Regressão linear múltipla – 1ª parte

José Guilherme Chaves Alberto

Conceitos iniciais
Segundo Doane e Seward (2014) a regressão múltipla é
uma extensão da regressão simples que inclui muitas
variáveis preditoras.

𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖1 + 𝛽2 𝑋𝑖2 + 𝛽3 𝑋𝑖3 + ⋯ + 𝛽𝑘 𝑋𝑖𝑘 + 𝜖𝑖 (1)

Sendo Yi = variável resposta; 𝛽0 = intercepto; 𝛽1 ,𝛽2 , 𝛽3 , 𝛽𝑘 =

coeficiente angular; ϵ𝑖 = termo de erro estocástico.
 Cada coeficiente 𝛽𝑘 indica a
mudança no valor médio de Y,
quando se altera uma unidade de
𝑋𝑘 - tudo mais constante.
O valor estimado do modelo de regressão pelo MQO:

𝑌𝑖 = 𝑏0 + 𝑏1 𝑋𝑖1 + 𝑏2 𝑋𝑖2 + 𝑏3 𝑋𝑖3 + ⋯ + 𝑏𝑘 𝑋𝑖𝑘 + 𝑒𝑖 (2)

Sendo Yi = variável resposta; 𝑏0 = estimador do intercepto;

𝑏1 , 𝑏2 , 𝑏3 , 𝑏𝑘 = estimador do coeficiente angular; 𝑒𝑖 =
estimador de ϵ𝑖 .
“ Deve-se construir um modelo
parcimonioso – um modelo que
considere somente as variáveis

”
independentes úteis.
Exemplo:

Estime o modelo de regressão múltipla.

 Variável Variável Variável
Nº
dependente (y) independente (X1) independente (X2)
1 38 10 19
2 48 7 23
3 30 15 17
4 26 19 18
5 20 24 15
6 12 30 12
7 30 14 17
8 35 10 18
Coeficiente de determinação ajustado (r2 ajustado)

O coeficiente de determinação ajustado (r2

ajustado) é uma medida do coeficiente de
determinação (r2) estimado pelo MQO ajustado
pelo número de graus de liberdade.
Matematicamente tem-se:

𝑆𝑄𝑒𝑟𝑟𝑜
2
𝑟𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 =1− 𝑛−𝐾−1
𝑆𝑄𝑡𝑜𝑡𝑎𝑙 (3)
𝑛−1

2
Sendo:𝑟𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 = coeficiente de determinação ajustado; k =
preditores; e n = observações.
Significância geral do modelo e de cada um dos
parâmetros no modelo de regressão múltipla

De maneira análoga a regressão linear simples é

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

 Teste F (ANOVA)
 Teste t
O teste F testa se há alguma variável independente que é
significante. Tem-se as seguintes hipóteses:

𝐻0 : 𝑇𝑜𝑑𝑜𝑠 𝑜𝑠 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑖𝑟𝑜𝑠 𝑠ã𝑜 𝑧𝑒𝑟𝑜

𝐻1 : 𝑃𝑒𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑚 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑛ã𝑜 é 𝑧𝑒𝑟𝑜
Fórmula para testar se a regressão é significante

𝑄𝑀𝑅𝑒𝑔
𝐹𝑐𝑎𝑙𝑐 =
𝑄𝑀𝐸𝑟𝑟𝑜
(4)

Sendo: 𝑄𝑀𝑅𝑒𝑔 = quadrado médio da regressão; 𝑄𝑀𝐸𝑟𝑟𝑜 =

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

”
estatisticamente significante.
O teste t testa a significância estatística de cada

parâmetro a ser considerado no modelo de regressão.

Tem-se as seguintes hipóteses:

𝐻0 : 𝐵0 = 0
𝐻1 : 𝐵0 ≠ 0
e
𝐻0 : 𝐵𝑗 = 0
𝐻1 : 𝐵𝑗 ≠ 0
Fórmulas para testar se os coeficientes são significantes

𝑏0
𝑡𝑐𝑎𝑙𝑐 = (5)
𝑆𝑏0
e
𝑏𝑗
𝑡𝑐𝑎𝑙𝑐 = (6)
𝑆𝑏𝑗

Sendo:𝑆𝑏0 = erro-padrão do intercepto; 𝑆𝑏𝑗 = 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 F e t.
Intervalo de confiança para o coeficiente angular e
o intercepto

O intervalo de confiança é estimado através do

software Excel. Deve-se realizar a seguinte análise:

Se o intervalo de confiança não possui o

número zero o parâmetro é estatisticamente
significante
Exemplo:

Com os dados estimados na Tabela 1, analise o

intervalo de confiança.
Leitura recomendada
Capítulo 13 – itens 13.1, 13.2 e 13.3 - 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.