Escolar Documentos
Profissional Documentos
Cultura Documentos
Regressão Múltipla 2
Pontos Principais
• O problema da Regressão Múltipla
• Um exemplo
• Correlação Múltipla
• Equação de Regressão
• Predições
Cont.
1
Regressão Múltipla 3
Pontos Principais--cont.
• Resíduos
• Teste de Hipóteses
• Questões para Revisão
• Referências bibliográficas essenciais
Regressão Múltipla 4
O Problema
• Utilizar vários preditores para predizer a
variável dependente
• Determinar uma medida do grau de
ajustamento global
• Ponderar cada preditor e determinar a sua
importância
2
Regressão Múltipla 5
Regressão Múltipla 6
3
Regressão Múltipla 7
Regressão Múltipla 8
4
Regressão Múltipla 9
Regressão Múltipla 10
5
Regressão Múltipla 11
Regressão Múltipla 12
6
Regressão Múltipla 13
Regressão Múltipla 14
7
Regressão Múltipla 15
• Preditores
✸ Grau em que o sujeito foi testemunha de violência
✸ Medida do grau de stress na sua vida actual
✸ Medida do suporte social
Regressão Múltipla 16
Violência e Internalização
• Os sujeitos são crianças com 8-12 anos
✸ Viviam em áreas muito violentas
✸ Hipótese: violência e stress conduzem à
internalização do comportamento.
✸ Os dados estão disponíveis em:
www.duxbury.com/dhowell/StatPages/
More_Stuff/Kliewer.dat
8
Regressão Múltipla 17
Matriz de Intercorrelações
Correlations
Statistics
Amount Internalizing
violenced Current Social symptoms on
witnessed stress support CBCL
Amount violenced
witnessed
Current stress .050
Social support .080 -.080
Internalizing symptoms
.200* .270** -.170
on CBCL
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
Regressão Múltipla 18
Considerações Preliminares
• Constatamos que tanto Stress como
Witnessing Violence estão
significativamente correlacionadas com
Internalizing.
• Notamos, ainda, que os preditores são
francamente independentes uns dos
outros.
9
Regressão Múltipla 19
Regressão Múltipla 20
Coeficientes de Regressão
• Teremos (a) dois ou mais declives e (b) um
ponto de intercepção.
• Cada variável é ajustada por todas as outras
incluídas no modelo.
• Estes coeficientes são apenas uma extenção do
declive e do ponto de intercepção que
encontrámos na regressão simples.
• Output do SPSS no próximo slide
10
Regressão Múltipla 21
R2
Model Summary
Regressão Múltipla 22
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) ,517 1,288 ,401 ,689
Amount violenced
,038 ,018 ,202 2,111 ,037
witnessed
Current stress ,272 ,106 ,245 2,560 ,012
Social support -,076 ,043 -,170 -1,766 ,081
a. Dependent Variable: Internalizing symptoms on CBCL
11
Regressão Múltipla 23
Equação de Regressão
Yˆ = b1 X 1 + b2 X 2 + b3 X 3 + b0
= 0.038Wit + 0.272Stress − 0.076SocSupp + 0.517
Regressão Múltipla 24
Interpretação
• Note que o declive para Witness e Stress
é positivo, mas que o declive para o
Social Support é negativo.
✸ Este dado faz sentido?
Cont.
12
Regressão Múltipla 25
Interpretação--cont.
• O mesmo é verdadeiro para os outros preditores.
• Os testes t, para dois dos declives, são significativos
✸ Todavia, SocSupp não é significativo.
✸ O que quer isto dizer?
• O R 2 pode interpretar-se do mesmo modo que r 2
(correlação), ou seja:
✸ 13.6% da variabilidade em Internal é explicada pela
variabilidade em Witness, Stress, e SocSupp.
Regressão Múltipla 26
Interpretação--cont.
• O ponto de Intercepção habitualmente
não tem significado.
✸ É a predição que efectuamos quando todos
os preditores são 0.0
✸ Já agora, com dois preditores (regressão
trivariada), não existe uma recta de
regressão, mas um plano de regressão.
13
Regressão Múltipla 27
Regressão Múltipla 28
Predições
• Assuma que Witness = 20, Stress = 5, e
SocSupp = 35: Então qual o valor de Y’?
14
Regressão Múltipla 29
Teste de Hipóteses
• O teste sobre o R 2 é dado na tabela da
Análise da Variância:
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 73,320 3 24,440 4,971 ,003a
Residual 467,090 95 4,917
Total 540,410 98
a. Predictors: (Constant), Social support, Current stress, Amount violenced witnessed
b. Dependent Variable: Internalizing symptoms on CBCL
Cont.
Regressão Múltipla 30
Teste de Hipóteses
• O testes do R 2 (usando as estatísticas da
ANOVA)
Sendo SQR SQT − SQE SQE
RY2.12 = = = 1−
SQT SQT SQT
• então testa-se
RY2.12 = 0
com F =
MQR
=
SQR 2
=
(n − 2 − 1)R 2
MQE SQE (n − 2 − 1 ) 1 − R 2 (2 ) ( )
Cont.
15
Regressão Múltipla 31
Teste--cont.
• Os testes sobre os coeficientes de
regressão são oferecidos, no SPSS num
segundo quadro (cf. rácios t de student)
• Ver o próximo slide
• Aprecie os testes sobre cada coeficiente.
Regressão Múltipla 32
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) ,517 1,288 ,401 ,689
Amount violenced
,038 ,018 ,202 2,111 ,037
witnessed
Current stress ,272 ,106 ,245 2,560 ,012
Social support -,076 ,043 -,170 -1,766 ,081
a. Dependent Variable: Internalizing symptoms on CBCL
16
Regressão Múltipla 33
Regressão Múltipla 34
Cont.
17
Regressão Múltipla 35
Regressão Múltipla 36
18
Regressão Múltipla 37
EXEMPLO TPC
Regressão Múltipla 38
EXEMPLO — cont.
Com base nos dados do ficheiro anterior calcule?
• apoio = b0 + b1idade + b2rendimento
•R, R2, R2 ajustado e EPestimativa
•O teste da hipótese nula (R2 (populacional) = 0)
•Os coeficientes de regressão não estandardizados bo, b1
e b2, bem como os respectivos coeficientes Beta
(estandardizados)
•As rácios t e a sua significância estatística.
•Y’, para idade = 56 anos e rendimento = 13500 libras
19
Regressão Múltipla 39
EXEMPLO — cont.
Regressão Múltipla 40
EXEMPLO — cont.
20
Regressão Múltipla 41
Apêndice
Assunções relativas ao MRLM
Há um certo número de assunções que devem ser
verificadas, antes dos resultados da regressão
serem considerados para interpretação.
Assim, o analista de dados deverá avaliar:
. Se as assunções foram preenchidas;
. Se as violações são graves;
. O que fazer acerca dessas violações.
Regressão Múltipla 42
21
Regressão Múltipla 43
Regressão Múltipla 44
22
Regressão Múltipla 45
Regressão Múltipla 46
• Verificação da normalidade
A principal maneira de verificar as violações da
normalidade é examinar a distribuição de cada uma das
variáveis. Vários métodos são possíveis, p. ex.:
Examinar as estatísticas de assimetria e de curtose;
Inspeccionar histogramas com a curva normal
sobreposta;
Usar testes específicos (v.g., o teste z de Kolmogorov-
Smirnov);
Examinar a distribuição de variáveis dicotómicas.
23
Regressão Múltipla 47
Regressão Múltipla 48
• Verificação da linearidade
A não linearidade bivariada pode ser examinada através
de um diagrama de dispersão envolvendo duas variáveis
de cada vez;
Numa análise multivariada, o exame dos resíduos
estandardizados de Y vs. os valores residuais preditos
estandardizados de Y, pode ser usado para detectar
padrões de não linearidade.
24
Regressão Múltipla 49
25