Regressão linear simples – 1a parte

José Guilherme Chaves Alberto

Conceitos iniciais
Segundo Guajarati (2000) a análise de regressão ocupa-se
do estudo da dependência de uma variável (dependente)
em relação a uma ou mais variáveis (independentes), com
o objetivo de estimar e/ou prever a média ou o valor
médio da dependente em termos dos valores conhecidos
ou fixos das independentes.
“
Apesar da regressão lidar com a
dependência de uma variável
em relação a outras variáveis,
não implica necessariamente

”
em causação.
Tipos de dados

De corte (cross-section): dados de uma ou mais

variável coletados no mesmo ponto do tempo;
Série temporal: conjunto de valores que uma
variável assume em diferentes momentos; e
Combinados: a elementos tanto de séries
temporais como de dados de corte (GUJARATI,
2000).
Importantes termos

Outros termos utilizados para a variável

dependente são: explicada, predito, regredido,
resposta e endógena.

Outros termos utilizados para a variável

independente são: explicativa, preditor, regressor,
estímulo e exógena.
Variáveis X (ROE) 15 20 25 30 35 40 45 50 55 60
Y
-1 4 7 10 12 13 10 20 25 25
3 6 6 11 11 11 18 21 27 30
-1,5 0 4 8 12 15 20 22 18 25
4 2 5 9 10 10 18 20 17 31
Retorno (%)
1 5 7 12 14 15 19 25 26 32
8 11 11 12 19 25 29
4 21 32

Média 1,10 4,17 5,80 9,29 11,67 12,67 17,00 21,14 23,00 29,14
5

REGRESSÃO LINEAR
0

0
0 10 20 30 40 50 60 7
A função de regressão populacional (FRP)
𝐸 𝑌\𝑋𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 (1)
Sendo 𝛽0 = intercepto; 𝛽1 = coeficiente angular.

Pela Equação 1, tem-se que:

𝑌𝑖 = 𝐸 𝑌\𝑋𝑖 + ϵ𝑖 (2)
Sendo Yi = valor individual; ϵ𝑖 = termo de erro
estocástico.
“ Como, normalmente,
trabalhasse com a amostra, é
necessário estimar os

”
coeficientes populacionais do
modelo de regressão.
Método dos Mínimos Quadrados Ordinários (MQO)

𝒀𝒊 = 𝒃𝟎 + 𝒃𝟏 𝑿𝒊 (3)
Sendo: 𝑌𝑖 = estimador de 𝐸 𝑌\𝑋𝑖 ; 𝑏0 = estimador de 𝛽0 ; e
𝑏1 = estimador de 𝛽1 .

𝒀𝒊 = 𝒃𝟎 + 𝒃𝟏 𝑿𝒊 + 𝒆𝒊 (4)
Sendo: 𝑒𝑖 = estimador de ϵ𝑖 .
Fórmulas para estimar os coeficientes do modelo de regressão

𝑛 . 𝑋 .𝑌− 𝑋. 𝑌
𝑏1 = 2 (5)
𝑛. 𝑋2− ( 𝑋)
ou
𝑛
𝑋𝑖 − 𝑋 𝑌𝑖 − 𝑌
𝑏1 = 𝑖=1
𝑛 (6)
𝑖=1 𝑋𝑖 − 𝑋 2

Sendo: 𝑏1 = estimador de 𝛽1 .
 ( 𝑌−𝑏1 . 𝑋)
𝑏0 = (7)
𝑛

ou

𝑏0 = 𝑌 − 𝑏1 𝑋 (8)

Sendo: 𝑏0 = estimador de 𝛽0 .
Coeficiente de determinação (r2)

O coeficiente de determinação expressa o quanto

da variação em relação à média é explicada pelo
modelo linear construído. Os valores de r2 pode
variar entre 0 e 1 (BRUNI, 2011).
Fonte: Gujarati (2000)
Matematicamente tem-se:

𝑆𝑄𝑡𝑜𝑡𝑎𝑙 = 𝑆𝑄𝑟𝑒𝑔𝑟𝑒𝑠𝑠ã𝑜 + 𝑆𝑄𝑒𝑟𝑟𝑜 (9)

𝑆𝑄𝑟𝑒𝑔𝑟𝑒𝑠𝑠ã𝑜
𝑟2 = (10)
𝑆𝑄𝑡𝑜𝑡𝑎𝑙
Fórmula para calcular o coeficiente de determinação

𝑋 .𝑌 𝑋 𝑌 2
− .
𝑟2 = 𝑋2
𝑛
𝑋 2
𝑛
𝑌2
𝑛
𝑌 2
(11)
− . −
𝑛 𝑛 𝑛 𝑛

Sendo: 𝑟 2 = coeficiente de determinação.

“ A raiz quadrada do
coeficiente de
determinação é o

”
coeficiente de correlação.
Exemplo:

Estime o coeficiente de correlação, o modelo

de regressão e o coeficiente de determinação.
 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
Leitura recomendada
Capítulo 12 – itens 12.2, 12.3 e 12.4 - 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.