18.

REGRESSÃO
LINEAR MÚLTIPLA
Aulas 72, 73, 74, 75, 76, 77, 78, 79, 80, 81 E 82.

1
Aulas 72, 73, 74, 75, 76, 77, 78, 79, 80, 81 E 82.
 Aula 72 – Introdução à regressão linear
múltipla no Excel
Definindo e visualizando uma regressão linear MÚLTIPLA

2
Regressão linear múltipla

3
American Psychological Association (APA): Furletti, L. A., Carvalho, Í. L., Silva, H. B. & Peixoto, L. de C. (2022). Aplicação de
regressão linear múltipla para analisar a relação entre buscas por palavras-chave na internet e casos de COVID-19 no Brasil.
Exacta. DOI: https://doi.org/10.5585/exactaep.2022.20401.

4
 PREÇO X ÁREA

30

Equação que
25
f(x)= 0.981937553782027
R² = 0.632829181494662 x + 5.48727758007118 expressa os
valores no
20 intervalo contínuo
PREÇO

15

10 Valor que
demonstra a
relação entre as
5 duas variáveis
estudadas.
0
9 14 19 24 29 34

ÁREA

5
 Coeficiente de correlação

Coeficiente de determinação

Desvio padrão do modelo

Coeficiente linear
Coeficiente angular

6
O COEFICIENTE DE CORRELAÇÃO é uma medida estatística que calcula a força da relação entre os movimentos relativos das
duas variáveis. O intervalo de valores para o coeficiente de correlação limitado por 1,0 em uma base de valor absoluto ou entre -1,0
a 1,0. Se o coeficiente de correlação for maior que 1,0 ou menor que -1,0, a medição de correlação está incorreta. Uma correlação
de -1,0 indica uma correlação negativa perfeita , enquanto uma correlação de 1,0 indica uma correlação positiva perfeita . Uma
correlação de 0,0 indica zero ou nenhuma relação entre o movimento das duas variáveis.
              
O COEFICIENTE DE DETERMINAÇÃO é uma medida usada na análise estatística que avalia quão bem um modelo explica e prevê
os resultados futuros. É indicativo do nível de variabilidade explicada no conjunto de dados. O coeficiente de determinação, também
conhecido como "R-quadrado", é usado como uma diretriz para medir a precisão do modelo.

O COEFICIENTE DE DETERMINAÇÃO é usado para explicar quanta variabilidade de um fator pode ser causada por seu
relacionamento com outro fator. Ele é fortemente baseado na análise de tendências e é representado como um valor entre zero e
um. Quanto mais próximo o valor estiver de um, melhor será o ajuste ou relação entre os dois fatores. O coeficiente de determinação
é o quadrado do coeficiente de correlação , também conhecido como "R", que permite exibir o grau de correlação linear entre duas
variáveis.

R QUADRADO AJUSTADO
R2 ajustado é uma medida de qualidade de ajuste (precisão do modelo) corrigida para modelos lineares. Ela identifica a porcentagem
de variância no campo de destino que é explicada pela entrada ou entradas.
O R2 tende a estimar de forma otimista o ajuste da regressão linear. Ele sempre aumenta à medida que o número de efeitos é
incluído no modelo. O R2 ajustado tenta corrigir essa superestimação. O R 2 ajustado pode diminuir se um efeito específico não
melhorar o modelo.
O R quadrado ajustado é calculado dividindo o erro quadrático médio residual pelo erro quadrático médio total (que é a variância da
amostra do campo de destino). O resultado é então subtraído de 1.
O R2 ajustado é sempre menor ou igual a R2. O valor 1 indica um modelo que prevê perfeitamente valores no campo de destino. Um
valor menor ou igual a 0 indica um modelo que não tem nenhum valor preditivo. No mundo real, o R 2 ajustado está entre esses
7
valores.
8
9
10
11
12
13
14
15
AULA 73 E 74 – O MODELO LINEAR
GERAL
SUPOSIÇÕES BÁSICAS

16
17
18
19
20
21
22
23
24
25
26
27
 Aula 75 – ANÁLISE DOS
PARÂMETROS AMOSTRAIS
COMPARAÇÃO COM PARÂMETROS PADRONIZADOS

28
 F deve ser menor
que 1%, 2% ou 5%.

F deve ser maior que o F

tabelado

29
 Modelo tem
regressão

V1 = k
V2 = n-k-1 30
 T calculado.
Deve ser maior que o
crítico.

31
 T calculado.
Deve ser maior que o
crítico.

32
 Valor - p.
Deve ser menor que o
tabelado: 10%, 20% e 30%.

33
 T calculado.
Deve ser maior que o
crítico.

Valor - p.
T crítico. Deve ser menor que o
tabelado: 10%, 20% e 30%.

34
Aula 76 E 77 – CÁLCULO DE UM
AVALIANDO

35
36
37
Aula 78 – LIMITES MÁXIMO E
MÍNIMO

38
39
 Preço = 293308,59 + 27724,32*ÁREA – 29436,11*DIST RODO -107631,70*REL

Preço = 1093609,40 + 29054,98* ÁREA + 75331,36* DIST RODO – 51548,64* REL

40
Aula 79 – CAMPO DE ARBÍTRIO

41
42
43
Aula 80 – ANÁLISE GRÁFICA

44
 Plotagem de probabilidade normal
30000000

25000000
PREÇO R$

20000000

15000000

10000000

5000000

0
0 20 40 60 80 100 120

PERCENTIL DA AMOSTRA

45
 RELEVO Plotagem de ajuste de linha
R$35,000,000.00

R$30,000,000.00

R$25,000,000.00
PREÇO R$

R$20,000,000.00

PREÇO R$
R$15,000,000.00 Previsto(a) PREÇO R$

R$10,000,000.00

R$5,000,000.00

R$-
0 2 4 6 8 10 12 14 16

R$(5,000,000.00)

RELEVO

46
 DISTÂNCIA DE RODOVIA Plotagem de ajuste de linha
R$35,000,000.00

R$30,000,000.00

R$25,000,000.00
PREÇO R$

R$20,000,000.00

PREÇO R$
R$15,000,000.00
Previsto(a) PREÇO R$

R$10,000,000.00

R$5,000,000.00

R$-
0 5 10 15 20 25 30

R$(5,000,000.00)

DISTÂNCIA DE RODOVIA

47
 ÁREA HA Plotagem de ajuste de linha
R$35,000,000.00

R$30,000,000.00

R$25,000,000.00
PREÇO R$

R$20,000,000.00

PREÇO R$
R$15,000,000.00
Previsto(a) PREÇO R$

R$10,000,000.00

R$5,000,000.00

R$-
0.000 200.000 400.000 600.000 800.000 1000.000 1200.000
R$(5,000,000.00)

ÁREA HA

48
 RELEVO Plotagem de resíduos
2000000

1500000
RESÍDUOS

1000000

500000

0
0 2 4 6 8 10 12 14 16

-500000

-1000000

RELEVO

49
 DISTÂNCIA DE RODOVIA Plotagem de resíduos
2000000

1500000
Resíduos

1000000

500000

0
0 5 10 15 20 25 30

-500000

-1000000

DISTÂNCIA DE RODOVIA

50
 ÁREA HA Plotagem de resíduos
2000000

1500000

1000000
Resíduos

500000

0
0.000 200.000 400.000 600.000 800.000 1000.000 1200.000

-500000

-1000000

ÁREA HA

51
Aula 81– CORRELAÇÃO E SELEÇÃO
DE VARIÁVEIS INDEPENDENTES

52
53
54
Aula 82– MATRIZ DE CORRELAÇÃO

55
56
57
58
59