Você está na página 1de 11

FACC/UFRJ

Curso de Aperfeiçoamento de
Intendência para Oficiais
Disciplina: MQA – Métodos Quantitativos
Aplicados à Administração
AULA 13 – Regressão com Variáveis Independentes Binárias

Prof. Marcelo Alvaro


malvaro.facc.ufrj@gmail.com
Sumário

 Definições
 Modelos e Formas de Incorporação de Variáveis
Dummy

2
Variáveis Dummy ou Binárias: Definições
 Variáveis independentes essencialmente qualitativas
ou categóricas ou nominais
 Existência de determinada característica: ADR, Ações em
bolsa, Lucro, Governança Corporativa, Responsabilidade
Social, Divulgação, etc.
 Sexo, nacionalidade, raça, região geográfica, setor de atuação,
tipo de capital, porte, ITRs etc.
 Utilidade: aumentar o valor preditivo do modelo de
regressão, considerando-se que variáveis de natureza
essencialmente qualitativa podem participar da
explicação da variável dependente
 Maneira de “quantificar”
 0 = ausência do atributo
 1 = presença do atributo
Exemplos de Variáveis Dummy
(Variáveis Independentes)
Setor de Atuação
Existência de Prejuízo
D1
Sim 1 D1 D2
Não 0 Cia B – Serv. 1 0
Cia C – Ind. 0 1
Região Geográfica Cia A – Com. 0 0

→ Se uma variável qualitativa tem m


categorias, só podemos introduzir m-1
D1 D2 D3 variáveis binárias (caso contrário,
Cia A – Sul 1 0 0 situação de colinearidade). Neste caso o
intercepto assume o lugar de uma das
Cia B - Nordeste 0 1 0
características (ausência de todas as
Cia C - Sudeste 0 0 1 outras)
Cia D - Norte 0 0 0 → Um outro caminho é não colocar o
intercepto.
Atenção!
 Número de Variáveis Dummy
 m-1 para evitar colinearidade perfeita

 Os dados são classificados em categorias mutuamente


excludentes
 Categoria de Controle ou de Referência ou de
Comparação ou Base ou Omitida
 Representam a Região Norte e o Setor de Comérico nos
exemplos anteriores
 Não se atribuí variável Dummy
 As comparações são feitas em relação a ela
 O Intercepto é seu valor médio
 Sua escolha é livre (discricionariedade do pesquisador)
Modelos

 Apenas Variáveis Qualitativas


Yi   0  1D1i   2 D2i  ...  ui

 Variáveis Qualitativas e Quantitativas (modelos


aditivos, multiplicativos e mistos)
Yi   0  1D1i   2 D2i . X 1i  3 X 1i  ...  ui
Covariável ou
Variáveis Variável de Controle
Dummy
Formas de incorporação de Variável Dummy
ao modelo
 Forma Aditiva

Sem a variável Dummy : Yi  a  b1 X 1i


Com a variável Dummy : Yi  a  b1 X 1i  b2 D1i
Se D1i  0Yi  a  b1 X 1i  b2 0  a  b1 X 1i I
Se D1i  1Yi  a  b1 X 1i  b21  a  b1 X 1i  b2  (a  b2 )  b1 X 1i II

II Alteração no modelo
Y
ocorre somente no
I intercepto!
a  b2
a
X
Formas de incorporação de Variável Dummy
ao modelo
 Forma Multiplicativa

Sem a variável Dummy : Yi  a  b1 X 1i


Com a variável Dummy : Yi  a  b1 X 1i  b2 X 1i D1i
Se D1i  0Yi  a  b1 X 1i  b2 X 1i 0  a  b1 X 1i I
Se D1i  1Yi  a  b1 X 1i  b2 X 1i 1  a  b1 X 1i  b2 X 1i  a  (b1  b2 ) X 1i II

II (coef. ang. = b1 + b2)


Y
I Alteração no modelo
ocorre somente na
sua declividade!
a
X
Formas de incorporação de Variável Dummy
ao modelo
 Forma Mista

Sem a variável Dummy : Yi  a  b1 X 1i


Com a variável Dummy : Yi  a  b1 X 1i  b2 D1i  b3 X 1i D1i
Se D1i  0Yi  a  b1 X 1i  b2 0  b3 X 1i 0  a  b1 X 1i I
Se D1i  1Yi  a  b1 X 1i  b21  b3 X 1i 1  a  b1 X 1i  b2  b3 X 1i  (a  b2 )  (b1  b3 ) X 1i II
II (coef. ang. = b1 + b2)
Y
Alteração no modelo
I ocorre no intercepto
a  b2 e na declividade!

a
X
Exemplo (adptado de Corrar e Theóphilo, 2008, p. 122)

 ADR
 Será que o Nível de Evidenciação pode ser
explicado pelo fato da empresas possuir ADR, além
de outras características (endividamento,
lucratividade, tamanho)?
 Será que possuir ADR pode interferir na relação
entre outras características (endividamento,
lucratividade, tamanho) e o Nível de Evidenciação?
Referências Bibliográficas
 Gujarati, D. Econometria Básica, Capítulo 9.

 Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em


Contabilidade e Administração (Contabilometria), Capítulo 2.

 Corrar, L. J.; Paulo, E.; Dias Filho, J. M. Análise Multivariada: para os


cursos de administração, ciências contábeis e economia, Capítulo 3.

Você também pode gostar