Escolar Documentos
Profissional Documentos
Cultura Documentos
1. INTRODUÇÃO
Com essa análise poderemos verificar em que medida essas variáveis interferem no nosso
rendimento. Nas variáveis que aqui temos, nesse caso, o rendimento que é a variável
dependente e o restante das variáveis (Preço do produto, gastos com produção, despesas
correntes e gastos em publicidade) independentes.
Iremos analisar essas variáveis mencionadas no paragrafo anterior de modo a ver ate que
ponto afetam o lucro da nossa empresa de modo a verificar essa interferência e gerir da
melhor forma possível.
Durante a realização do trabalho serão feitos diferentes testes que nos permitirão verificar
com dados concretos os pressupostos do nosso modelo.
2. OBJECTIVOS DO TRABALHO
2.1 Objectivo Geral
• Definir um modelo de regressão capaz de prever o rendimento da organização em
função das variáveis existentes.
7 de junho de 2023
Análise de regressão 2
3. CONTEXTUALIZAÇÃO
Os testes que serão efetuados (test t e teste F) irão nos ajudar a verificar se o modelo existe ou
não (de forma global através do teste F) e se as variáveis são ou não aceites (através do teste t)
verificando o nível de significância e o P-Value.
7 de junho de 2023
Análise de regressão 3
4. REVISÃO DE LITERATURA
Análise de regressão é uma técnica estatística que estuda a relação entre uma variável
dependente e uma ou mais variáveis independentes, com vista a fazer previsões da primeira
em relação a segunda variável. (Gujarati, 2003)
Os testes t são testes de hipótese úteis na estatística quando é necessário comparar médias.
Ele avalia variável por variável para ver se tem alguma relação com a variável dependente, se
o valor do P for inferior que 5% são avaliados pelo modelo, se o valor do P for superior que
5% são retiradas do modelo. (Lazar, 2016)
Linearidade
Normalidade
O modelo de regressão supõe que todos erros estejam distribuídos normalmente (mesma
média, moda e mediana), a normalidade é testada com recurso ao teste de Shapiro˗Wilk. O
teste de Shapiro-Wilk tem como objetivo avaliar se uma distribuição é semelhante a uma
distribuição normal. (Yap & Sim, 2011)
7 de junho de 2023
Análise de regressão 4
Autocorrelação
O teste de Breusch˗Pagan testa se as variâncias dos resíduos de uma regressão dependem dos
valores das variáveis independentes. (Cochran, 1937)
Coeficiente de determinação
Colinearidade
5. METODOLOGIA
Para a execução desse trabalho, a metodologia utilizada será a pesquisa narratia. A pesquisa
narrativa, no campo educacional, inclui bibliografias, relatos, depoimentos. Essa pesquisa tem
sido bastante utilizada nos últimos anos.
A escolha deste tipo de abordagem vem da ideia de através das diversas obras deixadas por
diferentes autores entender melhor a analise de regressão e os diferentes testes desse trabalho.
7 de junho de 2023
Análise de regressão 5
Nesse trabalho incluímos diversos autores que falam sobre a análise de regressão e através
dos conteúdos abordados por eles fizemos uma análise e isso ajudou-nos na interpretação dos
resultados obtidos.
7 de junho de 2023
Análise de regressão 6
• Preço do produto;
• Gastos com produção;
• Despesas correntes;
• Gastos em publicidade.
ANOVA
gl SQ MQ F F de significação
Regressão 4 134097 33524,14 66,47096653 2,66334E-12
Resíduo 23 11599,9 504,3426
Total 27 145696
Interpretação
De forma global o modelo é valido, ou seja, o modelo existe, pois, o valor de P é inferior a
5%.
7 de junho de 2023
Análise de regressão 7
Por mais que o teste t recuse a aceitar algumas variáveis independentes do modelo, o teste f
analisa o parâmetro de forma global, por isso o modelo é válido.
7.2 Teste t
Interpretação
7 de junho de 2023
Análise de regressão 8
Interpretação
No gráfico que esta apresentado acima podemos verificar que existe a linearidade, ou seja, os
nossos resíduos estão distribuídos de forma homogenia.
8.2 Autocorrelação
Interpretação
No caso acima podemos verificar que o valor do Durbin-Watson se encontra fora do intervalo
pré-estabelecido (1.5 – 2.5), com isso podemos afirmar que a interação entre os resíduos
interfere no modelo e de certa forma pode prejudica-lo.
7 de junho de 2023
Análise de regressão 9
8.3 Normalidade
Interpretação
No quadro acima verificamos que o nosso modelo não segue uma distribuição normal, pois o
seu nível de significância não está dentro dos parâmetros estabelecidos, ou seja, o nível de
significância é menor que 5%.
8.4 Homogeniedade
Interpretação
Nos nossos dados acima temos que o valor da significância do teste de Levene é inferior a
5%, nesse caso rejeitamos a hipótese de homogeneidade das variâncias, ou seja, os resíduos
não interferem no nosso modelo.
7 de junho de 2023
Análise de regressão 10
Interpretação
Para que o modelo seja considerado com uma qualidade excelente è necessário que tenha um
R-Quadrado acima de 90%. No caso do nosso modelo podemos verificar através do quadro
que temos um R-Quadrado de 92,03%, nesse caso o nosso modelo tem uma qualidade
excelente.
9.2 Colinearidade
Estatísticas de
colinearidade
Tolerância VIF
,482 2,075
,238 4,210
,687 1,455
,245 4,074
Interpretação
Através da tabela nota-se que o VIF é 4,074. Tendo verificado que o VIF é inferior a 10, então
a qualidade do nosso modelo é boa e assumimos que não existe a Colinearidade.
7 de junho de 2023
Análise de regressão 11
Através dos testes realizados, nomeadamente, teste t e teste f, verificou-se inicialmente que o
modelo foi aceite e de seguida obtivemos os dados específicos das variáveis que foram ou não
aceites pelo modelo. Com isso, descartamos algumas variáveis e obtivemos desse modo o
modelo final que será apresentado abaixo:
Interpretação: Através desse modelo podemos chegar a conclusão para cada uma unidade dos
gastos de produção aumenta o nosso rendimento.
7 de junho de 2023
Análise de regressão 12
11. RECOMENDAÇÃO
Primeiramente através do teste t podemos verificar que algumas variáveis não foram aceites
pelo modelo, nomeadamente: Preço do produto, despesas correntes e gastos com publicidade.
Essas variáveis não foram aceites pelo modelo pois não satisfazem os requisitos necessários
para a sua aceitação, com isso essas mesmas variáveis serão retiradas do nosso modelo.
Forças do modelo
Fraquezas do modelo
7 de junho de 2023
Análise de regressão 13
7 de junho de 2023