Regressão linear simples – 2a parte

José Guilherme Chaves Alberto

Significância geral do modelo e de cada um dos
parâmetros

Após a estimação do modelo é fundamental que

seja analisada a significância estatística geral, por
meios dos seguintes testes:

 Teste F (ANOVA);
 Teste t.
O teste F testa se a regressão é significante, comparando
as somas dos quadrados explicadas e inexplicadas. Tem-se
as seguintes hipóteses:

𝐻0 : 𝐵 = 0
𝐻1 : 𝐵 ≠ 0
Fórmula para testar se a regressão é significante

𝑆𝑄𝑅𝑒𝑔
𝐹𝑐𝑎𝑙𝑐 = 𝑆𝑄𝐸𝑟𝑟𝑜
1
(1)
𝑛−2

Sendo:𝑆𝑄𝑅𝑒𝑔= soma dos quadrados da regressão; 𝑆𝑄𝐸𝑟𝑟𝑜=

soma dos quadrados do resíduo.
“ Como regra geral se o F de
significação for menor que 0,05
(< 0,05) o modelo é

”
estatisticamente significante.
Exemplo:

Estime o modelo no software Excel e analise o

F de significação.
 TABELA 1
Variável Variável
Nº independente (x) dependente (y)
1 10 38
2 7 48
3 20 30
4 32 26
5 40 20
6 45 12
7 16 30
8 28 35
O teste t testa a significância estatística de cada
parâmetro estimado. Tem-se as seguintes hipóteses:

𝐻0 : 𝐵0 = 0
𝐻1 : 𝐵0 ≠ 0
e
𝐻0 : 𝐵1 = 0
𝐻1 : 𝐵1 ≠ 0
Fórmula para testar se os coeficientes são significantes

𝑏0
𝑡𝑐𝑎𝑙𝑐 = (2)
𝑆𝑏0
e
𝑏1
𝑡𝑐𝑎𝑙𝑐 = (3)
𝑆𝑏1

Sendo:𝑆𝑏0 = erro-padrão do intercepto; 𝑆𝑏1 = erro-padrão do

coeficiente angular.
“ Como regra geral, se o t do
teste for menor que 0,05 (< 0,05)
o parâmetro é estatisticamente

”
significante.
Exemplo:

Com os dados estimados na Tabela 1, analise

os resultados do teste t.
Intervalo de confiança para o coeficiente angular e
o intercepto

O intervalo de confiança é estimado pelos seguintes

modelos:

𝑏0 − 𝑡𝛼 𝑆𝑏0 ≤ 𝐵0 ≤ 𝑏0 + 𝑡𝛼 𝑆𝑏0 (intervalo para o intercepto);

2 2

𝑏1 − 𝑡𝛼 𝑆𝑏1 ≤ 𝐵1 ≤ 𝑏1 + 𝑡𝛼 𝑆𝑏1 (intervalo para o coeficiente angular).

2 2
Sendo:

𝑆𝑄𝑒𝑟𝑟𝑜
𝑆𝑒 = (4)
𝑛−2

Sendo:𝑆𝑒 = erro-padrão do intercepto.

 𝑆𝑒
𝑆𝑏1 = (5)
𝑛
𝑖=1 𝑋𝑖 −𝑋 2

1 𝑋2
𝑆𝑏0 = 𝑆𝑒 . + 𝑛 2 (6)
𝑛 𝑖=1 𝑋𝑖 −𝑋

Sendo: 𝑆𝑏1 = erro-padrão do coeficiente angular; 𝑆𝑏1 = erro-

padrão do coeficiente linear (intercepto).
“ Quando o intervalo de
confiança não possui o número
zero, o parâmetro é

”
estatisticamente significante.
Análise dos erros

Segundo o modelo do MQO três suposições são

necessárias:
• Os erros são normalmente distribuídos.
• Os erros têm variância constante.
• Os erros são independentes.
Erros são normalmente distribuídos

A suposição da normalidade dos erros é usada para

justificar o uso da distribuição “T de Student” para
construir os intervalos de confiança e para realizar
os testes de hipóteses (DOANE e SEWARD, 2014).
A construção do histograma, dos resíduos
padronizados, é uma boa ferramenta para
verificar a existência da normalidade.
“ A não normalidade é considerada
uma violação branda. Desde que, os
estimadores dos parâmetros e suas

”
variâncias sejam não viesados e
consistentes.
Erros tem variância constante

Segundo Doane e Seward (2014) a regressão deve

se ajustar, igualmente, bem a todos os valores de
X.
Um teste visual no gráfico dos resíduos contra X –
indica sinais de heterocedasticidade.
Fonte: Doane e Seward (2014)
Fonte: Doane e Seward (2014)
Erros são independentes

A autocorrelação deve ser analisada com cautela

quando os dados são do tipo “séries temporais”.
Sua ocorrência pode alagar os intervalos de
confiança.
A correlação pode ser: positiva (sequência de
resíduos com mesmo sinal) ou negativa (sequência
de resíduos com sinais alternados).
Um teste simples e observar graficamente os resíduos
contra a ordem de entrada dos dados – utilizando a
seguinte regras:
1. Se o padrão for aleatório o número de mudanças de sinal
(cruzamento da linha central) e aproximadamente n/2.
2. Se a correlação for positiva o número de cruzamento da
linha central será menor do que n/2.
3. Se a correlação for negativo o número de cruzamento da

linha central será maior do que n/2.

Exemplo:

Com os dados estimados na Tabela 1, analise

os resíduos.
Leitura recomendada
Capítulo 12 – itens 12.5, 12.6 e 12.7 - do livro
DOANE, David P.; SEWARD, LORI E. Estatística
aplicada à administração e economia. 4 ed. Porto
Alegre: AMGH, 2014. (Livro Eletrônico).
 Referências bibliográficas
BRUNI, Adriano Leal. Estatística Aplicada à
Gestão Empresarial. 3 ed. São Paulo: Atlas,
2011.

DOANE, David P.; SEWARD, LORI E. Estatística

aplicada à administração e economia. 4 ed.
Porto Alegre: AMGH, 2014.
Referências bibliográficas - continuação
GUJARATI, Damodar N. Econometria básica. 3
ed. Porto Alegre, RS: AMGH, 2000.

GUJARATI, Damodar N.; PORTER, Dawn C.

Econometria básica. 5 ed. Porto Alegre, RS:
AMGH, 2011.