ݈ܥ‬
‫ݑ‬ ͲǡͳͲȀ0,20 , gl 25 => 1,316 1,316

݁‫݌‬ɴƸ͵ ൌ
Erro Padrão no Modelo 39.867,000

IC β3 = 100602 േ 1,316 x 39.867,000 => Para Grau de Confiança de 80%

Limite Superior ߚመ
͵= 153.066,97
Limite Inferiorr ߚመ
͵= 48.137,03
Figura 22 - Cálculo Final do Intervalo de Confiança
IC Final

Limite Superior
Limite Superior ߚመ
=
Ͳ 7.966,70
Limite Superior ߚመ
ͳ= -29,47
Limite Superior ߚመ
ʹ= 49,40
Limite Superior ߚመ
͵= 153.066,97

Ŷ Sup = 7.966,70 + -29,47 x 90,00 + 49,40 x 68,00 + 153.066,97 x 0,1

መ
ߚ ߚመ
ͳ ܵ'‫ݑ‬
AreaTot ߚመ
ʹ ܵ'‫ݑ‬
‫݌‬ AreaPriv ߚመ InversoIdadeMeses
Ͳ Sup ‫݌‬ ͵ ܵ‫݌ݑ‬

Ŷ Sup = 23.980,26

Limite Inferior
Limite Inferior ߚመ
=Ͳ 4.306,64
Limite Inferior ߚመ
=ͳ -49,87
Limite Inferior ߚመ
=ʹ 16,06
Limite Inferior ߚመ
=͵ 48.137,03

Ŷ Inf = 4.306,64 + -49,87 x 90,00 + 16,06 x 68,00 + 48.137,03 x 0,1

መ
ߚ ߚመ
ͳ ‫݂݊ܫ‬
AreaTot ߚመ
ʹ ‫݂݊ܫ‬
AreaPriv ߚመ InversoIdadeMeses
Ͳ Inf ͵ ‫݂݊ܫ‬

Ŷ Inf = 5.723,51

Média
Valor médio = ߚመ
Ͳ 6.136,67
Valor médio = ߚመ
ͳ -39,67
Valor médio = ߚመ
ʹ 32,73
Valor médio = ߚመ
͵ 100.602,00

Ŷ Médio = 6.136,67 + -39,67 x 90,00 + 32,73 x 68,00 + 100.602,00 x 0,1000

መ
ߚ ߚመ AreaTot ߚመ
ʹ ‫ ܯ‬±݀
AreaPriv ߚመ InversoIdadeMeses
Ͳ Méd ͳ ‫ ܯ‬±݀ ͵ ‫ ܯ‬±݀

Ŷ Médio = 14.851,89

Lim. Inf. Média Lim. Sup. => Para Grau de Confiança de 80%
5.723,51 14.851,89 23.980,26
-61% 61%
Intervalo de Predição

Figura 23 - Cálculo do Intervalo de Predição

ͳ S = "E.P." (Erro Padrão da Regressão):
‫ ݌ܫ‬ൌ
‫ ܯ‬±݀݅ܽ േ‫ݐ‬௡ିଵ ൈͳ ൅
݊

ͳ
ͳͶǤͺ ͷͳǡͺ ͻ േͳǡ͵ ͳ͵ ൈ
‫ ݌ܫ‬ൌ ͹ͻ ͷǡͲͶʹ Ͷ ͳ ൅
ʹͻ
=> Tabela Distribuição "t" de Student => "n-1"= 29-1 = 28

=> 1,313
Média => 14.851,89
S => 795,0424
n => 29

Ip Sup= 15.913,62
Ip Inf= 13.790,15

Lim. Inf. Média Lim. Sup.

13.790,15 14.851,89 15.913,62
-7% 7%
Campo de Arbítrio

Figura 24 - Cálculo do Campo de Arbítrio

CA = Média ± 15%

Média => 14.851,89

CA Sup = 17.079,67
CA Inf = 12.624,10

Lim. Inf. Média Lim. Sup.

12.624,10 14.851,89 17.079,67
-15% 15%
Heterocedasticidade Corrigida

Figura 25 - 3º Modelo - Após Heterocedasticidade Corrigida

Intervalo de Confiança

Figura 26 - Cálculo Interv. de Confiança (β0 e β1 ) - Após Heteroced. Corrigida

መͲ േ‫ݐ‬ఈΤଶ Ǥ݁‫ ݌‬ƸͲ
ICβ0 = ߚ ɴ

መͲ ൌ
ߚ 6.298,3600

‫ݐ‬ఈΤଶ ൌ
ͲǡͳͲ ‫ܥܩ‬ͺ ͲΨ ֜ ܽ ܽ ‫ ݈݃ ܽݎ‬ൌ
ሺ݊ െ݊͑ ‫݁݉Ÿ ܽܽ݌‬ ‫ݏ݋‬ሻ=> Tabela t
‫ݏݎ ݐݎ‬

‫ݐ‬ఈΤଶ ൌ
‫ݑ ܽ݊ ݈ܥ‬
‫ݑ‬ ͲǡͳͲȀ0,20 , gl 25 => 1,316 1,316 Obs: "gl"= "n"- 4parâm.=> 29-5 => gl = 25

݁‫݌‬ɴƸͲ ൌ
Erro Padrão no Modelo 456,357

IC β0 = 6298,36 േ 1,316 x 456,357 => Para Grau de Confiança de 80%

Limite Superior ߚመ
=
Ͳ 6.898,93
Limite Inferior ߚመ
=Ͳ 5.697,79

መͳ േ‫ݐ‬ఈΤଶ Ǥ݁‫ ݌‬Ƹͳ

ICβ1 = ߚ ɴ

መͳ ൌ
ߚ -39,2405 (AreaTot)

‫ݐ‬ఈΤଶ ൌ
ͲǡͳͲ ‫ܥܩ‬ͺ ͲΨ ֜ ܽ ܽ ‫ ݈݃ ܽݎ‬ൌ
ሺ݊ െ݊͑ ‫݁݉Ÿ ܽܽ݌‬ ‫ݏ݋‬ሻ=> Tabela t
‫ݏݎ ݐݎ‬

‫ݐ‬ఈΤଶ ൌ
‫ݑ ܽ݊ ݈ܥ‬
‫ݑ‬ ͲǡͳͲȀ0,20 , gl 25 => 1,316 1,316

݁‫݌‬ɴƸͳ ൌ
Erro Padrão no Modelo 3,588

IC β1 = -39,2405 േ 1,316 x 3,588 => Para Grau de Confiança de 80%

Limite Superior ߚመ
ͳ= -34,52
Limite Inferior ߚመ
=ͳ -43,96
Figura 27 - Cálculo Interv. de Confiança (β2 e β3 ) - Após Heteroced. Corrigida
መʹ േ‫ݐ‬ఈΤଶ Ǥ݁‫ ݌‬Ƹʹ
ICβ2 = ߚ ɴ

መʹ ൌ
ߚ 30,0070 (AreaPriv)

‫ݐ‬ఈΤଶ ൌ
ͲǡͳͲ ‫ܥܩ‬ͺ ͲΨ ֜ ܽ ܽ ‫ ݈݃ ܽݎ‬ൌ
ሺ݊ െ݊͑ ‫݁݉Ÿ ܽܽ݌‬ ‫ݏ݋‬ሻ=> Tabela t
‫ݏݎ ݐݎ‬

‫ݐ‬ఈΤଶ ൌ
‫ݑ ܽ݊ ݈ܥ‬
‫ݑ‬ ͲǡͳͲȀ0,20 , gl 25 => 1,316 1,316

݁‫݌‬ɴƸʹ ൌ
Erro Padrão no Modelo 4,311

IC β2 = 30,007 േ 1,316 x 4,311 => Para Grau de Confiança de 80%

Limite Superior ߚመ
ʹ= 35,68
Limite Inferior ߚመ
=ʹ 24,33

መ͵ േ‫ݐ‬ఈΤଶ Ǥ݁‫ ݌‬Ƹ͵

ICβ3 = ߚ ɴ

መ͵ ൌ119.781,0000 (InversoIdadeMeses)
ߚ

‫ݐ‬ఈΤଶ ൌ
ͲǡͳͲ ‫ܥܩ‬ͺ ͲΨ ֜ ܽ ܽ ‫ ݈݃ ܽݎ‬ൌ
ሺ݊ െ݊͑ ‫݁݉Ÿ ܽܽ݌‬ ‫ݏ݋‬ሻ=> Tabela t
‫ݏݎ ݐݎ‬

‫ݐ‬ఈΤଶ ൌ
‫ݑ ܽ݊ ݈ܥ‬
‫ݑ‬ ͲǡͳͲȀ0,20 , gl 25 => 1,316 1,316

݁‫݌‬ɴƸ͵ ൌ
Erro Padrão no Modelo 23.516,900

IC β3 = 119781 േ 1,316 x 23.516,900 => Para Grau de Confiança de 80%

Limite Superior ߚመ
͵= 150.729,24
Limite Inferiorr ߚመ
͵= 88.832,76
Figura 28 - CálculoFinal Interv. de Confiança - Após Heteroced. Corrigida
IC Final

Limite Superior
Limite Superior ߚመ
=
Ͳ 6.898,93
Limite Superior ߚመ
ͳ= -34,52
Limite Superior ߚመ
ʹ= 35,68
Limite Superior ߚመ
͵= 150.729,24

Ŷ Sup = 6.898,93 + -34,52 x 90,00 + 35,68 x 68,00 + 150.729,24 x 0,1

መ
ߚ ߚመ
ͳ ܵ‫݌ݑ‬
AreaTot ߚመ
ʹ ܵ‫݌ݑ‬
AreaPriv ߚመ InversoIdadeMeses
Ͳ Sup ͵ ܵ‫݌ݑ‬

Ŷ Sup = 21.291,42

Limite Inferior
Limite Inferior ߚመ
=Ͳ 5.697,79
Limite Inferior ߚመ
=ͳ -43,96
Limite Inferior ߚመ
=ʹ 24,33
Limite Inferior ߚመ
=͵ 88.832,76

Ŷ Inf = 5.697,79 + -43,96 x 90,00 + 24,33 x 68,00 + 88.832,76 x 0,1

መ
ߚ ߚመ
ͳ ‫݂݊ܫ‬
AreaTot ߚመ
ʹ ‫݂݊ܫ‬
AreaPriv ߚመ InversoIdadeMeses
Ͳ Inf ͵ ‫݂݊ܫ‬

Ŷ Inf = 12.279,16

Média
Valor médio = ߚመ
Ͳ 6.298,36
Valor médio = ߚመ
ͳ -39,24
Valor médio = ߚመ
ʹ 30,01
Valor médio = ߚመ
͵ 119.781,00

Ŷ Médio = 6.298,36 + -39,24 x 90,00 + 30,01 x 68,00 + 119.781,00 x 0,1000

መ
ߚ ߚመ AreaTot ߚመ
ʹ ‫ ܯ‬±݀
AreaPriv ߚመ InversoIdadeMeses
Ͳ Méd ͳ ‫ ܯ‬±݀ ͵ ‫ ܯ‬±݀

Ŷ Médio = 16.785,29

Lim. Inf. Média Lim. Sup. => Para Grau de Confiança de 80%
12.279,16 16.785,29 21.291,42
-27% 27%
Intervalo de Predição

Figura 29 - Cálculo Interv. de Predição - Após Heteroced. Corrigida

ͳ S = "E.P." (Erro Padrão da Regressão):
‫ ݌ܫ‬ൌ
‫ ܯ‬±݀݅ܽ േ‫ݐ‬௡ିଵ ൈͳ ൅
݊

ͳ
ͳͶǤͺ ͷͳǡͺ ͻ േͳǡ͵ ͳ͵ ൈ
‫ ݌ܫ‬ൌ ͹ͻ ͷǡͲͶʹ Ͷ ͳ ൅
ʹͻ
=> Tabela Distribuição "t" de Student => "n-1"= 29-1 = 28

=> 1,313
Média => 16.785,29
S => 1,931964
n => 29

Ip Sup= 16.787,87
Ip Inf= 16.782,71

Lim. Inf. Média Lim. Sup.

16.782,71 16.785,29 16.787,87
0% 0%
Cálculo do Campo de Arbítrio

Figura 30 - Cálculo Campo de Arbítrio - Após Heteroced. Corrigida

CA = Média ± 15%

Média => 16.785,29

CA Sup = 19.303,08
CA Inf = 14.267,50

Lim. Inf. Média Lim. Sup.

14.267,50 16.785,29 19.303,08
-15% 15%
Bibliografia
GUJARATI, D. N. (2011). Econometria Básica (5ª ed.). Santana, RS, Brasil: AMGH Editora Ltda.

support.minitab.com. (s.d.). Acesso em 20 de Abril de 2019, disponível em Suporte ao Minitab 18:

https://support.minitab.com/pt-br/minitab/18/help-and-how-to/modeling-
statistics/multivariate/how-to/item-analysis/interpret-the-results/all-statistics-and-
graphs/#correlation-matrix